目前,我国绝大部分卫星的遥控指令上行操作必须在专用测控网内进行,当卫星发生在轨异常时,相关支持人员必须赶赴测控中心现场进行集中处置,非工作时段时效性较低,不利于紧急情况下的异常快速处置.对基于APP的卫星地面遥控系统安全应用方案进行了研究和设计,旨在为我国未来卫星高效运行管理提供一种新的手段,通过原型系统的仿真测试,验证了系统的技术可行性,实现卫星管理相关人员在远离测控中心的情况下也能安全有效地参与在轨异常应急处置.
针对卫星遥测参数变化趋势人工监视准确度低、成本高的问题,在基于小波的频域转换方法基础上,提出了一种基于神经网络的趋势异常的自动学习和判别方法,即通过建立遥测参数趋势变化的频域特征向量模型,利用多层前馈(BP)神经网络方法,实现遥测趋势变化的自动判别和定位,能够有效提高卫星在轨监视的精细化程度和准确度.通过某卫星红外敏感器和太阳电池阵电流遥测趋势识别对方法的有效性进行了验证,结果表明:该方法能够满足自动监视要求,可为卫星在轨管理提供参考.
传统的航天器在轨监视体系为集中模式,应急处置时存在时效性低、对在岗值班人员专业要求高等问题.随着在轨航天器数量的急剧增加,亟需引入移动安全技术,支持在可信网络传输环境下移动终端的安全接入和快速响应,实现线上、线下的航天器设计、在轨管理技术力量的有效综合利用.设计了一种基于移动终端和云平台的航天器在轨监视系统,通过原型系统的实际测试,验证了系统在技术上成熟可行,能够实现航天器管理相关人员在远离任务中心的情况下,通过移动终端以安全可靠的方式便捷地接入后端云平台,及时掌握航天器在轨运行状况.
