10月25日至27日，第三届传感器技术与控制国际研讨会（ISSTC 2024)在广东珠海召开。ISSTC 2024组委、山东省空间碎片监测与低轨卫星组网重点实验室执行主任郭阳副教授，研究生张晓倩、庞庆浩、赵爽和王博阳应邀参会并作学术报告。

本次论坛由中国计量大学、浙江科技大学、安徽科技学院联合主办，天津工业大学、辽宁科技大学、ISSTE国际科学技术学会联合协办，旨在“传感器技术”和“控制科学与控制工程”等领域提供一个共享科研成果、前沿技术，了解学术发展趋势，拓宽研究思路，加强学术研究和探讨，促进学术成果产业化合作的平台。

会议上，实验室参会研究生针对各自研究方向分别作了口头汇报。张晓倩分析了执行器的应用现状，针对不同系统对执行器的选择要求，提出利用Q-learning算法解决主动反射面控制系统中的促动器最优选择问题。在工程建造早期，通过模拟实验实现了促动器的最优选择，并在实体实验平台上进行验证。这一方法减少了后期的大规模物理实验和调整，从而显著降低了试错成本和调试时间，推动了项目的高效完成，为未来复杂系统的智能决策提供了参考框架。

庞庆浩分析了当前太空环境日益拥堵的现象，针对由于空间环境的动态性和复杂性造成视觉干扰导致目标无法被连续识别的问题，提出了一种Mean Shift 结合Unscentend Kalman Filter算法，利用预测-追踪的方式实现对空间遮挡目标的有效追踪。通过预测-追踪的形式，保证了追踪过程的连续性和准确性，降低了潜在的碰撞风险，为空间多样性目标的追踪提供了新的思路和方法。

赵爽分析了传感器应用中的问题，针对实验室主动反射面数字孪生实验平台上的VL53L1激光距离传感器，设计了一个数据采集系统。该系统以STM32单片机作为主控制器，通过RS485总线与上位机连接，并移植FreeModbus协议栈以实现Modbus通信。最终，使用Modbus Poll进行了连通性测试和数据采集命令的发送。该系统有效地传输了传感器数据，为实现对传感器的健康监测奠定了基础。

王博阳分析了LEO卫星轨迹预测中的挑战，提出了一种基于CEEMDAN-STimesNet的深度学习模型。该模型利用CEEMDAN算法将轨道高度数据分解为多个子序列，有效分离趋势成分。通过引入空间注意力机制与TimesNet结合，模型将一维时间序列转换为多周期的二维张量，从而提高了历史信息的提取效率。实验结果表明，该模型在预测精度上显著优于现有的Transformer及其变体，为卫星轨迹预测提供了新方案。

实验室积极鼓励研究生参与国际学术会议，使学生开拓视野、了解世界科技前沿、拓展科研思路、提高学术热情。下一步，实验室将继续支持和鼓励研究生积极参与国内外学术交流，致力于培养具有全球视野和创新能力的高素质人才，为学校的内涵式高质量发展注入新的活力。（撰稿：郭阳；审核：李忠晓）