具有复杂围护结构光学窗口的传热特性分析

针对具有复杂围护结构光学窗口传热特性,建立了高热流作用下的光学窗口及其复杂围护结构的辐射-导热传热模型,分别讨论了窗口的辐射半透明、光谱选择性、外部加热热流以及窗口尺寸对其瞬态温度响应的影响。结果表明,忽略窗口半透明特征会产生最大31.4%误差,忽略光谱选择性会产生最大40.4%误差;窗口外部气动加热热流影响显著,温度响应随热流的增大而急剧增大;窗口厚度对其传热特性的影响较大,随着厚度的增大窗口温度响应减小;而窗口半径产生的影响可忽略不计。     

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.     

燃烧室头部激励的等离子体强化燃烧特性实验研究

等离子体助燃是一种新型的强化燃烧技术，近年来受到国内外学者的广泛关注。本文开创性地研制了基于旋转滑动弧等离子体的强化燃烧头部，建立了某型航空发动机三头部燃烧室实验件的等离子体助燃实验平台，验证了该等离子体强化燃烧技术应用于型号发动机燃烧室的可行性。实验研究等离子体助燃在不同余气系数和不同输入电压条件下对平均出口温度、燃烧效率、温度分布系数以及熄火边界的影响。实验结果表明，与正常燃烧相比，施加等离子体助燃后的燃烧效率有明显的提高，在输入电压为U0=240V，余气系数为 α=0.8时，等离子体助燃的燃烧效率提高3.24%。实施等离子体助燃后，燃烧室出口温度分布场分布得到明显的改善，在富油工况α=0.8，出口温度分布系数减少39.8%。等离子体助燃输入电压越高熄火边界扩展程度越明显，相比于正常工况条件下，等离子体助燃U0=240V的熄火边界扩宽了7.34%。     

运载火箭推进剂复杂流动传热问题数值模拟中的模型简化方法

在运载火箭改进优化或新型运载火箭设计过程中,会遇到各种复杂的流动与传热问题。按照真实产品和物理过程直接建立的数值计算模型过于复杂,不同尺度的结构、流动与传热、长时间的飞行过程相互耦合,出现计算时间太长(数年)、收敛困难、程序调试困难等问题。针对初始条件复杂、飞行过程复杂、边界条件复杂3类具体问题,总结了3种相应的模型简化方法,分别是工程经验法、极限参数法、低维近似法,为推进剂复杂流动与传热的数值模拟提供参考。     

热防护系统损伤容限分析

建立了含初始矩形损伤的热防护系统(Thermal protection system,TPS)气动热分析的CFD数值模型,分析结果表明损伤区域侧壁出现了很高的热流密度峰值,并且迎风面侧壁峰值高于背风面,而损伤区域底部热流密度却很低。利用分析获得的热流密度建立了含损伤和无损伤TPS的有限元传热分析模型。分析结果表明:损伤的存在导致防热瓦最高温度急剧上升,超过其材料能承受的极限温度(1 500℃),防热瓦首先失效,而损伤对机体最高温度影响较小。最后进行了TPS损伤容限分析,在防热瓦极限温度约束下,外部热流密度最大值从100kW/m2增加到140kW/m2,矩形损伤宽度最大容许值从22.7mm减小到12.6mm,而弧形损伤宽度最大容许值从34.6mm减小到25.1mm,即随着外部热流密度最大值增加,损伤宽度的最大容许值降低,并且相同外部热流密度水平下弧形损伤宽度的最大容许值大于矩形损伤。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题，应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题，提出单网络积分型强化学习（SNIRL）算法进行求解，该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构，只需要采用评价网络估计值函数就可以求得最优控制律，其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器，并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高，收敛速度更快，并校验了自适应最优姿态控制器的有效性 。