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。      

PMSM电流预测控制参数误差量化分析方法

交流永磁同步电机（PMSM）电流环控制性能是制约交流伺服系统性能的关键。电流预测控制拥有更快的动态响应、更低的电流谐波和优良的转矩响应，但该算法依赖精确的电机模型，参数失配会引发稳态电流误差，无法输出额定转矩，进而导致电机转矩输出效率降低。根据永磁同步电机电流预测模型，详细分析了d、q轴电流静差产生的原因，以及电流预测控制对电机参数误差的敏感性，提出了一种参数误差量化分析方法。该方法引入了电机参数偏差因子，量化描述了电机电感、磁链参数误差与电流静差之间的制约关系。通过仿真分析，验证了所提方法的合理性，为高性能永磁伺服电流预测数字控制技术打下了良好基础。     

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。     

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测，其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据，输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度，输出参量为EEJ.对EEJ预测结果进行了统计学分析，并且与实际观测结果进行对比.结果表明:BP神经网络对事件中EEJ的变化具有很好的预测能力，预测结果能够反映EEJ的重要分布特征；EEJ预测值与观测值之间具有很好的相关性，其中地磁台站观测值与预测值相关性系数可达85%以上.此外，将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比，结果显示BP神经网络与其经验模型性能相当.研究结果表明，BP神经网络技术在平静期EEJ变化预测方面性能优异，具有良好的应用前景.      

基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测，提出一种利用卷积神经网络（CNN）对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征，沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素，不同厚度位置的切片对应输入张量的通道维度，从而实现将三维温度场输入进网络，并输出在热载荷作用下的三维等效应力场。结果表明：训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa，平均相对误差为15.10%，对峰值应力的平均绝对误差为16.10 MPa，平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题，CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。     

风雷软件LES开发设计与验证

基于国家数值风洞风雷软件开源框架，设计开发了LES(Large Eddy Simulation)湍流模型，主要包括Fourier谱/有限差分方法 LES求解器和有限体积/有限差分方法 LES求解器。简要介绍了采用的不可压缩流动求解的投影法、Fourier谱/有限差分混合方法、亚格子模型等理论方法，给出设计的软件框架和计算流程，尤其说明采用的松/紧2种耦合模式。通过数值模拟不可压缩槽道湍流、亚临界雷诺数圆柱绕流、NACA0012临界攻角的低频振荡算例，验证求解器的计算精度和复杂湍流模拟能力。基于风雷开源框架设计的开源LES模型，具备高精度数值格式、亚格子模型、湍流统计等通用模块，可为国内学者提供一个LES湍流模拟研究的开放平台。     

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘，并对商品的感兴趣程度进行预测。因此，以此为背景，研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究，提出了通过使用网络表示学习进行评分预测的方法。首先，将关系型数据构建成异构网络，用户和商品为网络中的节点。然后，设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法，并对节点进行表示学习。最后，将学习到的用户、商品表示向量输入到神经网络中进行训练，利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率，对比常用方法，准确率提升6.5%以上。      

基于热力学的涡扇发动机神经网络建模方法

由于无法掌握不同发动机的真实部件特性，传统热力学模型对在翼涡扇发动机的建模存在较大的建模误差；同时，热力学模型在特性图边界线附近迭代时，容易迭代到特性图之外，造成迭代过程的不收敛。针对上述问题，本论文提出基于热力学过程的涡扇发动机神经网络建模方法，在神经网络模型的训练过程中充分考虑对部件共同工作热力学约束的优化，提高发动机建模的准确性。通过构建部件级网络结构、部件共同工作损失函数及融合训练过程，将基于部件特性图的传统热力学模型迭代过程转化为部件级神经网络的多目标优化与训练过程，提高了模型的收敛性及建模准确性。模型在26 970条发动机实际飞行数据上进行了训练及测试，结果表明，在相当宽松的准稳态数据下，论文提出的建模方法最大误差可以达到7%左右，比基于部件特性图的热力学模型低5%左右。     

系留无人机平台搭载的蜂窝通信基站吞吐量优化

考虑多架系留无人机（UAV）空中基站为多小区提供空地双向通信服务时，针对地面用户数目分布不均匀和多机协同服务同频干扰严重的问题，提出了一种联合优化空中基站高度和链路传输方向的吞吐量优化算法。该方法通过使用最大同频链路准则和就近服务准则确定了同频链路配对和无人机/用户配对，通过优化空中基站高度和链路传输方向提升了系统平均吞吐量，并减少了用户间的同频干扰。多种场景下验证结果均显示，所提方法显著优于其他非联合优化的对比方法，当拥塞小区用户数目是非拥塞小区用户数目的1~36倍时，相比于不联合优化链路传输方向和空中基站高度的对比方法，所提方法可提升系统平均吞吐量8倍左右。