结合跳点引导的无人机随机搜索避撞决策方法

针对无人机在城市空域环境和密集交通流下的避撞决策问题，提出马尔科夫决策过程（MDP）和蒙特卡洛树搜索（MCTS）算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限，容易陷入局部最优，导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势，建立离散路径点引导无人机并改进奖励函数来权衡飞行路线，在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真，其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中，改进后的算法相对于原始的蒙特卡洛树搜索算法，其冲突概率降低了36%并且飞行时间缩短47.8%。     

Optimization of bits allocation and path planning with trajectory constraint in UAV-enabled mobile edge computing system

In this paper, an Unmanned Aerial Vehicle (UAV) enabled Mobile Edge Computing (MEC) system is studied, in which UAV acts as server to offer computing offloading service to the Mobile Users (MUs) with limited computing capability and energy budget. We aim to minimize the total energy consumption of MUs by jointly optimizing the bit allocation for uplink, computing at the UAV and downlink, along with the UAV trajectory in a unified framework. To this end, a trajectory constraint model is employed to avoid sudden changes of velocity and acceleration during flying. Due to high-order information in use, we lead to a more reasonable nonconvex optimization problem than prior arts. An Alternating Direction Method of Multipliers (ADMM) method is introduced to solve the optimization problem, which is decomposed into a set of easy sub-problems, to meet the requirement on the efficiency in edge computing. Numerical results demonstrate that our approach leads a smoother UAV trajectory, significantly save the energy consumption for UAV during flying.     

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。     

航空公司飞机选型评估方法

市场上往往具有多款机型能够满足航空公司增加或更换退役飞机的需求,因此需要对这些机型进行产品竞争力及投资分析评估。本文从备选机型角度,提出了飞机选型的4大分析要素并根据实际运营情况分别进行了详细分解研究。应用于案例的分析和计算表明,该方法符合航空公司实际选型评估需求,对航空公司合理评估和选择机型具有较大的参考价值。     

低温磨料气射流加工PDMS实验研究

通过自研的低温磨料气射流加工装置进行低温磨料气射流加工聚二甲基硅氧烷(polydimethylsiloxane,PDMS)实验研究,分析了加工时间、加工距离、冲蚀角度和磨料粒径对冲蚀率、孔深和孔横截面形貌的影响。结果表明:随着加工时间的增加,冲蚀率先增大后减小,在第1阶段加工过程中,孔深与加工时间大致呈线性关系,增加加工时间还可使孔底部变平整;存在一个最佳加工距离使孔深最大,当加工距离大于最大加工距离时,孔深将随着加工距离的增加而急剧下降,孔的锥度随着加工距离的增大而增大;当冲蚀角度处于30°～60°之间时,冲蚀率最大,随着冲蚀角度的增加,孔的形状逐步由椭圆形变成圆形;存在一个最佳磨料粒径,使冲蚀率和孔深达到最大;当冲蚀角度小于90°时,低温磨料气射流加工PDMS材料去除机理为塑性去除和脆性去除的结合。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。     

对空间碎片近距随遇悬停的控制方法及悬停燃耗分析

对空间碎片检视或抓捕操控中的悬停控制及燃耗问题进行了研究。通过C W方程，建立任务星近距随遇定点悬停控制模型，通过设计状态反馈控制器分析定点悬停的可控性以及推控要求，结果表明近距悬停需要与悬停位置相关的两个正交方向上的常值连续推力控制量，以及用于抵抗扰动的三轴向上的反馈变推力控制量。分析了近距随遇悬停的推控分系统配置，建立了长时近距随遇悬停的燃耗及燃耗速率的数学模型，最后分析了既满足安全距离需求、又满足悬停方位需求的最小悬停燃耗模型。     

基于流管试验的管道声传播预测

通过平板声衬流管试验，测试了管道内无流动和有流动下不同入射声波频率的管道壁面复声压，并基于试验模型与数据分别开展了二维和三维管道声传播预测，将试验测量结果与预测结果进行了对比。结果表明:二维和三维的预测结果非常吻合，尤其是在无流动条件下；在不同流动条件和不同频率下，声传播预测给出了与试验数据较为吻合的结果，壁面声压级的趋势与试验结果一致，基本验证了管道声传播预测模型的准确性；对比不同流动条件和频率点，有流动下预测的壁面声压级的误差比无流动更大，低频下预测的壁面声压级的误差比高频更大。      

组合临界流文丘里喷嘴空气流量测量方法高空舱应用分析

为满足发动机高空试验低流速进气条件下空气流量精确测量,减小进气导管气流附面层影响,弱化空气流量测量与被试发动机相关性。分析了单件/组合临界流文丘里喷嘴的工作特性,给出了组合临界流文丘里喷嘴(ACFVN)空气流量计算方法,依据给定试验发动机和高空舱尺寸设计了临界流文丘里喷嘴组合结构,得到了组合临界流文丘里喷嘴在高空舱应用的控制方法和测试布局。采用小尺寸喷嘴对组合喷嘴设计和应用方法进行了验证,结果表明:采用打开/关闭喷嘴数量和调节进气压力两种组合方式在高空舱内应用方法可行,测试布局满足测量要求,下游发动机进口截面气流紊流度优于0.3%,满足发动机高空模拟试验要求。