SpaceWire多优先级分层调度交叉开关研究与设计

SpaceWire(SpW)路由是SpW网络的关键设备之一，采用纵横式交叉开关（crossbar switch）结构，由于SpW网络数据分组最大长度不固定，经典的滑动迭代轮询匹配（iSlip）调度算法并不适用。研究二维行波进位交换结构，提出一种多优先级分层调度的crossbar switch实现结构，为不同业务流量类型赋予不同优先级可以提高网络服务质量（QoS），采用基于仲裁反馈轮询（FBP）算法，在群组路由时具有良好输出公平性。通过向环型行波进位（CRCS）仲裁结构中插入寄存器分割组合逻辑组成流水结构降低组合延迟，提高最高系统频率，解决路由端口数量扩展的问题。使用可编程逻辑语言实现优先级数量和端口数量可配置的crossbar,CRCS结构具有资源占用少、仲裁速度快和易于扩展的特点。以4×4规模的crossbar switch为例，采用二维CRCS结构相比于线性扩展结构，仲裁逻辑单元数量节省67.3%，仲裁延迟降低约60%，在Xilinx V7系列现场可编程门阵列（FPGA）进行逻辑综合，行列各插入2级寄存器，即可满足最大规模下的SpW路由应用需求。     

切换拓扑下异构无人集群编队-合围跟踪控制

针对异构无人集群存在层内不同协同控制目标以及层间协同耦合的控制问题，提出了“编队-合围跟踪”控制的定义与框架，采用具有时变输入的跟踪-领导者来生成集群系统的整体参考轨迹，克服了现有编队-合围控制中无法有效控制集群整体宏观运动的缺陷。对于存在切换拓扑的高阶异构集群系统，基于分布式鲁棒自适应估计技术以及预先定义的合围控制策略，利用邻居局部信息交互构造了分布式编队-合围跟踪控制器，给出了分层耦合情况下控制器的多步设计方法。采用共同李雅普诺夫稳定性理论，证明了切换拓扑条件下异构集群实现输出编队-合围跟踪的充分条件。通过无人机-无人车异构集群的仿真例子，验证了所提出的编队-合围跟踪控制方法的有效性。     

基于距离的无人机编队路径跟踪控制

针对复杂通信环境下无人机编队跟踪控制问题，提出了基于距离的无人机编队路径跟踪容错控制方法。基于刚性图编队控制框架，引入距离误差，实现编队控制，并针对无人机编队生成的收敛速度问题，引入预设性能技术，以指定跟踪性能生成无人机编队。针对无人机执行器可能出现的故障，利用自适应滑模容错控制技术，实现具有容错性能的编队控制。考虑无人机在飞行环境中遇到的不确定扰动和模型自身存在的未建模动态，引入神经网络控制器，提高控制算法的抗干扰能力。最后，基于Lyapunov理论证明了所设计编队控制系统的稳定性，仿真验证了控制方法的有效性。     

固定翼无人机编队的启发分布式模型预测控制

针对无人机编队飞行控制中队形保持、路径规划、重构、防撞等多重功能需求,采用启发型分布式模型预测控制框架,将需求转化为多目标优化问题中的代价函数与相容性约束求解,实现了对无人机编队飞行的一体化控制.同时,采用分阶段式的轨迹规划算法,融合模型预测轨迹规划与多项式轨迹规划,利用多项式轨迹系数实现高效的邻居轨迹信息交互,从而增大了模型预测控制的预测范围,并降低了规划控制过程中的计算量与通信量.最后,通过9架无人机的协同避障编队仿真,证明了该方法的有效性.     

基于脑机接口的无人机编队控制系统设计

随着脑机接口（BCI）技术的不断发展，越来越多基于脑机接口的应用被不断研究并实现。为提高无人机编队的工作效率，针对无人机编队的常用控制命令，本文设计了一种8目标的稳态视觉诱发电位（SSVEP）脑机接口控制无人机编队系统。该系统允许用户通过脑机接口的8个命令对无人机编队进行队形切换等灵活控制。本系统采用典型相关分析（CCA）方法对脑电进行解码，并将解码结果使用Leader-Follower的方法对无人机编队进行控制。来自6例健康受试者的试验结果表明，研究所设计的脑控无人机编队系统具有较好的性能，平均识别准确率高达97%，验证了基于非侵入式脑机接口技术控制无人机编队的可行性。     

面向舰载机编队蒸汽弹射的汽缸结构优化设计

针对蒸汽弹射器中汽缸的结构优化设计问题，提出一种面向舰载机编队的汽缸结构优化设计方案。首先，基于舰载机蒸汽弹射仿真平台，以舰载机的最大离舰下沉量作为目标函数，设计基于遗传算法的汽缸结构优化模型，构建了一种面向舰载机编队的汽缸结构优化方法；然后，通过三组仿真实验探究了汽缸内部结构的最优参数匹配规律，并通过典型蒸汽弹射器实验数据验证了汽缸结构优化结果的合理性。结果表明，对于同类型舰载机发射情况，汽缸的最优参数可以在较宽范围内组合，对于不同类型舰载机发射情况，重型舰载机对应更长的汽缸长度。     

基于ADDPG策略的超立方体卫星编队控制

针对大规模卫星高精度编队控制问题，提出了一种基于吸引法则的深度确定性策略梯度控制方法(attraction-based deep deterministic policy gradient, ADDPG)。首先阐述了超立方体拓扑编队拓扑构型特性，建立了卫星编队动力学模型，设计了超立方体卫星编队虚拟中心用于衡量编队整体飞行状态。为解决无模型深度强化学习的探索和扩展平衡问题，设计了ε-imitation动作选择策略方法，最终提出了基于ADDPG的卫星编队控制策略。算法不依赖于环境模型，通过充分利用已有信息，可以降低学习模型初期探索过程中的盲目试错。仿真结果表明ADDPG策略以较少的能量消耗达到更高的精度，相比知名算法在加快编队收敛速度的同时，误差减少5%以上，能量消耗减少7%以上，验证了算法的有效性。     

“田园一号”微推进系统设计与性能测试

针对“田园一号”微纳星编队飞行任务的技术需求，开展了微推进系统的总体设计。常规冷气推进由于其比冲低、贮存压力高、结构复杂，难以满足微纳卫星需求。选择R134a作为推进工质，通过将推进剂液化，减小系统体积。基于3D打印技术，设计贮箱、稳压罐、管路一体的推进系统。采用MEMS加工工艺，设计并研制出电加热喷口，从而提高系统比冲。分析了不同喷口尺寸、供气压力以及温度下所产生的推力和比冲大小，确定出喷口设计。表征测试所研制的电加热喷口，结果表明喷口加工误差控制在2%以内。真空条件下，采用扭摆测量系统测试推力器推进性能，测试结果表明，当稳压罐内气体压力在0.1～0.2 MPa变化时，推力大小为5～10 mN。当喷气温度从25℃升至95℃时，推进系统比冲可提升10%以上。