基于深度强化学习的复杂地形适应机器人设计与实验

针对行星表面轻量化自主探测任务，基于仿生思想设计了一种仿海胆结构的十二足球形机器人，其具备自主改变构型以贴合复杂地形的能力，可实现无倾覆、高容错的全向运动；基于数据驱动方法，对该机器人设计了一种数据高效的无模型强化学习运动策略，可实现无先验知识的从0到1步态训练以及步态的实物样机快速部署。通过在平面地形和非结构化地形中对其进行仿真实验，验证了经过训练的机器人具备自主运动、适应非结构地形等能力；通过与常用基准策略进行对比，证实了本文提出的运动策略具有训练高效、鲁棒性好的优势；最后通过开发原理样机，开展实物实验验证了仿真环境中所生成的步态在真实物理环境中的动力学可行性。     

基于飞行冲突网络最优支配集的冲突调配策略

针对空中交通流量逐年上升、管制压力增大、飞行冲突难调配的问题，以航空器为节点，基于航空器之间的速度障碍关系建立飞行冲突网络。定义最优支配集的概念，通过移除飞行冲突网络的最优支配集节点，快速消解网络中的冲突，降低网络的复杂性。在使用粒子群（PSO）算法对网络最优支配集进行求解的过程中，引入免疫机制，设置节点和连边2种类型的抗原，保证对关键航空器和高风险冲突的优先调配。实验仿真表明：所提冲突调配策略相较于传统方法能够快速识别网络中的关键航空器节点，并对高风险的冲突连边具有较好的灵敏性，可为管制员和管制系统提供更加准确、可靠的信息和建议，在宏观上辅助进行飞行冲突的调配。     

复杂深空通信网络的LTP传递时延建模及验证

针对简化场景下建立的LTP（Licklider Transmission Protocol）传递时延模型无法直接应用于复杂场景的问题，提出了一种复杂深空通信网络的LTP传递时延理论模型。已有研究多关注于一到两跳的简化场景或 bundle 保管开启状态下多跳场景数据传输模型的建立，然而其结果在复杂深空通信网络中，对于在 bundle 保管关闭状态下的深空通信并不适用。本文对LTP在复杂深空通信网络中的传输机制进行了分析，基于此分析对LTP在复杂深空通信网络中的传递时延进行了理论建模，搭建了仿真验证平台，仿真分析了模型的正确性及优势。结果表明，该模型计算结果与实验结果较为吻合，相比基于简化场景建立的理论模型，本文所提出的模型更加适用于复杂深空通信网络。      

风能模型的发展及CFD在风资源开发利用中的应用

风能科学的发展一个很重要的方面就是从大气运动到风力发电机尺度流场的不同时空尺度运动的研究。随着计算能力的发展，计算流体力学（computational fluid dynamics, CFD）已经广泛应用于风能开发领域，使得风能模型从应用于较平坦地形的线性模型，发展到应用于复杂地形、耦合天气过程，考虑风力发电机排布、尾流效应的模型链。本文首先介绍了目前风能评估、微观选址、风功率预测模型的发展，之后详细介绍了在这些风能模型中CFD方法的改进，主要集中在中尺度到微尺度的“降尺度”、尾流模拟和复杂地形风场模拟3个方面，最后对风能模型发展过程中CFD所面临的挑战进行了展望。     

空中交通复杂性研究进展

空中交通复杂性是空中交通态势的本质属性，是空中交通管制工作负荷的主要驱动因素。空中交通复杂性的科学评价是实现空中交通精细化管理的关键，也是当前空管领域研究热点。本文介绍了国内外空中交通复杂性的研究团队，梳理了空中交通复杂性与工作负荷、安全水平等相互之间的区别和联系，并详细分析了现有研究的具体研究路线。在分析新一代空中交通管理系统特征的基础上，对空中交通复杂性的未来研究趋势和方向进行了展望。