遗传算法在固体发动机结构可靠性计算中的应用

通过对偶遗传算法及采用实数编码技术、交叉概率Pc和变异概率Pm的自适应调整，同时嵌套快速梯度运算，不仅加快了搜索，提高了收敛速度，且明显地改善了定位精度，有效地避免了求解有约束的非线性优化问题时采用惩罚函数法所存在的问题。用此方法计算了受极限状态方程约束的固体火箭发动机结构可靠性指标β，算例表明该处对计算结构可靠性指标β非常有效。     

基于单隐层神经网络的空天飞行器直接自适应轨迹线性化控制

基于轨迹线性化方法（TLC）及神经网络技术研究了一种新的直接自适应TCC控制方案。利用单隐层神经网络（SHLNN）对于光滑非线性函数的逼近能力，对消系统中不确定因素的影响，神经网络自适应律采用Lyapunov方法设计，保证了整个系统所有信号有界。最后利用该方案设计了空天飞行器飞行控制系统，并在高超声速飞行条件下进行了仿真验证，仿真结果表明整个控制系统具有很好的性能和鲁棒性。     

优化复合推进剂力学与流变性能的一种新方法

测量与理论分析了复合推进剂的黏性与力学性能。实验研究了固体粒子尺寸分布和粘合剂固化比的影响。应用聚合物流变学的理论与概念来模拟推进剂特性。研究得知,细AP粒子在聚合物基体中起有效的填充剂作用,并增强机体的性能。对所研究的推进剂系列配方,当细AP含量接近20%时推进剂可达到最大应变与浇注中的最佳黏性。     

空空导弹的一种优化复合控制方案研究

通过研究空空导弹推力矢量和气动复合控制与一般气动控制方式，讨论了新一代近距格斗型空空导弹的一种控制模式，并参照某型导弹的数学模型及有关气动参数对两种控制方式进行了数字仿真。结果表明，在新一代格斗型空空导弹上采用复合控制方式可明显地改善导弹的总体性能。     

战术固体火箭发动机按费用优化设计

论述了按费用设计的概念和方法，在５种战术固体火箭发动机制造成本数据统计分析的基础上，以部件重量作为模型参数，建立了适合于战术固体发动机的喷管，装药和壳体成本模型，根据这些成本模型，对某地－空战术导弹火箭发动机以冲费和为目标函数进行按费用优化设计，所得结果通过与实际发动机试车结果及制造成本比较，表明以作为参数的成本模型合理，按费用优化设计技术可行，经济上合理。     

复合材料层合板受低速冲击后的力学性能的实验研究

利用落锤装置，对玻纤／环氧和碳纤／环氧两种复合材料层合板进行了低速低能量的冲击实验研究。利用传感器技术记录了落锤冲击试样过程中的速度曲线，计算了冲击动能和材料损伤时的能量吸收，通过数学处理得到了冲击载荷和冲击点位移曲线。测量了层合板受冲击后的剩余弯曲强度和剩余弯曲弹性模量，得出了两种复合材料层合板的能量吸收门槛值。结果表明，碳纤／环氧的能量吸收门榄值比玻纤／环氧低，但是前者有较宽的能量吸收容限。和     

EMR系统机器人运动学分析和求解

舱外自由移动机器人是一个具有对称结构和行走能力的5自由度机器人，对于这种没有固定基座以及欠自由度的机器人，如何建立运动学关系，以便在机器人控制中简便，有效地求解关节角和关节角速度，是该系统研制中的一个关键，本文提出的方法有效地解决了这个问题，并在实际中得到了应用。     

直线模拟加载系统的研究进展与发展趋势

直线模拟加载系统是一种用于在实验室条件下模拟承载对象工作时所受直线负载力的半实物仿真系统,可用于模拟各类飞行器关键部件在工作过程中所受的气体阻力载荷。针对目前常用的机械式、电液式和电动式直线模拟加载系统,分析其基本加载原理和研究进展,结合自行研制的电动式直线模拟加载系统进行了深入探讨。针对多余力抑制方法的关键问题,详细论述了直线负载模拟器的结构补偿方法和控制策略。最后,展望了直线模拟加载系统的发展趋势,归纳了电动式直线模拟加载系统的高精度、大载荷发展方向。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。