基于强化学习的在轨目标逼近

从强化学习的角度,对在轨目标逼近问题进行研究,设计了一种整合制导与控制的端到端的算法.首先对在轨目标逼近问题进行数学建模;然后对强化学习算法原理进行简介,根据问题特点分析不同强化学习框架的优劣,确定以DDPG作为算法框架,并设计了基于强化学习的在轨目标逼近算法;最后通过仿真验证,分析了基于强化学习逼近算法的优劣性.     

高效率的特征型紧致WENO混合格式

特征型紧致加权基本无振荡（WENO）混合格式HCW-R结合了迎风紧致格式CS5-P和WENO格式，具有十分优异的分辨率特性。但在求解多维方程组时，HCW-R格式需要求解块状三对角方程组，因而计算代价十分高昂。采用迎风紧致格式CS5-F代替CS5-P，构造了一个新的特征型紧致WENO混合格式HCW-E。由于HCW-E的特殊形式，其可沿迎风方向、由边界处向内推进求解，避免了处理三对角或块状三对角方程组，从而其计算代价与显式格式无异。虽然就分辨率而言，HCW-E稍逊于HCW-R，但前者的计算效率要显著高于后者。因此，当花费相同的计算代价，HCW-E格式可以获得更好的数值结果。一系列求解Euler方程组的数值试验验证了HCW-E的高分辨率特性和相比HCW-R更高的计算效率。HCW-E格式的效率优势在求解高维问题时更为明显。      

涡轮基组合循环发动机分布式控制系统通信网络混合拓扑结构优化方法

涡轮机组合循环(Turbine based combined cycle,TBCC)发动机控制系统通信网络拓扑结构是其分布式控制系统方案设计的重要部分,优化网络拓扑结构可提高发动机推重比和控制系统可靠性。本文基于智能优化算法提出TBCC分布式控制系统网络拓扑结构优化方法。基于图论建立TBCC几何模型和网格模型,以重量和可靠性为优化性能指标,同时考虑发动机表面高温区域以及控制节点的工作可靠性,分别采用粒子群算法和遗传算法优化星形结构中智能中央节点位置、中央节点的环形拓扑结构,获得星形-环形混合拓扑结构。仿真实例表明,基于本文方法优化所得的混合拓扑结构相较于星形集中式控制结构,系统重量降低了51.9%。     

压气机Ⅰ级转子叶片喷丸强化工艺

为了提高弹用涡喷发动机压气机Ⅰ级转子叶片（以下筒称叶片）的使用寿命，采用了喷丸强化技术、制定了喷丸强化的主要技术要求；阐明了确定喷丸强化工艺参数的原则、程序和方法；对喷丸强化过的叶片的装机试车考核情况进行了初步的评定；经过喷丸强化的叶片的使用寿命，由原来的４～５ｈ提高到１２ｈ以上，达到了发动机使用寿命１０ｈ的要求，证实了对叶片喷丸强化是必要的，其技术要求是合理的，主要工艺参数是可行的。     

行星际结构与准平行无碰撞激波的相互作用

应用一维混合模拟方法数值研究了高密度等离子体团和行星际激波与准平行无碰撞激波的相互作用．结果表明，由于推平行无碰撞激波上游的大振幅低频波动的散射，除了在通过激波过渡区时稍有压缩外，等离子体团从激波的上游开始就一直是不断弥散的．行星际激波在向准平行无碰撞激波靠近的过程中，会在其上游产生大振幅的低频波动，同时行星际激波的强度不断增加，最后和准平行无碰撞激波会并成一个新的激波，在新激波前继续有大振幅的低频波动产生     

基于混合灵敏度下H∞控制在三滑块质量矩导弹上的应用

由于质量矩导弹是一个具有非线性和模型不确定性的多变量系统，为了进一步提高控制系统的鲁棒性，对三滑块质量矩导弹进行了鲁棒控制系统的研究。以所建立的质量矩导弹数学模型为基础，通过对模型合理的简化，得到一个耦合的非线性动力学系统，考虑到质量矩导弹的鲁棒性要求和三个滑块的协调控制问题，在混合灵敏度控制的基础上，采用H∞控制理论对导弹进行姿态控制系统的研究，仿真结果验证了这种方法的有效性。     

基于遗传算法的H∞混合灵敏度导弹解耦控制器设计及加权函数选择方法研究

导弹在大攻角再入飞行过程中,偏航通道和滚动通道存在着气动交连耦合,当耦合影响较大时,采用传统的把耦合项当作随机干扰的办法来处理,容易造成系统失稳。因此采用基于H∞混合灵敏度解耦控制的方法对通道间进行解耦,对于H∞混合灵敏度加权函数,通过遗传算法优化获得,并推导了H∞混合灵敏度标准型的建立过程和遗传算法优化加权函数的步骤。应用该方法,对导弹大攻角飞行过程中通道间的解耦控制进行设计。仿真表明,对参数不确定性的耦合系统,该方法具有良好的解耦性和鲁棒稳定性。     

TC4,GH169材料最佳喷丸参数的研究

研究了喷丸对ＴＣ４、ＧＨ１６９材料低周和高周疲劳性能的影响，确定了这两种材料的最佳喷丸强度。     

可靠性评估的一种Bayes方法

介绍了用混合Gamma分布和混合Beta分布作共轭验前分布时,如何由Bayes方法对电子产品的可靠性进行评估。其中继承因子的引入克服了传统Bayes方法只考虑产品的继承性、相似性,而忽略新产品的创新性、不确定性的缺点。同时,通过举例与常用的经典法作比较,看出了这种方法的优越性及合理性。