一种高速可变形飞行器智能变形决策方法

针对一类高速可变形飞行器(HMFV)的变形决策问题,提出一种基于深度确定性策略算法(DDPG)下考虑综合性能指标最优的智能变形决策方法。首先,以一类后掠角可连续变化的高速飞行器为研究对象,给出变形飞行器动力学模型,分析模型特性及变形量与关键气动参数之间的定性关系。其次,基于关键气动数据特征分析,考虑包含气动性能、控制误差在内的综合性能指标,设计一种基于DDPG算法的智能变形决策方案。再者,针对带有标称控制器的HMFV进行变形决策训练,实时获得滑翔过程中不同飞行状态下的最优构型。最后,仿真结果表明所设计的智能变形决策算法收敛效果好,且具备较好的泛化性能。相比于固定外形,可通过变形使得在不同状态下的升阻比保持最优,且与考虑单一决策指标相比,考虑综合指标最优的变形决策可进一步缩小姿态动态跟踪误差。     

一种基于深度强化学习的机动博弈制导律设计方法

针对高速机动飞行器常用的程序化机动突防方式适应性不强、突防效果不稳定的问题,提出了一种基于深度强化学习算法的机动博弈制导方法。该方法以增大交会摆脱量为任务目标,采用深度神经网络拟合飞行器的制导律,应用强化学习方法训练网络参数,得到一种以突防拦截双方的位置和速度为输入、以飞行器的需用过载为输出的智能机动博弈制导律。数学仿真验证结果表明,在连续的状态空间和动作空间中,飞行器能根据当前态势自主选择合适的制导指令。相比传统突防方式,该制导律显著提升了交会摆脱量,且突防效果更稳定。     

变形飞行器深度强化学习姿态控制方法研究

针对变形飞行器动力学模型非线性强、不确定性大,以及变形引起模型变化范围大的问题,基于双延迟深度确定性策略梯度算法提出了一种深度强化学习姿态控制方法。首先,基于多刚体系统建立了变形飞行器动力学模型,然后在马尔可夫决策过程的框架下设计了算法所需状态空间、动作空间以及奖励函数,通过在状态空间中引入姿态跟踪误差历史信息,进一步提高了控制精度,并将策略网络与传统PD控制结合形成复合控制器,提高了算法训练效率,最后通过数学仿真验证了深度强化学习控制策略对变形过程模型不确定性与外界复杂干扰的强鲁棒性,以及对不同变形指令的强适应性。     

微量铈对Al-Li-Cu合金性能的影响

 本文探索了添加微量铈对Al-Li-Cu合金(2090)性能的影响,铈有延缓合金时效过程的作用;并能显著提高合金的持久寿命和抗蚀性。     

强化新机研制阶段装备综合保障工作的若干思考

装备综合保障是为解决主装备及其保障系统同步建设、确保装备部署后尽快形成战斗力而开展的一项管理与技术活动。随着新机研制的日益复杂化,其地位和作用越来越突出,已成为确保新机战斗力尽快生成的关键。美军F/A-22战机在立项论证阶段就将保障性及保障系统作为整个系统的重要部分开始考虑,更说明了综合保障工程在现代武器装备寿命周期中具有重要的地位和作用。     

孔冷挤压强化在飞机装配中的应用

为改善机体结构抗疲劳性,消除敞孔处应力集中的不良影响,在结构紧固件孔实施冷挤压工艺是飞机结构增寿的主要措施之一。本文就这项新技术在飞机装配中的应用进行了阐述。     

疲劳断口形貌与材料性能的关系

1.疲劳断口分析概述 当金属材料承受循环载荷时,随材料的初始状态以及应力-应变水平不同,将在整个体积内发生循环硬化或循环软化现象。开始时,这些变化是在受载金属中均匀发生的。当循环周次达到一定的数值时,某些变化将集中在局部区域进行,并导致出现微观疲劳裂