XiaoMi-AI文件搜索系统
World File Search System姿态
基于深度学习的单目航天器姿态估计研究综述：现状、局限性和前景
估计不合作航天器的姿态是一个重要的计算机视觉问题，它有助于在轨道上部署基于视觉的自动系统，其应用范围从在轨服务到空间碎片清除。随着计算机视觉的总体趋势，越来越多的工作开始关注利用深度学习 (DL) 方法解决这个问题。然而，尽管研究阶段的成果令人鼓舞，但阻碍在实际任务中使用此类方法的主要挑战仍然存在。特别是，这种计算密集型算法的部署仍未得到充分研究，而在合成图像上进行训练和在真实图像上进行测试时的性能下降仍有待缓解。本调查的主要目标是全面描述当前基于 DL 的航天器姿态估计方法。次要目标是帮助确定有效部署基于 DL 的航天器姿态估计解决方案以实现可靠的自主视觉应用的局限性。为此，本调查首先根据两种方法总结了现有算法：混合模块化流水线和直接端到端回归方法。本文不仅从姿势准确性的角度对算法进行了比较，还重点关注了网络架构和模型大小，同时考虑到了潜在的部署。然后，讨论了用于训练和测试这些方法的当前单目航天器姿势估计数据集。还讨论了数据生成方法：模拟器和测试平台、合成生成的图像与实验室/空间收集的图像之间的领域差距和性能下降以及潜在的解决方案。最后，本文提出了该领域的开放研究问题和未来方向，并与其他计算机视觉应用进行了比较。
微纳卫星太阳定向自旋稳定姿态纯磁控制研究
摘要：面向太阳的姿态控制是大多数微纳卫星最重要的姿态控制方式之一，直接影响在轨能量获取，因此采用最简单的传感器和执行器以及最可靠的算法实现面向太阳的姿态控制具有重要意义。提出一种纯磁控制的面向太阳自旋稳定微纳卫星姿态控制方法，控制过程分为初始阻尼阶段、太阳对准阶段、自旋加速阶段和自旋稳定阶段4个阶段。所提方法考虑了轨道阴影区、太阳敏感器及太阳板偏置安装、太阳敏感器视场限制以及环境扰动力矩的影响。通过数值仿真评估了控制性能，仿真结果表明所提方法适用于搭载太阳敏感器和三轴磁力计作为姿态传感器、3个正交安装磁力矩器作为姿态执行器的卫星。所提出的方法适用于大多数地磁场能够提供足够姿态控制扭矩的地球轨道卫星。
使用单比例因子自适应卡尔曼滤波器进行纳米卫星容错姿态估计
1 伊斯坦布尔技术大学航空航天学院，34469 伊斯坦布尔，土耳其，收到日期：2022 年 3 月 24 日 修订日期：2022 年 6 月 8 日 接受日期：2022 年 6 月 20 日 摘要 Özet 在本研究中，提出了一种集成自适应 TRIAD/扩展卡尔曼滤波器 (EKF) 姿态估计系统，其中 TRIAD 和自适应 EKF 相结合以估计纳米卫星的姿态。作为系统的第一步，TRIAD 算法利用磁力计和太阳传感器测量结果产生初始粗四元数估计，然后将该粗估计直接输入到自适应 EKF。将姿态信息直接输入到滤波器相对减少了 EKF 带来的计算负担。作为系统的第二步，自适应 EKF 滤波 TRIAD 解并给出最终的四元数估计。同时，自适应 EKF 在传感器故障时使用单个缩放因子 (SSF) 重新调整测量噪声协方差矩阵，使整个系统对传感器故障更具鲁棒性。进行了几次模拟，并针对两种不同的故障类型（即姿态传感器中的噪声增量和连续偏差）测试了所提出的系统的性能。
适用于姿态控制应用的柔性航天器模型的设计和验证
本论文的目的是评估在之前的论文和科学文章中研究的柔性航天器模型与在 MSC Adams 软件中实施的相同航天器之间的比较，旨在验证该模型。借助这一创新工具，可以评估用户可能希望获得的几个功能，进行非线性多体分析，从而提供更真实的数据集。法国航天局 (CNES) 的 Picard 卫星被用作航天器的主体，其动力学用刚体的欧拉方程表示。太阳能电池板和反作用轮的配置在位置和尺寸方面相对于 Picard 进行了修改，以便在 MSC Adams 中建造航天器时具有优势并拥有更通用的卫星类型。特别是，考虑了四个对称的太阳能电池板和位于航天器质心的三个反作用轮系统。这项工作最重要的方面是卫星的柔性部分，由四个太阳能电池板表示。使用 MSC Patran/MSC Nastran 进行有限元法 (FEM) 分析，以获得模型所需的自然模式和频率，并评估刚性和柔性部分之间的耦合矩阵。论文的第二部分是关于在 MSC Adams View 中实现航天器设计以及通过 MSC Adams 和 MATLAB/Simulink 环境进行的模拟阶段。在机动过程中，为姿态控制实施了一个简单的比例-微分 (PD) 控制器，目的是实现所需的欧拉角，旨在模拟指向特定目标的新指向方向的命令。对这两个模型进行了比较，以便更好地了解太阳能电池板柔性的影响以及 MSC Adams 中更复杂的分析与通过数学模型线性化、更近似的分析之间的可能差异。还评估了三块太阳能电池板发生故障时的姿态控制。 PD 控制器确保在操纵过程中具有良好的性能和稳定的响应，尽管系统受到外部（仅考虑重力梯度）和内部（太阳能电池板的振动）干扰。不过，如果太阳能电池板发生故障，这种基本控制器仍会出现一些问题。
敏捷固定翼无人机的建模与姿态控制...
线性控制方法。一种常见的候选方法是非线性动态逆，它涉及使用微分代数方法将非线性模型转换为完整或部分模型。动态逆的基本原理是使用代数方法的逆变换来消除从输入到输出的非线性（输入/输出线性化），从而获得系统的非线性控制器。这是通过强制稳定的线性误差动力学来实现的。优点是它可以实现简单的设计，不需要繁琐的增益调度，具有易于在线实施的特点，因为它可以产生控制器的“闭式解”，并且保证了误差动力学的渐近稳定性。这种方法的缺点是对建模不准确性很敏感，并且与线性方法不同，这种方法在大多数情况下会得到一个模型相关的控制器。
宰牲节的皇家姿态 - 巴林新闻
埃及国王哈马德·本·伊萨·阿勒哈利法和埃及总统阿卜杜勒·法塔赫·塞西昨天出席了两国 10 项重要协议、谅解备忘录和联合执行计划的签署仪式。这些协议、谅解备忘录和联合执行计划涵盖经济、科技、法律和司法、物流、城市发展、贸易和投资以及旅游、教育和环境等领域。这些协议、谅解备忘录和计划旨在加强两国之间稳固的双边合作，并支持若干战略领域的关系。签字仪式在 Al Sakhir Place 举行，出席仪式的还有王储兼首相萨勒曼·本·哈马德·阿勒哈利法王子殿下、国王人道主义工作和青年事务代表谢赫纳赛尔·本·哈马德·阿勒哈利法殿下和谢赫穆罕默德·本·萨勒曼·本·哈马德·阿勒哈利法殿下。哈马德国王和塞西总统对协议和谅解备忘录的签署表示欢迎，并表示将为
基于深度学习的产科超声平面姿态回归
摘要 目的在产科超声 (US) 扫描中，学习者根据二维 (2D) US 图像在脑海中构建胎儿的三维 (3D) 地图的能力代表了技能习得中的重大挑战。我们的目标是构建一个 US 平面定位系统，用于 3D 可视化、训练和引导，而无需集成额外的传感器。方法我们提出了一个回归卷积神经网络 (CNN)，使用图像特征来估计任意方向的 US 平面相对于胎儿大脑中心的六维姿势。该网络在从幻影 3D US 体积获取的合成图像上进行训练，并在真实扫描上进行微调。训练数据是通过将 US 体积在 Unity 中以随机坐标切成成像平面并在标准经脑室 (TV) 平面周围更密集地切片来生成的。结果使用幻影数据，随机平面和靠近 TV 平面的平面的中位误差分别为 0.90 mm/1.17 ◦ 和 0.44 mm/1.21 ◦。对于真实数据，使用具有相同胎龄 (GA) 的不同胎儿，这些误差为 11.84 mm/25.17 ◦。平均推理时间为每平面 2.97 毫秒。结论所提出的网络可靠地定位了幻影数据中胎儿大脑内的超声平面，并成功地从与训练中类似的 GA 中推广了看不见的胎儿大脑的姿势回归。未来的发展将扩大预测范围，以预测整个胎儿的体积，并评估其在获取标准胎儿平面时基于视觉的徒手超声辅助导航的潜力。
卫星姿态确定与控制实验室
ADCS 仿真台 该台模拟卫星的动态和在轨位置。它还模拟所有环境干扰。它包括 ADCS 传感器（星跟踪器、磁力计、陀螺仪、太阳传感器）和 ADCS 执行器（反作用轮、磁力矩器、推进器）的数学模型、姿态确定算法（卡尔曼、扩展卡尔曼滤波器、三叉戟等）。它还包含用于卫星脱轨、卫星成像、惯性物体跟踪和地面站跟踪的所有常见控制算法。
