基于IMU/FADS/无线电的火星上升器组合导航方案

以火星采样返回任务中火星表面上升为背景，研究了基于惯性测量单元（Inertial Measurement Unit, IMU）、嵌入式大气数据传感系统（Flush Air Data Sensing System, FADS）和无线电信标的组合导航方法。首先，在传统的IMU导航框架中加入由无线电测量获得的相对距离、速度信息，以及由FADS获取的动压、温度数据，建立了基于IMU、无线电和FADS的导航观测模型；然后，基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）技术对测量信息进行了融合，并压制了过程噪声和测量噪声，从而对上升器的状态进行了联合估计；最后，在数值仿真中，将UKF与自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter, AUKF）技术进行了对比，在比较不同滤波器性能的同时，验证了组合导航方法的有效性。     

异构无人系统协同作战关键技术综述

针对异构无人系统的规模、异构性强弱，对异构无人系统进行了分类，引入了异构无人系统协同作战班组的概念以及应用设想，并通过城市环境中异构无人系统协同作战问题为牵引，提出了异构无人系统协同作战面临的挑战与解决思路，在此基础之上，从异构无人系统协同控制架构、协同任务规划、智能交互、目标感知、环境感知等主要方面对异构无人系统协同作战的关键技术进行了分析，最后对异构无人系统协同作战目前的研究进展与挑战进行了总结。     

某型飞机阻力伞抛放系统故障模式分析

针对某型飞机阻力伞系统放伞、抛伞故障,通过分析系统的组成、工作原理、常见故障模式以及故障原因,提出了改进建议,为该型飞机阻力伞抛放系统故障的排除提供思路。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

Reconfigurable fault-tolerant control for supersonic missiles with actuator failures under actuation redundancy

Aircraft undergoing actuator failures into under-actuation have been seldom studied in literature. Aiming at addressing actuator failures of Total Loss of Effectiveness (TLOE) as well as Partial Loss of Effectiveness (PLOE) resulting in different system actuations, reconfigurable Fault-Tolerant Control (FTC) is proposed for supersonic wingless missiles under actuation redundancy. The under-actuated system of TLOE failure patterns is solved by transformation to cascade systems through a ‘shape variable’. Meanwhile, actuator TLOE faults of different unknown failure patterns from proper actuation to under-actuation are accommodated by a reconfigurable adaptive law on a multiple-model basis. The backstepping technique with the Extended State Observer (ESO) method adopted as a basic strategy is applied to an established symmetric coupled missile system with actuator PLOE faults, modeling errors, and external disturbances. Additionally, the nonlinear saturation characteristics of actuators are settled by an auxiliary system with the Nussbaum function technique. The stability of the control system is analyzed and proven through Lyapunov theory. Numerical simulations are implemented in the presences of aerodynamic uncertainties, gust disturbance, and actuator failures. Results demonstrate the effectiveness of the proposed method with satisfactory tracking performance and actuator fault tolerance capacity.     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

基于电阻法的工艺液位传感器测量系统及其校准装置的研制

介绍了一种基于电阻法的工艺液位传感器测量系统的设计与实现，该传感器测量系统包括利用液位传感器、点式液位传感器、耗尽关机液位传感器与剩余液位传感器及对应的变送器。设计了相应的半自动校准系统对传感器的精度进行标定，分析了测量结果的不确定度。经过测试，所有传感器各项指标均满足设计要求。该传感器的研制解决了现有容积计量及液压试验系统不能对贮箱各不同部位进行容积和高度监测的问题。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题，应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题，提出单网络积分型强化学习（SNIRL）算法进行求解，该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构，只需要采用评价网络估计值函数就可以求得最优控制律，其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器，并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高，收敛速度更快，并校验了自适应最优姿态控制器的有效性 。     

行星着陆大气进入段自适应滑模抗扰控制方法

针对行星探测器着陆过程可能存在的干扰影响着陆精度问题，提出了一种抗干扰控制方法。首先建立行星探测器着陆控制模型，利用非线性干扰观测器实现对系统外部干扰的估计；在此基础上提出一种自适应滑模控制律，使得系统状态快速收敛到平衡点附近。最后，将该方法应用于火星着陆场景进行仿真。结果表明，提出的自适应滑模控制方法能够在未知扰动存在的情况下，有效实现行星探测器安全着陆，提高着陆任务的成功率。     

用于叶片减振的压电材料分布拓扑优化

提出一种可用于实际叶盘结构的压电分支阻尼器拓扑优化方法,可以给出总质量受约束的压电材料在叶片上的最佳分布,达到尽可能大的模态阻尼比。通过理论推导说明:压电阻尼器所产生的模态阻尼比仅取决于模态机电耦合系数,且该系数只与压电材料的几何形状以及模态应力场有关。进一步结合压电本构关系,基于应力分量的线性加权给出了有限的压电材料在叶片上铺设位置“优先级”的判断指标。给出了基于叶盘结构有限元模型的压电材料拓扑优化方法,通过替换单元类型和材料参数的方式对压电材料进行布置,并给出了多模态族优化、极化方向设置、电极铺设等问题的解决方案。在一个接近真实的叶盘模型上应用了此优化方法。结果表明,仅使用质量占叶片质量10%的压电材料,就可以为多个模态提供约12%的阻尼比。