摘要：中途分离模式的载人月面着陆器在下降着陆飞行途中进行舱段分离,分离前由推进舱提供减速动力,分离后由登月舱独自完成后续下降着陆和上升入轨任务。以确保安全为首则,以推进剂消耗量最少为目标,提出载人月面下降轨迹优化方法。分析正常和应急飞行过程中影响安全的主要因素,建立两舱落点、应急上升高度的安全边界解析模型;提出正常下降和应急上升轨迹的设计流程,建立安全性约束和推进剂消耗量的近似代理模型,设计一种计算效率高、支持方案快速迭代分析的轨迹优化方法。仿真结果表明通过轨迹优化可在满足安全性约束下节省推进剂约300 kg,揭示了分离高度和飞行路径角变化对安全性的影响规律,为载人月面着陆器方案设计提供技术参考。

摘要：面向人类在月面实现中长期驻留需求,针对月面建造技术在载人驻月基地的应用问题,调研分析了国内外月壤成型、黏结等相关技术发展情况.以21世纪中叶为目标,分别从战略、工程、科学和经济层面提出了月球开发与利用的愿景.根据愿景给出了载人驻月基地的总体部署规划和建设阶段划分,并分析了选址验证、统筹建设和长期驻留各阶段月面建造任务.从居住、能源、移动、生态、生产和着陆平台等功能设施的角度梳理了驻月基地建造对月面建造领域关键技术的需求,并详细列举了典型任务场景和指标.最后对驻月基地建造相关技术发展进行了展望.

摘要：在核心素养视域下,数学“图形与几何”的教学需要着重培养学生的空间观念、逻辑推理能力及创新精神。从问题导引、探究实践和迁移拓展三个方面,探讨了如何通过分类、转化、测量问题,指导学生建立数形联系、理解物体结构、体验论证过程,并通过建筑设计、艺术绘画及科学技术等领域的实际应用,提升学生的审美意识和创新能力。

摘要：针对载人月球探测工程任务需求,设计了一种基于混合云架构的体系仿真系统,实现了辅助设计、方案验证和协助任务等功能应用。分别从任务设计和应用模式角度分析了体系仿真系统功能需求;根据需求给出体系仿真系统总体架构,采用仿真平台和仿真支持库统筹建设的方式,完成了系统开发与集成;提出了针对体系仿真系统建设涉及的体系建模、任务规划、推演展示、效能评估和系统联动与扩展关键技术实现方案;应用该系统实现了对典型载人月面活动场景的仿真,得到了关键参数模拟推演结果,验证了体系仿真系统各项功能有效性和正确性;最后给出了思考和展望。该体系仿真系统可支撑未来载人月球探测相关任务开展发展论证和综合评估验证,能够为同类系统开发提供方案参考。

摘要：2018年5月27日,在位于燕园的西北角鸣鹤园畔的北京大学赛克勒考古与艺术博物馆,筹备了一场名为“融汇:国际艺术与文化”的展览。本次展览是为了庆祝北京大学赛克勒考古与艺术博物馆开馆25周年而举办,遴选了来自世界各国的14位当代艺术家的作品。

摘要：针对月面超远距离移动规划任务因缺乏精确全局信息而导致的规划路径可通行性不足问题,提出了月面道路拓扑网的构建设想及相应路径规划技术,凭借复杂道路网络的连通能力确保巡视器超远距离规划路径的可通行性。首先进行月面道路拓扑网的设计方法研究,分别提出了基于滑动最优泊松采样算法的网络节点设计方法和基于均匀领邻网络拓扑模型网络结构设计方法,使月面道路网网络节点分布均匀、密度适中且覆盖完整,网络连接合理且各路径尽量远离障碍区域。然后进行基于月面道路拓扑网的超远距离移动规划研究,分析了基于月面道路拓扑网路径规划技术的概率完备性和整体可通行概率,并提出了基于月面道路拓扑网的K优路径规划方法,通过道路网的连通性来提高超远距离移动探测任务的整体可通行概率。最后以阿波罗两次登月任务的着陆点之间进行超远距离转移任务为仿真场景,验证了本方法的有效性。

摘要：为提高月面巡视机器人自主探测任务的效率及安全性,提出了一种基于月面数字高程地图的大范围自主探测快速安全路径规划算法。首先根据获取的月面数字高程地图设计了一种地形可通过性分析方法,并生成了欧几里得距离地图(EDM)为安全路径规划提供参考。然后针对A^(*)算法解决月面巡视探测问题时搜索速度慢、未考虑路径安全性的问题,提出了FSA^(*)算法,改进了A^(*)算法的搜索机制以适用于月面大范围路径的快速搜索,并结合EDM地图设计了一种安全启发式函数,可使生成路径尽量远离危险区域,提高了巡视机器人自主探测过程的安全性。最后选取月球艾特肯盆地区域作为仿真场景,验证了该算法的有效性。

摘要：针对M公司的Nova-C级月面着陆器奥德修斯号开展了分析,从整器构型、飞行过程、载荷配置、任务评价4个方面进行了介绍,并对此次任务中遇到的故障以及处置措施进行了梳理,剖析了商业航天的特征,最后总结了商业航天运营模式对于我国航天事业发展的启示,以及本次飞行任务中的亮点和故障情况对我国月球探测任务的启示,并给出了几点思考与建议。

摘要：针对锅炉焊材牌号查询烦琐而设计开发了数据库查询系统从而使查询工作变的方便、快捷。

摘要：为了提高航天器编队对多拦截器规避能力,针对传统程序式机动规避成功率低的问题,提出一种基于深度强化学习的多智能体协同自主规避决策方法。其中基于Actor-Critic架构设计了一种多智能体强化学习算法,为解决该自学习算法信度分配问题,提出加权线性拟合方法;对于任务场景稀疏奖励问题,提出基于逆值法的稀疏奖励强化学习方法。根据规避任务决策过程建立了空间多智能体对抗仿真系统,利用其验证了所提算法的正确性和有效性。