基于离散伴随的高超声速密切锥乘波体气动优化设计

基于定平面形状的密切锥乘波体设计方法能够显著提高传统乘波体的设计灵活性和整体升阻特性。但是该类乘波体在设计时忽略了三维效应、黏性效应以及头部/前缘的钝化效应，在设计工况下仍会出现溢流，升阻比难以达到最优；另外，这类乘波体仍具有传统乘波体在偏离设计条件下气动特性会出现恶化的不足。因此，有必要在考虑黏性的情况下，针对定平面形状的密切锥乘波体开展全机气动优化设计。结合基于全速域通量求解方法和RANS湍流模型的高精度CFD求解器、鲁棒的结构网格变形方法、自由变形参数化方法、离散伴随方法以及序列二次规划算法，实现了基于离散伴随的高超声速飞行器气动优化设计方法。基于上述方法，针对定平面形状的密切锥乘波体开展了单点和多点的三维整机气动优化设计。在400万多块结构网格、600个设计变量以及303个设计约束条件下，所采用的离散伴随优化方法仅花费2 240CPU小时和3 360CPU小时即完成了三维整机单点和多点的优化设计。结果表明，相较于初始构型，单点优化得到的构型在设计状态下的升阻比提升了近5%；多点优化得到的构型可保证在设计点状态升阻特性没有损失的同时，将非设计点的升阻比提升10%以上，进而在一定程...     

基于多项式混沌法的翼型不确定性分析及梯度优化设计

耦合伴随方法和非嵌入式多项式混沌法，发展了高效、可靠的不确定性梯度优化设计方法。利用伴随方程法求解目标函数对不确定性变量的导数，发展了一种梯度增强型多项式混沌法。通过亚声速和跨声速下等多种算例可以证明该方法可以提高不确定性分析的效率和精度。同时，利用基于方差分解的全局敏感性分析方法对不确定性变量的敏感性进行了量化。建立了多项式混沌耦合伴随方程的统计矩梯度求解方法，并结合梯度增强型多项式混沌法搭建不确定性梯度优化设计系统。基于该优化设计系统对二维低亚声速和跨声速翼型开展确定性及不确定性优化设计研究。优化结果显示，相比于确定性优化设计，不确定性优化设计通过合理权衡确定性性能和不确定性性能，可提高抵抗马赫数和迎角不确定性扰动的能力，同时优化性能均值和标准差。其中阻力系数均值最大可降低17%，阻力系数标准差最大可降低80%。而确定性优化设计可能导致性能鲁棒性的降低。     

基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

环氧树脂基复合材料加筋板结构吸湿行为研究

环氧树脂基复合材料的性能对湿热环境敏感，掌握该材料所组成结构的吸湿行为对其实际应用具有重要意义。通过以碳纤维环氧树脂基复合材料层合板的non-Fickian吸湿模型为基础，建立环氧树脂基复合材料加筋板结构的non-Fickian吸湿模型，在70℃/85% RH湿热条件下开展加筋板结构的吸湿实验，对所建立模型进行验证，并与已有的加筋板吸湿模型进行对比，通过所建立模型给出了加筋板沿厚度方向的吸湿量分布规律。结果表明:所建立加筋板non-Fickian吸湿模型的计算结果与实验结果吻合良好，在整个吸湿阶段相对误差小于5%，模型的预测精度高于传统Fick模型。所建立的加筋板non-Fickian吸湿模型可用于环氧树脂基复合材料加筋板层合结构吸湿量的准确预测。      

一种基于卷积神经网络的地磁基准图构建方法

地磁匹配导航技术是一种重要的辅助导航制导方法，地磁基准图的构建精度对地磁匹配制导的精准度起着决定性作用。针对现有地磁基准图构建精度难以满足实际地磁匹配导航需求的问题，提出了一种基于卷积神经网络的地磁基准图构建方法。首先，利用卷积层提取低分辨率基准图中的特征图像块；然后，利用基于学习的阈值收缩算法（LISTA）实现图像块的稀疏表示；最后，利用三通道的地磁信息得到重建后的高分辨率基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，同时对噪声有更好的鲁棒性，各种客观评价指标均高于现有的超分辨率重建方法。      

飞行器智能设计愿景与关键问题

未来飞行器正朝着多元化、无人化和智能化的方向发展，高超声速、超隐身和变体等新型飞行器不断涌现。而传统飞行器解耦分拆的设计方法越来越难以满足未来飞行器综合性能全面提升的要求，只有通过整体化设计才能充分发掘飞行器的潜能。通过分析传统飞行器设计中存在的问题，提出满足全生命周期要求的飞行器智能设计体系理念，利用知识库的构建将智能赋予飞行器平台系统设计、制造生产和运维这3个阶段，并通过数字孪生技术进行飞行器全生命周期的仿真、分析和预测，以对飞行器设计、运行等数据进行更新，使该体系形成闭环。就飞行器智能设计体系中需要的关键技术及涉及的科学问题等进行了讨论，并给出了未来发展方向以供参考。     

一种基于神经网络的航改燃气轮机转速控制器

为了提升某型航改燃气轮机的转速控制性能，提出一种双输入反正切神经网络控制器，然后基于该航改燃气轮机的PI控制器以及该反正切神经网络控制器，提出一种新型的集成控制器。采用仿真计算的方法，通过跟踪测试、抗干扰测试和鲁棒性测试，对比此三种控制器以及四种常规控制器的性能差异。结果表明，在三次跟踪测试中，集成控制器具有最优的综合跟踪性能；给燃料量加入5%的干扰后，集成控制器的抗干扰能力等于反正切神经网络控制器，但高于另外五种控制器；当工作环境温度增加以及压气机性能退化引起不确定性时，七种控制器均能正常实施控制，且仍以集成控制器的效果最优，其鲁棒性最强。新型集成控制器具有最佳的综合转速控制性能，能够保证该型航改燃气轮机安全和高效的运行。     

基于热力学的涡扇发动机神经网络建模方法

由于无法掌握不同发动机的真实部件特性，传统热力学模型对在翼涡扇发动机的建模存在较大的建模误差；同时，热力学模型在特性图边界线附近迭代时，容易迭代到特性图之外，造成迭代过程的不收敛。针对上述问题，本论文提出基于热力学过程的涡扇发动机神经网络建模方法，在神经网络模型的训练过程中充分考虑对部件共同工作热力学约束的优化，提高发动机建模的准确性。通过构建部件级网络结构、部件共同工作损失函数及融合训练过程，将基于部件特性图的传统热力学模型迭代过程转化为部件级神经网络的多目标优化与训练过程，提高了模型的收敛性及建模准确性。模型在26 970条发动机实际飞行数据上进行了训练及测试，结果表明，在相当宽松的准稳态数据下，论文提出的建模方法最大误差可以达到7%左右，比基于部件特性图的热力学模型低5%左右。     

基于改进冲突搜索的多智能体路径规划算法

多智能体路径规划问题在航空航天领域的多机任务中应用广泛但求解困难。基于改进冲突搜索的算法被设计用来快速求解多智能体路径规划问题。全局路径规划方面，首先设计综合考虑路径代价总和以及最大完工时间的多目标代价函数，其次提出基于唯一最短路径的冲突分类及消解方案，降低多智能体路径规划的计算量。在线冲突消解方面，利用速度障碍法在线检测和消解智能体与动态障碍物间的突发冲突。仿真结果表明，本文算法在全局路径规划方面保留基于冲突搜索算法的最优性并且降低了算法计算量，同时本文算法能够有效实现在线冲突检测与消解。