多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点，并考虑卫星工作的多状态特性，兼顾星间通信时延和拓扑抗毁性的要求，研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性，建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件，以网络平均和最大时延作为通信性能的优化目标，建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法，求解全局时延最优的卫星拓扑，并在考虑多状态情况下对链路进行优化，以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真，研究表明：针对多状态条件下的铱星星座，该算法最大化减小了通信时延，得到抗毁性良好的拓扑结构，通信性能较之原有静态拓扑明显得到改善。     

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合，小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求，提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法，两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束，具有良好的鲁棒性。     

扑旋翼飞行器气动特性分析及机翼拓扑优化设计

建立微型扑旋翼飞行器运动学模型,基于面元法研究低雷诺数下非定常场中扑旋翼飞行器的气动特性,得到机翼气动特性和一个工作周期内的最大气动载荷。建立扑旋翼飞行器机翼有限元模型,基于变密度法和独立连续映射法(Independent continuous mapping,ICM)对机翼进行静力学和动力学拓扑优化设计,通过改变机翼拓扑结构优化机翼模态频率,得到同时满足结构静力学和动力学要求的扑旋翼飞行器机翼拓扑结构。本文为扑旋翼飞行器机翼结构优化设计提供了基本思路和研究基础。     

一种圆柱物料装填机器人残余振动抑制方法

为提高载具内的物料装填效率，提出了一种在载具内受限空间中使用的新型圆柱物料装填机器人，并通过优化关节轨迹，对机器人末端残余振动进行抑制。首先，给出物料装填机器人的总体设计方案和工作流程。然后，结合物料装填机器人的结构特点，应用拉格朗日方法建立封闭形式的刚柔耦合动力学模型，并应用模态分析方法得到机器人末端动态响应计算方法。最后，以物料装填机器人关节残余弹性势能最小为优化目标，使用最大最小蚂蚁系统，对机器人关节轨迹进行优化，并对优化结果进行仿真验证。仿真结果表明，优化后的关节轨迹，在满足快速装填要求的基础上，可以降低约34.4%的关节残余弹性势能和约37.6%的机器人末端振动振幅。      

一种适应箭载电磁环境的无线电能传输系统屏蔽优化方法

对SS型拓扑结构的磁场耦合谐振式无线供电系统进行了建模与分析,利用交流阻抗分析法建模,着重分析自感、互感参数对系统传输功率和传输效率的影响;对应用在箭上的无线电能传输系统,考虑其电磁兼容性,分别使用铁磁性金属与非铁磁性金属对谐振器进行屏蔽,分析其对传输性能的影响;针对特定条件下的参数,提出了基于互感耦合参数的性能优化指标,为达到此指标设计相应的电磁屏蔽方案;并分析屏蔽优化后的其他指标,进行实物实验验证。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同，提出了基于高置信局部特征的车辆重识别优化算法。首先，利用车辆关键点检测获得对应的多个关键点坐标信息，分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性，提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理，根据局部区域分割信息，对卷积得到的特征张量进行空间维度上的切割，获得代表全局信息和关键局部信息的特征张量。然后，通过全连接层特征张量转化为表示车辆个体的一维向量，计算损失函数。最后，在测试阶段使用全局特征，并利用训练好的车标扩散区域提取分支获得高置信局部特征，缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试，验证了所提算法的有效性。