深度强化学习在变体飞行器自主外形优化中的应用

基于深度强化学习策略,研究了一类变体飞行器外形自主优化问题。以一种抽象化的变体飞行器为对象,给出其外形变化公式与最优外形函数等。结合深度学习与确定性策略梯度强化学习,设计深度确定性策略梯度(DDPG)学习步骤,使飞行器经过训练学习后具有较高的自主性和环境适应性,提高其在战场上的生存、应变和攻击能力。仿真结果表明,训练过程收敛较快,训练好的深度网络参数可以使飞行器在整个飞行任务过程中达到最优气动外形。     

通用航空飞行器气动布局设计优化

研究了通用航空飞行器气动布局设计优化问题。应用基于二次曲线的模线设计方法，实现了通用航空飞行器的参数化外形建模。采用修正的牛顿流理论进行高超声速气动特性计算。在保持纵向稳定性的条件下，以升阻比和容积效率最大化为目标，建立通用航空飞行器气动布局多目标优化模型。应用基于小生境竞争排挤机制的多目标遗传算法求得优化模型的非劣解集。将物理规划设计方法与稳定、高效的粒子群优化算法相结合，有效地求解该优化模型的折衷解。优化结果表明本文的通用航空飞行器气动布局设计优化方法是有效的。     

基于LS-DYNA的三维翼伞参数化建模仿真研究

目前对翼伞气动性能的仿真研究大部分局限在二维翼型剖面或者不考虑伞衣柔性的三维数值仿真研究,因而无法获得较准确的翼伞气动性能参数,不能为工程研究提供借鉴和依据。为了提高翼伞仿真的准确性和效率,文章结合翼伞的设计流程,基于APDL(ANSYS Parametric Design Language)语言对翼伞进行参数化几何建模,生成带前缘切口的翼伞三维几何模型,并自动划分网格生成有限元模型,再利用LS-DYNA求解器进行流固耦合求解,由于仿真求解中考虑了伞衣柔性,因而获得更准确的翼伞气动性能参数。基于MATLAB的GUI(Graphic User Interface)模块建立翼伞参数化设计、仿真平台,并进行了验证,翼伞气动性能仿真参数与翼伞试验数据基本吻合,说明该平台具有一定的可信性。     

非对称变翼飞行器复合控制系统设计

针对非对称变翼飞行器的姿态控制问题，提出了一种复合控制系统的设计方法。基于非对称变翼的姿态动力学模型，将变翼作为一种主动控制方式，提出了非对称变翼的使用条件，并采用逻辑函数设计了气动舵和变翼的复合控制分配策略。利用扩张干扰观测器估计了变翼过程中的扰动，采用全局滑动模态的变结构控制方法，设计了姿态复合控制系统，抑制了变形过程中参数的剧烈变化和变形引起的附加扰动。通过仿真，一方面与固定翼飞行器对比，校验了非对称变翼控制的有效性；另一方面通过气动数据的正负拉偏，验证了控制器对气动参数的摄动有良好的鲁棒性。     

基于参数化CAD模型的飞行器气动／隐身一体化设计

提出一种将CAD软件与气动／隐身多学科设计优化相结合的方法。该方法的流程为：(1) 建立外形参数化数学模型;(2) 应用CATIA二次开发技术,自动生成三维CAD模型;(3) 从该模型上提取气动和隐身计算所需的外形数据;(4) 应用多目标优化算法进行气动／隐身一体化设计。以一个翼身融合体飞行器气动／隐身一体化设计为例,详细阐述流程的具体实现过程。结果表明这种方法具有如下优点：(1) 充分利用了CAD软件精确的参数化建模功能;(2) 为气动分析和雷达散射截面（RCS）计算提供了一个统一的外形模型;(3) 能从CAD模型中获取容积、表面面积等几何特征信息;(4) 优化结果直接反映为三维CAD模型。这些优点使得该方法具有实用意义。
     

飞行器热气动布局优化设计研究

开展飞行器热气动布局设计方法研究,初步建立了高速飞行器概念设计阶段的热气动布局优化设计方法,通过参数化布局设计技术、气动力、热环境、弹道及优化技术等多学科性能分析及优化方法的综合应用,进行飞行器的热气动布局设计。对带控制舵钝双锥体机动飞行器的设计研究表明,考虑热环境的热气动布局可以在保证升阻比不变的条件下,降低驻点及第二锥身等特征点的轨道峰值热流达30%以上。
     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

降低气动非线性的高超飞行器总体优化方法研究

针对高超声速飞行器严重气动非线性特性给控制系统设计提出的高要求,基于推广的随控布局思想,从控制系统设计角度对高超声速飞行器总体提出气动非线性程度低的优化设计指标。引入高超声速飞行器气动非线性特性度量——非线性度的定义,通过气动工程估算建立非线性度与飞行器总体外形参数关系的表征模型,将非线性度表示为总体外形参数的函数;采用遗传算法求解以总体外形参数为决策变量和以非线性度最小为目标函数的优化问题;最终确定随控优化思想下的高超声速飞行器总体优化策略。算例分析表明,本文提出的总体随控优化方法对于改善高超声速飞行器的气动非线性特性简单有效。     

飞行器气动参数的集员辨识

在噪声未知但有界的情况下，本文研究了飞行器气动参数的集员辨识问题。提出了先对非线性系统参数可行集的中心进行估计，再估计参数可行集大小的集员辨识两步法。这样就为解决飞行器气动参数的辨识问题提供了一种新的可行方法，再入体实测数据的处理表明这种方法十分有效。     

基于多学科参数化建模和灵敏度分析的飞行器分级优化设计方法

提出一种将飞行器参数化建模、灵敏度分析与气动/隐身综合优化设计相结合的方法.该方法的流程为:(1)建立面向多学科设计的参数化模型,提取分级参数;(2)对分级参数进行灵敏度分析,筛选设计变量;(3)基于分级优化流程,应用多目标优化算法进行飞行器气动/隐身综合优化设计.以一个四尾翼布局飞行器气动/隐身综合优化设计为例,阐述流程的实现过程,结果表明这种方法具有如下优点:(1)多学科参数化建模为气动和隐身性能分析提供统一的参数化模型;(2)使用灵敏度分析工具对分级设计参数进行筛选,精简优化设计任务;(3)基于分级参数和灵敏度分析进行分级优化设计,优化适应值提高56.1%,耗时减少57.02%.     

飞行器气动外形的正交设计与分析

结合飞行器总体快速设计需求,研究基于正交试验设计的气动外形分析方法。通过正交试验设计,获得飞行器气动特性数据,再根据试验结果的极差分析和方差分析,快速明确飞行器外形参数与阻力系数的影响程度,辨识关键参数,指导飞行器外形设计。以某飞行器为应用对象开展了实例验证,结果表明该方法能够快速获得满足要求的气动外形,提高分析效率,满足总体方案快速设计需求。     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

组合动力运载器气动布局与气动技术探讨

组合动力空天往返飞行器是下一代航天运输系统的发展方向,应用前景广阔,作为组合动力运载器直接实现形式和性能载体的气动布局,以及与其相关的空气动力技术,是研发组合动力运载器必须首先认识和解决的关键问题.本文对已有组合动力空天往返飞行器的气动布局特征,以及组合动力运载器发展涉及的复杂流动机理、宽速域气动布局设计等气动关键问题...     

机动再入飞行器自适应飞行控制系统设计

研究机动再入飞行器的制导控制问题。为了解决机动再入飞行器气动系数变化范围大、气动耦合严重和气动参数非线性过零常值大等恶劣条件下的控制，并且能充分利用飞行器可测量信息提高系统自适应能力，本文提出了状态方程参数辨识－－极点配置－－前馈补偿自适应控制的飞行控制系统的设计方法。通过对新型号再入飞行器的制导系统仿真，可以看出该控制系统使其有很好的飞行性能。     

自适应翼型的计算和分析

计算并讨论了不同马赫数（Ma）和攻角(α）下简化的自适应翼型的舵面偏转角的规律。计算中采用代数方法生成计算网络，用有限全积法离散二维可压缩流动的Fuler方程，采用了矢通量分裂Van-leer格式离散无粘通量，用隐式的时间积分和多重网格加速收敛。用数值优化方法取得自适应翼型最优的舵面偏角，并计算其气动特性。为验证自适应翼型增益的效果，计算了双目标优化翼型的气动特性，本文计算了对称圆弧翼型和NACA65A006翼型。计算结果表明，自适应翼型比双目标优化的翼型有更好的气动特性。     

基于机器学习的气动参数智能修正方法

针对飞行器气动参数的修正问题,提出了基于机器学习的气动参数智能修正方法。该方法对真实气动数据与标称气动数据的偏差建模,并利用BP神经网络,对偏差模型进行拟合。利用拟合后的神经网络以及标称气动表,即可得到修正后的气动表。该方法充分利用机器学习无线逼近非线性函数的能力,对偏差模型进行学习,从而实现对原气动参数的精确修正。最后对基于机器学习的气动参数智能修正方法进行了仿真试验,结果表明BP神经网络具有优良的逼近性能,经过该方法修正的气动参数具有较高的精度。     

飞行器气动与隐身综合特性数值分析

开展了飞行器气动与隐身综合特性数值研究,编制了相应的计算与分析程序。该程 序的主要 功能包括：飞行器外形参数化和计算网格的生成,气动特性计算（利用有限体积方法求解NS 方程）,隐身特性计算（利用时域有限差分方法求解Maxwell方程）,飞行器气动与隐身综 合特性分析。作为应用的一个实例,对一种带翼钝锥体的气动和隐身综合特性进行了分析, 并设计出两种新的外形,新外形的气动和隐身综合特性与原形相比有明显提高。     

高超声速多体分离的Monte Carlo模拟仿真分析研究

在临近空间飞行器飞行试验任务中,运载器与飞行器之间的分离多数在临近空间发生。飞行器与箭体之间的气动特性,对分离过程的安全性有重要影响。然而,分离过程的动态特性和飞行器外形的复杂性给气动特性的正确预测造成了巨大困难,地面试验也很难验证。为此,发展了Monte Carlo打靶分析方法,在误差带宽内随机生成气动特性,通过增大气动特性的覆盖性,大大提高了气动特性对分离过程的安全性影响评估的正确性和可靠性。     

基于支持向量机的飞行器气动模型近似方法

针对飞行器总体快速设计需求,研究了基于支持向量机的气动模型近似方法。通过正交试验设计方法,获取飞行器气动模型的输入输出样本,训练以径向基核函数为基函数的支持向量机,完成飞行器气动模型近似建模。以某飞行器为应用对象开展了实例验证,结果表明该方法能够保证气动模型的精度要求,提高了计算效率,符合总体方案快速设计需求。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。