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。      

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题，提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先，在已知飞行环境下，建立3D飞行空间模型和航迹代价模型。通过引入罚函数，将有约束3D航迹规划问题转化为无约束多维函数优化问题，利用CML-WOA求解模型来获得最优航迹。其次，为克服WOA易陷入局部最优的缺陷，引入立方映射混沌算子改善初始种群，增强种群多样性，并通过自适应框架融入正余弦算法（SCA），利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后，使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法，寻优性能明显提升，具有较强局部最优规避能力和更高的收敛精度与收敛速度；能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

基于时钟精度加权的时钟同步算法

在AS6802同步协议的基础上,针对系统中具有不同精度等级时钟的场景,提出一种基于时钟精度加权的时钟同步改进算法。通过仿真验证证明:改进算法可缩减节点间的时钟偏差范围至原算法的10%,提高了系统的同步精度。     

带攻角约束的高超声速飞行器自适应反步控制器设计

针对带攻角(AOA)约束的高超声速飞行器控制问题，提出一种基于非对称时变障碍函数的非线性自适应反步控制方法。首先，将飞行器模型化为严反馈形式，以反步法为基础进行控制器设计。然后通过光滑饱和函数对名义攻角指令信号进行限幅，并保证限幅信号的可导性，限幅产生的误差通过设计辅助系统进行补偿。进而使用障碍函数对攻角指令跟踪误差进行非对称时变约束。针对不确定性和干扰，设计新型自适应律对集中干扰上界进行估计并补偿。最终通过Lyapunov理论证明了闭环系统状态量一致最终有界并且攻角始终满足时变约束。仿真结果表明，本文方法能够在满足攻角约束基础上保证良好跟踪性能。     

基于双边函数全局运动模型的海冰漂移监测方法

针对海冰漂移运动高精度监测需求,文章采用双边函数全局运动模型(BFGMM)方法,应用哨兵1号(Sentinel-1)雷达影像,对北极区域波弗特海域海冰漂移运动进行了分析。双边函数全局运动模型采用分段光滑函数进行全局性约束,通过模型拟合、函数平滑约束、匹配集扩展等过程,以最小化全局代价函数进行计算,从而实现海冰漂移图像的精确配准。试验结果表明:针对海冰漂移雷达影像特征点匹配精度在98%以上,同时能够实现大量的特征点的准确配准,算法精度较尺度不变特征变换(SIFT)方法显著提高。最后进行了波弗特海域局部区域海冰漂移运动监测,并分析了漂移速度矢量场的空间分布。     

星载微波传感器大气温湿度物理反演算法研究

针对我国下一代静止轨道微波探测器资料应用的需求,对微波50~60GHz和183GHz的温湿遥感通道开展了不同大气条件下探测敏感高度的模拟,发现大气散射对微波探测影响明显,尤其是近地面通道,在未来数据应用时需加以注意。提出一种基于一维变分的大气温湿度廓线物理反演算法。以美国最新一代气象卫星Suomi NPP搭载的ATMS(Advanced Technology Microwave Sounder)获取的观测资料为研究对象,RTTOV(Radiative Transfer for TOVS)快速辐射传输模式为前向算子,利用一维变分算法开展了温湿度廓线反演单点试验。研究发现:地表参数对微波亮温,尤其是地面通道影响较大。同时,反演所需背景场对反演结果影响较明显,反演所得温度与背景场较接近。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

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。