集群航天器鲁棒自适应快速任务分配

针对集群航天器协同观测任务分配问题，提出一种基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略。为提高燃料消耗指标的计算效率，利用深度神经网络直接预测连续推力转移轨迹的燃料消耗，避免在线规划相对运动轨迹。通过构造虚拟收益矩阵和分配向量使得拍卖算法适用于航天器数与任务数目不一致的分配问题。为提高拍卖算法的收敛速度，提出报价增量自适应调整策略。考虑到通信失联、航天器故障等不确定因素，通过在线调整故障航天器的收益和报价矩阵以提高算法鲁棒性。数值仿真表明深度神经网络对燃料消耗指标预测精度高，基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略可在保持计算精度的同时，将计算效率提升约两个数量级。     

基于速度增量序列凸化的固体运载火箭制导算法

针对高低温偏差下固体发动机推力、耗尽时间和秒耗量散布大的问题，提出了一种以速度模值增量为自变量的固体运载火箭序列凸优化制导算法。该算法以速度增量替代传统的飞行时间为自变量建立动力学模型，采用序列凸优化算法求解多约束耗尽关机制导问题，并基于速度模值增量在线辨识高低温工况，修正内弹道模型。该方法相比以飞行时间为自变量的序列凸优化算法具有更高的制导精度和鲁棒性。最后，通过某型固体运载火箭高空飞行段制导数值仿真，验证了以速度增量为变量的序列凸优化算法和内弹道修正模型的有效性。     

涡轮动叶部分吸力侧肩壁凹槽状叶顶气热和冷却性能研究

为了获取高性能的燃气涡轮动叶叶顶结构和气膜冷却布局，采用数值求解三维Reynolds-Averaged Navier-Stokes (RANS) 方程和标准 湍流模型的方法研究了涡轮动叶部分吸力侧肩壁的凹槽状叶顶气热和冷却性能。数值模拟得到的动叶平叶顶传热系数与实验数据吻合良好，验证了数值方法的准确性。对比0.95吹风比时动叶凹槽状叶顶沿中弧线和近压力侧布置的2种气膜冷却布局的叶顶泄漏流动形态、传热系数和气膜冷却有效度，指出近压力侧的气膜冷却布局B的总压损失大于沿中弧线的气膜冷却布局A；但近压力侧的气膜冷却布局B具有更好的冷却效果。基于近压力侧气膜冷却布局的凹槽状叶顶结构，通过切除尾缘处不同轴向长度的吸力侧肩壁，设计了5种不同的部分吸力侧肩壁的叶顶结构。结果表明：切除10%吸力侧肩壁的Case 7能有效降低总压损失，平均总压损失系数相比完整肩壁的Case 2降低了6.3%；叶顶净热流密度减少和传热系数分布与Case 2基本相同，尾缘处的冷却效率因冷气受到压制附着于叶顶而提高。     

运载火箭自适应制导及在线轨迹重构方法研究

结合我国运载火箭发展，梳理了传统制导方法的工程应用历程;针对故障适应性和自主化需求，分析了基于在线轨迹规划的制导方法发展概况。基于伪谱离散和凸优化理论，提出一套适应不同目标轨道的弹道轨道联合在线重构算法框架，并利用在线重构设计一种运载火箭故障导致推力不足后的自适应制导算法，通过数值实验和嵌入式测试，验证了在线重构算法和自适应制导方法的正确性、有效性。