一种面向模块化可重构机翼的分步补偿优化方法

针对模块化可重构机翼结构的优化设计问题,以沿展向分布的3个翼段模块为研究对象,研究了不同翼展方案机翼的载荷相关性,通过在优化迭代过程中自动调整设计空间,解决了模块化可重构机翼优化设计时复杂的变量-约束耦合影响问题,建立了适用于模块化可重构机翼结构的分步补偿优化方法。以某无人机模块化可重构机翼结构优化设计问题为例,建立了优化模型,并分别采用所提分步补偿优化方法和传统单方案优化方法进行了优化设计。结果表明:所提方法能够稳定收敛,与单方案优化结果相比较,所提方法以较小的重量代价满足了3种重构方案的所有设计要求,且优化结果具有较好的工程实用性。      

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布，提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法，对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法，插值结果以速度云图及矢量图的形式展示，对该过程的主要误差也进行了分析与验证。最后的处理结果显示，针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

微纳聚合体卫星的对称式重构规划算法

为解决微纳聚合体卫星变构过程中，聚合体各部分之间的动力学耦合导致的卫星整体姿态翻转或紊乱，提出了一种对称式变构规划算法。首先建立了铰链约束下的漂浮基多刚体系统动力学模型，研究了重构过程中各运动模块对本体姿态的影响，提出当每两个运动模块位置与转动方向满足对称性条件时，两者对本体姿态的影响可在一定程度上相互抵消。基于上述理论，在A*算法中引入最优分配度量和对称性判定，设计了并行对称重构规划算法。仿真结果表明，该规划算法可实现重构过程中多模块并行、对称运动，重构过程总步数较少，运动模块对本体姿态的影响小。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况，开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进，实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础，设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例，建立了太阳能电池阵列模型，开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验；基于"蒲公英I"飞行剖面，开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪，与萤火虫算法相比收敛时间更短、且功率波动幅度更小；采用改进萤火虫算法和状态机能源管理策略，在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

考虑燃料消耗均衡性的低轨通信星座在轨星座构型重构方法研究

针对低轨（low earth orbit,LEO）通信星座在轨重构问题，分析了低轨通信星座的特点，提出了4个重构指标，即全球平均覆盖率、燃料消耗均衡性、重构总时间和重构总速度增量，并分析了提高轨道高度的重构方式。采用基于分解的多目标进化算法（multiobjective evolutionary algorithm based on decomposition，MOEA/D）对重构进行建模分析。结果表明，模型优化结果可以得出多组最优解，构成帕累托前沿，并得出燃料消耗均衡性最优的解，针对两种失效模式得出的重构总时间均为3.6×105s，速度增量方差分别为261.4m2/s2和293.4m2/s2，这些解均可恢复星座原有的覆盖性能，并使燃料消耗最为均衡。     

新一轮工业革命或致全球航空工业布局重构

航空工业的活动一直呈现集群式分布的特征，新一轮工业革命将带来生产和设计模式的变革，使未来航空工业的产业分布面临重构的可能。     

分布式容错配电系统设计与仿真

阐述了分布式容错配电系统的功能需求及构型设计,完成了分布式容错配电仿真验证系统的研制,并进行了试验验证。结果表明:系统运行可靠,控制逻辑正确,系统设计满足功能要求。     

机载嵌入式可重构信号处理系统设计

为使机载嵌入式信号处理系统性能更加均衡,更好地适应机载嵌入式环境,在比较三种传统的机栽信号处理系统架构的基础上,提出了一种系统可伸缩、功能可重构的信号处理系统架构,并分析了其系统特性和关键技术。从可编程能力、处理性能、通用性以及可扩展性等方面比较了三种信号处理系统架构,结果表明:可重构信号处理系统架构具有较强的综合性能,能更好地满足机载嵌入式应用的需求。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。