新型铝锂合金AA2198高频疲劳红外热耗散演化规律

利用红外成像技术开展新型铝锂合金AA2198高频疲劳（100 Hz）热耗散演化规律研究,发现不同应力条件下疲劳热耗散呈现上下波动特征,试件平均温度随着加载应力的提升有增加的趋势,但升温现象并不明显,不同应力条件下温度变化幅值小于1℃。疲劳试验初期和疲劳断裂时伴随着急剧升温过程,提出的能量转化理论模型合理解释了疲劳热耗散演化过程。研究还发现,喷丸强化在试件表面形成的残余压应力有助于激发疲劳裂纹的闭合效应,对试件的升温过程具有抑制作用。     

超燃冲压发动机再生冷却结构的强化换热优化研究

超燃冲压发动机采用燃油冷却壁面的主动再生冷却方式,如何提高冷却效率、减少冷却用的燃油消耗量是当前面临的一大问题。类比于压力容器的等强度设计原则,提出了主动热防护的等壁温设计原则,对发动机主动再生冷却结构进行局部强化换热优化设计,通过优化冷却通道高度及人工粗糙度高度沿着通道壁面的变化规律,提高燃油的冷却性能。从算例得到,在超燃冲压发动机不同喷油量和不同燃油当量比情况下,为了达到壁面最高温度不超限,经过优化的强化换热壁面能够比非强化换热壁面少用冷却燃油30％以上,这对超燃冲压发动机主动热防护十分有利。     

钛合金切削挤压复合攻丝研究

将切削挤压复合攻丝新方法成功地用于高强度钛合金内螺纹的加工,这种方法不仅可以减小挤压扭矩而且能够强化螺纹根部。加工的挤压螺纹表面有一层纤维沿其牙形连续分布。利用云纹干涉法测得牙根处的最大残余压应力为120MPa左右。疲劳对比试验结果表明,在相同应力水平下,经挤压强化螺纹的疲劳寿命大约是未强化螺纹的３倍,这主要归因于挤压螺纹表面高的残余压应力,高的纤维密度和低的粗糙度。     

基于强化学习的多无人机避碰计算制导方法

针对大量固定翼无人机在有限空域内的协同避碰问题,提出了一种基于多智能体深度强化学习的计算制导方法.首先,将避碰制导过程抽象为序列决策问题,通过马尔可夫博弈理论对其进行数学描述.然后提出了一种基于深度神经网络技术的自主避碰制导决策方法,该网络使用改进的Actor-Critic模型进行训练,设计了实现该方法的机器学习架构,...     

基于示范主动采样的行为克隆方法

深度强化学习在学习过程中需要与环境进行大量的交互,训练效率低下。模仿学习通过从专家示范中学习,可以有效地应对这一挑战,但是需要收集大量的专家示范轨迹,在复杂任务中往往导致高昂的示范代价。本文提出一种基于主动学习的行为克隆算法,通过主动挑选示范起始状态来减小示范代价。该方法基于不确定性采样和不相似性采样两种策略,从状态候选集中挑选最有价值的状态作为起始状态,然后向专家查询固定长度的示范轨迹,希望从尽可能少的示范中学习出有效策略。在多个不同任务上的实验表明,本文方法可以用更少的示范轨迹进行行为克隆,降低了强化学习中的专家示范代价。     

基于DE-MADDPG的多无人机协同追捕策略

针对多无人机协同对抗快速目标的追逃博弈问题,研究了多无人机的协同追捕策略。基于解耦多智能体深度确定性策略梯度算法DE-MADDPG研究了多无人机协同对抗快速目标的追捕策略,设计了多无人机协同追捕的全局奖励和局部奖励两种奖励函数,训练后的多无人机能够有效地执行协同追捕任务。通过设置快速目标的多种逃逸控制策略,仿真验证了所设计的方法能够利用追捕无人机的数量优势,通过协作完成对快速目标的协同围捕,并且通过比较,验证本文所提出的算法相比MADDPG算法更快地取得了收敛效果。     

基于学习的空间机器人在轨服务操作技术

发展具备全自主操作能力的在轨服务航天器是未来航天领域的重要方向,而赋予航天器自主学习能力是实现自主化操作的重要手段.本文首先对近年来国外在轨服务操作的重要研究计划和关键技术进行了分析,并系统论述了基于学习的机器人操作技术的主要理论和方法.然后,结合未来在轨服务的需求,对我们在此领域的初步研究成果“基于学习的在轨燃料补加控制系统”进行了介绍.最后,结合航天领域的特点,分析了基于学习的空间机器人在轨服务技术所面临的挑战和未来的发展方向.     

基于强化学习的时间触发通信调度方法

未来航空电子系统中将会更广泛地选择基于时间触发的通信机制进行信息传输,以保证信息交互的确定性。如何合理地进行时间触发通信调度设计是时间触发应用于航空电子互连系统的关键。针对时间触发调度的周期性任务,提出了一种基于强化学习的周期调度时刻表生成方法。首先,将流量调度任务转换为树搜索问题,使之具有强化学习所需要的马尔可夫特性;随后,利用基于神经网络的强化学习算法对调度表进行探索,不断缩短延迟时间以优化调度表,且在训练完成后,可以直接使用到消息分布相近的任务中。与使用Yices等可满足模理论（SMT）形式化求解时间触发调度表方法相比,所提方法不会出现无法判定的问题,能够保证时间触发调度设计结果的正确性和优化性。对于包含1 000条消息的大型网络,所提方法的计算速度为SMT方法的数十倍以上,并且调度生成消息的端到端延迟在SMT方法的1%以下,大大提高了消息传输的及时性。      

阵列射流冲击复合不同肋化表面的沸腾特性

阵列射流冲击冷却技术可以有效地解决高热流密度器件的散热问题,为了验证受冲击表面强化传热结构对优化两相射流冷却性能的有效性,结合高速显微摄像手段,研究了不同肋化表面结构形态对受限式阵列射流冷却的流动、传热特性的影响。设计了2种含不同肋化表面形态:光滑切割针肋（0.6 mm×0.6 mm×1.0 mm）、外覆多孔烧结层的粗糙针肋（粒径为73~53 μm）。实验使用无水乙醇为工质,以光滑表面的射流冷却热沉为对照组,入口温度均为20℃,在固定工质流量7.5 mL/s下,随着加热热流密度由5 W/cm2增加至100 W/cm2时,热沉的换热系数均持续上升但增幅逐渐减小,未明显观察到沸腾相变的发生。对固定热流密度82.6 W/cm2、80.5 W/cm2改变工质流量（射流雷诺数）的实验工况,当工质流量由7.5 mL/s逐渐降低至1.0 mL/s时,可以非常明显地观测到射流腔内部工质由分层湍流逐步进入泡状流、弹状流及环状流,其分别对应起始沸腾区、核态沸腾区及膜态沸腾区。      

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。