谐波减速器具有相对质量低、结构紧和价格低廉等优点，广泛应用于空间机械臂关节设计.然而，谐波减速器的运动误差、刚度和摩擦3种动力学特性阻碍了空间机械臂关节指向精度、运动稳定度等性能指标的提升.为改善空间机械臂关节性能，国内外学者针对谐波减速器的运动误差、刚度和摩擦3种动力学特性开展了试验研究和机理分析，并建立了数学模型.本文从试验、机理和建模3个角度出发，系统论述关于谐波减速器的运动误差、刚度和摩擦3种动力学特性的最新研究成果，总结分析谐波减速器动力学特性和建模研究所面临的挑战以及未来发展的方向.

由于低空空域无人机具有尺寸小、飞行灵活等特点，给视觉检测非法入侵无人机带来困难，提出一种融合注意力机制的低空无人机目标分割算法，命名为Rep YOLACT(re-parameterization you only look at coefficients network)，首先采用RepVGG (rep visual geometry group)网络改进YOLACT网络中ResNet (residual network)主干，增强网络的特征提取能力，同时在主干特征提取网络输出的3个特征层后添加CBAM (convolutional block attention module)注意力模块，从而进一步高效利用特征层的信息.分别在FL-drones (flying drones dataset)数据集和MUD (multiscale unmanned aerial vehicle dataset)数据集上进行实验，结果表明，在FL-drones数据集上，所提出的Rep YOLACT算法相比于YOLACT算法在掩膜AP(average precision)和掩膜AR(average recall)上分别提升了0.3%和11.7%，在MUD数据集上，所提出的Rep YOLACT算法相比于YOLACT算法掩膜AP和预测框AR上提升了2.3%和5%，能够很好地完成无人机分割任务，其分割精度也高于其它主流分割算法.

针对当前使用图像特征的空间非合作目标立方星位姿估计算法存在鲁棒性差的问题，提出一种利用立方星顶点进行位姿估计的设计方案.基于双目视觉获取的灰度图像，采用HED(holistically nested edge detection)网络结合二值化形态学处理方法以提高边缘提取的鲁棒性.检测出边缘图像中的多边形特征后，滤除重复和干扰的多边形，设计共边双框关键顶点判别算法判别立方星的关键顶点，实现了对立方星结构参数和位姿的估计.采用立方星模型进行实验验证，整体方法相比ICP(iterative closest point)精配准方法在30~70 cm探测距离内实现了最大4.4°、1.2 cm的偏差；边缘提取方法对目标结构参数判别准确率提升10%~40%，为非合作目标立方星的结构参数和位姿估计提供新技术路线.

针对非最小相位欠驱动垂直起降(vertical taking off and landing, VTOL)飞行器的控制难题，提出了一种自耦PID(auto coupling proportional integral differrential, ACPID)控制理论方法.首先通过坐标变换将VTOL飞行器的质心映射为Huygens振动中心，不仅能实现新系统控制输入解耦，而且也能避免非最小相位VTOL飞行器零动态不稳定的问题；然后对Huygens振动中心分别设计纵横向位置的ACPID控制器，并分别获得VTOL飞行器底部推力和滚转姿态角虚拟指令，进而设计滚转姿态角的ACPID控制器形成滚转力矩，从而实现VTOL飞行器系统的位置跟踪控制；最后通过复频域分析理论证明闭环控制系统的鲁棒稳定性和抗扰动鲁棒性.理论分析和仿真结果都表明了本文方法的有效性，在非最小相位欠驱动控制系统领域具有重要的科学意义和广泛的应用前景.

结合在轨组装卫星姿态敏感器冗余配置和质量参数未知的特点，为了抑制敏感器测量误差和参数不确定性干扰对组装卫星的姿态影响，首先建立陀螺/GPS/星敏多传感器联邦滤波算法，利用残差卡方检验方法实现敏感器故障的检测、隔离和重构，提高姿态确定精度和结果可靠性.在此基础上，通过参数辨识算法估计组装卫星质量参数，提出自适应固定时间滑模控制算法，提高滑模控制在未知干扰下的控制精度，降低参数选取范围改善系统颤振.最后通过数值仿真验证了本文算法的有效性，组装卫星姿态精度小于0.000 2°，姿态稳定度小于0.000 3(°)/s，表明所提算法实现了组装卫星的高精高稳姿态控制.

本文提出了一种基于深度学习的动态场景视觉里程计方法。使用轻量级Ghost模块与目标检测网络YOLOv5s结合构建C3Ghost模块，引入坐标注意力机制（coordinate attention, CA），在提高网络检测速度的同时保证检测准确性。并将其与运动一致性算法结合，剔除动态特征点，仅利用静态特征点进行位姿估计。实验结果表明，与传统的ORB SLAM3（orient FAST and rotated BRIEF simultaneous localization and mapping 3）算法相比，在慕尼黑工业大学（technical university of Munich，TUM）RGB-D(RGB depth)高动态数据集上绝对轨迹误差(absolute trajectory error，ATE)和相对位姿误差(relative pose error，RPE)平均有了90%以上的改善。相较于先进的同时定位与地图构建SLAM算法，也有相对提升。因此，该算法有效提升了视觉SLAM在动态环境下的稳定性和鲁棒性。

单像素成像是一种仅需要使用无分辨能力的桶探测器结合空间光调制信息就能重构出一副完整图像的成像方式，具有非局域成像和高灵敏的特点，适合在外太空非合作目标下进行超远距离成像探测，但需要多次空间光调制后进行探测，重构图像信噪比低.本文提出一种基于全局注意力机制的低采样率下图像增强方法，利用Transformer结构搭建新型的SUNet(swin transformer unet)网络，解决传统卷积神经网络平移不变性和无法获得全局感受野的问题.根据切蛋糕(cake cutting，CC)序改进的差分鬼成像算法在低采样条件下重构出低质量的图像，使用SUNet对图像进行增强.实验结果表明，该方法与2022年提出的GIDC(ghost imaging using deep neural network constraint)方法相比，在0.1的采样率下，峰值信噪比提升了3.29 dB，结构相似度提升了8%，为单像素成像的空间探测提供了新的技术途径.

针对现实世界中异常图像数据稀少的数据不均衡问题，构建了一个高性能的异常检测模型. 仅使用正常训练数据和小部分仿真异常数据，构建了两阶段框架的异常检测模型.通过对正常数据和模拟生成的异常数据进行分类训练，得到提取特征的ResNet18编码器模型，通过高斯密度估计对正常数据的特征建模，构建异常图像的单分类器. GradCAM扩展了模型，使得异常检测模型可以在没有标签的情况下定位异常区域.通过仿真异常检测数据集上进行的实验证明，提出的算法能够检测现实世界遥感图像中人类肉眼难以发现的异常样本，并给出定位结果.

高效且准确的对动力设备进行异常检测对于航空航天安全至关重要，科学的检测和维护可以及时发现潜在故障，保障系统的安全性与可靠性.传感器采集到的动力设备数据蕴含着关键价值信息，处理这些数据时通常先要进行特征提取.虽然深度学习方法由于大量的数据学习而获得了很好的结果，但对于传感器的数据处理却陷入了微调现有网络或从头设计模型的两难境地.提出基于自监督学习的时序数据时空特征提取网络.引入了自监督学习的方法来预训练网络.提出一种新的网络模型结构，该结构可以有效提取时序数据的时空表征.最后在相关数据集上对所提出的方法进行验证，实验结果证明所提方法的有效性.

发动机的叶轮叶片是空间航天器推进系统的关键组件，对空间任务的顺利完成起到至关重要的作用.叶轮叶片表面缺陷具有尺寸小、种类多等特点，容易造成误检和漏检.提出一种融合多尺度特征及注意力机制的缺陷检测算法(EF centerNet)，采用轻量级的EPSANet网络作为CenterNet算法的主干，有效融合PSA分割注意力机制，关注更重要的缺陷特征，增强网络的特征提取能力；同时在主干特征提取网络输出的特征层后添加FPN结构，进一步融合多尺度信息，即低分辨率的高层语义信息和高分辨率的低层特征信息，从而提升算法的缺陷检测精度.实验结果表明，所提出的EF CenterNet算法在自制数据集上检测精度达到96.74%，比基线CenterNet算法指标提升了1.81%，在公共数据集上检测精度达到77.37%，比基线CenterNet算法指标提升了1.99%.

在网络化环境下对线性系统辨识中的多敏感器分配策略进行研究. 为节约通信带宽，引入了二值量化机制；为解决数据传输时面临的冗余和通道拥堵问题，提出一种差分驱动的事件通信机制，并证明这种机制具有完全信息复原能力，同时给出其通信率. 基于接收端的可用数据，构造各个有限脉冲响应系统的辨识算法，分析其收敛性能. 进而，将通信资源受限下的多敏感器分配问题建模成带约束的优化问题，设计一种改进的遗传算法，给出最优方案. 用数值例子验证理论结果的正确性和有效性.

为了确保探测器安全、准确地降落在地外天体表面，需实时测量探测器的下降速度，为制导导航与控制系统完成软着陆任务提供重要参考依据.提出一种仅利用光学相机的实时视觉测速方法，针对天体地表视频图像，采用递归全对场变换光流算法提取相邻帧间的光流场，然后通过深度神经网络的卷积层和池化层提取光流场对应的特征向量.为减小探测器降落过程中成像透视效应对测速精度的影响，构建一种适用于连续视频帧的长短期记忆网络，对特征向量和速度进行拟合，实现探测器着陆速度的实时估计.仿真实验结果表明，与基于前向传播网络的测速算法相比，本文方法的平均绝对百分比误差减小了11.98%，测量精度更高.