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。      

从美军"PTN"项目看前沿技术在飞行员训练体系中的应用前景

美国空军教育和训练司令部"PTN"项目即"未来飞行员训练计划"已经完成两期验证,项目重点集成了虚拟现实、增强现实、先进生理传感器、人工智能和大数据分析技术,研究了新技术对飞行员训练的适用性.项目取得了良好的效果,美军计划将该项目作为未来飞行员训练体系的重要组成部分.本文分析了"PTN"项目的 组织实施过程和实施效果,阐述了人工智能、虚拟现实、大数据等前沿技术在飞行员培训体系中的应用前景.     

含间隙非线性二元翼段的系统辨识

在实际包含间隙非线性的复杂结构中，由于间隙不易或无法测量，难以建立准确描述结构特性的动力学模型；即使间隙得到准确测量，也难以获得结构的标称线性系统的模态参数。为此，利用条件逆谱法和时域非线性子空间法，通过非线性系统辨识获得间隙非线性系数，同时获得非线性结构的标称线性系统的频响函数。以一个包含间隙非线性的二元翼段为例，通过数值方法模拟该二元翼段的地面振动试验，利用条件逆谱法和时域非线性子空间法开展该结构的非线性系统辨识。结果表明:两种方法均可准确地辨识结构的标称线性系统，条件逆谱法利用光滑函数近似，时域非线性子空间法利用多个分段线性函数重构，辨识得到间隙非线性系数。      

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。      

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。     

一种主动悬架式火星车稳定裕度优化控制策略

针对火星车在非结构化环境下行驶存在的稳定性不足而导致倾覆的风险，提出针对一种六轮主动悬架式火星车的稳定裕度优化控制方法。首先，考虑了火星车悬架机构调整过程中车轮与接触地面滑移和侧倾等运动关系，建立和完善了六轮主动悬架式火星车行驶的运动学模型。然后，以火星车夹角调整机构角度为变量，推导火星车在非结构环境下的稳定裕度模型。之后，使用内点法求解火星车稳定裕度的最优解，并获得期望的夹角调整机构关节角度。在此基础上，对夹角调整机构的关节角度进行规划和控制，实现火星车悬架机构构型的调整，从而提高火星车在非结构化环境下行驶的稳定裕度。最后，对火星车稳定裕度优化控制策略的有效性进行仿真验证，结果表明，所提出的控制方法可有效提高火星车在非结构化环境下行驶的稳定裕度。     

无人水面艇海洋调查国内应用进展与展望

针对浅水区、污染区、极地等复杂海洋环境，传统海洋调查手段劳动强度高、安全风险大、作业效率低。无人水面艇具备无人、高效等特点，非常适合在上述复杂海洋环境中作业，并于近年来在海洋调查领域中得到了快速发展与广泛应用。从海洋调查领域中无人水面艇的优势、国内外典型的无人水面艇和应用案例入手，深入分析了我国无人水面艇海洋调查的现状，并对未来的技术发展方向进行了展望。实践表明，应用无人水面艇进行海底地形地貌调查的技术已基本成熟，水深数据质量和自主导航精度均可满足规范要求。在未来，须将无人水面艇的应用进一步扩展至物理海洋、海洋生物、海洋化学等专业领域，并加快研制基于可再生能源的长航程无人水面艇，以开展全球性海洋调查。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

期望状态序列导向的深空探测器规划修复方法

Aiming at the challenges caused by the persistence, concurrency and energy consumption of probe actions, a plan repair method of deep space probe based on the expected state sequence is proposed. In this method, the expected state sequence is formed of the expected effect of the unfinished action and the expected precondition of the unexecuted action in the pre designed plan, according to the execution status of the action. The expected state sequence is an ordered set of states with mixed logic and energy, providing subgoals for plan repair and also transforming the plan repair problem into the state transition path searching problem. During the search, the plan repair strategy with energy supply priority is proposed, which separates the logic repair from energy repair to reduce the difficulty of solving the problem. And this method enables the probe to recover from plan failure autonomously. Finally, the effectiveness and rationality of the proposed method are verified through simulation by taking the Mars Orbiter as an example.