基于MADDPG的多无人机协同任务决策

针对多无人机任务决策方法研究中传统优化算法难以在短时间内得到期望结果的问题,基于深度强化学习提出一种无人机多智能体深度确定性策略梯度(MADDPG)算法,通过允许无人机在学习时使用全局信息,在应用决策的时候只使用局部信息的方法,从网络结构、状态空间、动作空间和奖励函数设计了MADDPG算法的模型结构。最后通过仿真实验,并对比深度确定性策略梯度(DDPG)算法,验证了本文提出的MADDPG算法在保证精度的基础上,学习速度大幅度提高,弥补了传统强化学习算法在多智能体领域的不足。     

电容成像双共轭梯度图像重建改进算法

针对电容层析成像技术（ECT）逆问题中软场效应的影响,以及重建图像时使用的传统迭代类算法迭代次数多、成像速度慢等问题,将双共轭梯度（BICG）应用到电容层析成像技术中,为了得到更好的重建效果,提出了双共轭梯度与正则化思想相结合来求解逆问题的最佳解。通过COMSOL5.3软件进行建模,使用MATLAB 2014a进行图像重建与图像评估,分别使用Tikhonov、Landweber、共轭梯度（CG）、BICG、所提改进算法进行图像重建。实验表明:所提改进算法的成像效果不仅优于其他迭代类算法,而且大大缩短了图像重建需要的时间;尤其对一些复杂流型成像效果更佳,图像错误率低至约0.2,相关系数高达约0.88,成像时间缩短至2.77 s,迭代次数减少至20次。      

基于BoF模型的多特征融合纹理图像分类

针对特征词袋（BoF）模型缺乏空间和几何信息,对纹理图像内容表达不明显等问题,提出一种基于BoF模型的多特征融合纹理分类算法。将灰度梯度共生矩阵（GGCM）和尺度不变特征转换（SIFT）融合特征作为纹理图像的区域特征描述,通过动态权重鉴别能量分析进行最优参数特征选择,并用BoF量化纹理特征,使用支持向量机对图像进行训练和预测,得出分类结果。实验结果表明,本文算法对有旋转扭曲的纹理、边缘模糊纹理、有光照变化的纹理及杂乱纹理等均能取得较好的分类效果,相对于传统BoF模型及凹凸划分（CCP）方法等算法在UIUC纹理库上的分类正确率均有不同程度的提高,平均分类正确率分别提高12.8%和7.9%,说明本文算法针对纹理图像分类具有较高的精度和较好的鲁棒性。      

超临界机翼多目标气动优化设计的策略与方法

超临界机翼的气动设计十分复杂,往往需要借助于有效的优化手段。然而,优化方法本身往往无法直接表达真实完整的设计意图,因此需要将工程需求和约束转换为优化方法所能处理的数学形式。本文首先探讨了梯度优化方法和进化类优化方法在气动优化中的表现。之后简要总结了前人在飞机气动设计中提出的准则和要求,并基于压力分布形态定义了超临界机翼气动设计的关键特征及定量要求,探究其在超临界机翼气动优化设计中的应用效果。研究结果表明,在多目标优化中引入面向压力分布形态特征的目标和约束,能有效引导优化体现工程设计思想,进而提高优化效率。     

飞行器用梯度材料的微观结构及热应力分析

采用薄片叠层法制备了SUS304/ZrO2梯度材料,观察了梯度为20%的梯度材料的微观形貌,对其截面进行了显微硬度测量,并进行了残余热应力分析.结果表明:SUS304/ZrO2梯度材料呈阶梯式梯度变化,成分呈梯度变化过渡良好,残余热应力远小于SUS304/ZrO2层状材料,热应力缓和效果明显,可以满足飞行器材料的使用要求.     

激波对气膜干扰作用的抑制机理研究

为了研究激波对气膜冷却效果的破坏机理,并消除这种影响,以平板壁面为基础设计了一种带有卸压槽的壁面结构。通过数值计算研究了主流马赫数为3.2,冷流马赫数分别为1.0、0.6和0.4三种工况下开槽壁面对激波破坏的抑制作用。结果表明,在有激波入射的条件下,开槽壁面比平板壁面具有更好的流场结构,可使激波导致的近壁气膜的分离区最多减小至原来的三分之一,并有效减弱气膜入射后在肩部产生的反向涡旋对,这很好地抑制了气膜的卷吸和与主流的掺混。计算显示开槽壁面最大能够使壁面冷却效率提高6%,且这种作用效果与通过卸压槽的气流流量大小有关。此外仿真结果表明,在相同条件下波前卸压较波后卸压效果更好。通过合理安排卸压槽位置及槽面宽度,可以将总压损失控制在合理范围内。     

基于全张量磁场梯度的磁偶极子定位及误差分析

为了对磁偶极子进行高精度的磁性定位,文章从磁偶极子模型出发,推导出磁偶极子的空间坐标与其产生的磁场及磁场梯度之间的关系式;针对模型及关系式,设计了一种全张量磁场梯度传感器,能够一次测量出精确定位所需的9个磁场梯度值和3个磁场强度值;对比仿真结果和实验结果,发现二者具有较好的一致性,证明了该理论模型的有效性。对于磁偶极子,用半径为0.05 m的梯度传感器对磁矩为2 A·m~2的磁偶极子进行定位测量,在0.5~1 m距离内定位误差不大于10%。文章还对定位测量误差的原因进行了分析,包括梯度测量基线距离及传感器半径对定位误差的影响。