基于LADRC的无人机高精度定高控制

针对复杂气流扰动对无人机（UAV）航迹高度控制的影响,对存在复杂气流扰动下的定高控制策略、控制结构和控制器参数优化展开研究,实现高精度高度控制。基于线性自抗扰控制（LADRC）确定总体控制架构,设计扩张状态观测器（ESO）观测估计纵向高度通道和速度通道中存在的总扰动,在控制中引入扰动补偿,减小扰动对系统输出造成的影响。对UAV在飞行过程中存在的大气紊流扰动或离散突风等风干扰分析其功率谱密度,构造考虑风扰动对高度影响、时域响应特性和稳定裕度的综合目标函数,通过粒子群优化算法得到具有高精度、高抗干扰性能的控制器参数,优化中考虑风干扰的功率谱密度分布,减小了控制器参数设计的保守性。通过与常规比例-积分-微分（PID）控制器控制效果进行对比,说明基于线性自抗扰控制器的纵向高度控制的优异性能。      

基于matlab的飞行器并行MDO方法的研究与实现

在Parmatlab的基础上开发出适合网络通讯的maflab工具箱MD0504 toolbox，此工具箱提供了在matlab环境下进行并行计算的函数。在此工具箱的基础上开发出进行多学科设计优化的软件GSEOPT，GSEOPT在并行环境下实现了基于全局灵敏度方程（GSE）的单级优化算法，用并行的方法求得了全局灵敏度，在系统层进行优化。最后用此软件对某飞行器进行了并行优化设计，给出了计算结果，并与参考文献结果进行了比较，得到了更好的结果。     

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。     

混沌直扩信号的抗盲估计传输方法

混沌直接序列扩频(DSSS)由于具有大容量、低截获率和物理层上的优良保密性,成为通信领域的研究重点,尤其可以为卫星导航系统提供安全、可靠的地址码.虽然混沌序列的随机特点增强了混沌直扩信号的保密性,但是随着系列盲解扩及混沌预测等技术的发展,传统的混沌直扩系统已经不能克服非授权用户对混沌模型的重构和非线性预测,因此抗盲估计...     

守恒型可压缩一维湍流方法及其在超声速标量混合层中的应用

一维湍流（ODT）方法是一种能在一维计算域上遵循湍流基本物理规律的湍流建模方法。通过结合确定性和随机性求解方法,能够在一维计算域上准确捕捉到湍流统计规律,且降维建模可显著减小计算量。ODT方法主要被广泛用于不可压湍流和湍流燃烧研究,若要将其拓展用于模拟高速可压缩湍流,需对建模方法进行深度改进。相比于不可压ODT方法,本文基于欧拉参考框架,针对可压缩湍流的特性,将因变量由原始变量改为有利于减小可压缩湍流模拟误差的守恒通量,并加入了组分求解模块。对确定性和随机性求解模块均进行了相应的深度改进,开发出具有标量混合模拟功能的守恒型可压缩ODT方法。在确定性模块中改为求解以守恒通量为变量的一维截断控制方程,在随机性模块中构造一维涡时,将三联映射的作用对象也相应地由原始变量改为守恒通量,并选用了可保证变密度情况下动量守恒的双核变换。通过模拟空间发展超声速平面湍流混合层并将自相似阶段结果与实验结果比对,验证该方法对可压缩剪切湍流场中标量混合的捕捉精度。守恒型可压缩ODT方法模拟得到的速度场和组分场的平均剖面和脉动强度分布与实验结果准确吻合,精度明显优于传统的耦合梯度扩散亚格子模型的大涡模拟方法（LES-GRAD.DIFF.）以及耦合线性涡（LEM）亚格子模型的大涡模拟方法（LES-LEM）,且该方法的降维处理使其在降低计算成本方面具有显著优势。     

基于改进灰狼优化算法的电子干扰机空域划设

在现代化战争中,遂行突防任务的战斗机通常需要与电子干扰机协同配合,来完成特定的任务。为了更高效地利用空域资源,针对突防作战中干扰机的最优空域划设问题,在给出电子干扰下雷达探测范围、航线安全间隔以及有效干扰时间的基础上,建立电子干扰机的最优空域划设模型;在原始灰狼算法中将线性调节参数改为非线性调节参数,同时引入粒子群算法中的记忆功能,改进原始灰狼算法;并采用改进的灰狼优化算法寻找最优的空域基准点,进而确定电子干扰机的最优空域范围。结果表明:对于特定的突防任务,改进的灰狼优化算法比原始灰狼优化算法和粒子群算法更具优越性,能够快速、高效地找到最优的空域基准点;本文所建立的电子干扰机的最优空域划设模型是科学、有效的。     

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法（FPA）在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。