芯片间时间触发通信综合规划方法及其优化

随着片上系统（SoC）的处理能力逐渐接近传统的综合核心处理模块，航空电子系统向着微小型综合化的芯片间系统发展；时间触发交换式互连可以保证芯片间消息传递的严格时间确定性。考虑芯片间互连交换结构轻量化和收发端口有限的特点，在拓扑、路由和调度时刻等网络资源相互制约的条件下，提出了芯片间时间触发通信综合规划方法，即根据时间触发消息集合和芯片端口配置，同时求解得到芯片间网络拓扑结构、消息路由和调度时刻表的规划结果。其中，采用免疫算法整体优化了各条消息在网络资源分配过程中的求解次序。仿真实验表明，与不考虑整体优化的综合规划方法相比，优化后的规划结果在减少拓扑结构中多余路径开销的同时，避免消息传输路径拥堵，降低消息端到端延迟，保证了消息集的可调度性。      

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点；然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

针对旋翼流场模拟的自适应网格算法

针对基于格心格式求解器的旋翼流场模拟,提出了相应的自适应笛卡尔网格的数据存储结构及自适应算法。给出了相应的单元处理策略,简化了对自适应笛卡尔网格的处理;对于频繁的自适应加密过程中产生的大量重复点,采用了高效的交替数字树算法(Alternating digital tree,ADT)予以删除;对于自适应疏化过程中产生的大量无用点,提出了标记-删除-移动(Mark,delete,move,MDM)算法予以快速地删除,减少了不必要的计算资源消耗。对CaradonnaTung旋翼在不同悬停状态下进行了模拟验证,对比了压力分布系数与桨尖涡位置。之后对HELISHAPE 7A旋翼在前飞情况下进行了模拟验证,计算值与实验值吻合。此外,求解器对桨尖涡的捕捉效果得到了明显的提高,表明本文方法具有良好的有效性与鲁棒性。     

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

基于激光反射层析法的换能器声场测量技术及仿真研究

换能器的辐射声场分布能够直接反映出换能器声学性能的好坏，若不能精确测量出换能器的辐射声场，则会对换能器的诊断和评估造成严重影响。从理论仿真的角度出发，推导了运用激光反射层析法重建换能器辐射声场的理论公式，着重利用推导出的理论公式对激光反射层析法进行了仿真计算。结果表明激光反射层析法能够精确地重建出换能器的辐射声场分布及声场中的声压量值，这为换能器的声场重建及声压测量提供了一种可行的方法。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

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。     

SMOS与Aquarius卫星海表盐度测量方法及数据的对比分析

国际上发射的海表盐度遥感卫星主要有2颗:欧洲的SMOS和美国的Aquarius卫星,为给后续海表盐度遥感提供参考借鉴,对比分析了这2颗卫星的遥感器载荷、数据处理算法和盐度数据。遥感器载荷方面,SMOS采用L波段二维综合孔径辐射计,而Aquarius采用L波段实孔径辐射计加散射计;数据处理算法方面,分析了二者在介电常数模型、海面粗糙度校正以及反演算法方面的差异;盐度数据方面,分析了SMOS与Aquarius盐度数据之间的相关程度,并分别与ISAS(In Situ Analysis System)浮标盐度数据作对比,分析了2颗卫星的盐度数据精度。将2颗卫星的盐度遥感数据与ISAS浮标盐度数据对比发现,在全球范围内,Aquarius盐度测量精度优于SMOS;但在开阔海域,SMOS盐度测量精度优于Aquarius;而在近海岸区域,均出现较大的误差,且SMOS数据误差更大。     

多碎片移除过程中的路径优化

采用蚁群优化算法对多碎片移除过程中的路径优化问题进行研究，然后采用改进的最速下降法对移除每块碎片的时间进行合理优化，进一步降低总的速度增量需求.对比轨道高度、轨道倾角或者升交点赤经的顺序后发现，采用蚁群算法优化之后的顺序移除碎片可以大大节省轨道转移所需要的速度增量.选取中国空间活动产生的三组碎片进行优化计算，结果显示在相同的任务时间内，优化后的顺序可能不同于轨道高度、倾角和赤经的顺序，并且优化顺序可以节省更多的速度增量.另外，任务时间也会对碎片的最佳移除顺序产生影响.