LAMOST总控系统程序设计

国家重大科学工程项目LAMOST总控系统的程序设计是一个庞大的软件工程．其总控系统下共包括8个既相互独立又互有关联的子系统．如何通过良好的软件设计方法来处理好这8个子系统之间的关系使其协调运转，以及如何确保软件开发的可维护性、可持续性是研究重点．     

LAMOST总控系统消息总线研究

国家重大科学工程项目"大天区面积多目标光纤光谱天文望远镜"LAMOST(Large Sky Area Multi-Object Fiber Spectroscopic Telescope)望远镜控制系统TCS(Telescope Control System)上和观测控制系统OCS(Observatory Control System)进行消息通讯,下控制着主动光学、机架控制、焦面控制等多种光机电实体的运作.该文研究了如何在TCS中利用消息总线对各种不同优先级、不同处理对象的消息进行分类和分解,并按照流程对消息进行并行或串行的处理,以确保整个观测流程的顺利完成.     

南极光学天文望远镜控制软件关键技术

南极天文望远镜控制软件是望远镜软件系统的重要组成部分,是控制计算机在望远镜用户层和设备层之间运行的关键技术。对于用户层,控制软件需具备全自动观测的交互接口、卫星通信条件下的远程访问和故障诊断等功能;对于设备层,控制软件不但要完成对天体目标的精确指向和精密跟踪、计算并补偿系统误差和控制关键部件以达到目标像质,而且需实现对电源分配系统、除霜及加热系统的控制、设备及环境信息的采集和监测等。相比于普通台址,在南极大陆运行的光学天文望远镜有其独特的特点,控制软件需进行特殊设计。本文重点从操作系统选择、远程建立望远镜指向误差修正模型方法、全自动观测软件接口、卫星通信及远程运维、望远镜实时状态监测和故障诊断等方面探讨了南极天文光学望远镜控制软件的关键技术和设计原则,并展望未来技术的发展,为南极天文望远镜的研制和控制系统研发提供技术储备。     

LAMOST网络控制系统结构

LAMOST(大型多天体分光望远镜)建成后将成为世界上视场最大、光谱观测效率最高的4m级口径以上的光学望远镜。它将要同时高效地观测4000颗星的光谱,这对网络控制系统的设计是巨大的挑战。该文主要从LAMOST网络控制系统构建的角度介绍了系统如何在大数据量、多任务的情况下实现各子系统控制、环境监测、授时和无线远程监控等功能,叙述了在该系统中运用的实时分布式操作系统、实时数据库,全球定位系统(GPS)和全球移动通讯系统(GSM)等多项技术．     

LAMOST远程无线监控系统研究

国家重大科学工程项目“大天区面积多目标光纤光谱天文望远镜”LAMOST（Large sky Area Multi-Object fiber Spectroscopic Telescope）目前已经进入了安装调试阶段,在2007年即将逐步投入使用．LAMOST总控系统是一个复杂的软件工程,需要对望远镜实时监控并给维护者提供多种控制手段．随着手机成为大众日常通讯工具,利用基于GSM（GlobalSystemforMobilecommunication）网络的手机短信对LAMOST望远镜进行远程无线监控,已经成为总控系统的一种辅助监控手段．文章着重描述该系统的软硬件原理、接口、控制流以及安全性的考虑．该项研究的使用在国内望远镜控制系统中尚属首次,目前已获得国家发明专利申请号．     

LAMOST控制系统实时分布式数据库

介绍国家“九五”重大科学工程项目“大天区面积多目标光纤光谱天文望远镜(LAMOST)”中基于QNX(Quick UNIX)操作系统的实时分布式数据库的研究情况。此项研制已通过2002年7月2日由LAMOST工程指挥部组织的北京、南京和合肥三地专家的评审，并得到好评。该数据库功能强、工具丰富、操作方便，在类UNIX操作系统下实现了Windows的界面风格，可以满足LAMOST控制系统数据在线(或离线)处理、存储、程序生成表格和图形等需要，也可推广应用到其它相关领域。     

基于卷积神经网络的恒星光谱型和光度型的分类模型

恒星光谱分类是天文学中一个重要的研究问题.对于已经采集到的海量高维恒星光谱数据的分类,采用模式匹配方法对光谱型分类较为成功,但其缺点在于标准恒星模版之间的差异性在匹配实际观测数据中不能体现出来,尤其是当需要进行光谱型和光度型的二元分类时模版匹配法往往会失败.而采用谱线特征测量的光度型分类强烈地依赖谱线拟合的准确性.为了解决二元分类的问题,介绍了一种基于卷积神经网络的恒星光谱型和光度型分类模型(Classification model of Stellar Spectral type and Luminosity type based on Convolution Neural Network, CSSL CNN).这一模型使用卷积神经网络来提取光谱的特征,通过注意力模块学习到了重要的光谱特征,借助池化操作降低了光谱的维度并压缩了模型参数的数量,使用全连接层来学习特征并对恒星光谱进行分类.实验中使用了大天区面积多目标光纤光谱天文望远镜(Large Sky Area Multi-Object Fiber Spectroscopy Telescope, LAMOST)公开数据集Data Release 5 (DR5,用了其中71282条恒星光谱数据,每条光谱包含了3000多维的特征)对该模型的性能进行验证与评估.实验结果表明,基于卷积神经网络的模型在恒星的光谱型分类上准确率达到92.04%,而基于深度神经网络的模型(Celestial bodies Spectral Classification Model, CSC Model)只有87.54%的准确率; CSSL CNN在恒星的光谱型和光度型二元分类上准确率达到83.91%,而模式匹配方法MKCLASS仅有38.38%的准确率且效率较低.     

当代光学天文望远镜控制系统新技术

对当代光学天文望远镜控制系统技术之进展进行了综述，同时也对这一领域的未来发展作了一些预测，以期给这一领域的控制工程师们提供一个与他们专业需要有关的概貌。