基于自适应通信拓扑的无人机集群弱路径约束下的分布式控制器设计

针对传统无人机集群飞行控制需要规划过多飞行路径的问题，设计一种结合线性二次型调节器(LQR)与机间防撞的分布式协同控制器，不需要为集群设计相对构型，只需给定一条满足无人机动力学约束的飞行路径，集群就可沿路径飞行。该控制器通过设计自适应通信拓扑来稳定加入机间防撞机制带来的抖振效应，并使集群具有良好可扩展性。仿真结果表明，所设计的分布式控制器可以实现规划一条路径下无人机集群无机间碰撞的稳定飞行。     

大涡模拟技术在航空湍流研究中的应用

航空湍流是威胁飞行安全的重要因素，它的形成机制复杂，一直是航空气象研究中的重点难点问题之一。近年来，随着大涡模拟（large eddy simulation,LES）技术的发展，LES已经成为研究航空湍流问题的重要方法。本文围绕在飞机起降阶段的飞机尾涡和低空湍流以及巡航阶段的对流湍流、山地波湍流和晴空湍流这五类航空湍流对飞机颠簸造成的影响，综述了LES技术在相关方向的研究进展，并对LES技术应用中亟需解决的问题及未来的重点研究方向进行了总结与展望。整体来看，航空湍流的LES模拟研究已经取得较大进展，高分辨率的LES可以更加明确航空湍流的来源和生命周期，显著提升了对航空湍流的机制认知和诊断预警能力。但在机制方面，对各种复杂湍流过程的相互影响机制仍然不够清楚；在数值模式技术方面，LES模拟与模式初始状态、边界条件和模式参数化方案的敏感性问题仍然有待解决。未来，LES与中尺度区域模式变网格嵌套技术、动态网格技术、集合预报与概率预报技术的发展，以及与深度学习等方法的结合都将进一步有效提升LES在航空湍流模拟方面的计算效率和预报能力。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。     

GNSS拒止下面向目标监视的多无人机定位与控制方法

针对GNSS拒止环境下缺乏全局位置信息的静止目标持续监视问题，提出了一种仅基于方位角测量的多无人机分布式定位与控制方法。首先，设计一个无人机和目标之间的相对位置估计器，用来确定目标在每架无人机局部坐标系中的位置；其次，基于所估计的相对位置设计一个分布式控制算法，使无人机能够以规定的半径、圆周速度和无人机间的角度间隔围绕目标飞行，对目标持续进行全方位监视；最后，通过收敛性和稳定性分析理论证明了所提方法能够确保多无人系统收敛到期望的运动。通过仿真验证了所提方法能够实现GNSS拒止环境下多无人机对目标的持续监视。     

基于特征叠加网络的SAR海上舰船运动状态感知方法

针对合成孔径雷达(SAR)图像中的舰船检测与分类问题，常规的图像处理技术或者机器学习方式难以准确检测出海上舰船的类别以及当前舰船运行状态。因海上舰船目标具有相对于SAR图像尺寸较小、方位难以测算以及容易与其他目标混淆的特点，针对上述问题设计了端到端的海上舰船分类与状态感知模型，加入特征金字塔以达到拥有对于微小目标提取其深度特征，同时又保留其相对位置的目的;使用残差结构以解决特征融合网络层数增加导致的梯度消失问题;最后加入舰船状态感知模块，使其最终可以得到海上舰船目标相对于图像的角度值。使用公开SAR卫星图像进行了多次实验，最终体现出提出的端到端的模型具有较高的识别率以及良好的舰船状态估计能力。     

基于一种贝叶斯优化框架的高空螺旋桨气动优化设计

为了在可接受时长内获得高空螺旋桨气动方案的最优解，提出一种基于贝叶斯优化框架的高空螺旋桨气动外形优化设计方法。该方法以拉丁超立方抽样获取螺旋桨气动外形参数的初始样本点，建立以该参数为输入、数值模拟获取螺旋桨气动性能为输出的初代高斯过程模型；以遗传算法和三种并行加点准则构成的子优化获取新样本点，求取新样本点的气动性能，并更新样本数据和高斯过程模型。该方法可以使新样本点快速向最优解附近集中，从而提高最优解附近的模型近似精度。为验证模拟方法，加工了某高空螺旋桨进行地面试验。与模拟结果相比，试验推力平均误差2.34%、扭矩平均误差3.33%。以课题组自研的6个低雷诺数翼型为基础，使用该方法对某高空太阳能无人机螺旋桨进行优化设计，优化结果显示：螺旋桨在设计点推力提高9.24%、效率提高8.13%。研究结果表明，该方法对高空螺旋桨优化设计及相关工程应用具有较强的参考价值。     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。