基于固定时间的二阶智能体分布式优化算法

对有界扰动下二阶多智能系统的分布式凸优化问题进行了研究。分布式优化问题旨在通过智能体间信息交互实现全局成本函数一致最优。基于固定时间理论，提出一种在固定时间内收敛到最优解的算法。为防止智能体泄露局部成本函数的梯度信息，当邻居成本函数二阶导差值有界时，通过平均一致性在固定时间内利用跟踪技术实现平均梯度信息获取。设计一种自适应算法以避免上述全局信息的假设。进一步地，引入符号函数项实现算法对智能体外部有界扰动的自适应抑制。最后给出收敛性证明和仿真案例。     

加权负载均衡合同网大规模星座任务分配方法

为了充分发挥大规模星座带来的在轨可用卫星资源丰富的优势，解决星座和任务规模扩大带来的任务分配求解空间大的问题，提出了一种分布式加权负载均衡合同网任务分配方法。对任务窗口进行预筛选，减少卫星参与投标数量，节约在轨计算通信资源；在合同网任务分配过程中，将任务投标值加入负载均衡加权系数，提升星座系统负载均衡性能。通过仿真验证，在观测收益相当的情况下，本文所提方法相较于集中式任务分配方法分配求解耗时可减少94%以上，系统负载均衡度优于传统任务分配算法，表明该方法适用于大规模星座任务分配。     

非死锁合同网协议驱动的多机分布式时序任务分配

针对多无人机协同任务分配的时序约束问题，提出了基于非死锁合同网协议(DF CNP)的分布式时序任务分配方法，从理论上避免任务死锁，提升分配结果最优性。定义了局部信息条件下时序任务死锁判据，通过检测时序任务图环路状态与顶点可达性，判定分配方案的全局死锁状态，保证分配结果的可行性。定制了最近邻-深度优先混合搜索算法，在合同网排序过程中优先选择最近邻任务，并结合死锁判据递归回溯，在分布式架构下并行生成满足死锁约束的任务排序方案，提升分配结果的最优性。仿真对比结果表明：相比于非死锁遗传算法(TB GA)，DF CNP在求解效率方面具有显著优势；与耦合约束一致性束算法(CBBA TCC)相比，DF CNP结果最优性明显提升。     

螺旋桨/机翼耦合下的目标螺旋桨滑流设计

针对分布式电推进(DEP)构型等具有多螺旋桨特征的飞行器,发展了通过优化螺旋桨滑流来达到提高机翼升阻比的方法.提出了一种可以获得目标诱导速度分布的螺旋桨设计方法,基于面元法发展了一套可以快速计算螺旋桨机翼干扰的气动程序Prop-wing,基于Kriging代理模型建立了一套高效的优化方法获得最优的螺旋桨诱导速度分布提高...