一种基于时空等级的LEO卫星网络路由策略

随着5G技术的发展和6G技术的研究，低轨卫星网络在未来空天地一体化网络中的地位越发重要，而作为网络核心技术的路由策略仍面临一些挑战，如卫星网络拓扑高动态变化、链路频繁切换、节点计算处理能力有限以及负载流量分布不均衡等。针对卫星所覆盖区域负载不均衡且与时间因素有关，以及星上用户多业务服务质量需求的问题，设计了一种基于时空等级的业务分类负载均衡路由算法。算法考虑了卫星网络流量的分布与时空等级的关系。卫星节点需先根据当前时刻及其所覆盖的地面区域计算其时空等级，并在路由算法的下一跳实时调整阶段加入时空等级作为选路条件之一，同时改进了阈值的计算方式，并在路由时考虑了不同的链路代价以满足多业务服务质量需求。仿真结果表明，相较于DSP、TLR和RMLBR算法，所提算法虽然在总吞吐量表现不及TLR和RMLBR算法，但在时延以及链路利用率方面有所改进，有效降低了平均端到端时延，较好地满足不同业务服务质量需求，均衡网络负载。     

卫星网络动态资源图多QoS约束路由算法

针对高动态卫星网络拓扑变化导致的网络更新期间可用路径失效，QoS需求难以满足的问题，提出了一种基于软件定义网络（SDN）架构的虚拟节点动态资源图多QoS约束路由算法（DRGVN-QR）。根据节点的切换状态、缓存以及链路的剩余带宽、时延等信息，结合虚拟节点的网络拓扑方式，建立虚拟节点动态资源图模型。根据资源图模型，建立最小路径代价的优化模型，利用蚁群算法（ACO）并发地为每个连接请求找到一段时间范围内的最优路径集合，并对信息素挥发系数的取值问题进行了讨论，以提升路径质量和算法性能。最后，为了适应卫星网络的时变性，设计一种幂数加权公式求出一段时间范围内的最优路径。仿真结果表明：DRGVN-QR算法能够规避路径失效带来的传输中断问题，提高网络QoS，与其他算法相比，该算法降低了平均端到端时延、网络丢包率和时延抖动。     

一种基于实测点云数据的壁板类零件修配加工路径计算方法

针对飞机壁板类零件采用修配法装配过程中需要精确获取修配加工路径的问题，提出一种基于实测点云数据的壁板类零件修配加工路径计算方法。首先设计一种基于法线差的特征点检测算法提取参考壁板的初始特征点。然后建立迭代收缩优化模型对初始特征点进行收缩优化，得到参考壁板的准确特征点。最后根据工装定位孔特征进行配准，将参考壁板的特征点映射到待修配壁板上，并将映射后的特征点按照一定顺序进行连接，得到待修配壁板的修配加工路径，按照修配路径进行加工，获得壁板装配配合边界。实验表明，该方法能够精确提取待修配壁板修配加工路径，并且经过加工验证，壁板试验件对缝间隙获得小于1.2 mm的实际效果。     

物理启发的深度学习模型及其在热端部件散热中的应用

热端部件散热是众多空天设备的关键技术。表面温度分布是散热设计中用到的重要信息,常规的解析建模手段和机器学习方法均无法有效地表达此类高维信息。近年来兴起的图像深度学习算法是解决表面温度信息预测的有效手段。然而,现有的基于大数据的深度学习方法往往对于物理数据和小样本数据不适用,体现为泛化精度差、数据兼容性差、可解释性差。因此,有必要结合传热的先验知识发展物理启发的新型深度学习算法,以增强高自由度、高复杂度散热对象上的设计能力。本文基于卷积算子和有限差分求解方式的类比关系,提出了一种物理启发式的循环卷积神经网络。以横向出流的冲击冷却为例,开展了变计算域大小、变工况、变尺寸的批量数值模拟,获取了冲击冷却关键特征的小样本图像数据。进一步通过神经网络的训练,构建了多参数、大范围内有较好拟合能力的温度、传热系数、压力代理模型。研究结果表明,本文提出的物理启发神经网络模型,对于计算域大小没有限制,可以统一表达不同空间范围内获取的物理数据的共性规律。模型的各类超参设定均具有明确的物理意义,且与经典的微分方程求解理论有一定的类比关系,增强了神经网络调参的方向性。通过传热物理规律与黑箱模型的融合,本文实现了小样本多参数物理数据的共性建模。该方法可以迅速重构热端部件的高维分布信息,可服务于热端部件的快速分析设计以及优化。