基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案，是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法，综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标，并应用模拟退火框架改进探索策略，提高了传统Q学习算法的收敛性能。实验结果表明，与模拟退火算法、差分进化算法、传统Q学习算法相比，本文提出的改进Q学习算法效率更高，所生成重构蓝图质量更高。     

可压缩多介质流动问题的高精度数值模拟方法

在可压缩流动问题的数值模拟领域,激波的高分辨率计算已取得重要进展。但是包含物质界面的可压缩多介质流动的数值模拟还存在诸多数值挑战,主要表现为界面处数值耗散过大和非物理振荡等问题。界面处流体性质的不连续性是造成可压缩多介质流动问题物理建模与数值方法困难的主要原因。为了建立一套高效的可压缩多介质流动问题的高精度数值模拟方案,本文从数值框架的选择、非守恒方程相容离散、高精度有界格式构造、界面压缩、界面-单介质分区计算方法等多个维度出发,综述近几年我们在可压缩多介质流动问题高精度数值模拟方法方面的研究进展。通过上述多个维度的工作,我们建立了一套适用于可压缩多介质流动问题的低耗散、基本无数值振荡的高精度欧拉数值方法,并成功应用于可压缩多介质大变形流动和界面不稳定性诱导湍流混合等问题的数值模拟。相关数值方法研究成果已集成至武器物理等领域工程数值模拟软件中,为相关工程任务提供了重要技术支撑。     

燃油离心泵多目标优化设计及仿真分析

针对燃油离心泵高效、高抗汽蚀优化设计问题,进行了基于损失模型和SQP算法下的多目标优化设计并进行了仿真应用。首先,考虑叶轮、蜗壳等通流部件内的水利损失、容积损失以及机械损失,建立表征离心泵效率的综合损失模型；结合基于必须汽蚀余量计算下的汽蚀表征函数以确定离心泵多目标函数。进而,利用SQP算法构造合理的适应度函数,结合约束条件确定离心泵多目标优化设计的数学模型。其次,对某型燃油离心泵进行基于SQP算法的优化设计并与其他常用优化算法进行对比。可以看到：各优化算法的最优结果几乎相似,但SQP算法对多维非线性方程组优化求解所用的迭代步数相对较少。最后,利用CFD技术进行仿真及外特性预测,以验证基于SQP算法下燃油离心泵多目标优化设计的有效性。结果表明：相比传统方法设计的原型离心泵,基于SQP算法优化的离心泵内流场压力分布相对均匀,流动损失更低,且进口流动有利于抗汽蚀性能；从外特性结果来看,基于SQP算法优化的离心泵高效工作区域相对宽广,必须汽蚀余量相对较低,抗汽蚀性能有所改善。     

考虑燃料消耗均衡性的低轨通信星座在轨星座构型重构方法研究

针对低轨（low earth orbit,LEO）通信星座在轨重构问题，分析了低轨通信星座的特点，提出了4个重构指标，即全球平均覆盖率、燃料消耗均衡性、重构总时间和重构总速度增量，并分析了提高轨道高度的重构方式。采用基于分解的多目标进化算法（multiobjective evolutionary algorithm based on decomposition，MOEA/D）对重构进行建模分析。结果表明，模型优化结果可以得出多组最优解，构成帕累托前沿，并得出燃料消耗均衡性最优的解，针对两种失效模式得出的重构总时间均为3.6×105s，速度增量方差分别为261.4m2/s2和293.4m2/s2，这些解均可恢复星座原有的覆盖性能，并使燃料消耗最为均衡。     

舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器，实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先，描述甲板滑行任务的过程，在此基础上，建立滑行轨迹控制问题的数学模型，包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次，考虑甲板环境和轨迹控制任务要求，基于模型预测控制思想，将在线滑行路径规划与轨迹控制结合，采用滚动优化方法计算出舰载无人机实际滑行轨迹，并且得到控制指令信号。最后，以“尼米兹”级航母为例，对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算，结果表明了模型的合理性和算法的有效性。      

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中，整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变，这会严重影响整体姿态控制的精度。针对以上问题，提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先，对于目标捕获前后的2个阶段，利用拉格朗日方程建立了空间机器人的动力学模型；然后，基于所建空间机器人模型采用域随机化方法生成足量训练数据，并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练；最后，使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量，所研究系统的主惯量平均相对辨识误差小于0.001，惯性积的平均相对辨识误差小于0.01。     

适用于多迎角结冰试验的混合翼型设计

为突破结冰风洞对翼型模型尺寸的限制,提出了一种新的混合翼型设计方法,可使用一套混合翼型模拟原始翼型在不同迎角下的结冰试验,弥补了以往混合翼型只能在单个设计迎角下使用的缺陷。方法采用多段翼的形式设计混合翼型,以多目标迎角等结冰试验条件作为设计输入,优化设计主翼外形和襟翼的位置、偏转角度,利用襟翼位置和偏转角度的变化实现混合翼型和原始翼型前缘表面的压力系数在不同迎角下能够保持一致,继而保证前缘结冰外形的一致性。设计的混合翼型较原始翼型弦长减小接近40%,在冰风洞中对混合翼型和原始翼型在目标结冰条件下进行试验,对比结果显示,在选取的多个目标迎角下,混合翼型和原始翼型二维截面的结冰外形基本一致,提出的混合翼型设计方法能够有效的模拟原始翼型在不同迎角下的结冰外形。     

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法，对空间翻滚目标的运动状态预测问题进行研究，为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设，需要连续的视觉反馈信息，解决目标预测问题的能力有限。因此，本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据，通过连续优化真实观测数据，得到稀疏的伪训练数据集，进而在线快速预测目标的运动状态，预测的计算效率达到毫秒级。此外，利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程，克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性，并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。     

面向集中力扩散的回转曲面加筋拓扑优化方法

为了提高航天器回转曲面加筋型连接结构的集中力扩散效率，需要开展回转曲面加筋集中力扩散结构设计。传统放射肋设计方法普遍依赖设计经验、难以满足集中力高效扩散需求。因此，提出一种面向集中力扩散的回转曲面加筋拓扑优化方法。第1步，建立了一种基于各向异性过滤技术的集中力扩散拓扑优化方法，保证拓扑优化结果满足回转曲面加筋制造工艺要求；第2步，提出了一种基于网格变形技术的拓扑优化结果智能重构方法，可高效准确地对回转曲面加筋拓扑优化结果进行模型自动重构。基于所提出方法，以卫星平台对接环这种典型的回转曲面加筋壳为对象开展算例研究，并将优化结果与传统放射肋设计结果进行对比。结果表明，所提出的优化方法可得到加筋构型清晰、满足回转曲面加筋制造工艺要求的优化结果，且具有集中力扩散效率高、网格质量依赖性低、拓扑特征重构高效等优点。     

考虑禁飞区规避的空天飞行器分段预测校正再入制导方法

针对空天飞行器再入制导问题，提出一种考虑禁飞区规避的分段预测校正制导方法。在再入段前期采用剩余航程作为目标函数，后期引入预测落点偏差作为目标函数进行制导指令求解，同时确定倾侧角幅值和符号，兼顾了计算效率与终端制导精度。在此基础上，对于再入过程中的禁飞区规避问题，把禁飞区分为两类，增加了通过倾侧角幅值修正策略实现侧向规避制导的逻辑，可适用于无法单独通过倾侧角反转规避禁飞区的情况。最后，通过开展考虑再入初始状态和气动品质不确定性的蒙特卡罗仿真，验证了提出的分段预测校正制导方法可以有效引导空天飞行器规避禁飞区，与单段目标函数预测校正方法相比，具有更高的制导精度。