高效率的特征型紧致WENO混合格式

特征型紧致加权基本无振荡（WENO）混合格式HCW-R结合了迎风紧致格式CS5-P和WENO格式，具有十分优异的分辨率特性。但在求解多维方程组时，HCW-R格式需要求解块状三对角方程组，因而计算代价十分高昂。采用迎风紧致格式CS5-F代替CS5-P，构造了一个新的特征型紧致WENO混合格式HCW-E。由于HCW-E的特殊形式，其可沿迎风方向、由边界处向内推进求解，避免了处理三对角或块状三对角方程组，从而其计算代价与显式格式无异。虽然就分辨率而言，HCW-E稍逊于HCW-R，但前者的计算效率要显著高于后者。因此，当花费相同的计算代价，HCW-E格式可以获得更好的数值结果。一系列求解Euler方程组的数值试验验证了HCW-E的高分辨率特性和相比HCW-R更高的计算效率。HCW-E格式的效率优势在求解高维问题时更为明显。      

长征运载火箭发射地火直接转移轨道研究

针对发射场射向范围和低温入轨级在停泊轨道上最长允许滑行时间严格受限下，工程设计火星探测任务发射轨道时，优化保障2~3周发射日期窗口的困难，以及精确设计拼接探测器分离点时刻轨道6根数耗时周期长等问题，提出了加入滑行时间限制再精确双向微分修正的设计算法（有别于传统B平面矢量法）。由地球影响球边界速度直接解出长征运载火箭入轨点轨道根数，将火箭飞行星下点弧段表示成滑行时间的分析式，快速找到满足诸多设计约束的初始发射轨道；并解决了考虑探测器小幅深空机动后火箭发射轨道的深入优化问题。精确力学模型下数值微分改进后，获得高精度计算结果，同等可比条件下运算精度不低于STK软件。实现了从地面起飞到抵达近火点的飞行轨道整体优化，确保了首次探火工程的顺利实施。      

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

翼尖铰接复合飞行器动力学特性研究

航空飞行器通过翼尖铰接机构复合飞行时的气动耦合效应，会造成飞机产生不同于其单独飞行时的动力学特性，出现复合飞行安全问题。为研究翼尖铰接复合飞行器的动力学特性，使用Newton-Euler方法和Robberson-Wittenburg方法建立了双机组成的翼尖铰接复合飞行器多刚体系统整体和内部的7自由度非线性动力学和运动学方程组。在气动准定常假设下建立双机复合系统非耦合气动力表达式，基于CFD方法开展复合飞行器系统的三维实体建模和非结构网格划分工作，获取复合飞行器系统的气动力数据。搭建动力学仿真平台，开展准配平方案和全配平方案下的动力学仿真。仿真结果表明:准配平方案下飞行器无法持续稳定飞行，而全配平方案下复合飞行器系统各运动参数在仿真时间内始终趋于稳定。在全配平方案下，使用小扰动假设的非解耦线性化方法重新整理7自由度动力学方程组，研究复合飞行器系统运动模态的特征值中出现的2个发散新模态，根据对应的特征向量发现2个发散模态分别由相对滚转角度和角速度主导，同时也比较分析了其他运动模态相比单机飞行时的特性变化规律。      

一种基于模糊控制的平稳滑翔再入制导律

针对升力式高超声速飞行器(LHV)再入滑翔过程中的周期性振荡现象，提出了一种基于模糊推理与控制的反馈调节方法以抑制振荡实现平稳滑翔。纵向制导在落点误差预测及指令校正的基础上，在倾侧角外环控制回路增加以高度变化率及空速作为输入的模糊控制器对倾侧角指令进行调节，横侧向制导通过航向角误差走廊约束及倾侧角反转逻辑实现大横程条件下的侧向控制。所提方法不依赖于准平衡滑翔条件(QEGC)，同时避免了参数化反馈控制律中的反馈项参数设计问题，具有较强的自适应能力。LHV制导实例仿真表明，所提方法可有效抑制振荡现象，满足终端约束及再入走廊约束，方法的鲁棒性也通过Monte Carlo仿真得到了验证。      

基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来，卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性，已被认为是最有前途的CNN硬件加速器，但是受FPGA计算能力、存储资源的限制，基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先，研究了适用于三维运算的Winograd算法一维展开过程；然后，通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法，优化算法每个卷积层的时钟周期数减少了7倍左右，相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究，证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度，并改善在FPGA运行CNN的性能。      

多臂空间机器人的视觉伺服与协调控制

针对多臂空间机器人自主目标抓捕任务，首先建立多臂空间机器人的运动模型和其与目标的相对运动模型，采用Kane方法建立多臂空间机器人的动力学模型；其次，研究基于视觉伺服的机械臂在线轨迹规划算法，并引入零反作用机动，消除机械臂运动对平台姿态的扰动；再次，在不使用零反作用机动功能时，分别使用基于角动量前馈补偿的协调控制算法和逆动力学方法设计了协调控制器，在机械臂运动时保持平台姿态和相对目标的位置。最后，开发了基于Matlab的仿真软件MASS（多臂空间机器人仿真），仿真结果校验了上述方法的有效性。     

基于改进GERT的任务过程时间特性建模分析方法

随着系统任务需求的日渐密集，用户对系统的时间特性提出了更为严苛的要求。首先，利用图示评审技术（GERT）构建系统任务流程的随机网络模型，针对任务中由于资源共享引起的活动排队执行以及部分上下游活动之间存在重叠的情况，基于排队论并引入时间因子以修正任务中各活动的执行时间，并给出任务执行时间的求解步骤。经考虑这2种情况，最终任务平均执行时间增加了22.9%。其次，通过不确定性分析，找出了任务中的关键活动，为进一步任务优化提供方向和思路。最后，以舰载机着舰任务为例进行案例应用分析，验证所提建模分析方法的有效性和适用性。      

一种应用于超小型无人机的新型定高传感器

使用美国ICSENSOR公司的压阻硅式绝压传感器，对静压进行测量，并设计出适合超小型无人机使用的新型定高传感器，这种定高传感器具有灵敏度高，重量轻，单电源供电，板式结构。可靠性高，重复性好的特点，填补了应用于超小型无人机的定高传感器产品的空白。