基于深度强化学习的无人机栖落机动控制策略设计

无人机栖落机动飞行是一种无需跑道的降落方法，能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程，提出了一种基于模仿深度强化学习的控制策略设计方法。首先，建立了固定翼无人机栖落机动的纵向非线性动力学模型，并设计了无人机栖落机动的强化学习环境。其次，针对栖落机动状态动作空间大的特点，为了提高探索效率，通过模仿专家经验的方法对系统进行预训练。然后，以模仿学习得到的权重为基础，采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后，通过仿真验证了上述控制策略设计方法的有效性。     

高温氧化对粉末高温合金微观结构和疲劳性能影响研究

为了探究涡轮盘用粉末高温合金表面氧化对其低周疲劳性能的影响，分别针对第三代镍基粉末高温合金的粗晶(Coarse grain,CG)和细晶(Fine grain,FG)材料开展氧化时间对其疲劳性能影响机理的研究。通过在700℃空气环境下开展不同时长的高温预氧化实验和低周疲劳(Low-cycle fatigue,LCF)实验，使用SEM和EDS表征LCF断口、表面氧化层结构成分及其强化相形貌变化，揭示LCF裂纹萌生机理。实验结果表明，氧化层厚度随氧化时间而增加，氧元素以氧化侵入的形式进入基体；相同氧化时间下，CG抗氧化性能优于FG；疲劳裂纹萌生于氧化侵入和亚表面夹杂物等应力集中部位，在实验温度下LCF寿命受氧化作用和夹杂物共同影响；高温氧化作用下氧化层呈现分层结构，外层为NiO，中间层为含有Cr₂O₃,TiO₂等复杂氧化物及尖晶石相(NiCr₂O₄)的混合层，内层为Al₂O₃;CG二次γ’相氧化后平均尺寸增加，FG二次γ’相平均尺寸没有明...     

一种无人机自主避障与目标追踪方法

针对无人机自主避障与目标追踪问题，以深度Q网络(DQN)算法为基础，提出一种多经验池深度Q网络(MP DQN)算法，使无人机避障与追踪的成功率和算法的收敛性得到优化。更进一步，赋予无人机环境感知能力，并在奖励函数中设计了方向奖惩函数，提升了无人机对环境的泛化能力以及算法的整体性能。仿真结果表明，相较于DQN和双重DQN(DDQN)算法，MP DQN算法具有更快的收敛速度、更短的追踪路径和更强的环境适应性。     

考虑移动目标不确定行为方式的轨迹预测方法

针对现有方法难以预测出符合飞行移动目标不确定行为方式轨迹的问题,提出基于逆强化学习的飞行移动目标轨迹预测方法,通过学习目标行为偏好以及模拟目标行为决策过程的方式预测目标的移动轨迹。首先基于深度神经网络建立目标的行为决策模型与行为偏好模型,然后通过最大熵逆强化学习方法交替地学习模型参数。为了有效地学习目标的不确定行为特征,采用监督学习的方法学习出目标示例轨迹概率分布模型,用于指导目标行为偏好模型的训练以及初始化目标行为决策模型,同时通过对目标行为偏好模型进行预训练的方式提高其训练质量。仿真结果表明,提出的飞行移动目标轨迹预测方法可通过学习到的目标行为决策模型较为准确地模拟目标的行为方式,预测的目标轨迹分布与真实的目标轨迹分布在Kullback Leibler(KL)散度下的相似度可达0.24。     

基于深度迁移强化学习的无人机投放自主引导机动控制算法

针对无人机精确投放引导问题，本文提出基于深度迁移强化学习的无人机投放自主引导机动控制算法，分别建立基于马尔可夫决策过程的引导机动决策模型、引导机动评估模型等，并设计基于迁移学习和课程学习的引导机动策略训练方法，拟合基于深度学习的引导机动策略和评估网络，最后开展仿真训练和验证试验。仿真结果表明，该算法实现了无人机在任意姿态和位置条件下，能够自主规避区域威胁并自主引导至目标投放点，成功完成投放瞄准任务，有效地提升了无人机投放引导机动控制的自主性。     

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题，提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束，建立集群的动态交互图，通过引入二维网格状态特征编码的方法，构建维度不变的智能体观测空间；采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构，分别设计策略网络和价值网络的状态空间和动作空间，定义收益函数；构建编队集结仿真环境，经过训练，所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中，均能成功实现快速集结，其灵活性和鲁棒性得到验证。     

攻击角度约束下的分布式强化学习制导方法

为提高导弹在攻击角度约束下对目标的打击效能，提出了一种基于深度确定性策略梯度算法的分布式强化学习制导策略。为了最大限度地减小攻击角度误差，设计了一种新的奖励函数，使导弹在满足视场角约束的同时，视线角向期望值收敛。此外，为了增强强化学习模型的泛化能力，提出了一种分布式探索策略，提高了模型训练过程中对环境的探索效率。仿真结果验证了所提出的分布式强化学习制导方法能够在固定攻击角度约束下实现对目标的精准打击。与传统制导律相比，所提制导方法的攻击角度误差更小，收敛速度更快。     

喷射成形TiCp/ZA35复合材料热挤压工艺的ANN优化和组织研究

采用人工神经网络(ANN)的方法，研究挤压比、挤压比压、挤压温度和挤压速率对喷射成形TiC_p/ZA35复合材料力学性能的影响，建立了TiC_p/ZA35复合材料热挤压的人工神经网络模型。模型的输入参数为挤压比、挤压比压、挤压温度和挤压速率，输出参数为复合材料的抗拉强度。该模型可以仿真TiC_p/ZA35复合材料在不同热挤压工艺参数下的力学性能，也可以优化热挤压工艺参数，模型结果与实验结果误差小于1.8%，拟合率为0.986。推荐热挤压工艺优化参数为：挤压比22，挤压比压415 MPa，挤压温度315℃，挤压速率8 mm·s^-1，此工艺条件下复合材料的抗拉强度为486.7 MPa。热挤压间接对复合材料进行了时效处理，材料晶内析出晶须状和颗粒状的MnAl6强化相。弥散强化和位错强化作用使热挤压喷射沉积TiCp/ZA35复合材料较未挤压复合材料抗拉强度提高38.3%。     

强化技术支撑、辐射、引领和带动作用--《航空发动机》双月刊发刊词

按照林左呜总经理“要把科技期刊《航空发动机》做大做强”的指示，沐浴着中航工业集团成立的强劲东风，《航空发动机》双月刊现已成功发刊，向着更高的目标迈出了重要的一步。值此之际，我代表主办单位——沈阳发动机设计研究所，向多年以来领导、指导和支持《航空发动机》办刊工作的各级领导、作者、读者表示衷心的感谢!     

基于卷积神经网络的图像识别综述

随着工业化进程的迅猛发展，产生了大量的图像信息，传统的图像识别技术难以处理如此庞大的图像数据以及满足速度和精度上的要求，大数据及深度学习技术应运而生，基于卷积神经网络的图像识别方法成为目前图像识别的主流算法。文中首先介绍了传统图像识别技术及存在的问题，引入了卷积神经网络的深度学习方法，重点说明了卷积网络中间层的结构和特点，然后介绍图像识别中经典的卷积神经网络模型及相互间的区别，最后简要综述卷积神经网络在图像识别中的应用，指出了有监督的卷积网络学习缺点及无监督学习的研究方向。