失效卫星姿态接管的并行学习合作博弈控制

针对多颗微小卫星合作接管失效卫星姿态运动的问题,研究了考虑微小卫星控制约束的多星合作博弈策略学习与协同控制方法。首先,建立了微小卫星合作博弈模型,给出了能够处理微小卫星控制约束的多星合作博弈帕累托最优策略显式表达式。其次,针对微小卫星合作博弈策略学习需求,通过过去与当前时刻数据的并行使用,设计了基于并行学习的策略迭代方法,该方法放松了神经网络（NN）权值矢量学习对持续激励条件的要求。给出了为确保神经网络权值矢量估值收敛,所使用的过去时刻数据所需满足的条件,并通过Lyapunov方法分析了神经网络权值矢量估计误差的一致最终有界性。之后,采用并行学习策略迭代方法进行了微小卫星合作博弈帕累托最优策略数值解的逼近。所获得的合作博弈策略具有反馈控制形式,在进行神经网络权值矢量学习后,各微小卫星能够通过合作博弈策略的独立计算实现失效卫星姿态运动接管过程中的闭环协同控制。所设计方法避免了传统姿态控制方法所需进行的力矩分配,消除了微小卫星数量对其控制计算复杂度的影响。最后,通过数值仿真对所设计方法的有效性进行了验证。     

基于CNN机翼气动系数预测

随着机器学习的快速发展和其突出的非线性映射能力,越来越多的学者将机器学习方法应用到流体力学领域。为克服传统数学拟合不能很好的解决系统非线性问题,以及现有文献中所提及的一些基于神经网络的气动参数预测方法,需要进行参数化处理而带来的不便,同时为实现多变量多输出气动参数快速预测的目的,基于卷积神经网络考虑机翼变迎角和浮沉建立了一种多变量多输出的机翼气动参数预测模型,实现了机翼气动参数的快速预测。结果表明：所建模型具有较高且稳定的预测精度,并且计算效率较计算流体力学(CFD)提高了40倍。     

基于H∞最优化与层次结构动态逆的非线性飞行控制器设计

针对扰动环境下的导弹飞行控制问题提出一种基于H∞最优化与层次结构动态逆(HSDI)的鲁棒非线性控制方法.设计层次结构动态逆控制器时将层次结构优化为3层,并按照时标分离的思想调整了各层次的状态变量,使得控制器更为简洁.在此基础上,将层次结构动态逆控制器与导弹6自由度(DOF)非线性模型联合作为H..控制的广义被控对象,通...     

一种针对冗余执行机构配置的修正直接分配算法(英文)

控制分配考虑期望控制量在冗余执行机构配置间的指令分配问题。本文基于执行机构的可达集提出一种修正直接分配新算法,重点解决该类算法的分配效率问题,并与修正伪逆再分配法、基于单纯形法求解的直接分配法线性规划模型以及次梯度优化算法进行对比分析。为减少原始直接分配法的离线计算时间,提出基于执行机构安装矩阵的零空间构建可达集信息,使离线计算时间在执行机构数目小于10时优于传统基于行空间的构建方法。在线计算中,提出基于单位可达集顶点信息寻找与期望控制量射线方向临近的可达集表面,从而缩小搜索范围、降低在线计算时间。仿真结果表明:修正算法不显著增加离线数据存储量,并将在执行机构数目小于10时至少降低32.22%的离线计算时间;在线计算中,其平均在线时间较对比算法均有大幅提高;在高度冗余控制分配问题中,修正算法将具有更大优势。     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

管式间接蒸发冷却器换热管的亲水性

对管式间接蒸发冷却器在应用过程中存在的换热管表面亲水性较差的问题进行分析,介绍亲水性的表征方法,分析亲水涂膜需要具备的性能,并详细介绍了三种亲水涂膜各自的特点及亲水机理。提出采用亲水溶液对铝箔表面进行亲水整理的方法来提高其亲水性,结果显示经过亲水处理后铝箔表面亲水性和持续亲水性都大大提高。     

茶如恩师

茶是个载体,更多的时候是让我们进入一种状态,自在、喜悦、慈悲。对我来说就是,饮茶的过程让我逐渐明白"含与得"的关系这让我的生活变得从容自在起来。通过喝茶,品茶,通过跟茶人一起聊天,我渐渐打造出我想要并且喜欢的状态。     

超音速混合及燃烧的强化技术

超音速气流中燃料与空气混合直接关系到燃烧效率，强化超音速混合及燃烧已成为各国专家正在解决的关键问题之一。本文在广泛搜集资料的基础上，归纳了已有的强化技术，为开展强化超音速混合及燃烧技术的研究作了必要的准备。     

面向天基监视的红外弱小飞行目标识别算法

针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法。检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框（anchor）大小的选取更加合理。在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感。改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响。仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13%,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3%,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率。     

一种深度强化学习制导控制一体化算法

研究了一种基于深度强化学习理论的制导控制一体化算法。不同于传统的制导控制一体化算法和制导控制回路分开设计的方法,基于深度强化学习理论的制导控制一体化算法利用深度学习强化算法生成一个智能体,智能体根据导弹的观测量生成舵偏角控制指令准确拦截目标。首先将制导控制问题转化为一个马尔可夫决策过程,然后提出了一个权衡制导精度、能量损耗和飞行时间的奖励函数,将制导控制问题转化到强化学习问题的框架中。最后采用深度确定性策略梯度算法,求解提出的强化学习问题,训练得到制导控制智能体,智能体根据导弹观测量生成舵偏角指令。通过进行大量的数值模拟,验证了提出的制导控制一体化算法的有效性和鲁棒性。