应用于姿态敏感器的SORNN微小故障诊断方法

为实现空间外部干扰和测量噪声存在情况下,航天器姿态敏感器微小故障的有效检测,以及方位敏感器和惯性敏感器之间的故障隔离,提出了一种基于自组织循环神经网络(self-organizing recurrent neural network,SORNN)的微小故障诊断方法。首先,设计了SORNN模型,包括网络结构自组织算法、终止条件和调整条件,实现对网络隐藏层神经元数量和循环记忆深度的自适应调节,用以提升网络的拟合性能。然后,针对姿态运动学子系统设计了基于SORNN的干扰观测器,给出网络权值更新算法并证明了状态估计误差的收敛性。将系统输出估计误差通过低通滤波器以抑制星敏感器测量噪声,推导更严格的残差和检测阈值进而提高对微小故障的检测能力。最后,针对姿态动力学子系统设计了故障隔离观测器,通过干扰解耦和干扰观测器的补偿消除未知扰动和噪声对残差的影响,利用动力学和运动学的冗余关系解决了两类敏感器故障的隔离问题。仿真结果表明,验证了所提方法对扰动和噪声掩盖下的星敏感器和陀螺微小故障检测与隔离的有效性。

水面高动态范围场景分焦平面偏振成像的自适应增强方法

在户外真实场景的水域成像过程中,太阳光经水面反射会形成强部分偏振耀光,水域场景通常伴随亮度变化范围大难以清晰成像的问题。本文提出了一种名为“WP-HDR”的基于分焦平面可见光偏振相机抑制太阳耀光实现水面场景高动态范围成像的方法。通过偏振处理抑制高强度水面耀光,Otsu算法与滤波配合实现对区域的分割,最后通过自适应线性融合实现对过暗部分的增强。实际场景的实验结果表明,处理后得到的高动态范围图像中,水面耀光得到了有效的抑制,背景和目标细节的轮廓信息更清晰,复合对比度、标准差和平均梯度均得到显著改善。本文提出的复合对比度可同时体现耀光抑制程度和暗目标清晰化程度,在本文的实验结果中最高可提升三倍。实验证明本文所提方法可用于强反射干扰下的水面成像以及水域目标的识别。