状态数计算的卫星控制系统健康状态评估

健康评估是卫星在轨安全健康工作的关键技术之一.针对卫星控制系统的健康状态评估问题,首先分析了卫星控制系统的内部结构特征,将控制系统按其结构分层并提出了基于层次推理地健康状态评估方法,然后通过分析系统特有的工作关系确定了各级系统状态数的计算方法,最后以某型气象卫星的一种控制模式为例计算了从部件到整系统的各级别状态数.计算以及仿真的结果显示该方法能够利用状态数合理地表示控制系统的健康状态.     

基于代理模型的卫星系统仿真优化平台

针对既定目标,采用卫星系统进行协同观测可以最大化卫星系统的整体效能,如何对卫星系统的轨道或载荷参数设计是一个设计空间大、设计变量多的优化问题。对此,采用基于代理模型的仿真优化,通过改进广义模式搜索算法在设计空间中搜索最优解,并以此为核心设计开发卫星系统仿真优化平台。该平台集成问题建模、仿真优化和结果评估显示,为用户提供设计和改进卫星系统方案的方法和依据。采用该平台对卫星系统设计实例进行优化,通过对比发现,平台的优化结果稳定性和优化效率优于STK-Analyzer。     

一种基于双星导航系统的无源定位方法研究及其实现方案

为扩展双星导航定位系统的应用范围,针对双星导航系统双星定位时用户的有源问题提出了一种无源导航定位方法,用户不必发射导航定位请求信号,直接接收就可完成定位.同时,结合差分技术来提高用户导航的定位精度.通过理论分析和仿真,说明该方法是可行的.     

面向多星协同的卫星自组织自主控制体系结构

针对多卫星系统的自主控制需求,提出了一种面向多星协同的单星自组织自主控制体系结构(SAASO)。分析了多卫星系统自主控制的要求和特点,介绍了SAASO的层次化结构,讨论了各层的Agent组成、功能及相互联系,阐述了基于SAASO的自主控制系统工作原理,并探讨了系统自组织形式。SAASO面向不同的航天任务、不同自主程度的卫星设计,具有一定的通用性。     

挠性卫星姿态的模糊神经控制

在卫星的姿态控制领域里,智能控制技术得到越来越多的关注。把模糊神经控制引入到挠性卫星姿态稳定控制中,给出了详尽的实现方法,并推导了模糊神经网络的自学习算法。由于在模糊神经控制器中规则参数初值的确定吸收利用了经验知识,故提高了模糊神经控制器的在线学习速度。仿真结果表明:该控制算法通过在线学习能有效地克服挠性卫星的不确定性,具有较强的鲁棒性,从而可实现较高精度的卫星姿态控制。     

卫星姿态偏转时的覆盖仿真

在卫星覆盖特性分析中,一般仅考虑卫星的波束主轴（及覆盖圆锥中心线）通过地心时的覆盖情况,主要研究卫星姿态发生偏转后,波束主轴偏离地心时的覆盖情况,并进行了动态覆盖仿真,模拟并分析了几种卫星及星座在姿态发生偏转时覆盖区域的变化情况。     

光学成像侦察卫星作战效能分析

为支持航天装备体系作战效能评估,建立了光学成像侦察卫星性能指标与卫星发现目标概率和定位精度的关系以及信息处理与传递模型.以支持导弹打击大型移动目标为例,以命中目标概率为作战效能指标,建立了光学成像侦察卫星作战效能模型.对模型进行了仿真,分析了影响卫星作战效能的主要因素.仿真结果表明所建模型能够合理反映光学成像侦察卫星对作战结果的影响,可用于从顶层分析航天装备.     

图像匹配技术在对岸火力支援中的应用

针对水面舰艇对岸远程火力支援的作战需求和未来的发展趋势,对卫星和空基侦察信息在舰载武器对岸火力支援作战中的应用可行性进行了分析,提出了通过综合应用卫星和舰载无人机(UAV)侦察图像进行景象匹配,精确定位岸上远程目标对射击偏差进行观测修正的技术思路,为水面舰艇对岸上远程固定目标实施精确打击提供了一种可行和有效的手段.     

卫星军事应用系统作战效能评估的网络层次分析法研究

根据卫星军事应用系统的特点研究了基于网络层次分析法的效能评估方法.确立了效能评价的准则,给出了影响其作战效能的指标集,建立了网络层次分析法控制层和网络层模型,并且利用计算极限超矩阵的方法对单个准则下各方案的作战效能进行排序.最后,通过对单个准则下的排序向量进行加权求和获得卫星军事应用系统作战效能的排序向量.     

GPS和类GPS测距技术联合用于双星编队星座的状态确定

编队卫星状态的高精度确定是编队星座功能实现的重要基础。针对对地观测的双星编队星座的状态确定问题,为了提高状态确定的精度,在GPS技术的基础上,引入了类GPS测距技术,建立了联合GPS和类GPS测距技术进行状态整体确定的两种数学模型,并讨论了GPS星间单差模糊度和类GPS星内单差模糊度的同时初始化方法,最后进行了数值仿真。仿真结果显示,类GPS观测值尤其是类GPS星内载波单差观测值的引入,明显提高了双星编队星座的状态确定精度,其中绝对姿态角的精度达到rad,相对位置的精度达到m,相对钟差的精度达到s。仿真证明方法正确有效,模型二更优于模型一。