结构动力学模型修正的三步策略及其实践

首先构建了由模型结构调整、模型参数修正以及模型确认组成的三步模型修正策略。该方法优于传统模型修正方法的是:在模型修正之初基于误差定位、灵敏度分析以及工程经验进行的模型结构调整可以给出一个适于参数修正的初始有限元模型,从而保证了模型修正的成功。然后,采用三步法针对国际上模型修正的标准考题——GARTEUR19结构动力学模型进行修正,详尽论述了模型结构调整、参数修正以及模型确认的过程,并将修正结果与国外同行的研究结果进行了对比,综合精度与国际先进水平相当,从而验证了三步模型修正策略的有效性。     

基于深度强化学习的复杂地形适应机器人设计与实验

针对行星表面轻量化自主探测任务,基于仿生思想设计了一种仿海胆结构的十二足球形机器人,其具备自主改变构型以贴合复杂地形的能力,可实现无倾覆、高容错的全向运动;基于数据驱动方法,对该机器人设计了一种数据高效的无模型强化学习运动策略,可实现无先验知识的从0到1步态训练以及步态的实物样机快速部署。通过在平面地形和非结构化地形中对其进行仿真实验,验证了经过训练的机器人具备自主运动、适应非结构地形等能力;通过与常用基准策略进行对比,证实了本文提出的运动策略具有训练高效、鲁棒性好的优势;最后通过开发原理样机,开展实物实验验证了仿真环境中所生成的步态在真实物理环境中的动力学可行性。     

基于多指标动态优先级的无人机协同路径规划

针对复杂城市环境下多无人机（UAVS）协同巡检、配送等任务,提出一种基于多指标动态优先级的协同路径规划方法,以节省运行成本和增加任务效率。综合考虑碰撞风险、总路程、等待时间等指标构建动态优先级模型,并在优先级单边避碰机制下,定制组合规避策略以处理局部冲突,更好地权衡协同规划效率和路径质量。针对无人机个体路径规划,在Lazy Theta*算法基础上引入拥堵权值地图,引导无人机避开拥堵区域,降低冲突发生可能性。对比仿真试验表明：提出的个体规划算法可以减少拥堵区域和降低拥堵持续时间,提出的多指标动态优先级协同规划算法相比于飞行时间驱动的动态优先级,能够提高规划效率和结果最优性。     

一种IGSO卫星轨道维持时的偏航角调整策略

针对倾斜地球同步轨道(IGSO)卫星的轨道维持问题,提出了在轨卫星在各种不同工况及约束下的偏航角调整策略。其目的在于减小偏航角的调整范围以及缩短偏航角调整时间,减小轨道维持过程对卫星业务连续性的影响。分析了偏航角的运动规律,以及升交点赤经对偏航角的影响。在此基础上,根据轨道维持时升交点赤经的不同、太阳高度角范围、轨道控制的时间约束、交叉点位置约束等不同情况,分别给出了卫星轨道维持时偏航角的调整方法及推力器选择方案。对于交叉点位置在中国境内的卫星,可以使偏航角调整范围不超过45°。此方法可应用于在轨卫星轨道维持管理的实践中。     

基于卡拉杰克模型装机产品采购策略的研究

商用飞机项目供应链的复杂性和特殊性决定了装机产品战略采购直接影响到商用飞机公司核心竞争力和竞争优势。因此,有必要针对公司的核心采购业务(装机产品采购)实施战略管理,基于卡拉杰克模型对装机产品采购策略进行研究,以最低总体成本为目标,综合平衡装机产品供应的安全性与经济性。卡拉杰克模型适用于对供应经济性与风险性的评估,建立基于卡拉杰克模型的装机产品品类定位模型,可以有针对性的根据装机产品的重要性(采购金额占比)和对供应商依赖性(供应风险)对装机产品进行分类定位,进而针对不同品类装机产品制定出不同的采购策略。     

过载约束下的探月飞船再入轨迹的在线设计

研究了以第二宇宙速度返回地球的载人探月飞船的再入制导律设计问题.针对基于落点分析的数值预测-校正算法不能有效满足再入过程的气动过载约束条件的问题,提出一种基于解析计算的常值气动过载算法与基于数值积分的预测-校正技术相结合的融合再入制导方案,在线生成了同时满足过载约束和落点精度要求的再入轨迹.数值仿真表明提出的制导算法不仅能满足达到高精度着陆的要求,还能满足气动过载约束要求.在一定的再入初始条件下,探月返回飞船可以不必采用逻辑复杂的阿波罗式跳跃再入方案.这一方案可为即将展开的载人探月活动制定月-地返回轨道和再入策略提供参考.     

分布式虚拟靶试系统中负载平衡机制设计与实现

针对大规模分布式交互仿真系统的开发需求,基于MAK／RTI深入研究了分布式仿真系统的负载平衡技术,并在分布式虚拟靶试系统中得到应用与验证。     

新时期高职院校学生干部培养存在的问题及培养策略探析

通过对高职院校学生干部自身问题和干部培养现状进行分析,从思想观念和机制建设角度来剖析当前高职院校学生干部培养存在的问题和原因,并提出了相应的培养策略。     

类比推理协处理器设计中的加速策略

分析了实现高效的嵌入式类比推理协处理器系统ARC(Analogical Reasoning Coprocessor)所面临的困难,在软件模拟、测试、验证的基础上给出了提高ARC效率的解决方案.由于ARC采用了符合类比推理机制的处理器体系结构和加速策略,推理速度有了大幅度的提高.     

行星软着陆GPS有模型强化学习制导方法

由于距离地球较远、测控延时误差较大、飞行环境十分复杂且难以提前预测,行星软着陆的自主制导技术目前存在水平位置估计困难、导航参考信息匮乏、复杂地形着陆困难等挑战。针对行星软着陆存在的困难和挑战,提出了基于引导策略搜索算法的有模型强化学习制导方法,实现了着陆器在初始状态受到扰动时,无需重新规划,仍能在满足约束条件的情况下降落在指定位置。该方法将迭代线性二次调节器作为控制器,产生初始轨迹;其次,使用多层神经网络拟合制导策略;最后,利用控制器监督策略学习,进而收敛产生可行策略。针对行星表面软着陆的仿真验证结果显示该算法仅通过几次循环,即可以实现初始状态变化的快速软着陆。一方面表明了基于有模型强化学习的数据高效利用率,另一方面也证明了强化学习方法在深空探测领域中具有广阔的应用前景。