基于低轨全覆盖卫星星座的反向缝建链策略

低轨卫星星座的拓扑设计是天地一体化网络部署中较为重要的一环。在低轨卫星网络中，如何设计星座拓扑来提升卫星网络的稳定性与传输性能，是亟待解决的问题。提出一种基于轨道覆盖带方法的低轨持续全覆盖卫星星座设计方法，通过该方法构建低轨卫星星座，满足覆盖性能，可有效减少卫星切换的次数。基于构建的星座拓扑，制定邻轨k最近邻星的反向缝建链策略，优化设计链路长度和链路持续时长，获取网络传输性能与稳定性的平衡。仿真结果表明:通过上述方法设计出的星座，在满足对地持续全覆盖性能的情况下，相较于轨道覆盖带方法切换次数减少10%;邻轨k最近邻星策略相较于最短建链策略，拓扑稳定性能提升79.62%，使网络拓扑稳定性与传输性能达到更优的平衡。     

反向喷流对运载火箭返回段气动特性影响研究

为了准确获取发动机反向喷流干扰下运载火箭返回段全箭及栅格舵气动特性，设计缩比试验模型及地面喷流模拟系统，采用高速纹影、全箭及栅格舵部件测力等测试方法，开展反向喷流状态下风洞试验研究。结果表明：发动机工作时反向喷流与头部弓形激波相互干扰，改变全箭绕流流场分布特征，使得一子级返回段的轴向力系数减小，对一子级返回段的法向力系数和俯仰力矩系数影响规律与来流马赫数有关，影响量与喷流强度和攻角等相关；反向喷流干扰使得栅格舵的控制舵效整体呈降低趋势，在高马赫数来流下甚至会导致控制特性反向。通过反向喷流测力风洞试验，有效指导和开展返回段精细化气动设计，为我国重复使用运载火箭的工程实现提供技术参考。     

基于逆向增广Burgers方程的声爆反演技术

声爆问题一直是制约超声速客机发展的障碍之一，因此低声爆设计技术在超声速客机的设计中尤为重要。逆向增广Burgers方程可将中场声压信号反演至近场，能够为低声爆反设计工作提供优化目标。围绕逆向增广Burgers方程展开研究，运用算子分裂法和正则化伪抛物型方程法对逆向方程进行数值求解，并求取对应的反向等效面积。借助3个标准算例，对数值方法的收敛性、求解准确度、不同中场高度及不同周向角下反演技术的计算精度进行了研究。针对逆向增广Burgers方程的特点，探讨了在中场设置目标波形进行反设计方法的可行性，并对声压信号中高频分量的传播特性进行了研究。研究认为上述方法能够较为准确地完成中场至近场的声压信号反演计算，并且使用中场目标波形代替地面目标波形能减轻反演距离对反演计算过程的影响。     

侧向喷流对导弹方向舵局部气动热特性的影响

为探索侧向喷流流动控制技术对高速导弹方向舵局部气动热特性的影响规律及相关机理，对带有方向舵和舵轴的导弹在不同攻角和喷流条件下进行了数值模拟，得到了模型流场和壁面热流分布。研究结果表明：喷流压比达到75时，可以避免受弓形激波干扰的来流气体作用在方向舵上，能有效减少方向舵前缘中后段的壁面热流；随着喷口位置与方向舵前缘距离的增加，喷流后回流区结构和范围变化不明显，方向舵前缘的壁面热流变化不大；不同攻角来流条件下，侧向喷流均能有效降低方向舵前缘的壁面热流。攻角大于10°后，喷流的热防护效果有所降低；有攻角来流条件下，在舵轴的正前方喷流，自由来流绕喷流流动，舵轴下壁面边界层内气体密度上升，使舵轴两侧压差增大，舵轴的壁面热流增大；在0°攻角来流条件下，喷口两侧方向舵所受侧向力与喷流推力方向相反，此时导弹的放大因子增大。     

基于共轭传热的单边膨胀后体温度场计算分析

基于共轭传热数值计算方法，对某高隐身无人机（UAV）单边膨胀后体喷流作用下的壁面温度分布进行研究，利用薄壁型网格解决了面积大且厚度薄的蒙皮、侧板结构导致的网格量过大的问题，构建精度较高的计算模型，并完成相关计算分析，主要结论如下：传统的单一流体计算虽然可以得到相似的温度分布，但得到的温度值偏高，最大可相差50 K以上；共轭传热计算可以得到更为符合实际的结果，并且可以得到结构内部温度梯度的分布，为热应力分析及结构设计提供指导；对比相同流动条件下不同金属材料的影响，某耐高温合金的壁面温度极值比金属钢高约30 K，且其上、下壁面的温差更大，梯度更高，两材料纵向肋板位置温度梯度极值分别为120 K/cm和65 K/cm。     

基于M-AFSA的MPRM逻辑电路面积优化

现有基于传统智能优化算法的MPRM电路面积优化算法存在效果差的问题。由于MPRM电路面积优化属于组合优化问题，先提出一种多策略协同进化人工鱼群算法（MAFSA），该算法引入基于反向学习的种群初始化策略，以提高种群多样性及初始种群解的质量；引入觅食与追尾交互性策略，以加强人工鱼个体之间的信息交流、提高所提算法的收敛速度；引入自适应扰动策略，以增加人工鱼个体位置变异的随机性、避免所提算法陷入局部最优。此外，提出一种MPRM逻辑电路面积优化方法，利用所提算法来搜索电路面积最小的最佳极性。基于北卡罗莱纳州微电子中心（MCNC）Benchmark电路的实验结果表明：与遗传算法相比，所提算法优化电路平均面积百分比最高为57.24%，平均为39.57%；与人工鱼群算法相比，所提算法优化电路平均面积百分比最高为33.53%，平均为14.54%；与改进的人工鱼群算法相比，所提算法优化电路平均面积百分比最高为30.25%，平均为13.86%。