石墨烯增强铝基复合材料制备技术及强化机制研究进展

具有二维平面结构和优异综合性能的石墨烯已成为铝基复合材料制备的理想增强体之一。本文主要介绍了液态成形法、粉末成形法和复合加工工艺等三大类石墨烯增强铝基复合材料制备技术。通过对不同类型制备技术的原理分析，结合石墨烯增强铝基复合材料的四种强化机制，总结出石墨烯增强铝基复合材料的发展方向应以复合材料的基础理论研究、制备技术的突破和大规模的工业化应用为主。     

强化学习方法在翼型拍动实验中的应用

将深度强化学习方法应用于水洞实验，实现了实验室内的自动闭环优化框架，并用该框架优化了雷诺数Re=1.3×104下纯俯仰运动的NACA0012翼型模型的推进效率。现有的相关研究往往将运动模式限制为某种周期性函数，具有局限性。借助于强化学习方法，实现了在更广的非周期动作空间中的动作搜索。在实验中，模型自动地与水洞环境进行交互，最终学习到了高效推进的非周期运动策略。另外，通过修改奖励函数，实现了在给定推力阈值以上的效率优化。研究结果显示，强化学习模型可以在实验过程中通过不断调整拍动动作的幅度和频率来实现推进效率的持续提升，并且最终通过强化学习方法获得的最优拍动动作均与正弦拍动动作接近，得到的最优推进效率基本位于同等幅度正弦动作效率的上边界。研究展示了强化学习方法用于复杂流动控制问题的可行性。     

航天器反应式碎片规避动作规划方法

提出一种航天器反应式碎片规避动作规划方法，首先以扰动流体动态系统(IFDS)算法作为动作规划的基础算法，通过其中的总和扰动矩阵对航天器的轨道速度矢量进行修正，实现轨道机动规避；然后，建立基于双延迟深度确定性策略梯度(TD3)深度强化学习算法的反应式动作规划方法，通过TD3在线优化IFDS规划参数，实现对碎片群的“状态-动作”最优、快速规避决策。在此基础上，将优先级经验回放和渐进式学习策略引入该方法中，提升训练效率。最后，仿真结果表明，所提方法可使航天器安全规避多发、突发、动态且形状各异的空间碎片群，且具有较好的实时性。     

基于通信的协作型多智能体强化学习算法综述

多智能体系统在许多实际领域中得到了广泛应用，包括机器人技术、分布式控制和多人游戏等。这些领域中的许多复杂任务无法通过预定义的智能体行为来解决，而基于通信的多智能体强化学习(Multi-Agent Reinforcement Learning, MARL)技术是应对这些挑战的有效方法之一。该领域存在2个核心问题：1)如何建立有效的多智能体通信机制，从而提升多智能体系统的整体性能；2)在带宽受限的场景下，如何设计高效的通信调度方案从而压缩通信过程中冗余信息。本文首先对处理这两个核心问题的文献进行了概述并重点介绍具有代表性的一些工作，接着说明其在航天领域的应用前景，最后进行总结。     

肋参数对液氧甲烷发动机推力室强化换热的影响

为深入研究带肋推力室强化传热的机理，对带肋液氧/甲烷推力室的燃烧与再生冷却进行了流动与传热耦合分析，并针对不同肋高和肋数目进行了参数化分析。结果表明:引入等效平均热流密度的概念可以准确描述带肋推力室中的实际传热过程;平均热流密度总是随着肋数目的增加而减小，当肋高恒定时，由于总换热面积增大，等效平均热流密度会随着肋数目的增加而增大;而当总表面积恒定时，等效平均热流密度会随肋数目的增加而减小。此外，盲目地增大总换热面积并不一定能改善传热强化，甚至会在某些情况下恶化传热，因此在设计过程中也应该结合其他肋参数进行综合考虑。     

信息非完备下多航天器轨道博弈强化学习方法

针对信息非完备约束下航天器轨道博弈难以自主决策的问题，基于多智能体强化学习提出一种多航天器轨道博弈决策方法。首先建立轨道博弈动力学和信息非完备约束。其次建立用于训练和决策的神经网络模型，依据分布式系统架构对网络的输入输出结构进行设计，并引入具有记忆功能的长短期记忆网络(LSTM),根据航天器轨道运动在时间、空间连续的属性，补偿位置、速度测量信息的非完备性。然后采用近端策略优化(PPO)算法开展红蓝左右互搏式学习训练。最后通过三组对比训练实验，验证了所提出的方法在信息非完备约束下能够有效增强学习训练过程的稳定性，并提升任务完成率和降低燃料消耗。     

基于A2C算法的低轨星座动态波束资源调度研究

巨型低轨星座为载人飞船、空间站、遥感卫星等用户航天器提供低时延、大容量的通信通道存在波束资源分配优化的难题。针对采用离散时间的深度强化学习A2C(advanced actor-critic)的智能优化框架进行了研究，结合遗传算法中个体和基因概念、形成了可有效满足多用户、动态、并发接入需求的波束资源调度算法。基于仿真分析，提出的算法可在多种典型场景下具有适用性，支持在20 s内完成超过3 000个任务的有效规划，任务成功率不低于91%。通过算法优化实现复杂度的降低，相对传统遗传算法可节约时间45%以上。同时对传统A2C算法框架中的收敛问题进行了优化，解决了传统全连接A2C算法无法收敛的难题，同时相比DQN(deep q-network)算法框架收敛速度提升38%以上。     

基于强化学习的火星无人机状态约束控制

针对火星无人机在恶劣条件下难以实现稳定的飞行和位置控制的问题，提出了一种基于状态约束的连续时间自适应神经网络控制方法，为了达到不分析虚拟控制器可行性条件的效果，引入了可以在没有虚拟控制器可行性条件情况下进行控制的坐标变换。该神经网络采用基于强化学习的自适应跟踪控制，以最小化长期性能值进行估计。虚拟控制器的验证不需要离线计算，使设计参数具有更大的自由度和更大的初始条件。通过对火星无人机的仿真，验证了该控制策略的性能。     

TC4钛合金激光冲击强化数值模拟

采用连续显式动态冲击策略对航空用TC4钛合金进行激光冲击强化数值模拟研究.根据冲击波能量变化曲线确定单次冲击求解时间为3000ns,并分析了应力波传播过程.在此基础上开展多点冲击模拟,分析了功率密度、冲击次数和光斑搭接率对残余应力、应变场的影响.得出增加功率密度对增大表面残余压应力的效果更好;增加冲击次数对增大残余压应...