升力体式浮升混合飞艇多学科设计优化

升力体式混合飞艇是全球远距离大载重运输的重要选择，随着全球贸易的发展，逐渐成为国内外的研究热点。作为航空宇航技术、新能源技术和高性能材料技术相结合的新概念飞行器，混合飞艇设计过程需对多个学科进行综合考虑和优化。为了将多学科设计优化（MDO）方法引入到混合飞艇的总体设计中，将其分解为能源子系统、气动和推进子系统以及结构和重量子系统。在子系统模型构建的基础上，提出具有自适应能力的基于响应面的并行子空间优化（CSSO-RS）算法，将重量平衡和能量平衡作为实现远距离载重运输的约束条件，并提出爬升、日间巡航、滑翔和夜间巡航的多阶段任务剖面，以充分利用太阳能电池、燃料电池和锂电池的优势，实现混合飞艇的最优化设计。优化结果表明:具有自适应能力的优化算法在精确度和计算效率上均有明显的优势，同时重量分配的结果也为混合飞艇结构轻量化设计和能源系统设计提出了更高的要求。      

高超声速伸缩式变形飞行器再入制导方法

针对高超声速变形飞行器再入制导问题，提出了一种采用伸缩式机翼的高超声速变形飞行器外形方案，建立了含有展长变形量的气动模型和动力学模型。将该变形飞行器的展长变形量扩展为控制变量，分析了倾侧角、展长变形量和终端航程、高度之间的关系。在此基础上，利用倾侧角和展长变形量在线预测剩余航程和终端高度，通过数值方法校正2个控制量以满足航程约束和高度约束，通过航向角走廊确定倾侧角符号。仿真结果表明:该变形飞行器再入制导方法制导精度高，相比于传统固定外形飞行器终端约束能力更强、轨迹更加平滑，且在扰动条件下具有一定鲁棒性。      

一种深度强化学习制导控制一体化算法

研究了一种基于深度强化学习理论的制导控制一体化算法。不同于传统的制导控制一体化算法和制导控制回路分开设计的方法,基于深度强化学习理论的制导控制一体化算法利用深度学习强化算法生成一个智能体,智能体根据导弹的观测量生成舵偏角控制指令准确拦截目标。首先将制导控制问题转化为一个马尔可夫决策过程,然后提出了一个权衡制导精度、能量损耗和飞行时间的奖励函数,将制导控制问题转化到强化学习问题的框架中。最后采用深度确定性策略梯度算法,求解提出的强化学习问题,训练得到制导控制智能体,智能体根据导弹观测量生成舵偏角指令。通过进行大量的数值模拟,验证了提出的制导控制一体化算法的有效性和鲁棒性。     

不确定条件下采用协方差描述函数法的再入轨迹鲁棒优化

Uncertainties are taken into account in reentry trajectory optimization and a robust trajectory optimization model is constructed based on the robust optimization theory. There are computational difficulties in solving this robust trajectory optimization problem due to the random variables associated with the uncertainties. To overcome these difficulties, the covariance analysis describing function technique (CADET) is employed to convert the robust trajectory optimization model into an equivalent deterministic trajectory optimization formulation, which is then solvable by using the existing pseudo spectral method. In the case study, a robust reentry trajectory optimization problem considering the uncertainties of aerodynamic parameters is solved to obtain the robust optimal trajectories. By comparing with the traditional deterministic optimal trajectories, the robust optimal trajectories are significantly less sensitive to the uncertainties of aerodynamic parameters, showing the effectiveness of the presented method.      

空间机械臂辅助深层采样阻抗控制策略

针对空间机械臂辅助深层采样任务中的建模与控制问题,基于刚体李群SO(3)方法对机械臂进行建模。通过梯形规划对机械臂进行轨迹规划,采用阻抗控制方法控制机械臂运动。推导了李群SO(3)模型下机械臂关节空间与末端笛卡尔空间之间的雅可比矩阵,并且得到了两个空间的相互转换关系。采用锥互补方法计算采样机械臂与复杂接触面的碰撞力,并基于非光滑算法求解锥互补条件与系统动力学方程。通过对比位置控制与阻抗控制,证明了阻抗控制在实际应用过程中能够更加柔顺地控制机械臂与接触面进行接触。通过对控制参数进行调整,探究了不同控制参数对机械臂控制的影响,优化得到了合适的控制参数,从而能控制机械臂辅助完成深层采样的任务。     

基于hp伪谱同伦凸优化的火箭垂直回收在线轨迹规划方法

针对可重复使用运载火箭垂直回收轨迹优化问题,提出了一种带有最优终端时间估计策略的hp伪谱同伦凸优化在线轨迹规划算法。首先,考虑状态约束和过程约束的非凸性,采用无损凸化处理推力幅值约束;然后,结合同伦方法与不动点迭代思想将气动力与非凸质量约束转化为线性时变剖面,完成问题凸化;进一步基于hp flipped Radau伪谱法对问题进行离散化处理,将最优控制问题转化为参数优化问题,进而采用原-对偶内点法求解;最后,为进一步减少燃料消耗,提升经济效益,考虑最优终端时间难以在线确定的问题,结合解析推导与二次插值法,设计了最优终端时间快速估计策略。仿真结果表明所设计的轨迹优化算法最优终端时间估计速度快,收敛性能良好,具有较高的精度和计算效率,具备在线应用的潜力。     

行星着陆复杂形貌特征匹配与自主导航研究进展

基于行星定点软着陆探测任务的需求,围绕复杂形貌行星着陆过程环境特点,首先分析了行星着陆复杂形貌特征匹配与自主导航所面临的主要技术挑战,随后综述了行星着陆复杂形貌特征匹配与自主导航的研究现状,并概括了行星着陆复杂形貌特征匹配与自主导航所涉及的关键技术。最后对未来行星着陆探测复杂形貌特征匹配与自主导航发展方向进行了展望。     

神经网络模型在压气机通流特性分析中的应用

为了解决通流特性分析程序中原始模型对压气机性能预测精度不足的问题,提高压气机通流特性分析过程的可靠性,基于对大量多圆弧叶栅的数值模拟结果建立了压气机叶栅性能数据库,并以该数据库为依托,采用神经网络建模方法建立了压气机叶栅基准损失系数和基准落后角模型。结果显示:两模型对叶栅基准损失系数和基准落后角的预测精度均满足工程应用要求,其精度分别为±0.002和±1°。在对采用神经网络模型的通流特性分析程序校验过程中发现,其无论对压气机整机性能还是对流动细节的预测精度上都获得了显著提高,尤其是在主流区。此外从压气机整体特性上看,基准损失系数和基准落后角精度的提高对非设计工况损失系数和落后角的预测精度影响是积极的。      

基于动态面控制的多弹协同制导控制方法

为实现多枚导弹对目标进行饱和攻击,基于动态面控制理论设计了具有攻击时间约束的制导控制方法.综合弹目距离方程和动力学方程建立了制导控制一体化模型,改进设计了基于弹目距离信息的协同策略;考虑导弹速度变化、目标运动、导弹框架角受限以及避免控制器奇异等因素,设计了协同策略中的关键参数,并给出了导弹群理想协同攻击时间的选取方法.在导弹控制输入受限的前提下,采用动态面控制理论设计了导弹扰动鲁棒控制器.仿真结果表明,所提方法能够在满足多种约束的前提下,以较高的精度实现对目标的饱和攻击.     

固体火箭发动机流体喉部推力矢量特性

针对采用水作为二次流工质的流体喉部进行了冷流实验及数值模拟研究.研究了该种固体火箭发动机流体喉部的一般规律,包括不同二次流射流方式,不同二次流流量下流体喉部的扼流性能,推力偏角及推力效率,数值模拟及实验结果吻合较好.结果表明:扼流性能与二次流的注射位置、注射角度及流量比有关,且随二次流/主流流量比的增大而增大.喉部二次流喷射能有效的调节有效喉部面积进而调节推力大小,当流量比为0.4时,最大有效喉部面积比为0.8;扩张段二次流喷射能有效调节推力方向,当流量比为0.4时,最大推力偏角为20°;喉部二次流与扩张段二次流入射位置存在相位差可有效降低喉部与扩张段二次流干扰.