摘要：针对在运用Soft actor-critic(SAC)强化学习算法实现复杂的飞行器控制律自学习过程中,超参数设定高度依赖于人工经验进而造成设计难度大的问题,提出一种基于神经网络架构轻量化搜索策略的飞行器控制律自学习方法。该方法在将神经网络架构设计问题转化为图拓扑生成问题的基础上,结合LSTM循环神经网络的图拓扑生成算法、基于权重共享的深度强化学习参数轻量化训练与评估机制,以及基于策略梯度的图拓扑生成器参数学习算法,给出了一种面向深度强化学习的轻量化自动搜索框架,实现了SAC训练算法中神经网络架构超参数的自动优化,进而完成了控制律的自学习。以三维空间返回着陆控制为例,验证了所提方法的有效性和实用性。

摘要：针对变构型飞行器在飞行过程中由于构型发生改变导致其质心、气动力、转动惯量和气动力矩以及飞行器的抗扰能力等参数或特性发生变化,对飞行器飞行控制品质产生较大影响的问题,提出一种基于强化学习的变构型飞行器一体化位置姿态控制方法,通过孪生延迟深度确定性策略梯度(TD3)强化学习算法训练神经网络控制律,实现变构型飞行器的一体化位置姿态控制。算法通过数学仿真与飞行试验进行了验证,仿真结果与飞行试验结果表明,该算法所设计的神经网络控制律能够实现变构型飞行器的一体化位置姿态控制,并对于外界干扰具有较强的适应能力。

摘要：针对运载火箭电气系统供电电缆规模偏大、拓扑复杂、易引发跨级供电潜通路等问题,提出了一种电气系统模块化分级供配电方案。将运载火箭各级分别规划为一个独立的供配电单元,供配电单元内采用通用化设计,实现对内部负载的一体化供电;供配电单元间、电气系统箭地间、供电母线间电气隔离,以避免供配电单元间的电气耦合,彻底消除级间潜通路,降低设计难度,最终使得运载火箭电气系统供配电体制具备系统层级模块化特征和供配电单元即插即用能力,为未来电气系统供配电架构的标准化设计和运载火箭分级测试提供技术基础。

摘要：为提高网络的韧性,提出网格均匀度,并将其与自然连通度和最大连通子图联合进行网络优化设计。生成随机分布的节点,在路径总长约束下,以混合指标作为优化目标进行边连接,利用遗传算法进行网络结构优化。随机打击试验中,该算法的平均最大连通子图节点数为自然连通度算法和最大连通子图算法的2.06倍和1.34倍;蓄意打击试验中,该算法的最大连通子图节点数为自然连通度算法和最大连通子图算法的8倍和4倍。

摘要：为有效重构三维管道内液体的温度场和流速场,提出了一种超声飞渡时间计算表征,并基于此求解温度场和流速场反演模型。同时考虑温度梯度导致的声线弯曲效应,采用正四面体前向展开法,追踪超声弯曲路径;开展“华龙一号”反应堆主管道冷却剂温度场和流速场重构实验。实验结果表明,所提方法能有效重构管道冷却剂温度场和流速场,且考虑弯曲效应能进一步提高重构精度。

摘要：为提高飞行器导航系统的精度和自主性,提出了一种重力梯度/捷联惯导(SINS)/星光组合导航方法。在该组合导航系统中,利用重力梯度信息修正SINS的位置误差,利用星光信息修正SINS的姿态误差,提高飞行器的导航精度和自主性。为了弥补传统容积卡尔曼滤波(CKF)算法滤波精度不高的缺点,采用随机加权容积卡尔曼滤波(RWCKF)算法,设计重力梯度/SINS/星光组合导航系统。仿真结果表明,SINS/星光组合导航系统、重力梯度/SINS组合导航系统、合成孔径雷达(SAR)/SINS/星光组合导航系统和提出的重力梯度/SINS/星光自主组合导航系统的定位误差分别为78.1003 m、54.3399 m、39.2776 m和19.8495 m,证明了提出的重力梯度/SINS/星光自主组合导航系统的精度不仅远高于两个子系统,也高于SAR/SINS/星光组合导航系统。

摘要：针对高超声速飞行器纵向通道跟踪控制问题,提出一种无需对虚拟控制量进行在线求导的新型backstepping控制方法。首先将飞行器动力学模型划分为速度子系统和航迹倾角子系统,然后采用backstepping方法设计航迹倾角子系统控制器,利用高阶微分器技术直接设计虚拟控制量一阶导数的控制律,这样即避免了现有backstepping方法中求取虚拟控制量一阶导数时存在的“复杂性爆炸”问题,同时能够简化控制器结构,减少待设计控制器参数数目。另外,采用跟踪微分器技术设计了不确定项观测器以实现对模型中各类不确定项的估计,进而提高控制器的跟踪精度。最后,采用Lyapunov理论证明了闭环系统的稳定性,并通过对比仿真实验验证所提方法的有效性。

摘要：针对类火箭飞行器进行了基于深度确定性策略梯度(DDPG)算法的姿态控制研究,完成了算法设计和智能体训练,并进行了仿真与飞行试验。基于飞行器六自由度模型搭建飞行模拟器,针对悬停模式,以多拍姿态角跟踪误差以及姿态角速度作为智能体可观测的状态,控制指令作为智能体动作,设计了含有跟踪误差、控制指令变化量以及一次性奖励的回报函数,在模拟器中训练智能体并完成了从仿真环境到真实系统的迁移。研究中未按传统设计流程对飞行器模型进行通道分解等简化,轻量化神经网络形式的智能体仅通过与模拟器交互的形式学习姿态控制策略,智能体在仿真和飞行试验中都展现出了良好性能。

摘要：针对一类考虑模型非仿射特性和执行机构饱和特性的高超声速飞行器轨迹跟踪控制问题,提出一种基于backstepping的输出反馈非线性控制方法.考虑执行机构故障激发的未知非线性动态,建立了非仿射形式飞行器模型.为解决实际工程应用中存在的气流角测量值难以使用的问题,利用高度和速度测量值以及高阶微分器设计了航迹倾角在线估计方法.基于跟踪微分器设计了模型干扰项的估计方法,并解决了backstepping方法应用中存在的“微分项爆炸”问题.引入辅助系统降低控制量饱和带来的不利影响.基于Lyapunov理论证明了闭环系统的稳定性.最后,通过对比仿真实验验证了所提方法的有效性.

摘要：针对一类高速可变形飞行器(HMFV)的变形决策问题,提出一种基于深度确定性策略算法(DDPG)下考虑综合性能指标最优的智能变形决策方法。首先,以一类后掠角可连续变化的高速飞行器为研究对象,给出变形飞行器动力学模型,分析模型特性及变形量与关键气动参数之间的定性关系。其次,基于关键气动数据特征分析,考虑包含气动性能、控制误差在内的综合性能指标,设计一种基于DDPG算法的智能变形决策方案。再者,针对带有标称控制器的HMFV进行变形决策训练,实时获得滑翔过程中不同飞行状态下的最优构型。最后,仿真结果表明所设计的智能变形决策算法收敛效果好,且具备较好的泛化性能。相比于固定外形,可通过变形使得在不同状态下的升阻比保持最优,且与考虑单一决策指标相比,考虑综合指标最优的变形决策可进一步缩小姿态动态跟踪误差。