基于信息素启发狼群算法的UAV集群火力分配

无人机（UAV）集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势，得到最优武器-目标分配（WTA）方案，使得UAV集群在火力分配中既能够满足任务要求，又能够较少作战单元消耗，建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型，采用带有游走、召唤算子的改进狼群算法（WPA）对模型进行求解。为提高算法全局寻优效率，避免陷入局部最优，引入蚁群优化（ACO）算法中信息素启发规则，对游走行为及狼群更新机制进一步改进，提出了基于信息素启发狼群算法（PHWPA）的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的，相比较于其他算法，PHWPA具有更高效的寻优能力，能够为UAV集群作战火力规划提供支持。      

基于综合评价优化的民机顶层需求指标权衡

确定顶层需求指标是民机设计流程之初的重要工作。针对民机顶层设计工作，提出一套民机顶层需求定量权衡方法。根据民机顶层需求与概念设计之间的关系，将概念设计方案的特性参数视为一组可行的顶层需求。将顶层需求的权衡分析问题转换为对飞机总体设计参数的优化问题。选择“经济性、舒适性、环保性、适应性、安全性/可靠性”这5条判断准则，建立民机顶层需求综合评价模型，评估顶层需求的综合竞争力。以竞争力最大为目标，优化概念方案，确定最优的顶层需求组合。在宽体客机案例中，得到了比初始需求更合理的顶层需求，验证了所提方法的可行性。     

基于POD-PCE-Kriging模型的航空发动机高维多目标优化

针对于传统的航空发动机燃烧室设计过程计算周期长，加工和试验成本高，制约发动机设计周期的问题，基于航空发动机燃烧室模型，结合POD-PCE-Kriging（本征正交分解-多项式混沌展开-Kriging）模型和粒子群优化（PSO）算法开展了燃烧性能代理模型的构建和多目标优化设计。通过试验，应用POD-PCE-Kriging模型预测结果与一维程序计算结果进行对比分析，针对于燃烧效率和总压损失预测值的方均根误差分别为0.006 3%和0.122 7%。对设计变量参数开展寻优，并对获取的Pareto最优解集进行了分析，为满足性能指标的先进航空发动机燃烧室设计提供了物理见解，可以快速准确获得满足最优性能的设计参数，缩短航空发动机的研制周期。     

基于深度学习的融合空域空管指令语义解析技术

随着无人机技术的快速发展，无人机数量与空域需求显著增长，无人机进入融合空域成为趋势。为改进传统的“人在回路”空管模式，提高融合空域的管控效率，对深度学习方法用于空管指令解析进行了研究。根据空管用语的特点对指令进行整理、扩充、分类和标注，编写了可用于自然语言理解模型学习的空管指令数据集。使用BiGRU-CRF模型作为深度学习的基础架构，加入注意力机制与意图反馈机制构建联合模型获取指令意图及指令参数。分别在空管指令数据集和ATIS数据集上进行了评估，结果表明模型在意图识别和槽填充任务较基础架构均有近1.5%的提升，证明论文方法具备实用性和有效性，为无人机自然语言指控技术的发展提供了有力支撑。     

基于代理模型的麦克风相位阵列设计技术研究

气动声学风洞试验过程中，针对目标声源特性进行麦克风相位阵列改进时，为保证风洞试验效率，必须在较短的时间内完成阵列优化设计工作。为满足这一试验需求，最大限度提升麦克风相位阵列设计效率，引入了基于Kriging代理模型的优化设计方法。采用基于点扩散函数的计算程序进行阵列性能分析，获取阵列最大旁瓣水平和分辨率。通过对样本点响应值进行计算，建立Kriging代理模型，进而以计算速度极高的Kriging代理模型作为阵列性能分析方法开展优化搜索，避免了大量调用阵列性能计算程序导致计算耗时过高的问题，显著提升了麦克风相位阵列设计效率。该阵列设计方法能够有效改善麦克风阵列的测量性能，满足声学风洞试验的特殊应用需求。     

导弹配平飞行数值模拟及控制优化

传统基于建模仿真的控制系统检验方法受建模质量的影响,在非定常效应较强时很难得出准确结果。为此,采用基于CFD的虚拟飞行数值模拟方法检验和优化控制系统。首先介绍了数值模拟方法,进行了纵向开环控制飞行模拟,结果与气动力建模仿真结果、风洞试验结果吻合较好,共同验证了计算方法和气动力模型。针对迎角拉起设计了PID控制器,阶跃响应仿真结果表明控制器具有良好的动态性能,然后进行了数值模拟验证,结果表明迎角超调量超过50%、调节时间1.7s。通过试探法对控制参数进行了优化改进,将超调量减小到14%,调节时间减小到1.18s,动态性能显著提高。分析表明,受控时尾舵角速度达到200°/s,非定常效应强,线性气动力模型不能精确描述这些过程,造成了仿真结果的差异;虚拟飞行数值模拟技术在控制律检验和优化上可以起到关键作用。     

NSGA-Ⅱ算法的改进及其在多段翼型缝道参数优化中的应用

提出了NSGA-Ⅱ算法的一个改进方法,对加入新种群的父代种群个体进行精英筛选,从而增加了新种群中新个体的数目,以实现更好的全局寻优。选取一个有理论解的优化问题,对算法全局寻优能力的改进进行了验证。随后使用改进后的NSGA-Ⅱ算法作为核心算法搭建了集群并行优化平台,对多段翼型的缝道参数进行优化设计,获得了较为满意的结果。优化验证算例显示,该集群并行优化平台具有较高的效率和可行性。     

主动航天服关节助力外骨骼结构设计及优化

为克服航天服关节阻尼力矩对宇航员未来太空作业、星表探测以及骨骼肌能恢复训练的影响，设计一种可应用于航天服的关节助力外骨骼方案。首先，结合航天服结构分析，研制了第一代关节助力外骨骼样机。其次，根据使用反馈对第一代外骨骼样机进行结构优化，初步确定第二代外骨骼样机的设计模型，利用有限元软件对负重状态下外骨骼样机进行静力学分析及模态分析。最后，进一步优化第二代外骨骼样机的结构尺寸，优化后的整体质量相较于优化前第二代及第一代样机分别下降了19.34%和40.03%，验证了外骨骼样机结构优化方案的可行性。研究结果为主动航天服结构动力学分析和控制系统开发提供理论依据。