双二体几何切面法及天梯地月转移轨道分析

双二体模型是求解地月转移轨道的重要基础。与传统的采用月球影响球入口点经纬度的描述方式不同,本文提出一种基于飞行轨道面参数来描述地月转移轨道的双二体模型几何表达方式,结合一维非线性方程求根算法Brent算法和Lambert原理,将原始三维球面搜索算法降维成为二维圆上的搜索算法,可以高效求解地月转移轨道的形状参数。为避免重复计算,将转移轨道窗口计算的轨道多变量搜索问题解耦分解成两个子问题——转移轨道形状参数求解问题和转移轨道面空间定向问题,降低了问题的求解维度。形成两级并行计算算法,充分发挥多核计算机算力,加速计算过程。仿真结果表明,基于提出的并行圆锥曲线几何切面法,可以成功应用于计算天梯地月转移轨道分析。     

登月舱制动段最优机动中的状态跟踪

本文根据登月舱的运动方程,在固定推力条件下,给出最优推力方向。在最优推力方向上对摄动方程加入自适应调节控制,得到状态跟踪的稳定性,使受控系统的输出跟踪状态精度得到保证。     

北斗GEO卫星用户算法的改进方法研究*

针对北斗GEO用户算法需要进行5?倾角的坐标旋转处理这一过程,本文提出了采用经典广播星历参数用户算法直接解算北斗GEO卫星位置的改进方法,并同时给出了相应的基于第二类无奇点根数的广播星历拟合算法。该算法采用第二类无奇点轨道根数代替经典轨道根数,解决了由GEO轨道的小倾角特性引起的经典广播星历参数拟合过程中法化矩阵奇异的问题。从而避免了北斗GEO用户算法中坐标旋转处理过程,减少了GEO用户算法的计算步骤。经过仿真验证,本文提出的改进方法在卫星轨道拟合过程中与原算法精度相当;在卫星轨道外推过程中与原算法相比略有精度损失,但仍满足用户导航定位精度的需求。最后,采用实际北斗GEO星历解算的轨道数据验证了改进算法的有效性。     

面向月球车路径规划的多约束环境建模方法

面向月球车路径规划,从建立合理、鲁棒的月面环境模型的需求出发,提出了一种新的多约束环境建模方法———MCWM方法,它综合考虑了月面地形的可通行性、系统的不确定性、人机协同性和运动的平稳性等四个因素,最后产生了一个能支持路径规划的综合代价地图———MCWM模型。仿真结果表明,MCWM方法合理、有效,可提高所规划路径的安全性和可执行性。     

利用动态规划原理实现多冲量最优交会问题

多冲量最优交会问题是航天领域非常重要的一个研究方向,从运筹学角度将此问题转化为一个多阶段多维动态规划问题,并着重对多阶段二维动态规划进行分析研究。在给出状态方程及指标函数递推公式的基础上,得到了两冲量和三冲量交会问题最优解的求解算法,之后分别通过实例验证了算法的有效性。对于以地心角等参数为决策变量的更高维问题,讨论了利用进化算法等降维方法实现多维动态规划的思想。     

卫星轨道Kalman滤波稳健估计

卫星观测数据中不可避免地存在着粗差 ,一般的Kalman滤波易受观测粗差的影响。首先推导Kalman滤波稳健估计公式 ,并分析了它的稳健性。然后用Kalman滤波稳健估计对Lageos卫星的激光实测资料进行了处理 ,证明它具有明显的抗粗差的能力和稳健性     

大椭圆轨道航天器编队飞行相对运动分析

大椭圆轨道航天器在较长轨道周期内运行于远地点上空,因而该轨道多应用于卫星通信、天体观测、空间磁场探测等。上述空间任务所需的多航天器协同运动理论亟待解决。利用运动学方法推导了大椭圆轨道编队的相对运动模型,简要证明了实现长期近距离编队的必要条件,分析了相对轨道根数对线性化模型精度及其动力学特性的影响。仿真结果表明,相对运动模型在轨道远地点处精度较高,适当选择相对轨道根数可设计出满足任务要求的编队轨道。     

载人登月软着陆制动段最优制导方法(英文)

提出一种解决软着陆制动段燃料最优制导以及闭环控制的方案.首先使用庞氏极大值原理将制动段燃料最优问题转化为一个初值问题,并使用遗传算法搜索求解;其次为了解决最优制导的闭环控制问题,将最优弹道作为标称弹道,使用RCS系统对轨道面内两个方向误差量进行解耦,分别使用极限环控制.仿真表明,所规划出的燃料最优弹道比阿波罗方案能节约159.7 kg的燃料,而闭环控制系统可以将初始1 000 m的位置误差和5 m/s的速度误差收敛到接近段入口误差要求以内,在闭环控制过程中,燃料消耗不大于87.75 kg,总体燃料消耗节约至少71.95 kg.     

基于星间测距和地面发射源的导航星座整网自主定轨

导航卫星星座自主定轨技术是我国新一代卫星导航系统的关键技术之一.但是仅仅依靠星间相互测距定轨会因缺少地面基准而出现基准秩亏现象.针对这个问题,提出利用少量地面发射源随机工作的方式提供地面基准,将星间测距和地面发射源信息融合起来进行星座整网定轨,进一步提高定轨精度.最后利用仿真实验对该方法的合理有效性进行了验证.     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。