专刊/专栏

人工智能赋能空域系统,提升空域分层治理能力

陈志杰, 汤锦辉, 王冲, 程季锃, 曹珊, 邵欣

doi:10.7527/S1000-6893.2020.25018

2021, (4): 525018-525018.

摘要

为应对未来平台无人化、用户多元化、服务个性化的航空发展趋势，空域运行将呈现分层治理的发展趋势。而随着算力、算法与数据的持续提升与积累，数据驱动的人工智能方法将持续为层次化的空域系统赋能。本文从超低空、城市、区域、枢纽、亚轨道等5个层次化场景梳理我国空域系统的发展趋势；提炼得出空域运行面临的核心难点与关键科学问题；提出基于数据驱动的人工智能方法求解空域运行科学问题的研究框架、研究内容和应关注的关键技术；结合层次化典型应用场景，简要分析智能空域运行的具体应用案例；最后对人在空域运行中的作用提出了新的思考。

OODA智能赋能技术发展思考

祝学军, 赵长见, 梁卓, 谭清科

doi:10.7527/S1000-6893.2020.24332

2021, (4): 524332-524332.

摘要

随着科学技术的飞速发展，信息化支持下的体系作战将是未来战争的一种主要样式，"基于感知-判断-决策-行动（OODA）以快吃慢"成为未来战争的重要制胜机理。由于战场环境日趋复杂、对抗多域多维，从战场态势到作战策略的映射关系复杂，给OODA环快速解算带来了新的挑战。为确保OODA环解算满足任务需求，将人工智能（AI）技术赋能OODA各环节，驱动各环节高效运行，缩短环路解算时间，为打赢战争提供关键支撑。首先综述了人工智能在军事领域的应用进展，分析了导弹OODA智能化赋能面临的挑战，初步提出了智能赋能OODA环涉及的相关技术的思考，以支撑导弹智能化的发展。

智能赋能流体力学展望

张伟伟, 寇家庆, 刘溢浪

doi:10.7527/S1000-6893.2020.24689

2021, (4): 524689-524689.

摘要

人工智能（AI）是21世纪的前沿科技，流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度，就其研究内涵、研究内容、近期研究及难点进行了总结，并对智能流体力学未来的发展进行了展望。研究指出，流体力学计算或试验中所产生的数据是天生的大数据，如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据，缓解甚至替代理论和方法层面对人脑的依赖，挖掘新的知识，成为一种新的研究范式；相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化；借助人工智能技术，发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求；研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合；发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求，相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。

航天器自主导航状态估计方法研究综述

王大轶, 侯博文, 王炯琦, 葛东明, 李茂登, 徐超, 周海银

doi:10.7527/S1000-6893.2020.24310

2021, (4): 524310-524310.

摘要

自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段，是指实时确定航天器在轨位置、速度和姿态等导航参数，是航天器自主导航技术的重点发展方向之一。首先，针对航天器自主导航的实际需求，阐述了研究航天器自主导航状态估计方法的必要性，具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状；然后，分析并总结状态估计方法在航天器自主导航系统中的实际应用；最后，结合理论研究和实际应用，给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。

多飞行器的分布式优化研究现状与展望

姜霞, 曾宪琳, 孙健, 陈杰

doi:10.7527/S1000-6893.2020.24551

2021, (4): 524551-524551.

摘要

航空领域的多个飞行器协同搜救、区域监控、编队飞行等实际任务具有个体数量多、信息分散、任务指标复杂等特点，分布式优化是实现上述任务中多飞行器有效协同的重要保证，具有重要的理论意义和显著的应用价值。从优化任务的问题模型、研究框架和典型优化算法3个方面对分布式优化的研究现状进行了概述。根据不同的优化问题，从无约束的分布式凸优化、集合约束的分布式凸优化、不等式约束的分布式凸优化和分布式非凸优化这4个方面对分布式优化领域典型的研究成果进行了概述，并讨论了分布式优化研究的共性难点问题，对未来的分布式优化方向进行了展望。

人工智能在航天器制导与控制中的应用综述

黄旭星, 李爽, 杨彬, 孙盼, 刘学文, 刘新彦

doi:10.7527/S1000-6893.2020.24201

2021, (4): 524201-524201.

摘要

航天器制导与控制技术是保障空间任务顺利实施的关键技术之一。当前，动力学模型的强非线性以及参数不确定性制约了高精度姿轨控技术的发展，而系统故障则决定航天器姿轨控的成败。以机器学习为代表的新一代人工智能技术航天器制导控制领域展现了巨大的应用潜力。首先对基于人工智能技术的轨迹制导和姿态控制中的研究发展及应用现状进行归纳，分析航天器轨迹规划、姿态控制、故障诊断以及容错控制技术的发展趋势。然后，从鲁棒轨迹规划、自适应姿态控制、快速故障诊断和自适应容错控制等4个方面总结适用于未来航天任务的航天器姿轨控关键技术。最后，针对智能姿轨控技术的应用所面临的挑战，从姿轨控架构、算法最优性、算法的训练以及技术验证等方面提出相应的发展建议。

航天器控制系统智能健康管理技术发展综述

袁利, 王淑一

doi:10.7527/S1000-6893.2020.25044

2021, (4): 525044-525044.

摘要

健康管理作为智能自主控制亟待突破的关键技术之一，是提升航天器安全可靠稳定运行能力的有效手段。结合人工智能技术的发展趋势，基于前期已建立的新型航天器智能自主控制系统通用架构，详细综述航天器控制系统的智能健康管理技术现状与发展趋势。首先，根据现有航天器设计、研制和在轨的具体情况，梳理出航天器控制系统健康管理技术所面临的挑战；然后，分别从故障预警、故障诊断和寿命评估3个方面，详细阐述基于人工智能的健康管理技术研究现状及其在航天领域的应用情况；最后，提炼出航天器控制系统健康管理技术的发展方向。

基于深度学习的无人机航拍目标检测研究综述

江波, 屈若锟, 李彦冬, 李诚龙

doi:10.7527/S1000-6893.2020.24519

2021, (4): 524519-524519.

摘要

目标检测是提高无人机（UAV）感知能力的关键技术之一，其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比，基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力，成为目前目标检测任务的主流算法。近年来，目标检测技术已经在自然场景图像上取得了一系列突破性进展，在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展，并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法；从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发，对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。

机器学习在流动控制领域的应用及发展趋势

任峰, 高传强, 唐辉

doi:10.7527/S1000-6893.2020.24686

2021, (4): 524686-524686.

摘要

流动控制作为流体力学中的重要跨学科领域，一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征，对流动的控制尤其是闭环控制，一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点，对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法，为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况，进而勾勒出本领域的发展趋势。

湍流数据同化技术及应用

何创新, 邓志文, 刘应征

doi:10.7527/S1000-6893.2020.24704

2021, (4): 524704-524704.

摘要

近年来数据同化（DA）被引入湍流动力学研究中，通过融合实验测量和数值计算，提高了实验测量的精度和广度，改善了数值模拟的预测性能。实验观测、预测模型和同化算法是数据同化的三要素，湍流研究中的实验观测包括热线风速仪、粒子图像测速法（PIV）、压力传感器等局部测量数据，预测模型主要指流动控制方程及湍流封闭方程，而同化算法包括贝叶斯推断、集合卡尔曼滤波（EnKF）、伴随等。稳态数据同化一般结合雷诺平均Navier-Stokes （RANS）模型方程，从重新标定模型常数、修正涡黏模型方程形式误差、修正雷诺应力项等方面着手。非稳态的数据同化一般包括四维变分（4DVar）等时间连续的数据同化方式以及顺序数据同化。4DVar通过时间正向和逆向积分迭代，存储量和计算量都非常大。顺序数据同化不需要时间逆向积分，可以在若干时刻对实验观测进行间断地植入，正向求解整个系统。另外，随着人工智能的飞速发展，湍流数据同化研究也向智能化迈进。对于纯数据驱动的湍流机器学习，其缺乏物理本质的约束，而基于物理信息的机器学习在物理本质上与数据同化是一致的。

基于卷积神经网络的深度学习流场特征识别及应用进展

叶舒然, 张珍, 王一伟, 黄晨光

doi:10.7527/S1000-6893.2020.24736

2021, (4): 524736-524736.

摘要

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展，可以应对流体力学中诸多问题和需求。卷积神经网络（CNN）强大的非线性映射能力以及分层提取信息特征的功能，使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题，概述和归纳了这一研究领域的进展与成果。首先，对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后，从卷积神经网络能够识别特征出发，先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后，对深度学习在流场识别领域的应用进行了展望，为后续的研究提供参考。

复杂电磁环境下频谱智能管控技术探讨

丁国如, 孙佳琛, 王海超, 焦雨涛

doi:10.7527/S1000-6893.2020.24750

2021, (4): 524750-524750.

摘要

作为国土空间的重要组成，电磁频谱空间呈现出环境错综复杂、目标类型多样、用频行为多变等新挑战，导致频谱安全问题日益严峻。面向复杂电磁环境下频谱秩序安全、频谱对抗安全和频谱共享安全等需求，基于人工智能的频谱管控成为电磁频谱领域的重要研究方向，存在着具有挑战性的基础理论问题和关键技术难题。首先，调研了复杂电磁环境下频谱智能管控的国家战略需求，然后，提炼了智能频谱管控的科学意义与技术挑战，进一步从频谱管控模型机理、频谱态势感知、频谱行为推理、频谱安全决策和频谱管控应用系统等5个方面梳理国内外研究现状，并分析了相关发展动态及研究趋势。

飞行器智能设计愿景与关键问题

李霓, 布树辉, 尚柏林, 李永波, 汤志荔, 张伟伟

doi:10.7527/S1000-6893.2020.24752

2021, (4): 524752-524752.

摘要

未来飞行器正朝着多元化、无人化和智能化的方向发展，高超声速、超隐身和变体等新型飞行器不断涌现。而传统飞行器解耦分拆的设计方法越来越难以满足未来飞行器综合性能全面提升的要求，只有通过整体化设计才能充分发掘飞行器的潜能。通过分析传统飞行器设计中存在的问题，提出满足全生命周期要求的飞行器智能设计体系理念，利用知识库的构建将智能赋予飞行器平台系统设计、制造生产和运维这3个阶段，并通过数字孪生技术进行飞行器全生命周期的仿真、分析和预测，以对飞行器设计、运行等数据进行更新，使该体系形成闭环。就飞行器智能设计体系中需要的关键技术及涉及的科学问题等进行了讨论，并给出了未来发展方向以供参考。

流体力学深度学习建模技术研究进展

王怡星, 韩仁坤, 刘子扬, 张扬, 陈刚

doi:10.7527/S1000-6893.2020.24779

2021, (4): 524779-524779.

摘要

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点，恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前，深度学习技术已在流体力学领域得到了初步应用，其应用潜力逐渐得到证实。以流体力学深度学习技术为背景，结合课题组近期研究结果，探讨了流体力学深度学习建模技术及其最新进展。首先，对深度学习技术所涉及的基本理论做了介绍，阐释流场建模中常用深度学习方法背后的数学原理。其次，分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后，探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。

航空人工智能概念与应用发展综述

卢新来, 杜子亮, 许赟

doi:10.7527/S1000-6893.2021.25150

2021, (4): 525150-525150.

摘要

针对航空人工智能发展的迫切需要，对人工智能定义、智能等级划分两个基本问题进行讨论，指出人工智能近期难以存在公认定义，需辩证看待人工智能航空应用的不确定性和确定性，对执行特定任务的智能系统进行智能等级划分因不符合当前主流认知规律而没有必要。从总体历史沿革、机载导弹、机载系统及可信等角度阐述航空人工智能应用的发展特点和态势，突出了可信航空人工智能研究作为行业应用前提性条件的重要性。

民用飞机智能飞行技术综述

杨志刚, 张炯, 李博, 曾锐, 毛研勋

doi:10.7527/S1000-6893.2020.25198

2021, (4): 525198-525198.

摘要

人工智能已成为民用飞机技术创新发展与竞争的新赛道。在面向民用飞机全生命周期的多种人工智能融合应用中，智能飞行致力于改变传统飞行驾驶模式，重构未来飞行的人机交互模式与空中交通管理架构，成为行业特征最为显著、最具备颠覆性变革的方向，是民用飞机智能化竞争的新焦点。阐述了智能飞行理念，规划辅助智能、增强智能、完全智能三阶段实施路线，以25部、23部、轻型运动类飞机为对象，制定智能飞行推进路线，构建技术体系，提炼影响智能飞行在应用落地过程中需要解决的可信适航与人为因素两项关键应用基础技术，分享对于智能飞行的思考。

针对超临界翼型气动修型策略的强化学习

李润泽, 张宇飞, 陈海昕

doi:10.7527/S1000-6893.2020.23810

2021, (4): 523810-523810.

摘要

强化学习是一类用于学习策略的机器学习方法，通过模拟人的学习过程，与所处环境不断交互来学习动作策略，用以获得最大累积回报。以设计师在翼型气动设计中的增量修型过程为例，给出强化学习在气动优化设计中的要素定义和具体算法的实现。研究了预训练中选择不同示例对预训练和强化学习结果的影响，并将强化学习得到的策略模型在其他环境中进行了迁移测试验证。结果表明，合理的预训练能够有效提高强化学习的效率和最终策略的鲁棒性，且所形成的策略模型具有较好的迁移能力。

基于自动核构造高斯过程的导弹气动性能预测

胡伟杰, 黄增辉, 刘学军, 吕宏强

doi:10.7527/S1000-6893.2020.24093

2021, (4): 524093-524093.

摘要

在导弹的初期设计阶段，通常需要对导弹的气动性能进行快速粗略评估。针对传统工程估算软件计算精度低和CFD方法计算代价大的缺陷，提出一种基于高斯过程回归（GPR）代理模型快速预测典型导弹气动性能的方案。以导弹外形参数和攻角作为模型输入，升力系数、阻力系数和力矩系数作为模型输出，对GPR模型的气动性能预测结果进行分析。首先，与其他常用代理模型的预测精度对比，GPR模型对3种系数的预测误差分别仅为0.24%、0.36%和0.36%，高于其他代理模型的预测精度。其次，考虑GPR模型核函数选择严重依赖人工先验知识的问题，采用了一种自动核构造算法，无需先验知识即可从数据中自动学习核函数。将该算法嵌入GPR框架中，与传统GPR模型比较，实验结果表明：基于该算法的GPR模型对3种系数的预测误差分别降低到0.10%、0.22%和0.17%。最后，给出导弹气动性能快速预测的应用实例，结果表明所提出的GPR模型的导弹气动性能预测方案是有效的，能够满足设计初期快速且精确的气动性能预测需求。

基于径向基神经网络的气动热预测代理模型

张智超, 高太元, 张磊, 拓双芬

doi:10.7527/S1000-6893.2020.24167

2021, (4): 524167-524167.

摘要

为快速获取高超声速飞行器表面热流数据并缩短飞行器气动热设计周期，提出了一种基于径向基神经网络的气动热快速预测代理模型方法。首先，在飞行器表面每一个离散化的网格节点单独构造一种正则化的径向基神经网络。随后，通过训练集对所有网络同时进行训练，获得各自网络的连接权值。最后，所有网格节点的神经网络协同预测飞行器表面不同位置的热流。对NASA火星实验室的椭圆钝化高超声速飞行器的应用表明，所提出的代理模型方法在模型训练完成后能够快速进行飞行器表面热流预测，并且模型具有良好的泛化能力，在驻点及迎风大面积区域热流预测结果与数值模拟的偏差在10%以内。

基于深度学习的单排孔气膜冷却性能预测

李左飙, 温风波, 唐晓雷, 苏良俊, 王松涛

doi:10.7527/S1000-6893.2020.24331

2021, (4): 524331-524331.

摘要

气膜冷却是增强涡轮叶片的高温耐受力，间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案，再进行模型实验。这种方法设计周期长，时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂，拟合精度有限，参数适用范围较窄等问题。因此基于深度学习原理，设计了一种基于多层感知器模型（MLP）的深度神经网络，建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络，结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度，在测试集上具有大于0.99的拟合度，可以较好地识别数据集中的抽象特征，具有较高的精度和较好的泛化能力。此外，在满足精度要求的前提下，一个完成训练的深度学习模型能够有效减少预测耗时，提高预测效率，在快速评估冷却布局性能方面具有较好的应用前景。

面向稀薄流非线性本构预测的机器学习方法

李廷伟, 张莽, 赵文文, 陈伟芳, 蒋励剑

doi:10.7527/S1000-6893.2020.24386

2021, (4): 524386-524386.

摘要

稀薄非平衡流域内连续介质假设已经失效，主要围绕Boltzmann方程及模型方程对稀薄非平衡流开展理论与计算研究，统一气体动理论格式（UGKS）是其中一种代表性方法。在稀薄非平衡流数值模拟中，Navier-Stokes （N-S）方程连续介质假设已经失效，不能有效描述流场非平衡特征。UGKS方法虽然计算精度高，但速度空间离散导致计算效率低下，多维高速条件下数值计算难以开展。基于数据驱动的思想，在N-S方程与UGKS方法的研究基础上发展出了一种稀薄非平衡流非线性本构关系求解方法（DNCR）。该方法以N-S与UGKS求解器获得的流场数值模拟计算结果作为训练数据集，基于流场特征参数采用极端随机树算法生成机器学习模型，对预测流场中线性黏性应力项与热流项进行非线性修正，并耦合非线性本构关系求解宏观守恒方程得到目标状态稀薄非平衡流动数值解。针对DNCR方法中所采用的机器学习方法-极端随机树模型，通过二维顶盖驱动方腔流算例对高维非线性建模涉及的特征参数选取、参数调优开展了相关验证工作，选取若干典型状态对极端随机树模型的泛化性能开展研究，并评估了相关模型与方法的计算精度与计算效率。

基于离散伴随的流场反演在湍流模拟中的应用

闫重阳, 张宇飞, 陈海昕

doi:10.7527/S1000-6893.2020.24695

2021, (4): 524695-524695.

摘要

精确模拟湍流流动是学术界和工业界均普遍关注的问题。采用数据驱动湍流建模的思路，建立了基于离散伴随方法的流场反演框架。通过为SA模型涡黏性输运方程的生成项乘以非均匀分布的系数，并利用有限的观测数据对该系数进行推断，实现对SA模型的修正。为了提高带有物理约束的离散伴随优化的效率，发展了约束增广的伴随方法，其高效性在本文得到了验证。选取了结冰翼型和周期山2个分离算例进行分析，所得结果在2个算例中均能以很高的精度拟合观测数据，并能借助湍流模型的修正将有限的观测信息泛化到整个流场。分析表明，流场反演所推断出的修正区域具有较为明确的物理意义，能够指导湍流模型的进一步改进。

基于数据挖掘的飞行器气动布局设计知识提取

刘深深, 陈江涛, 桂业伟, 唐伟, 王安龄, 韩青华

doi:10.7527/S1000-6893.2020.24708

2021, (4): 524708-524708.

摘要

为了更深入地理解飞行器气动布局设计优化中多目标/多设计变量间的影响关系，提高优化模型的科学性及优化效率，对基于数据挖掘技术的飞行器气动布局隐含设计知识提取问题开展了探索研究。以高升阻比滑翔飞行器布局设计优化问题为例，基于当前比较有代表性的方差分析、等度量映射、决策树、自组织映射4类机器学习算法对气动布局优化设计中产生的中间数据进行了挖掘分析。对不同方法得到的升阻比、横/侧向稳定性及容积率4种目标性能间的权衡关系，目标性能与设计变量间的敏感性关系及产生较优布局外形的设计变量取值规则进行了综合对比分析，凝练形成了适用于该类飞行器的设计知识，同时对4种方法的特点及适用性进行了总结分析，给出了相关结论。

基于神经网络的体视PIV空间标定模型

窦建宇, 潘翀

doi:10.7527/S1000-6893.2020.24720

2021, (4): 524720-524720.

摘要

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力，定义了一个无量纲参数——误差衰减系数，来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性，发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段，证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力，而传统的多项式模型或小孔模型并不具备这一能力；此外，神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此，神经网络具备替换传统空间标定模型的能力，有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。

基于综合应力工作态试验和神经网络的CMG失效边界域预测

黄首清, 刘守文, 翟百臣, 周原, 黄小凯, 秦泰春

doi:10.7527/S1000-6893.2020.24208

2021, (4): 524208-524208.

摘要

本文设计了一种可同时模拟真空热环境和CMG与航天器角动量交换工况的试验设备，提出了模拟在轨真空环境下温度、CMG框架转速、航天器转速3种应力的工作态试验方法，给出了适用于神经网络的CMG运行状态定量表达方法，利用少量试验数据和神经网络方法对工作极限转速矩阵、失效边界、失效边界域进行预测，分析了经验样本对预测结果的影响，以及各应力对其他应力工作域的耦合影响，并给出了预测结果的可信度分析方法。研究结果表明，所提出的方法可以更真实模拟CMG在轨工作状态的同时显著节省试验经费和时间，并具有较高的预测准确性和多应力工作场景适应性，对I和Ⅱ两类训练数据集分别获得100%和98.8%的预测正确率，给出了仅凭试验数据无法得到的55℃下的转速失效边界，并且可以内化试验数据背后的工程经验。

基于深度神经网络的客机总体设计参数敏感性分析

范周伟, 余雄庆, 王朝, 钟伯文

doi:10.7527/S1000-6893.2020.24353

2021, (4): 524353-524353.

摘要

飞机总体主要设计参数敏感性分析揭示了总体主要设计参数对飞机特性指标的影响，有助于总体设计方案的决策。针对宽体客机总体主要设计参数敏感性问题，根据其总体主要设计参数和特性指标的特点，以及多学科间的耦合关系，建立了深度神经网络模型。该深度神经网络模型以客机总体主要设计参数为输入，对特性指标进行预测。在深度神经网络模型中，设置了多个输入层、多个输出层以及多个分块的隐藏层，从而模拟客机总体主要设计参数对特性指标的影响以及不同特性指标之间的相互作用。测试结果表明，与传统代理模型相比，深度神经网络模型对客机特性指标的预测精度更高，多参数适应性更好。利用该深度神经网络模型对客机总体主要设计参数进行敏感性分析。分析结果表明，机翼1/4弦线后掠角在30°~31.5°时，有利于减少最大起飞重量和起飞平衡场长；发动机海平面最大静推力和机翼面积对客机直接使用成本、最大起飞重量等特性指标的影响最为显著。

基于机器学习的飞机动力装置运行可靠性

冯蕴雯, 潘维煌, 刘佳奇, 路成, 薛小锋, 冷佳醒

doi:10.7527/S1000-6893.2020.24732

2021, (4): 524732-524732.

摘要

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性，针对运行可靠性影响因素的多维、耦合的特点，采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法；并基于飞机实际运行的快速存取记录器（QAR）数据，梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系，采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析，基于提取的QAR数据特征，采用随机森林、多变量神经网络回归算法，建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例，对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析，对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度；对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律，可为动力装置的运行与特情处理提供参考...

考虑高耗时约束的追峰采样智能探索方法

龙腾, 毛能峰, 史人赫, 武宇飞, 沈敦亮

doi:10.7527/S1000-6893.2021.25060

2021, (4): 525060-525060.

摘要

针对现代飞行器设计等工程优化问题中面临的约束高耗时难题，在标准追峰采样（MPS）方法的基础上，提出了一种基于过滤器的MPS-DCP设计空间智能探索方法（FMPS-DCP），训练径向基函数网络预示高耗时目标函数与约束条件响应，利用KS方程聚合高耗时约束并根据过滤器思想筛选优质简单样本点，定制了一套新增样本点选择策略引导优化过程快速向全局可行最优解收敛，从而提高了求解高耗时约束优化问题的效率。采用一组标准约束测试算例验证FMPS-DCP方法的性能，并与CiMPS、Extended ConstrLMSRBF、ARSM-ISES和KRG-CDE智能探索方法进行对比。结果表明，FMPS-DCP在优化效率与鲁棒性方面具有显著的性能优势。最后，通过全电推进卫星平台多学科设计优化案例，验证了FMPS-DCP的工程实用性。

基于深度强化学习的固定翼无人机编队协调控制方法

相晓嘉, 闫超, 王菖, 尹栋

doi:10.7527/S1000-6893.2020.24009

2021, (4): 524009-524009.

摘要

由于运动学的复杂性和环境的动态性，控制一组无人机遂行任务目前仍面临较大挑战。首先，以固定翼无人机为研究对象，考虑复杂动态环境的随机性和不确定性，提出了基于无模型深度强化学习的无人机编队协调控制方法。然后，为平衡探索和利用，将ε-greedy策略与模仿策略相结合，提出了ε-imitation动作选择策略；结合双重Q学习和竞争架构对DQN（Deep Q-Network）算法进行改进，提出了ID3QN（Imitative Dueling Double Deep Q-Network）算法以提高算法的学习效率。最后，构建高保真半实物仿真系统进行硬件在环仿真飞行实验，验证了所提算法的适应性和实用性。

基于启发强化学习的大规模ADR任务优化方法

杨家男, 侯晓磊, HU Yu Hen, 刘勇, 潘泉, 冯乾

doi:10.7527/S1000-6893.2020.24354

2021, (4): 524354-524354.

摘要

随着航天事业的蓬勃发展，空间碎片尤其是低轨碎片已成为航天任务不可忽视的威胁。考虑到碎片清除的紧迫性和成本，低轨多碎片主动清除（ADR）技术成为缓解现状的必要手段。针对大规模多碎片主动清除任务规划问题，首先，基于任务规划的最大收益模型，提出一种强化学习（RL）优化方法，并依照强化学习框架定义了该问题的状态、动作以及收益函数；其次，基于高效启发因子，提出一种专用的改进蒙特卡罗树搜索（MCTS）算法，该算法使用MCTS算法作为内核，加入高效启发算子以及强化学习迭代过程；最后，在铱星33碎片云的全数据集中检验了所提算法有效性。与相关MCTS变体方法以及贪婪启发算法对比，所提方法能在测试数据集上更高效地获得较优规划结果，较好地平衡了探索与利用。

一种基于偏好MOEA的卫星地面站资源多目标优化算法

孙刚, 陈浩, 彭双, 杜春, 李军

doi:10.7527/S1000-6893.2020.24475

2021, (4): 524475-524475.

摘要

随着中国航天事业的发展，卫星地面站资源匮乏问题日益突出，需要对其进行统筹优化使用。因此，卫星地面站资源规划问题得到了广泛关注。在分析问题特点的基础上，对用户规划结果的偏好信息进行建模表达，建立了涵盖用户偏好的多目标数学规划模型，提出了基于偏好多目标进化算法的卫星地面站资源规划算法。为了进一步提升算法性能，设计了基于领域知识的启发式策略，包括：任务扩充策略、冲突消解策略以及任务缩减策略等。实验结果表明，与现有算法相比，用户偏好信息的引入能有效提升问题求解针对性，在IGD-CF （Inverted Generational Distance based on Composite Front）指标上取得了更好的效果。

基于Transformer层次预测的多星应急观测任务规划方法

罗棕, 杜春, 陈浩, 彭双, 李军

doi:10.7527/S1000-6893.2020.24721

2021, (4): 524721-524721.

摘要

应急观测任务规划是一个强时效性的复杂组合优化问题，必须在规定的时限内完成相应的计算。采用机器学习的方法对规划问题进行初始规划方案预测，可以有效地简化计算复杂度。为此，提出一种基于Transformer层次预测的多星应急观测任务规划方法，将多星任务规划的求解过程分解为3个步骤：首先，利用基于Transformer的任务可调度性预测模型预测待规划任务是否执行，得到预执行任务集合；然后，基于Transformer的任务分配模型对预执行任务集合分配卫星，得到初始规划方案；最后，利用基于随机爬山的约束修正算法对初始规划方案进行优化调整，得到可行规划方案。为验证所提方法的有效性，通过大量仿真实验与CPLEX优化器、标准遗传算法、长短期记忆网络等方法模型进行比较，实验结果表明所提方法计算耗时短，规划收益高，适用于多星观测任务快速规划。

具有自动回溯的机动目标航迹精细化分段识别

乔殿峰, 梁彦, 张会霞, 赵鹏蛟

doi:10.7527/S1000-6893.2020.24744

2021, (4): 524744-524744.

摘要

机动目标航迹分段识别是判断目标行为意图的基础，然而现有航迹分段算法对模式变化检测能力弱，难以满足机动目标航迹快速精细化分段的需求。提出双层精细化航迹分段框架，预分段层检测目标运动过程中的模式切换，确定模式变化明显的预分段区，得到目标模式变化明显区域的预分段点；再分段层对模型差异小的非预分段区航迹进行回溯迭代优化再分段，得到更为精细的分段点。该框架具有从粗到精的航迹分段处理能力，实现了对于机动目标航迹的精细化分段识别。选取两个典型的目标机动仿真场景验证了所提算法的有效性，不仅减少了迭代优化时间，而且提高了分段识别精度。

基于形态自适应网络的无人机目标跟踪方法

刘贞报, 马博迪, 高红岗, 院金彪, 江飞鸿, 张军红, 赵闻

doi:10.7527/S1000-6893.2021.24904

2021, (4): 524904-524904.

摘要

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题，提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增，添加了遮挡样本和多旋转角度样本，提高样本多样性；提出的形态自适应网络模型通过旋转不变约束改进深度置信网络，提取强表征能力的深度特征，使得模型能够自动适应目标形态变化，利用深度特征变换算法获取待检测目标的预定位区域，采用基于Q学习算法的搜索机制对目标进行自适应精准定位，使用深度森林分类器提取跟踪目标的类别信息，得到高精度的目标跟踪结果。在多个数据集上进行了对比实验，实验结果表明该算法能够达到较高的跟踪精度，可以适应目标旋转、目标遮挡等形态变化情况，具有较好的准确性和鲁棒性。

基于A*和TEB融合的行人感知无碰跟随方法

庞磊, 曹志强, 喻俊志

doi:10.7527/S1000-6893.2020.24909

2021, (4): 524909-524909.

摘要

移动机器人通过跟随一个指定行人实现导航是一种便捷的方式。针对行人跟随中的机器人跟随和避障问题，提出了一种基于路径规划的无碰跟随方法。该方法结合激光点云分割提供的非行人障碍信息生成静态障碍代价地图，并根据3D行人定位结果，利用基于无迹卡尔曼滤波器（Unscented Kalman Filter，UKF）和最近邻联合概率数据关联（Nearest Near Joint Probabilistic Data Association，NN-JPDA）的多行人跟踪器估计干扰行人运动状态，进而生成动态行人代价地图。在此基础上，基于A*的全局规划器结合静态障碍代价地图输出指向目标行人的全局路径，而基于时间弹性带（TEB）算法的局部规划器也将动态行人代价地图纳入考虑范围以规划优化的局部路径，这能够帮助机器人实现行人感知的避障且跟随全局路径。通过低频全局规划与高频局部规划结合的方式实现对目标行人安全无碰的跟随。实验验证了所提方法的有效性。

基于自适应动态规划的运载火箭智能姿态容错控制

梁小辉, 胡昌华, 周志杰, 王青

doi:10.7527/S1000-6893.2020.24915

2021, (4): 524915-524915.

摘要

针对运作火箭主动段发动机摆动执行机构故障下的姿态控制问题，结合自适应动态规划（ADP）方法设计了一种智能容错控制策略。该智能容错控制器主要包括2部分：容错稳定控制部分和优化补偿部分。容错稳定控制部分利用自适应和滑模变结构控制设计，主要维持执行机构故障下姿态控制系统的稳定，保证姿态跟踪误差的有限时间收敛；优化补偿部分采用执行-评价结构，利用ADP的在线学习优势，根据姿态系统的跟踪误差（尤其是系统故障、强干扰导致的跟踪偏差），设计ADP算法产生补偿控制来进一步优化姿态控制系统的跟踪性能。仿真验证表明，即使存在外部干扰和执行机构故障的情况下，所提方法仍能保证系统稳定且精确跟踪指令信号。

基于序列图像的航天器自主导航降维滤波方法

孙博文, 王大轶, 王炯琦, 周海银, 葛东明, 董天舒

doi:10.7527/S1000-6893.2020.24971

2021, (4): 524971-524971.

摘要

非合作目标的运动感知与状态估计，是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置，增加了状态变量的维数，提高了系统不确定性，从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法，该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计，在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系，构建了基于序列图像的测量模型，分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程，设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛，从而有利于空间飞行器的在轨服务与维护。

蜂群对抗决策故障下的容错博弈控制

倪媛, 杨浩, 姜斌

doi:10.7527/S1000-6893.2020.24978

2021, (4): 524978-524978.

摘要

针对大规模分簇蜂群无人机的任务分配问题，考虑对抗场景下某些无人机由于受到敌方攻击或操控，决策规则遭到篡改，进而导致群决策行为与期望的均衡点产生偏差的决策故障。在演化矩阵博弈的框架下，运用多群体复制子动态方程对蜂群无人机和故障建模，基于李雅普诺夫函数对故障发生前后均衡点的局部渐近稳定性及其吸引域进行了分析，从而建立了自容错条件，并设计了基于激励的簇间协同容错博弈控制方法，对群决策行为偏差进行补偿，使得蜂群任务分配状态在故障下仍能达到期望的均衡点，获得理想的分工收益。

低照度小样本限制下的失效卫星相对位姿估计与优化

刘付成, 牟金震, 刘宗明, 韩飞, 李爽

doi:10.7527/S1000-6893.2021.24984

2021, (4): 524984-524984.

摘要

低照度图像信息受损严重，会导致失效卫星的位姿估计精度和鲁棒性降低。基于此，提出了无监督生成式对抗网络低照度图像增强模型。生成器以U-Net网络为基础，并设计密集残差连接结构。判别器设计为全局-局部的双辨别器结构，由传统的单一标量扩展为多标量判别。在小样本的条件下，基于进化训练与并行训练方式改进基于SinGAN的数据增广方法。最后，在基于ORB-SLAM位姿初始化的基础上，建立特征信息的局部地图，克服位姿估计对参考帧的依赖；通过关键帧ROI的稠密匹配，建立关于平面法向量和单目相机安装高度的非线性优化模型求解尺度因子；通过闭环检测后的相似性变换，构建关键帧集合的联合位姿图优化方程，实现对位姿矩阵的全局校正。实验结果表明：测量稳定后，低照度图像的姿态角误差最大值为4°，而图像增强后的姿态角误差最大为0.5°；对于以角速度20°/s运动的失效卫星旋转5周，相对静止下的跟踪测量为5周，1 m水平方向机动下的跟踪测量为4.5周。可以满足失效卫星相对姿态测量的任务需求。

一种非规则采样航空时序数据异常检测方法

闫媞锦, 夏元清, 张宏伟, 韦闽峰, 周彤

doi:10.7527/S1000-6893.2021.25019

2021, (4): 525019-525019.

摘要

航天器遥测数据的实时异常检测对于航天任务具有重要意义。以往方法大都考虑规则采样且缺失率较低的时序数据，然而航空时序数据具有维度大、噪声多、缺失率高、采样间隔不规则等特点，因此异常检测任务较为困难。针对非规则采样且具有缺失值的多维航空时序数据提出非规则采样多维时序数据异常检测（IMAD）算法。首先，采用带有可训练迟滞项的门控循环单元（GRU-D）对缺失值和非规则采样的时序数据进行建模；然后，采用变分自编码器建立随机性模型，学习正常时序数据的分布，从而对噪声数据具有鲁棒性；最后，利用基于极值理论的自适应阈值确定法确定合适阈值进行异常检测。结果显示，在两个真实航空时序数据集上，IMAD具有超出当前最新异常检测算法的性能；多个实验表明，IMAD在缺失率、参数以及数据集变化时，能够维持较好的异常检测效果，具有较强的鲁棒性。