-
题名月球表层采样样品智能确认方法
被引量：7
- 1
-
-
作者
郑燕红
邓湘金
姚猛
金晟毅
赵志晖
史伟
-
机构
北京空间飞行器总体设计部
-
出处
《宇航学报》
EI
CAS
CSCD
北大核心
2020年第8期1094-1104,共11页
-
基金
国家探月工程重大科技专项。
-
文摘
表层采样是月球采样探测的重要方式,样品智能确认有助于提升工作效率与复杂问题处理能力。结合月球表层采样铲挖工作过程,分析了铲挖过程中臂载相机图像的特点,模仿有人参与识别过程,提出了层次解耦的月球样品智能识别流程,利用深度学习方法构建了一类深度卷积识别网络,完整地描述了图像、特征、标记在网络中的正反传递关系,并在月球表层采样地面试验中进行了验证,结果表明该方法对不同光照、不同背景、不同过程、不同形态的样品,具有较好的泛化识别能力,误识别率优于8.1%,平均单幅识别时间约0.7 s。
-
关键词
月球表层采样
智能识别
深度学习
卷积神经网络
-
Keywords
Lunar surface sampling
Intelligent identification
Deep learning
Convolutional neural network
-
分类号
V447.1
[航空宇航科学与技术—飞行器设计]
-
-
题名模块化月球表层采样力学模型
被引量：1
- 2
-
-
作者
吕嘉航
李谦
胡定坤
罗浩天
邹欣悦
-
机构
成都理工大学环境与土木工程学院
-
出处
《中国空间科学技术》
CSCD
北大核心
2023年第2期63-72,共10页
-
基金
国家自然科学基金(11502034,42072344)
四川省自然科学基金(月表采样对月壤物理力学性质的影响机理研究,2022NSFSC0991)。
-
文摘
因不受作业空间的限制,月球表层采样机具设计形式多样,为建模分析带来较大难度。为避免不同结构机具分析时重复建模,建立了一种模块化的月球表层采样力学模型。该模型将复杂的采样机具拆分成若干个基本面单元,基于朗肯土压力理论、最大抗剪强度理论和地基极限承载力理论对面单元在采样过程中的受力进行分析,组合各个面单元所受到的力获得复杂机具的力学模型。基于不同机具形式与贯入角度的模拟月壤贯入试验,对理论模型进行了试验验证,通过引入月壤密度沿深度的影响修正公式,将理论模型的误差率降低至8.2%。结果证明该力学模型和模块化理论可行,为后期月球表层采样机具的设计研发提供了参考。
-
关键词
月球表层采样
力学模型
模块化理论
机土作用
模拟月壤
-
Keywords
lunar surface sampling
mechanical model
modular theory
soil-tool interaction
lunar soil simulant
-
分类号
V476.3
[航空宇航科学与技术—飞行器设计]
-
