密集观测场景下的敏捷成像卫星任务规划方法

针对密集观测场景下敏捷成像卫星任务规划问题求解空间大、输入任务序列较长的特点,综合考虑时间窗口约束、任务转移时卫星姿态调整时间、存储约束和电量约束,对敏捷成像卫星任务规划问题进行建模.提出融合IndRNN和Pointer Networks的算法模型(Ind-PN)对敏捷成像卫星任务规划问题进行求解,使用多层的IndRNN结构作为算法模型的解码器.基于Pointer Networks机制对输入任务序列进行选择,使用Mask向量考虑敏捷成像卫星任务规划问题中的各类约束.基于Actor Critic强化学习算法对算法模型进行训练,以获得最大的观测收益率.实验结果表明,对于密集观测场景下的任务规划,Ind-PN算法的收敛速度更快,可以获得更高的观测收益率.

四象限模拟太阳敏感器的高精度补偿标定方法

为了提高微纳卫星的定姿精度,针对四象限模拟太阳敏感器提出高精度误差补偿方法,设计完整的自动标定流程.分析四象限硅光电池片光生电流的测量过程,将太阳光入射后的投影关系进行建模,提取主要误差源.综合考虑各环节,对各路电流测量误差进行单独矫正,对机械加工与安装误差和忽略遮光罩厚度导致误差进行补偿,形成了完备的补偿方法.实验结果表明,机械加工与安装误差为主要误差源,忽略遮光罩厚度导致误差的影响略大于电流测量误差的影响.应用该方法在±40°视场范围内补偿前平均精度为3.072°(1σ),补偿后平均精度为0.177°(1σ),现有其他方法标定后精度为0.5°(1σ),提出方法的精度提升了约3倍.针对标定测试工序,设计全流程自动化标定测试方法,效率明显提高,适合大批量应用.