智能结构有限元模型的建立及静态形状控制

本文建立了含有分布压电传感元件和执行元件的板结构的有限元模型，提出了一种新的具有电自由度板弯曲单元，用于分析含有分布传感元件和执行元件的板结构。以此为基础，提出了智能结构静态形状控制的一般方法，即被动控制方法和主动控制方法。最后，提供了两个数值示例，说明本文提出的方法的应用。     

航天紧固件的质量管理

在调查研究的基础上。提出了影响紧固件使用质量的主要环节，并针对这些环节存在的问题，提出了在目前条件下航天紧固件质量管理的基本模式，同时，为了适应市场经济发展的需要．分析了实行紧固件产品质量认证的必要性、可行性并提出实施产品认证的基本思路。     

空间飞行器自主诊断重构的理论和方法

面向我国深空探测任务对空间飞行器安全可靠自主运行提出的迫切需求，研究了空间飞行器自主诊断重构技术。针对空间飞行器诊断重构能力确定于设计之初、受制于有限资源等特点，提出了着力于系统评价设计过程的自主诊断重构方法。首先，分析了国内外研究现状并梳理了后续的待突破难点。其次，以可诊断性与可重构性理论为指导，提出了正常模式与故障模式一体化设计方法、故障诊断与系统重构一体化设计方法，在设计阶段通过资源配置和诊断重构方案的综合优化实现系统诊断重构能力最大化。然后，提出了基于能力在轨评估的诊断重构方案动态调整方法，在运行阶段通过诊断重构过程的自适应调整保持系统最优状态，进而从全寿命周期提升系统的诊断重构能力。最后，进行了总结与展望。     

基于信任模型的AOMDV协议的改进

针对AOMDV路由协议存在的安全的问题，提出了基于信任模型的AOMDV协议（TM—AOMDV）。该协议中每个节点维护一张信任表，通过节点的历史交互信息计算互相的信任值，并根据信任值决定是否该节点做为下一跳节点；根据节点的行为以及信任值，提出了攻击节点的判断标准。同时为了防止某些正常节点移动到特殊位置时被误判为攻击节点情况的出现，提出了二次验证的方法。NS2仿真结果表明，与AOMDV协议相比，采用基于信任模型的AOMDV协议降低丢包率，增加网络的吞吐率，有效的抵御了黑洞攻击。     

基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

一种星载巴特勒矩阵微放电特性的分析与验证

作为星载雷达发射微波功率合成的关键部件，巴特勒矩阵的微放电性能直接决定了雷达载荷的功率容量。因此，有必要对其微放电特性进行分析与验证。针对该需求，提出了一种用于大功率动态合成网络的星载巴特勒矩阵，并对其在真空条件下的微放电特性进行了分析与验证。第一，提出了一款用于星载雷达的大功率巴特勒矩阵，对其功率合成性能进行了分析。第二，为了对巴特勒矩阵微放电性能进行详细研究，对提出的巴特勒矩阵进行了微放电功率阈值仿真和自由电子分布分析。第三，为了验证分析结果的正确性，对该巴特勒矩阵进行了峰值功率14kW的真空微放电试验，验证了其在大功率真空环境下的微波传输功率容量。提出的巴特勒矩阵性能优良，为未来的星载雷达大功率微波部件提供了理论方法和关键技术支持。     

采用简化滤波器思想的卫星姿态确定系统故障诊断

针对星上计算机运算资源有限的问题，为了降低卫星姿态确定系统故障诊断的运算量，提出一种基于卡尔曼滤波器的故障检测与分离方法。该方法首先基于卫星姿态运动方程设计了一种加性卡尔曼滤波器，然后将卡尔曼滤波器与简化观测器思想相结合，进一步提出一种采用简化滤波器思想的姿态敏感器故障诊断律。所提出的故障诊断方法既可以实现对陀螺故障的检测与分离，又能够诊断星敏感器的故障。此外，该方法只利用一个滤波器即可实现故障检测与分离，其计算量小，有利于在轨实施。最终采用一个由三正交一斜装陀螺组件和星敏感器构成的姿态确定系统对所提出的方法进行了仿真校验，仿真结果表明了所提方法的有效性。     

预防CMOS电路锁定效应的措施

对ＣＭＯＳ集成器件的锁定效应从结构上进行了分析，提出了电压触发型销定和电流积累型销定的观点，阐述了ＣＭＯＳ电路系统的保护、使用方法。防锁定效应的措施。实际使用表明，所提出的防锁定效应的措施是有效的。     

攻击角度约束下的分布式强化学习制导方法

为提高导弹在攻击角度约束下对目标的打击效能，提出了一种基于深度确定性策略梯度算法的分布式强化学习制导策略。为了最大限度地减小攻击角度误差，设计了一种新的奖励函数，使导弹在满足视场角约束的同时，视线角向期望值收敛。此外，为了增强强化学习模型的泛化能力，提出了一种分布式探索策略，提高了模型训练过程中对环境的探索效率。仿真结果验证了所提出的分布式强化学习制导方法能够在固定攻击角度约束下实现对目标的精准打击。与传统制导律相比，所提制导方法的攻击角度误差更小，收敛速度更快。     

复杂不确定性下多无人机的抗扰时变编队控制

针对存在不确定非线性动态和外部时变干扰的多无人机系统的时变编队问题，提出了基于扩张状态观测器(ESO)的抗扰编队控制方法。首先建立了分布式ESO来估计多无人机系统的不确定性，基于ESO的输出提出了抗扰编队控制律，并提出一套算法来对控制律进行参数选定。然后，通过分析得到基于该控制律下，多无人机系统实现抗扰时变编队所需要的充要条件，并最终严格证明了在满足编队充要条件和基于提出的控制律下，多无人机系统可以稳定实现抗扰时变编队。最后仿真结果表明理论方法的有效性。