基于多种运行成本最小的机队优化配置研究

为节省航空公司运行成本开支，通过以燃油成本最小、时间成本最小、机场起降费用成本最小为目标函数，以飞机最大航程限制、机场起降条件限制、航班频率限制、旅客座次限制、飞机可用时间限制等为约束条件，建立多目标规划模型。通过实例计算，确定机队优化配置方案，验证了模型的正确性，为航空公司机队规划提供了参考。     

MSG-3在民用航空器维修大纲制定中的应用

国内民用航空器的研发起步较晚,目前投入运行的国产航空器型号种类和数量都不多,航空器制造厂家在制定维修大纲方面的经验较少.本文对国际上通行的MSG-3维修任务分析方法进行研究,首先介绍MSG-3维修任务分析方法产生和发展的历史背景,以及其在国内民机型号中的应用;然后详细叙述MSG-3维修任务分析方法(包括航空器系统、动力装置维修任务的分析方法,结构检查和区域检查任务的分析方法,以及形成维修大纲的流程和维修任务的后期优化);最后通过对航空器型号的审查经验,总结我国民用航空器制造厂家在制定航空器维修大纲时存在的问题和改进方向.     

基于计划到达时刻的四维航迹规划

为了加速空管自动化与智能化技术的应用与实施,提出了水平航迹与高度/速度剖面分阶段设计的四维航迹规划方法。基于动态时间规整与层次聚类方法实现历史雷达航迹聚类分析,完成水平航迹设计。建立速度剖面规划模型,通过航迹生成器与速度调整器交互协作,精细化控制进场时间,以满足计划到达时间要求。以上海浦东国际机场PINOT进场航班为例实施验证,结果表明,四维航迹规划方法可有效实现航班的计划到达时间,从而减少航班延误,提高终端空域运行效率。     

基于MBD的数控加工工艺技术研究

针对传统数控加工工艺设计面临的问题,提出在基于MBD(Model Based Definition)的设计与工艺协同的新模式下,实现工厂工艺资源管理、数控加工工艺设计、工序模型的创建及三维标注、结构化工艺设计、三维作业指导卡的发布等一体化管理与应用.结构化工艺设计技术的应用将极大地缩短产品研制生产周期,为全面推进工厂的数字化建设提供了保障.     

基于改进人工势场法的服务机器人路径规划

人工势场法是服务机器人路径规划算法中一种简单有效的方法.针对传统人工势场法存在的目标不可达问题,通过在原来的斥力函数中加入一个调节因子的方法解决,同时采用遍历搜索法解决局部极小值问题,并引入安全距离以及改进调节因子以提高机器人路径规划过程中的安全性能.最后,利用Matlab软件将改进后的人工势场法应用于服务机器人路径规划并进行了仿真实验.仿真结果表明,基于改进人工势场法的服务机器人路径规划有效地解决了机器人不能到达目标点的问题.     

基于DSAS算法的直升机贴地飞行在线航迹规划

通过改进优化传统A*算法,利用动态稀疏A*搜索(DSAS)算法在线设计了直升机贴地飞行轨迹.该算法采用逆向搜索方式规划航迹,在遇到新生探测威胁时,只需局部调整受到影响的航迹,减少了重新规划的范围,提高了搜索效率.此外,在生成节点时考虑了直升机性能及飞行约束,优化了搜索范围;并且根据影响贴地飞行航迹性能的各种因素,设计了航迹代价计算方法;利用层次分析法结合专家分析计算得到最优代价权值.仿真结果表明,该方法在线设计的飞行轨迹能够较全面地满足避障、贴地功能,相比稀疏A*搜索(SAS)算法节省了计算时间.     

基于压缩量偏差约束的整体叶盘砂布轮数控抛光路径规划

数控抛光是实现整体叶盘叶片表面光整加工自动化、高效化的关键技术,而抛光路径规划对表面质量有着显著的影响。在抛光曲面时,砂布轮沿接触曲线上的径向压缩量偏差导致材料去除量一致性较差。针对该问题,提出一种基于压缩量偏差约束的路径规划方法。通过对砂布轮受曲面挤压变形几何分析,建立了自由曲面抛光接触线上砂布轮压缩变形量分布模型。在给定刀触点处,以接触曲线上最大压缩量偏差最小化为评价指标构建了刀轴矢量优化模型,并利用改进的粒子群优化（PSO）算法进行求解。基于最优刀轴矢量,完成自由曲面上等参数相邻刀触轨迹曲线的计算。最后,通过数据对比和试验,验证了所提方法的正确性和有效性。结果表明,抛光区域的轮廓度、粗糙度均得到明显的改善。     

小型固定翼无人机集群综述和未来发展综述

围绕小型固定翼无人机集群这一难度高、发展快、应用前景广阔、多学科交叉的新方向,从集群系统内涵、现有典型项目、关键技术3个角度综述了国内外小型固定翼无人机集群的研究现状。在系统梳理集群系统内涵和应用优势的基础上,从集群协同模式探索、分布指挥体系构建、核心关键技术突破和集群验证等4个视角总结现有典型项目,从体系架构、通信组网、决策与规划、飞机平台、集群飞行、集群安全与集群指控等7个核心点综述了技术研究现状。最后,综合小型固定翼无人机集群中亟需解决的关键技术,展望了这一领域未来的发展趋势。     

Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork

Unmanned Aerial Vehicles (UAVs) are useful in dangerous and dynamic tasks such as search-and-rescue, forest surveillance, and anti-terrorist operations. These tasks can be solved better through the collaboration of multiple UAVs under human supervision. However, it is still difficult for human to monitor, understand, predict and control the behaviors of the UAVs due to the task complexity as well as the black-box machine learning and planning algorithms being used. In this paper, the coactive design method is adopted to analyze the cognitive capabilities required for the tasks and design the interdependencies among the heterogeneous teammates of UAVs or human for coherent collaboration. Then, an agent-based task planner is proposed to automatically decompose a complex task into a sequence of explainable subtasks under constrains of resources, execution time, social rules and costs. Besides, a deep reinforcement learning approach is designed for the UAVs to learn optimal policies of a flocking behavior and a path planner that are easy for the human operator to understand and control. Finally, a mixed-initiative action selection mechanism is used to evaluate the learned policies as well as the human’s decisions. Experimental results demonstrate the effectiveness of the proposed methods.     

空时分组编码的无人机中继通信航迹规划方法

无人机(UAV)中继通信是实现远距离点对点无线通信的一种重要技术手段。为提高无人机中继通信系统链路传输的可靠性,提出基于空时分组编码的无人机放大转发中继通信传输方案,并基于双跳链路遍历容量最大化的准则给出了无人机最佳航迹规划方法,并进一步利用FM-EM算法给出了基于空时分组编码无人机中继通信系统的中断概率及遍历信道容量计算公式。计算机仿真表明:提出的方法显著优于传统的单发单收(SISO)无人机中继通信系统。