纳米隔热材料导热机理与特性研究

以SiO2气凝胶为研究对象,对其气相和固相导热机理进行了研究,进而为SiO2气凝胶材料传热设计提供理论指导.建立了SiO2气凝胶固相结构单元导热模型,在考虑对声子平均自由程的各种限制条件基础上,运用动力学理论分析了影响SiO2气凝胶固相结构单元热导率的影响因素.根据SiO2气凝胶微观结构特点,建立了几种纳米孔隙模型,计算了各种条件下SiO2气凝胶的当量热导率,研究了SiO2气凝胶各物性参数对其当量热导率的影响,并对比了几种纳米孔隙模型下SiO2气凝胶的当量热导率,并与实验值做了比较.     

二次奖罚学习自动机

研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同,新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ,且对不同的环境,其具有不同的行为和特点。     

某固体火箭发动机药柱温度场有限元分析

为探索环境温度变化条件下固体火箭发动机药柱温度场的一种简单而有效的技术途径,利用有限元传热分析法,对某固体火箭发动机在温度循环条件下的燃烧室药柱温度场进行了研究。针对不同的药柱结构分别建立了二维和三维传热模型,通过对比计算值与试验测试值可知,与三维模型相比,二维传热计算方法可提高药柱温度场的计算效率,且计算结果与试验测试值吻合度较高,可满足试验预测要求。因此在工程分析中,为快速得到有效的分析结果,可采用二维传热模型分析发动机药柱温度场,其中二维无翼槽模型适于模拟药柱远离翼槽部位的温度场,二维有翼槽模型适于模拟药柱翼槽部位的温度场。     

Mg-Sc-Y三元合金的微观组织和力学性能

稀土元素作为重要的镁合金强化相元素,其多元添加产生的影响并未得到充分研究。在Mg-Sc二元系的基础上将Y作为第三元加入,制备了Mg-5Sc二元合金及Mg-5Sc-0.5Y,Mg-5Sc-1Y,Mg-5Sc-2Y,Mg-5Sc-3Y,Mg-5Sc-3.5Y(质量分数,%)5种三元合金,并通过光学显微镜(OM)、扫描电子显微镜(SEM)、X射线衍射(XRD)及室温拉伸等试验,研究了Y元素的加入对Mg-Sc二元合金微观组织和力学性能的影响。结果表明:Y元素在合金中的主要存在形式为固溶态,富集于晶界处。随着Y元素含量的提升,合金晶粒度显著减小,屈服强度和硬度大幅提升,Mg-5Sc-3.5Y的屈服强度相比Mg-5Sc提升了约50%。该强度的提升主要是由细晶强化和固溶强化引起的。     

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 。     

基于DDQN的运载火箭姿态控制器参数设计

探索了利用深度强化学习算法训练智能体,以代替人类工程师进行火箭姿态控制器参数的离线设计方案。建立了多特征秒的火箭频域分析模型,选定了设计参数。选择深度强化学习算法中的双深度Q学习(Double Deep Q Network,DDQN)算法,通过记忆回放和时间差分迭代的方式让智能体在与环境交互过程中不断学习。设计了对应的马尔科夫决策过程模型,进行了智能体的训练和前向测试。结果说明该方法对于运载火箭姿控设计具有一定参考价值。     

膨胀循环发动机推力室传热优化

针对膨胀循环发动机推力室身部燃气侧的内壁增强换热结构和冷却剂侧的冷却通道结构这两个影响推力室身部换热最关键的结构分别进行多种结构下的数值模拟对比。通过分析各结构的模拟结果,得到了能够合理提高推力室身部换热能力的内壁加肋结构和圆柱段冷却通道深宽比的结构特征。     

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。     

无人机集群路径规划算法研究综述

无人机集群路径规划算法是无人机集群控制的重要研究方向之一.多无人机路径规划相较于单无人机路径规划,会考虑空间协同和时间协同约束、飞行安全等问题.首先对无人机集群路径规划算法进行分类,分为传统路径规划算法、智能优化算法和深度强化学习算法.其次对各类算法进行简要分析和总结,针对缺陷,给出相应的改进思路及例子.再着重对深度强...     

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。