-
公开(公告)号：CN110108271B
公开(公告)日：2020-09-29
申请号：CN201910288495.5
申请日：2019-04-11
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种气动光学效应引起的星光偏折补偿方法，属于气动光学效应的偏折补偿领域。首先构建气动光学仿真环境，计算入射光产生的偏折角，同时采集N个波前曲面。并分别进行泽尼克模态分解，去除表示稳态的常值分量，以及表示X、Y方向的倾斜分量和系数，保留高阶畸变波前的系数作为输入，以入射光产生的偏折角作为输出，分别训练两个SVM拟合模型。重新构建偏折角未知的气动光学仿真环境，重复上述操作，获取新的保留高阶畸变波前的分量和系数，输入两个SVM拟合模型中，分别输出光束在X和Y方向的偏折角估计值，加到由像面坐标计算的光束入射角后，补偿光束偏折。本发明在补偿精度和补偿模型的泛化能力上都有了很大提高。
-
公开(公告)号：CN109870260A
公开(公告)日：2019-06-11
申请号：CN201910146263.6
申请日：2019-02-27
Applicant: 北京航空航天大学
IPC: G01L5/00
Abstract: 本发明公开了一种在线测量MEMS固体微推力器阵列输出推力的方法，属于推力测量领域。将MEMS固体微推力器的六个阵列分别安装在立方体微纳卫星的6个面上；设计空间环境数据与飞行器测量状态数据发生器，生成深度神经网络推力测量模型的训练数据，并用训练数据训练深度神经网络；将MEMS固体微推力器点火前后引起的微纳卫星状态的改变量输入到训练好的深度神经网络中；通过正向计算得到点火的推力器输出的真实推力的估计值，并输入到控制系统和推力器阵列的点火分配系统，作为当前状态下的推力标定结果。不断更新MEMS固体微推力器的推力测量结果，实现自适应的在线推力测量。本发明解决了飞行环境对输出推力的影响问题，具有环境自适应能力。
-
公开(公告)号：CN109740288A
公开(公告)日：2019-05-10
申请号：CN201910068750.5
申请日：2019-01-24
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种模拟高速流场中星光传输的气动光学效应的方法，属于气动光学领域。设定待模拟的湍流边界层流场的区域范围和气体椭球的控制参数；在设定的区域范围内按位置控制参数定义的概率密度随机生成若干椭球体，再按照气体椭球的其余控制参数给每个椭球面所包含的空间范围赋予密度值，形成人工密度场；使用光线追迹方法计算某一角度的入射光穿过人工密度场后的光程差，得到一张畸变波前快照。重复上述操作N次，得到N张畸变波前快照，将得到的N张畸变波前快照求平均得到时均波前畸变，即得到模拟的光线穿过湍流边界层后的气动光学效应。本发明对经验依赖性较小，方法的可操作性较强，成本更低，所需时间更少。
-
公开(公告)号：CN105258697B
公开(公告)日：2018-01-12
申请号：CN201510689724.6
申请日：2015-10-21
Applicant: 北京航空航天大学
IPC: G01C21/02
Abstract: 本发明公开了一种星光空白段神经网络连续导航方法及系统，该方法包括：利用神经网络的联想学习功能，将航天器导航系统中系统的状态误差修正与导航误差的时间序列关系转化成用非线性机制确定的输入输出系统；在该输入输出系统中引入神经网络，根据神经网络对信息有联想记忆的能力，不断从输入数据中提取特征值，并组织构造成最合适的权值网络，由此获得系统输入输出之间的规律；航天器在飞行过程中，当有折射星被观测时，导航系统利用折射星光进行位置解算；当在航天器受到日、月、地天体干扰没有观测信息的星光空白段期间，导航系统利用训练好的权值网络迭代补偿航天器的位置信息；通过本发明，可以低成本实现高精度的连续导航。
-
公开(公告)号：CN105258697A
公开(公告)日：2016-01-20
申请号：CN201510689724.6
申请日：2015-10-21
Applicant: 北京航空航天大学
IPC: G01C21/02
CPC classification number: G01C21/025
Abstract: 本发明公开了一种星光空白段神经网络连续导航方法及系统，该方法包括：利用神经网络的联想学习功能，将航天器导航系统中系统的状态误差修正与导航误差的时间序列关系转化成用非线性机制确定的输入输出系统；在该输入输出系统中引入神经网络，根据神经网络对信息有联想记忆的能力，不断从输入数据中提取特征值，并组织构造成最合适的权值网络，由此获得系统输入输出之间的规律；航天器在飞行过程中，当有折射星被观测时，导航系统利用折射星光进行位置解算；当在航天器受到日、月、地天体干扰没有观测信息的星光空白段期间，导航系统利用训练好的权值网络迭代补偿航天器的位置信息；通过本发明，可以低成本实现高精度的连续导航。
-
Patent Agency Ranking
公开(公告)号：CN101514928B
公开(公告)日：2012-02-01
申请号：CN200910080548.0
申请日：2009-03-20
Applicant: 北京航空航天大学
IPC: G01L1/04
Abstract: 一种微小推力的标定方法，其特征在于：该方法具体包括如下步骤：(1)调整支架将推力架框架调节水平，通过调节配重和弹簧片下固定片将标定电极正极与标定电极负极平行对中；(2)调节标定电极正极与标定电极负极的间距、位移传感器和弹簧片的间距，使位移传感器和标定电极在有效范围内工作；(3)往标定电极施加电压，进行标定，获得静电力、电压、位移标定曲线；(4)关闭标定电极上的电源，往推力器上施加电压，获得流量、抽取电压、位移曲线，然后通过标定曲线，获得流量、抽取电压、推力曲线。
-
公开(公告)号：CN114608583A
公开(公告)日：2022-06-10
申请号：CN202210272157.4
申请日：2022-03-18
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种高超声速飞行器动态杆臂效应智能补偿方法，属于惯性导航领域；具体包括：首先，针对高超声速飞行器，建立高动态弹性变形下的动态杆臂效应误差模型；并同时建立高超声速飞行器INS误差模型；然后对动态杆臂效应误差模型中的固有频率进行强化学习，实现动态环境下飞行器杆臂的补偿后代入原动态杆臂效应误差模型，进行INS/GNSS组合导航；最后将当前导航结果与GNSS的定位结果的误差作为强化学习标志位，当误差大于阈值时，采集距离飞行器当前时刻最近的N秒IMU和GNSS数据，对固有频率进行自适应学习，并反馈给动态杆臂效应误差模型继续滤波和定位，进行导航结果的修正。本发明具有准确率高、适应性强的优点。
-
公开(公告)号：CN109870260B
公开(公告)日：2020-11-24
申请号：CN201910146263.6
申请日：2019-02-27
Applicant: 北京航空航天大学
IPC: G01L5/00
Abstract: 本发明公开了一种在线测量MEMS固体微推力器阵列输出推力的方法，属于推力测量领域。将MEMS固体微推力器的六个阵列分别安装在立方体微纳卫星的6个面上；设计空间环境数据与飞行器测量状态数据发生器，生成深度神经网络推力测量模型的训练数据，并用训练数据训练深度神经网络；将MEMS固体微推力器点火前后引起的微纳卫星状态的改变量输入到训练好的深度神经网络中；通过正向计算得到点火的推力器输出的真实推力的估计值，并输入到控制系统和推力器阵列的点火分配系统，作为当前状态下的推力标定结果。不断更新MEMS固体微推力器的推力测量结果，实现自适应的在线推力测量。本发明解决了飞行环境对输出推力的影响问题，具有环境自适应能力。
-
公开(公告)号：CN109917801B
公开(公告)日：2020-02-07
申请号：CN201910271895.5
申请日：2019-04-04
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种MEMS微推力阵列的负载均衡控制分配方法，属于控制分配领域。首先将n个MEMS微推力器阵列布局安装在立体微纳卫星各个面上，结合每个MEMS固体微推力器阵列中的单位元冲量F计算最终的控制效率矩阵。然后设定混合优化目标函数，并转换成标准的线性规划模型。采用粗细两步分配法对线性规划模型进行求解，得到点火分配的各微推力器并进行点火；点火分配结束后，将使用过的微推力器在控制效率矩阵B中清零；同时，根据立体微纳卫星各个面上所有MEMS固体推力器阵列的消耗量，对各MEMS固体推力器阵列进行调姿，并更新矩阵；当下一次虚拟控制指令到达时，再进行微推力器的点火分配并更新。本发明具有推力分配精度、均衡度高和快速性的优势。
-
公开(公告)号：CN110083170A
公开(公告)日：2019-08-02
申请号：CN201910288664.5
申请日：2019-04-11
Applicant: 北京航空航天大学
IPC: G05D1/08
Abstract: 本发明公开了一种使用固体微推力器进行轨道保持的优化控制方法，属于最优化控制领域。首先初始化粒子群算法种群和设置参数，然后针对某微纳卫星上布置的固体微推力器阵列，根据固体微推力器不可重复使用的控制机制，以某个周期内所有固体微推力器的最小能耗为目标建立适应度函数。最后以最小化适应度函数为粒子群算法的优化目标，通过寻优模型得到最优加权阵Q和R，代入线性二次型控制算法，求解得到最优的轨道保持控制器，带入每一时刻的卫星轨道状态X(t)得到对应的最优反馈控制力U(t)，达到轨道保持的目的。本发明大大减少了Q、R参数选取的盲目性和不确定性，能自动给出与给定初始卫星轨道条件相匹配的最优Q、R参数值，效率更高，控制性能更优。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.04 seconds)
