可重复运载火箭典型结构孔强化应力分析

针对运载火箭典型结构材料,利用ABAQUS软件建立有限元模型,在此基础上进行冷挤压孔强化仿真,分析不同强化比例下孔周应力,并考虑回弹量的铆接后孔周应力进行分析,得到最佳孔强化比例.通过拉伸试验进行验证,确定孔强化最佳强化比例.     

一种无人机集群对抗多耦合任务智能决策方法

针对复杂场景下无人机集群对抗中协同目标分配和突防轨迹规划等多耦合任务的决策问题,提出了一种集群对抗多耦合任务智能决策方法.首先,针对无人机集群对抗中耦合任务多和决策空间大难题,结合集中式和分层式架构的优点,设计了面向多耦合任务的混合式深度强化学习架构,可提升多耦合任务间的协同性和集群对抗效能;其次,针对轨迹规划序贯决策...     

"嫦娥五号"月面采样机械臂路径规划

针对"嫦娥五号"月面采样任务中采样机械臂的精准控制问题,提出了一种基于深度强化学习的路径规划方法.通过设计深度强化学习算法的多约束奖赏函数,规划了满足安全性、快速性、可达性3个约束的运动路径,实现了采样机械臂的精准控制.在满足任务安全性的提前下,缩短了天地之间的交互时间,机械臂控制效果平稳.在轨实验结果表明,该方法具有...     

激光冲击强化对加力燃烧室火焰探测器焊缝的影响

为了研究激光冲击强化（LSP）后加力燃烧室火焰探测器焊缝位置异常开裂原因,采用X射线衍射方法和金相方法对激光冲击强化效果进行分析,并利用扫描电子显微镜对断口进行了观察。在Abaqus有限元分析软件中建立了与观察到的焊缝缺陷相似的有限元模型,对焊缝缺陷的LSP处理及冲击波传播过程进行了模拟分析。试验结果表明：具有较好材料完整性的区域经LSP处理后,表面会预置较大残余压应力,同时表面金属晶粒得到细化,疲劳裂纹会在焊缝缺陷位置萌生和扩展。有限元分析结果表明：存在分层缺陷的焊缝经LSP强化后,冲击波会在分层缺陷处产生反射,造成分层位置发生开裂,形成裂纹源造成疲劳开裂。根据试验和仿真分析结果,为提升火焰探测器焊缝激光冲击抗疲劳效果,建议优化焊接工艺,提高焊接质量。     

基于MADDPG的多无人机协同任务决策

针对多无人机任务决策方法研究中传统优化算法难以在短时间内得到期望结果的问题,基于深度强化学习提出一种无人机多智能体深度确定性策略梯度(MADDPG)算法,通过允许无人机在学习时使用全局信息,在应用决策的时候只使用局部信息的方法,从网络结构、状态空间、动作空间和奖励函数设计了 MADDPG算法的模型结构.最后通过仿真实验...     

基于水膜流动与耦合传热的翼型防/除冰计算

针对飞行器防/除冰过程中翼面上空气-水膜-冰层-机翼之间的耦合传质传热现象,建立了一种基于水膜流动与耦合传热模型的翼型防/除冰数值模拟方法.基于Myers水膜流动模型建立了防/除冰热载荷作用下翼面溢流水流动、积冰及内部温度分布的数值计算理论.对于翼型及冰层内的传热现象,利用焓理论及有限体积法建立了复杂多层结构传热的数值...     

气膜冷却传热传质类比研究

应用SSTκ-ω湍流模型,对三维粘性掺混流场进行了数值模拟,得到了切向入射的超声速氢气膜在不同吹风比和被冷却面上的绝热温比分布,并通过冷却剂分布情况详细研究了其形成原因。计算结果表明：吹风比是决定超声速气膜冷却效果的重要因素,吹风比增大,冷却效果随之提高;不同曲率的曲面上,冷却效率的分布规律不同,凹面上冷却效果最好,这与低速气膜冷却不同;离散孔在被冷却面中心和两侧的冷却效果存在明显差异,引入一定的侧向倾角使这种差异趋向消失。     

自由液体射流冲击高速旋转圆盘的耦合换热

为了研究自由液体射流冲击均匀加热高速旋转圆盘的耦合换热特性，采用数值模拟方法对比分析了固体和流体材料参数对流动及换热的影响。结果表明：不同固体材料参数对应的努塞尔数分布规律相似，同一半径位置处的努塞尔数最大相对偏差不大于10%。与径向温度分布相比，轴向温度差受固体材料导热系数变化的影响更大，铜和泡沫砖的径向最大温差仅相差3倍，而与导热系数近似呈反比的最大轴向温差相差达3 471倍。圆盘表面液膜平均径向流速和换热性能随流体黏度的增加而下降。黏度较小的氨和水对应的二次峰值换热强度较一次峰值的增加量超过了15%，黏度较高油类的二次峰值换热强度仅为一次峰值的50%～60%。射流介质采用黏度较小的水和氨时，盘面温度几乎保持不变，最大温差比小于7.86×10^-4；黏度较大的油类作为射流介质时在驻点附近的温度变化剧烈，当R/d超过2.5后，温度分布仅有小幅的波动。     

基于D3QN的无人机编队控制技术

针对无人机编队中控制器设计需要基于模型信息，以及无人机智能化程度低等问题，采用深度强化学习解决编队控制问题。针对编队控制问题设计对应强化学习要素，并设计基于深度强化学习对偶双重深度Q网络（D3QN）算法的编队控制器，同时提出一种优先选择策略与多层动作库结合的方法，加快算法收敛速度并使僚机最终能够保持到期望距离。通过仿真将设计的控制器与PID控制器、Backstepping控制器对比，验证D3QN控制器的有效性。仿真结果表明：该控制器可应用于无人机编队，提高僚机智能化程度，自主学习保持到期望距离，且控制器设计无需模型精确信息，为无人机编队智能化控制提供了依据与参考。     

基于深度强化学习的平流层浮空器高度控制

为研究基于深度强化学习的平流层浮空器高度控制问题。建立平流层浮空器动力学模型，提出一种基于深度Q网络（DQN）算法的平流层浮空器高度控制方法，以平流层浮空器当前速度、位置、高度差作为智能体的观察状态，副气囊鼓风机开合时间作为智能体的输出动作，平流层浮空器非线性动力学模型与扰动风场作为智能体的学习环境。所提方法将平流层浮空器的高度控制问题转换为未知转移概率下连续状态、连续动作的强化学习过程，兼顾随机风场扰动与速度变化约束，实现稳定的变高度控制。仿真结果表明：考虑风场环境对浮空器影响下，DQN算法控制器可以很好的实现变高度的跟踪控制，最大稳态误差约为10 m，与传统比例积分微分（PID）控制器对比，其控制效果和鲁棒性更优。