1 首都航天机械有限公司,北京 100076
2 北京科技大学新金属材料国家重点实验室,北京 100083
3 齐鲁工业大学(山东省科学院)机械工程学院,山东 济南 250353
4 山东省机械设计研究院,山东 济南 250031
激光定向能量沉积(LDED)增材制造技术由于成形效率高、材料送进方式灵活、成形自由度高等特点,非常契合当前及未来航天装备结构大型化、整体化、轻量化、高精度的发展趋势,并已在运载火箭、载人飞船、火箭发动机等领域实现牵引性应用。总结当前铝合金及其复合材料、钛合金及其复合材料、镍基高温合金及其复合材料等3类航天装备结构主体材料的LDED研究现状,在此基础上,梳理出LDED工艺的发展方向及研究进展。重点介绍航天装备主承力结构、异质合金一体化结构、集成流道整体化结构等3类典型结构LDED制造难点、研制及应用进展。最后,对LDED增材制造技术材料、工艺及装备等的发展方向进行了展望。
激光技术 增材制造 激光定向能量沉积 金属材料 大型构件 航天运载器 中国激光
2024, 51(10): 1002303
强激光与粒子束
2024, 36(1): 014002
1 北京理工大学机械与车辆学院激光微纳制造实验室,北京 100081
2 中国空间技术研究院北京卫星制造厂有限公司,北京 100094
碳纤维增强复合材料(CFRP)以其轻质高强、可设计性强等优势已成为航空航天领域不可或缺的关键材料之一。为满足制造装备的要求,需对一体成型的CFRP构件进行二次加工,然而CFRP非均质、各向异性、层合结构等特征使其在加工过程中易出现分层、毛刺、热影响区较大等缺陷。概述了CFRP各种加工方法的研究进展,对比分析了CFRP不同加工方法的优缺点,从方法、工艺及机理层面介绍了激光加工CFRP的研究现状,总结了CFRP在航空航天领域中的应用,分析讨论了CFRP激光加工当前面临的挑战和今后的研究重点。
激光技术 碳纤维增强复合材料 加工工艺 超快激光 航空航天
1 中国空间技术研究院西安分院空间微波技术重点实验室, 陕西西安 710000
2 中国空间技术研究院, 北京 100081
3D打印通过流体材料或粉体材料的层片叠加, 将 CAD设计转化为三维实体零件, 无需模具或机加工, 凭借极大的设计自由度和生产效率, 近年来逐渐用于工业产品的直接制造, 在配件减重、模型验证、复杂结构一体化成型、零部件受损修复方面具有极大的优势。本文介绍了 3D打印技术及其分类, 举例分析该技术在航天器微波部件的应用情况, 探讨其对射频器件制备的影响。最后, 对 3D打印在空间部件制造的关键问题和发展进行了展望。
3D打印 航天应用 空间微波部件 在轨增材制造 3D printing aerospace applications microwave devices on-orbit manufacturing 太赫兹科学与电子信息学报
2023, 21(4): 555
1 中国科学院长春光学精密机械与物理研究所,吉林长春 130000
2 中国科学院大学,北京 100049
空间科学仪器广泛使用基于四象限光电探测器的太阳导行镜指向跟踪系统来实现对日精确指向控制。为满足对日指向高精度高稳定性需求,提出面向空间应用的四象限光电探测器筛选方法,研制针对四象限光电探测器的筛选系统。通过对比筛选试验前后四象限探测器的暗电流、响应度及象限响应度均匀性等参数变化,依据判别准则分析探测器的空间环境适应性,剔除可能存在的早期失效或性能差异变化较大的探测器。试验结果表明:研制的筛选系统具有高准确度,系统前端等效输入电流噪声为 0.58 fArms,通过筛选试验后依据评估标准最终优选的四象限光电探测器各通道暗电流绝对值最大值为 6.08 pA,各通道的响应度变化最大值为 0.716%,各象限响应度非一致性筛选前后变化最大值为 1.24%。最终将该四象限探测器应用至太阳导行镜指向跟踪系统上,满足航天环境条件的使用要求。该筛选装置及筛选方法可实现对面向空间应用的四象限光电探测器的筛选,且对其他光电器件筛选具有借鉴意义。
筛选 四象限探测器 航天 光电器件 导行镜 screening, four-quadrant detector, aerospace, opto
1 中国科学院大学 计算机科学与技术学院,北京00049
2 中国科学院大学 航空宇航学院,北京100049
3 中国科学院空间应用工程与技术中心,北京100094
4 中国科学院太空应用重点实验室,北京10009
为了实现在轨服务过程中对于没有靶标的部件进行操作,需要精细地分割出相关部件,并对其在时序上进行稳定地跟踪。对于部件的精细分割,本文首先基于航天器部件实例分割数据集对实例分割网络Mask RCNN进行了训练,然后在其掩膜分割分支上添加一个优化模块对部件分割结果进行优化。对于部件跟踪,本文首先在Quit_trihard损失的基础上提出分层加权五元组损失,然后利用该损失在航天器部件重识别数据集上对有关重识别网络进行训练,最后将得到的重识别网路嵌入Deep OC SORT跟踪算法以实现对航天器部件的稳定跟踪。实验结果表明:经过掩膜优化后,在部件实例分割测试集上相关实例分割算法的分割精度可提升至84.90 mAP;使用改进后的损失进行部件重识别,在部件重识别测试集上的识别成功率提高至76.86%,同时相关跟踪算法在部件跟踪测试集上的跟踪成功率升至89.38%。因此,本文提出的方法基本可以满足航天器部件的精细分割和稳定跟踪。
航天器 部件分割 部件跟踪 spacecraft component segmentation component tracking 光学 精密工程
2023, 31(22): 3383
强激光与粒子束
2023, 35(10): 104002
1 东北大学 计算机科学与工程学院,辽宁 沈阳 110167
2 中国科学院 长春光学精密机械与物理研究所 网络与信息化技术中心,吉林 长春 130033
为了提高获取开源航天信息的效率并解决开源航天信息内容较长、数量较为有限、应用常用文本分类模型鲁棒性较差以及文本信息不够直观等问题,本文提出一种基于有监督对比学习的航天信息分类方法。该方法基于带有注意力机制(Attention)的双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM),融合对比学习技术,对开源的信息进行处理并分析,进而高效地筛选出航天类的信息,利用unCLIP(un-Contrastive Language-Image Pre-Training)模型生成信息对应的图像。实验结果表明,对比CNN(Convolutional Neural Networks)、BiLSTM、Transformer和BiLSTM-Attention等常用的文本分类方法,该方法在准确率、召回率和F1-Score上均表现良好,其中F1-Score达到0.97,同时以图像的形式呈现信息,使信息更加清晰直观。本文方法可以充分使用网络公开的数据资源,有效地提取开源航天信息并生成对应图像,对航天信息的分析和研究具有重要价值。
有监督文本分类 对比学习 文本生成图像 航天信息 supervised text classification contrastive learning text-to-image synthesis aerospace information
1 中国科学院上海技术物理研究所,上海 200083
2 中国科学院智能红外感知重点实验室,上海 200083
3 上海科技大学 信息科学与技术学院,上海 201210
4 中国科学院大学,北京 100049
由于标注数据的短缺,对航天器多余物进行在线检测受到了较大的限制。文章研究了多余物的物理特性,在航天器的数字孪生系统中构建相应的多余物模型,提出了一种结合数字孪生技术增强的跨域自适应航天器多余物检测方法。该方法通过数字孪生技术获取航天器的实时数据,并借助于历史标注数据中的相似结构,以跨域自适应技术辅助实时在线推理的进行。设计了一种新型的跨域自适应模型,该模型采用共享网络结构以及门控机制,从而在复杂任务中更有效地挖掘先验知识,实现了跨域自适应技术与数字孪生技术的有机结合,以实现更高效、准确和实时的预测。此种方法可以全面地检测航天器各个部件的多余物状态。
多余物检测 数字孪生 迁移学习 航天产品 remainders detection digital twin transfer learning aerospace products