面向未来飞机的机载网络存储系统研究

根据未来飞机航电系统的拓扑结构以及机载各类数据特征,提出了一种高性能、高吞吐量和高可靠性的机载网络存储系统设计方法,从而满足了未来飞机对高性能存储系统的需求,允许机载各个设备客户端对服务器进行透明的文件访问,实现了跨平台的数据共享,为网络存储系统关键技术在航空产品上的进一步应用提供了技术基础。     

基于混沌灰狼优化的多无人机协同航路规划

针对多无人机协同执行饱和攻击任务的时空约束,本文提出了基于混沌灰狼优化的离线航路规划方法,实现了多无人机协同航路的有效生成。首先,针对饱和攻击任务的特点进行分析,将具有时空约束的多无人机同时到达问题转化为协同航程问题;其次,针对将混沌映射引入灰狼优化算法中,提出了混沌灰狼优化算法,以提高原算法的探索能力和收敛速度;最后,提出了基于几何规划的航点扩展策略,从而构造出满足任务攻击时间与攻击方位要求的航点序列。通过对单无人机航路规划问题的仿真验证了改进算法的寻优能力;通过对面向饱和攻击任务的航路规划仿真验证了所提方法的可行性和有效性。     

面向航空工程的CFD不确定度量化方法研究

真实复杂环境下,气动数值模拟（CFD）结果的可信度问题一直是工程上关注的焦点问题之一。不确定度量化是评估真实环境下,数值模拟结果的可信任程度的重要工具。本文对面向航空工程的CFD不确定度量化方法进行综合论述,聚焦解决工程实用化问题。在方法层面,针对解决不确定度量化中的“维数灾难”问题,发展以Kriging-MC为代表的改进蒙特卡罗（MC）类方法,以及以非介入式多项式混沌（NIPC）为代表的谱方法;在工具层面,提出一种通用性非常强的不确定度量化评估基础平台框架UQ-CFD,提供交互式环境,实现批量不确定性参数生成、试验设计、批量作业组织及自动加载、自动结果后处理等实现不确定度量化过程所需工具的有机集成。基于UQ-CFD平台,可实现涉及操作不确定性、几何不确定性、物理模型参数（建模）不确定性等典型不确定性的评估。采用经典Rosenbrock函数对所建立工具进行了基础方法的对比验证,在此基础上,以平面斜激波、高超声速圆柱问题为例开展了几何不确定性和来流参数不确定性影响的定量评估,表明本文提出的方法是有效的。     

混沌信号的一种简单设计方法及应用

在对一类简单的能够产生混沌现象的映射过程进行统计特性分析的基础上,利用其协方差函数特点,介绍了一种自协方差函数为ｃ（ｋ）＝ｃ（０）αｋ,０＜α＜１形式的混沌信号的简单设计方法及应用,从而为有目的地产生混沌信号,利用及分析混沌信号提供了新的信号获取途径。     

基于SCPSO算法的MCPC雷达波形优化设计

针对多载波互补相位编码MCPC信号在应用中存在包络起伏大等问题,结合混沌映射和自适应混沌粒子群SCPSO算法提出了一种优化设计。设计将编码信号的主瓣峰值与最大旁瓣值比PSLR作为单独的评判依据,结合混沌序列类随机的性质对混沌序列进行两级筛选,得到自相关函数旁瓣较低的混沌编码序列组。考虑到MCPC信号结构的特点,应用SCPSO算法调整子载波权重因子来优化信号的PMEPR。仿真分析表明,优化设计能在保证MCPC信号优良自相关特性的情况下,有效降低信号的包络起伏。     

空间机器人动力学奇异回避的笛卡尔轨迹规划

针对空间机器人动力学奇异的回避问题,提出一种基于组合函数的笛卡尔轨迹规划方法。将梯形规划与正弦函数相结合,对机械臂末端的位姿进行参数化。机械臂沿着某一轨迹运动时,根据阻尼最小方差法(DLS)的特点,提出一种判断是否发生动力学奇异的方法,并据此进行轨迹规划。该方法可以保证空间机械臂运动过程中不会遇到动力学奇异。此外,将基座姿态扰动和机械臂运动时间作为目标函数的一部分,最终,轨迹规划问题转化为多目标优化问题,并利用混合整数规划的混沌粒子群优化算法(CPSO)进行求解。该优化算法能够改善标准粒子群算法(PSO)的“早熟”现象。仿真结果表明,新方法能够有效处理动力学奇异问题,减小基座姿态扰动及运动时间。     

基于统一设计法的单绕组双速异步电机绕组设计方案研究

通过构建二维槽号图,并运用统一设计法来对72槽8/10极变极异步电机的交流绕组进行分析研究,得出对8极来说有较高分布系数的2种绕组设计方案。这2个方案的基波相带宽度分别是60°/165°以及120°/120°。采用YY/Δ反向变极结构,经过绕组磁势谐波计算后,对2种绕组进行节距选择以及磁势谐波分析,得出三相平衡度高、谐波小的最优方案。     

基于混沌优化自适应遗传算法的数据关联求解

通过判断目标量测值和运动状态之间的最优对应关系,将数据关联问题描述为一类约束组合优化问题,采用混沌优化自适应遗传算法来求解数据关联问题,仿真结果表明,这种算法具有很高的关联成功率;此外,分别采用自适应遗传算法、混沌优化算法以及混沌优化自适应遗传算法求解数据关联问题,结果表明,混沌优化自适应遗传算法求解数据关联问题的最优率明显高于其他2种方法,且其收敛速度也明显快于单独使用自适应遗传算法或混沌优化算法。     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。     

基于改进启发式蚁群算法的无人机自主航迹规划

无人机自主航迹规划是未来无人机作战使用的关键技术难题。针对传统航迹规划方法存在的求解效率不高、实时性较差、容易陷入局部最优等缺点,提出一种基于改进启发式蚁群算法的无人机航迹规划。算法前期使用Dijkstra 算法进行初始化航迹,引入启发式信息,提高搜索效率;采用Logistic 混沌映射初始化信息素,增加解的多样性,提高算法收敛速度;算法中、后期采用多航迹选择策略和模拟退火机制,提高全局搜索能力,避免因收敛速度过快,陷入局部最优解。对该算法进行仿真分析,结果表明：在存在威胁和障碍的复杂环境中,本文的改进蚁群算法与标准蚁群算法相比,能够有效规划出一条从起点到终点的航迹,并且寻优精度更高,收敛速度更快,具有一定应用价值。