人工智能與航空航天專刊-意昂3代理

人工智能賦能空域系統,提升空域分層治理能力

陳誌傑, 湯錦輝, 王沖, 程季鋥, 曹珊, 邵欣

doi:10.7527/S1000-6893.2020.25018

2021, (4): 525018-525018.

摘要

為應對未來平臺無人化、用戶多元化🧜🏻‍♂️🧑🏿‍⚕️、服務個性化的航空發展趨勢🦏🫰🏼，空域運行將呈現分層治理的發展趨勢。而隨著算力、算法與數據的持續提升與積累，數據驅動的人工智能方法將持續為層次化的空域系統賦能🦀。本文從超低空、城市、區域、樞紐、亞軌道等5個層次化場景梳理我國空域系統的發展趨勢🧑🏼‍🚒；提煉得出空域運行面臨的核心難點與關鍵科學問題👩🏽‍🚀；提出基於數據驅動的人工智能方法求解空域運行科學問題的研究框架、研究內容和應關註的關鍵技術；結合層次化典型應用場景🔘，簡要分析智能空域運行的具體應用案例；最後對人在空域運行中的作用提出了新的思考。

OODA智能賦能技術發展思考

祝學軍, 趙長見, 梁卓, 譚清科

doi:10.7527/S1000-6893.2020.24332

2021, (4): 524332-524332.

摘要

隨著科學技術的飛速發展，信息化支持下的體系作戰將是未來戰爭的一種主要樣式，"基於感知-判斷-決策-行動（OODA）以快吃慢"成為未來戰爭的重要製勝機理。由於戰場環境日趨復雜🧔🏿、對抗多域多維，從戰場態勢到作戰策略的映射關系復雜🚋，給OODA環快速解算帶來了新的挑戰。為確保OODA環解算滿足任務需求🔺，將人工智能（AI）技術賦能OODA各環節👷🏻‍♂️，驅動各環節高效運行💕，縮短環路解算時間，為打贏戰爭提供關鍵支撐🕉。首先綜述了人工智能在軍事領域的應用進展👩‍❤️‍💋‍👨，分析了導彈OODA智能化賦能面臨的挑戰，初步提出了智能賦能OODA環涉及的相關技術的思考，以支撐導彈智能化的發展。

智能賦能流體力學展望

張偉偉, 寇家慶, 劉溢浪

doi:10.7527/S1000-6893.2020.24689

2021, (4): 524689-524689.

摘要

人工智能（AI）是21世紀的前沿科技，流體力學如何在智能化時代煥發青春是值得本領域研究者思考的話題。從智能賦能流體力學角度，就其研究內涵、研究內容、近期研究及難點進行了總結🛬，並對智能流體力學未來的發展進行了展望。研究指出，流體力學計算或試驗中所產生的數據是天生的大數據🧑🏽‍⚖️，如何通過深度神經網絡、隨機森林、強化學習等機器學習方法來利用這些數據，緩解甚至替代理論和方法層面對人腦的依賴，挖掘新的知識，成為一種新的研究範式；相關研究將涵蓋流動控製方程的機器學習、湍流模型的機器學習🚴🏿‍♂️、物理量綱分析與標度的智能化以及數值模擬方法的智能化；借助人工智能技術，發展流動信息特征提取與多源數據融合的智能化是流體力學發展的迫切需求🗺；研究內容應至少涵蓋海量數據挖掘方法以及多源氣動數據的智能融合；發展數據驅動的流體力學多學科、多物理場耦合建模與控製是工程應用的迫切需求😢，相關工作涉及多場耦合建模、氣動外形智能優化設計以及流動智能自適應控製等方面。

航天器自主導航狀態估計方法研究綜述

王大軼, 侯博文, 王炯琦, 葛東明, 李茂登, 徐超, 周海銀

doi:10.7527/S1000-6893.2020.24310

2021, (4): 524310-524310.

摘要

自主導航是航天器自主運行的核心關鍵技術。狀態估計是實現航天器自主導航的核心手段🧒🏽，是指實時確定航天器在軌位置、速度和姿態等導航參數🧑🏿‍🎤，是航天器自主導航技術的重點發展方向之一。首先，針對航天器自主導航的實際需求🧓🏿，闡述了研究航天器自主導航狀態估計方法的必要性🍏，具體從導航系統可觀測性分析🤷🏿‍♂️、導航濾波算法5️⃣、導航系統誤差補償3個方面介紹了航天器自主導航狀態估計方法的研究現狀📗；然後，分析並總結狀態估計方法在航天器自主導航系統中的實際應用🫷；最後🙅🏿，結合理論研究和實際應用，給出了狀態估計方法目前存在的主要問題並對其後續發展進行了展望。

多飛行器的分布式優化研究現狀與展望

姜霞, 曾憲琳, 孫健, 陳傑

doi:10.7527/S1000-6893.2020.24551

2021, (4): 524551-524551.

摘要

航空領域的多個飛行器協同搜救、區域監控、編隊飛行等實際任務具有個體數量多、信息分散🏅、任務指標復雜等特點，分布式優化是實現上述任務中多飛行器有效協同的重要保證，具有重要的理論意義和顯著的應用價值。從優化任務的問題模型、研究框架和典型優化算法3個方面對分布式優化的研究現狀進行了概述。根據不同的優化問題，從無約束的分布式凸優化、集合約束的分布式凸優化🕞、不等式約束的分布式凸優化和分布式非凸優化這4個方面對分布式優化領域典型的研究成果進行了概述📛，並討論了分布式優化研究的共性難點問題，對未來的分布式優化方向進行了展望。

人工智能在航天器製導與控製中的應用綜述

黃旭星, 李爽, 楊彬, 孫盼, 劉學文, 劉新彥

doi:10.7527/S1000-6893.2020.24201

2021, (4): 524201-524201.

摘要

航天器製導與控製技術是保障空間任務順利實施的關鍵技術之一🏃🏻‍➡️。當前💆🏽‍♂️，動力學模型的強非線性以及參數不確定性製約了高精度姿軌控技術的發展，而系統故障則決定航天器姿軌控的成敗。以機器學習為代表的新一代人工智能技術航天器製導控製領域展現了巨大的應用潛力。首先對基於人工智能技術的軌跡製導和姿態控製中的研究發展及應用現狀進行歸納，分析航天器軌跡規劃、姿態控製、故障診斷以及容錯控製技術的發展趨勢。然後，從魯棒軌跡規劃👁‍🗨、自適應姿態控製✔️🏭、快速故障診斷和自適應容錯控製等4個方面總結適用於未來航天任務的航天器姿軌控關鍵技術🤵🏽‍♂️。最後，針對智能姿軌控技術的應用所面臨的挑戰，從姿軌控架構、算法最優性、算法的訓練以及技術驗證等方面提出相應的發展建議。

航天器控製系統智能健康管理技術發展綜述

袁利, 王淑一

doi:10.7527/S1000-6893.2020.25044

2021, (4): 525044-525044.

摘要

健康管理作為智能自主控製亟待突破的關鍵技術之一，是提升航天器安全可靠穩定運行能力的有效手段👩🏻‍⚕️。結合人工智能技術的發展趨勢✖️🏉，基於前期已建立的新型航天器智能自主控製系統通用架構，詳細綜述航天器控製系統的智能健康管理技術現狀與發展趨勢。首先，根據現有航天器設計🌜、研製和在軌的具體情況，梳理出航天器控製系統健康管理技術所面臨的挑戰；然後💁，分別從故障預警、故障診斷和壽命評估3個方面🟩，詳細闡述基於人工智能的健康管理技術研究現狀及其在航天領域的應用情況👩🏼‍🔬；最後，提煉出航天器控製系統健康管理技術的發展方向🚣🏿。

基於深度學習的無人機航拍目標檢測研究綜述

江波, 屈若錕, 李彥冬, 李誠龍

doi:10.7527/S1000-6893.2020.24519

2021, (4): 524519-524519.

摘要

目標檢測是提高無人機（UAV）感知能力的關鍵技術之一🤍，其研究對於無人機的應用有著重要意義⛔。與基於手工特征的傳統方法相比，基於卷積神經網絡的深度學習方法具有強大的特征學習和表達能力👩🏼‍💼🙈，成為目前目標檢測任務的主流算法。近年來，目標檢測技術已經在自然場景圖像上取得了一系列突破性進展，在無人機領域的研究也逐漸成為熱點。首先系統闡述了基於深度學習的目標檢測算法的研究進展，並總結了相關算法的優缺點。對常見的航空影像數據集進行了梳理並介紹了遷移學習的方法👁‍🗨；從無人機影像背景復雜、目標較小👩🏻、視場大📩、目標具有旋轉性的特點出發😧👷🏻‍♀️，對無人機目標檢測在近期的研究進行了歸納和分析。最後討論了存在的問題和未來可能的發展方向。

機器學習在流動控製領域的應用及發展趨勢

任峰, 高傳強, 唐輝

doi:10.7527/S1000-6893.2020.24686

2021, (4): 524686-524686.

摘要

流動控製作為流體力學中的重要跨學科領域，一直是科學研究和工程應用關註的焦點之一。由於流動系統具有強非線性等復雜特征，對流動的控製尤其是閉環控製，一直頗富挑戰性。近年來機器學習的迅速發展為許多學科帶來了新的方法、新的視角和新的觀點，對於流動控製領域亦是如此👩‍💼。通過回顧現階段三類基於機器學習的流動控製方法，為主動流動控製領域的研究者展示機器學習在流動控製中應用的整體概況✒️，進而勾勒出本領域的發展趨勢。

湍流數據同化技術及應用

何創新, 鄧誌文, 劉應征

doi:10.7527/S1000-6893.2020.24704

2021, (4): 524704-524704.

摘要

近年來數據同化（DA）被引入湍流動力學研究中，通過融合實驗測量和數值計算，提高了實驗測量的精度和廣度🤲🏽，改善了數值模擬的預測性能。實驗觀測、預測模型和同化算法是數據同化的三要素👨🏼‍🚀，湍流研究中的實驗觀測包括熱線風速儀🛟🙍‍♀️、粒子圖像測速法（PIV）🩹、壓力傳感器等局部測量數據，預測模型主要指流動控製方程及湍流封閉方程，而同化算法包括貝葉斯推斷👨‍🦽‍➡️、集合卡爾曼濾波（EnKF）、伴隨等0️⃣🐂。穩態數據同化一般結合雷諾平均Navier-Stokes （RANS）模型方程🐐🏎，從重新標定模型常數、修正渦黏模型方程形式誤差、修正雷諾應力項等方面著手📔。非穩態的數據同化一般包括四維變分（4DVar）等時間連續的數據同化方式以及順序數據同化。4DVar通過時間正向和逆向積分迭代🧲🌲，存儲量和計算量都非常大👩‍🎤。順序數據同化不需要時間逆向積分，可以在若幹時刻對實驗觀測進行間斷地植入🪽，正向求解整個系統。另外，隨著人工智能的飛速發展❕，湍流數據同化研究也向智能化邁進🤬。對於純數據驅動的湍流機器學習🐬，其缺乏物理本質的約束，而基於物理信息的機器學習在物理本質上與數據同化是一致的🗾。

基於卷積神經網絡的深度學習流場特征識別及應用進展

葉舒然, 張珍, 王一偉, 黃晨光

doi:10.7527/S1000-6893.2020.24736

2021, (4): 524736-524736.

摘要

深度學習架構的出色性能使得機器學習在流體力學中的應用得到新的發展🧽，可以應對流體力學中諸多問題和需求。卷積神經網絡（CNN）強大的非線性映射能力以及分層提取信息特征的功能，使其成為當下流場特征研究不容忽視的工具。圍繞這一研究前沿與熱點問題，概述和歸納了這一研究領域的進展與成果。首先😗，對深度學習在流體力學中的發展以及卷積神經網絡進行了簡單的回顧。然後，從卷積神經網絡能夠識別特征出發，先後介紹了基於卷積的深度學習特征識別在流場預測🎯、流動外形優化🪅、流場可視化精度提升和生成對抗等應用方面的研究進展。最後，對深度學習在流場識別領域的應用進行了展望，為後續的研究提供參考🚨。

復雜電磁環境下頻譜智能管控技術探討

丁國如, 孫佳琛, 王海超, 焦雨濤

doi:10.7527/S1000-6893.2020.24750

2021, (4): 524750-524750.

摘要

作為國土空間的重要組成🏋🏼‍♂️，電磁頻譜空間呈現出環境錯綜復雜、目標類型多樣、用頻行為多變等新挑戰，導致頻譜安全問題日益嚴峻。面向復雜電磁環境下頻譜秩序安全、頻譜對抗安全和頻譜共享安全等需求📈，基於人工智能的頻譜管控成為電磁頻譜領域的重要研究方向，存在著具有挑戰性的基礎理論問題和關鍵技術難題🦸🏼。首先🫳👩🏼‍✈️，調研了復雜電磁環境下頻譜智能管控的國家戰略需求🕵🏻‍♂️，然後👩🏻‍🦳，提煉了智能頻譜管控的科學意義與技術挑戰，進一步從頻譜管控模型機理、頻譜態勢感知、頻譜行為推理🛜、頻譜安全決策和頻譜管控應用系統等5個方面梳理國內外研究現狀，並分析了相關發展動態及研究趨勢✒️。

飛行器智能設計願景與關鍵問題

李霓, 布樹輝, 尚柏林, 李永波, 湯誌荔, 張偉偉

doi:10.7527/S1000-6893.2020.24752

2021, (4): 524752-524752.

摘要

未來飛行器正朝著多元化、無人化和智能化的方向發展，高超聲速📼、超隱身和變體等新型飛行器不斷湧現。而傳統飛行器解耦分拆的設計方法越來越難以滿足未來飛行器綜合性能全面提升的要求，只有通過整體化設計才能充分發掘飛行器的潛能🐩。通過分析傳統飛行器設計中存在的問題，提出滿足全生命周期要求的飛行器智能設計體系理念，利用知識庫的構建將智能賦予飛行器平臺系統設計、製造生產和運維這3個階段，並通過數字孿生技術進行飛行器全生命周期的仿真、分析和預測，以對飛行器設計🔽、運行等數據進行更新🧄，使該體系形成閉環。就飛行器智能設計體系中需要的關鍵技術及涉及的科學問題等進行了討論，並給出了未來發展方向以供參考。

流體力學深度學習建模技術研究進展

王怡星, 韓仁坤, 劉子揚, 張揚, 陳剛

doi:10.7527/S1000-6893.2020.24779

2021, (4): 524779-524779.

摘要

深度學習技術在圖像處理、語言翻譯、疾病診斷𓀙、遊戲競賽等領域已帶來了顛覆性的變化。流體力學問題由於維度高🦁、非線性強、數據量大等特點🧠，恰恰是深度學習擅長並可以帶來研究範式創新的重要領域🧄。目前，深度學習技術已在流體力學領域得到了初步應用，其應用潛力逐漸得到證實。以流體力學深度學習技術為背景，結合課題組近期研究結果👩🏿‍🔬，探討了流體力學深度學習建模技術及其最新進展。首先，對深度學習技術所涉及的基本理論做了介紹，闡釋流場建模中常用深度學習方法背後的數學原理。其次，分別對流體力學控製方程、流場重構🔢🏡、特征量建模和應用等幾個典型的人工智能與流體力學交叉問題應用場景所涉及的深度學習技術研究進展進行了介紹🗼🌸。最後🧑🏼‍🦱👩🏼‍🎤，探討了流體力學深度學習建模技術所面臨的挑戰與未來發展趨勢。

航空人工智能概念與應用發展綜述

盧新來, 杜子亮, 許赟

doi:10.7527/S1000-6893.2021.25150

2021, (4): 525150-525150.

摘要

針對航空人工智能發展的迫切需要💆‍♀️，對人工智能定義、智能等級劃分兩個基本問題進行討論，指出人工智能近期難以存在公認定義，需辯證看待人工智能航空應用的不確定性和確定性，對執行特定任務的智能系統進行智能等級劃分因不符合當前主流認知規律而沒有必要。從總體歷史沿革🟰、機載導彈、機載系統及可信等角度闡述航空人工智能應用的發展特點和態勢🩱，突出了可信航空人工智能研究作為行業應用前提性條件的重要性😮。

民用飛機智能飛行技術綜述

楊誌剛, 張炯, 李博, 曾銳, 毛研勛

doi:10.7527/S1000-6893.2020.25198

2021, (4): 525198-525198.

摘要

人工智能已成為民用飛機技術創新發展與競爭的新賽道。在面向民用飛機全生命周期的多種人工智能融合應用中，智能飛行致力於改變傳統飛行駕駛模式，重構未來飛行的人機交互模式與空中交通管理架構🍄‍🟫🚗，成為行業特征最為顯著🧗🏻‍♀️、最具備顛覆性變革的方向，是民用飛機智能化競爭的新焦點。闡述了智能飛行理念😹，規劃輔助智能🧑‍🦼‍➡️、增強智能、完全智能三階段實施路線🧒🏿，以25部、23部🦸🏼‍♀️、輕型運動類飛機為對象，製定智能飛行推進路線✋🏼，構建技術體系，提煉影響智能飛行在應用落地過程中需要解決的可信適航與人為因素兩項關鍵應用基礎技術，分享對於智能飛行的思考。

針對超臨界翼型氣動修型策略的強化學習

李潤澤, 張宇飛, 陳海昕

doi:10.7527/S1000-6893.2020.23810

2021, (4): 523810-523810.

摘要

強化學習是一類用於學習策略的機器學習方法，通過模擬人的學習過程，與所處環境不斷交互來學習動作策略，用以獲得最大累積回報🤛。以設計師在翼型氣動設計中的增量修型過程為例，給出強化學習在氣動優化設計中的要素定義和具體算法的實現。研究了預訓練中選擇不同示例對預訓練和強化學習結果的影響🍭，並將強化學習得到的策略模型在其他環境中進行了遷移測試驗證✈️⟹。結果表明，合理的預訓練能夠有效提高強化學習的效率和最終策略的魯棒性，且所形成的策略模型具有較好的遷移能力👩🏽‍💼。

基於自動核構造高斯過程的導彈氣動性能預測

胡偉傑, 黃增輝, 劉學軍, 呂宏強

doi:10.7527/S1000-6893.2020.24093

2021, (4): 524093-524093.

摘要

在導彈的初期設計階段🎞🌐，通常需要對導彈的氣動性能進行快速粗略評估。針對傳統工程估算軟件計算精度低和CFD方法計算代價大的缺陷🦘，提出一種基於高斯過程回歸（GPR）代理模型快速預測典型導彈氣動性能的方案。以導彈外形參數和攻角作為模型輸入，升力系數、阻力系數和力矩系數作為模型輸出，對GPR模型的氣動性能預測結果進行分析😶‍🌫️。首先🧑‍🚒，與其他常用代理模型的預測精度對比，GPR模型對3種系數的預測誤差分別僅為0.24%🏃🏻‍♀️、0.36%和0.36%，高於其他代理模型的預測精度。其次✣，考慮GPR模型核函數選擇嚴重依賴人工先驗知識的問題🤶，采用了一種自動核構造算法，無需先驗知識即可從數據中自動學習核函數。將該算法嵌入GPR框架中，與傳統GPR模型比較，實驗結果表明：基於該算法的GPR模型對3種系數的預測誤差分別降低到0.10%、0.22%和0.17%。最後🥀，給出導彈氣動性能快速預測的應用實例🕵🏻，結果表明所提出的GPR模型的導彈氣動性能預測方案是有效的⚒，能夠滿足設計初期快速且精確的氣動性能預測需求。

基於徑向基神經網絡的氣動熱預測代理模型

張智超, 高太元, 張磊, 拓雙芬

doi:10.7527/S1000-6893.2020.24167

2021, (4): 524167-524167.

摘要

為快速獲取高超聲速飛行器表面熱流數據並縮短飛行器氣動熱設計周期☪️，提出了一種基於徑向基神經網絡的氣動熱快速預測代理模型方法。首先🧏‍♀️🤵🏿‍♀️，在飛行器表面每一個離散化的網格節點單獨構造一種正則化的徑向基神經網絡🌏。隨後，通過訓練集對所有網絡同時進行訓練，獲得各自網絡的連接權值↕️。最後，所有網格節點的神經網絡協同預測飛行器表面不同位置的熱流🧑🏿‍🏫🥪。對NASA火星實驗室的橢圓鈍化高超聲速飛行器的應用表明，所提出的代理模型方法在模型訓練完成後能夠快速進行飛行器表面熱流預測，並且模型具有良好的泛化能力，在駐點及迎風大面積區域熱流預測結果與數值模擬的偏差在10%以內。

基於深度學習的單排孔氣膜冷卻性能預測

李左飆, 溫風波, 唐曉雷, 蘇良俊, 王松濤

doi:10.7527/S1000-6893.2020.24331

2021, (4): 524331-524331.

摘要

氣膜冷卻是增強渦輪葉片的高溫耐受力，間接提高渦輪進口溫度的有效手段之一🕴。目前氣膜冷卻孔布局的主流設計方法是先通過計算流體力學（CFD）篩選和優化初始方案，再進行模型實驗。這種方法設計周期長，時間成本高。傳統上用於快速評估冷卻效率的經驗公式法存在函數形式復雜🙋🏿，擬合精度有限，參數適用範圍較窄等問題🐽。因此基於深度學習原理，設計了一種基於多層感知器模型（MLP）的深度神經網絡，建立了絕熱氣膜冷卻效率的預測模型。使用CFD數據訓練網絡🌧😙，結果表明：深度學習模型在訓練集和驗證集上具有大於0.95的擬合度，在測試集上具有大於0.99的擬合度，可以較好地識別數據集中的抽象特征，具有較高的精度和較好的泛化能力。此外，在滿足精度要求的前提下，一個完成訓練的深度學習模型能夠有效減少預測耗時，提高預測效率，在快速評估冷卻布局性能方面具有較好的應用前景。

面向稀薄流非線性本構預測的機器學習方法

李廷偉, 張莽, 趙文文, 陳偉芳, 蔣勵劍

doi:10.7527/S1000-6893.2020.24386

2021, (4): 524386-524386.

摘要

稀薄非平衡流域內連續介質假設已經失效⚛️，主要圍繞Boltzmann方程及模型方程對稀薄非平衡流開展理論與計算研究，統一氣體動理論格式（UGKS）是其中一種代表性方法🥷。在稀薄非平衡流數值模擬中，Navier-Stokes （N-S）方程連續介質假設已經失效，不能有效描述流場非平衡特征🙅🏽👶。UGKS方法雖然計算精度高，但速度空間離散導致計算效率低下，多維高速條件下數值計算難以開展⬇️。基於數據驅動的思想，在N-S方程與UGKS方法的研究基礎上發展出了一種稀薄非平衡流非線性本構關系求解方法（DNCR）。該方法以N-S與UGKS求解器獲得的流場數值模擬計算結果作為訓練數據集，基於流場特征參數采用極端隨機樹算法生成機器學習模型👨‍🦼，對預測流場中線性黏性應力項與熱流項進行非線性修正🏃🏻‍➡️，並耦合非線性本構關系求解宏觀守恒方程得到目標狀態稀薄非平衡流動數值解🤷🏽。針對DNCR方法中所采用的機器學習方法-極端隨機樹模型，通過二維頂蓋驅動方腔流算例對高維非線性建模涉及的特征參數選取🧑🏻‍🔧、參數調優開展了相關驗證工作𓀛，選取若幹典型狀態對極端隨機樹模型的泛化性能開展研究，並評估了相關模型與方法的計算精度與計算效率。

基於離散伴隨的流場反演在湍流模擬中的應用

閆重陽, 張宇飛, 陳海昕

doi:10.7527/S1000-6893.2020.24695

2021, (4): 524695-524695.

摘要

精確模擬湍流流動是學術界和工業界均普遍關註的問題🍧。采用數據驅動湍流建模的思路🤤，建立了基於離散伴隨方法的流場反演框架。通過為SA模型渦黏性輸運方程的生成項乘以非均勻分布的系數，並利用有限的觀測數據對該系數進行推斷，實現對SA模型的修正。為了提高帶有物理約束的離散伴隨優化的效率，發展了約束增廣的伴隨方法🌶，其高效性在本文得到了驗證🤸🏽。選取了結冰翼型和周期山2個分離算例進行分析，所得結果在2個算例中均能以很高的精度擬合觀測數據，並能借助湍流模型的修正將有限的觀測信息泛化到整個流場📚。分析表明🐓，流場反演所推斷出的修正區域具有較為明確的物理意義，能夠指導湍流模型的進一步改進。

基於數據挖掘的飛行器氣動布局設計知識提取

劉深深, 陳江濤, 桂業偉, 唐偉, 王安齡, 韓青華

doi:10.7527/S1000-6893.2020.24708

2021, (4): 524708-524708.

摘要

為了更深入地理解飛行器氣動布局設計優化中多目標/多設計變量間的影響關系，提高優化模型的科學性及優化效率，對基於數據挖掘技術的飛行器氣動布局隱含設計知識提取問題開展了探索研究🧶。以高升阻比滑翔飛行器布局設計優化問題為例🤲🏻，基於當前比較有代表性的方差分析、等度量映射、決策樹、自組織映射4類機器學習算法對氣動布局優化設計中產生的中間數據進行了挖掘分析。對不同方法得到的升阻比、橫/側向穩定性及容積率4種目標性能間的權衡關系，目標性能與設計變量間的敏感性關系及產生較優布局外形的設計變量取值規則進行了綜合對比分析，凝練形成了適用於該類飛行器的設計知識🤮，同時對4種方法的特點及適用性進行了總結分析⏏️，給出了相關結論💪🏿。

基於神經網絡的體視PIV空間標定模型

竇建宇, 潘翀

doi:10.7527/S1000-6893.2020.24720

2021, (4): 524720-524720.

摘要

體視粒子圖像測速（SPIV）中的空間標定精度對SPIV的測試結果精度有較大影響🖖🏿。為研究標定模型對輸入誤差的處理能力👨🏻‍🎨，定義了一個無量綱參數——誤差衰減系數，來評判空間標定模型對誤差的響應👨🏻‍🦳。在此基礎上針對SPIV兩相機空間標定的誤差產生和傳播特性，發展了一種基於神經網絡的且具有聯合標定能力的SPIV空間標定模型。使用仿真實驗手段，證實了該神經網絡模型在很大的參數空間內均具有對輸入誤差的抑製能力，而傳統的多項式模型或小孔模型並不具備這一能力；此外，神經網絡模型在高光學畸變情況下的表現也優於多項式模型及小孔模型🧗🏿‍♀️。因此🧙🏽‍♂️，神經網絡具備替換傳統空間標定模型的能力🎳⚱️，有助於提高SPIV的測量精度👨🏻‍🎤。最後在實驗中證實了神經網絡標定模型的空間定位誤差僅為傳統模型的1/4📭。

基於綜合應力工作態試驗和神經網絡的CMG失效邊界域預測

黃首清, 劉守文, 翟百臣, 周原, 黃小凱, 秦泰春

doi:10.7527/S1000-6893.2020.24208

2021, (4): 524208-524208.

摘要

本文設計了一種可同時模擬真空熱環境和CMG與航天器角動量交換工況的試驗設備，提出了模擬在軌真空環境下溫度、CMG框架轉速、航天器轉速3種應力的工作態試驗方法👨🏻‍🍳，給出了適用於神經網絡的CMG運行狀態定量表達方法，利用少量試驗數據和神經網絡方法對工作極限轉速矩陣、失效邊界、失效邊界域進行預測，分析了經驗樣本對預測結果的影響🛗，以及各應力對其他應力工作域的耦合影響🛅，並給出了預測結果的可信度分析方法。研究結果表明🍚🛏，所提出的方法可以更真實模擬CMG在軌工作狀態的同時顯著節省試驗經費和時間，並具有較高的預測準確性和多應力工作場景適應性💆🏽‍♀️，對I和Ⅱ兩類訓練數據集分別獲得100%和98.8%的預測正確率⛹️‍♂️，給出了僅憑試驗數據無法得到的55℃下的轉速失效邊界🏞，並且可以內化試驗數據背後的工程經驗。

基於深度神經網絡的客機總體設計參數敏感性分析

範周偉, 余雄慶, 王朝, 鐘伯文

doi:10.7527/S1000-6893.2020.24353

2021, (4): 524353-524353.

摘要

飛機總體主要設計參數敏感性分析揭示了總體主要設計參數對飛機特性指標的影響，有助於總體設計方案的決策🫂。針對寬體客機總體主要設計參數敏感性問題💃🏻，根據其總體主要設計參數和特性指標的特點，以及多學科間的耦合關系🤸‍♀️💆🏿，建立了深度神經網絡模型。該深度神經網絡模型以客機總體主要設計參數為輸入，對特性指標進行預測👨‍🎓。在深度神經網絡模型中🙆🏻‍♂️，設置了多個輸入層、多個輸出層以及多個分塊的隱藏層🪺，從而模擬客機總體主要設計參數對特性指標的影響以及不同特性指標之間的相互作用。測試結果表明，與傳統代理模型相比，深度神經網絡模型對客機特性指標的預測精度更高🆚，多參數適應性更好🤛🏼。利用該深度神經網絡模型對客機總體主要設計參數進行敏感性分析。分析結果表明，機翼1/4弦線後掠角在30°~31.5°時，有利於減少最大起飛重量和起飛平衡場長⚁；發動機海平面最大靜推力和機翼面積對客機直接使用成本🧉、最大起飛重量等特性指標的影響最為顯著。

基於機器學習的飛機動力裝置運行可靠性

馮蘊雯, 潘維煌, 劉佳奇, 路成, 薛小鋒, 冷佳醒

doi:10.7527/S1000-6893.2020.24732

2021, (4): 524732-524732.

摘要

為了研究分析飛機的動力裝置在執行飛行任務過程中的運行可靠性🙇‍♀️，針對運行可靠性影響因素的多維☂️、耦合的特點🟫，采用機器學習方法對動力裝置運行可靠性的時變規律及其相關影響因素進行分析。提出了考慮動力裝置的工作狀態、飛機的運行外界條件、飛機的飛行狀態3類因素分析動力裝置實時運行狀態下的時變可靠性方法📳✴️；並基於飛機實際運行的快速存取記錄器（QAR）數據📞，梳理了動力裝置運行可靠性分析相關的3類因素、16個主要特征。結合飛機運行的時空關系🖱，采用數據包絡分析（DEA）方法對飛機動力裝置的工作狀態特性與性能裕度進行非參數分析，基於提取的QAR數據特征👲🏼，采用隨機森林、多變量神經網絡回歸算法🤳🏽，建立2種基於機器學習的動力裝置運行可靠性分析模型。以B737-800機型為例，對一次北京至珠海的飛行任務的動力裝置相關運行數據進行分析，對2種機器學習分析模型進行訓練與測試研究。分析結果表明：對動力裝置工作狀態特性貢獻度最大的特征依次為計算空速、飛行時間與飛行高度；對動力裝置性能裕度貢獻度最大的特征依次為動力裝置工作狀態特性、雷達氣象與飛行時間🐝。所采用的2種機器學習方法能較好反映動力裝置運行過程的時變可靠性規律👫，可為動力裝置的運行與特情處理提供參考...

考慮高耗時約束的追峰采樣智能探索方法

龍騰, 毛能峰, 史人赫, 武宇飛, 沈敦亮

doi:10.7527/S1000-6893.2021.25060

2021, (4): 525060-525060.

摘要

針對現代飛行器設計等工程優化問題中面臨的約束高耗時難題🧚🏽，在標準追峰采樣（MPS）方法的基礎上🍶𓀖，提出了一種基於過濾器的MPS-DCP設計空間智能探索方法（FMPS-DCP），訓練徑向基函數網絡預示高耗時目標函數與約束條件響應，利用KS方程聚合高耗時約束並根據過濾器思想篩選優質簡單樣本點，定製了一套新增樣本點選擇策略引導優化過程快速向全局可行最優解收斂，從而提高了求解高耗時約束優化問題的效率🔀。采用一組標準約束測試算例驗證FMPS-DCP方法的性能，並與CiMPS◾️、Extended ConstrLMSRBF、ARSM-ISES和KRG-CDE智能探索方法進行對比。結果表明🧑🏿‍🦲，FMPS-DCP在優化效率與魯棒性方面具有顯著的性能優勢。最後，通過全電推進衛星平臺多學科設計優化案例𓀇🏸，驗證了FMPS-DCP的工程實用性💁🏻。

基於深度強化學習的固定翼無人機編隊協調控製方法

相曉嘉, 閆超, 王菖, 尹棟

doi:10.7527/S1000-6893.2020.24009

2021, (4): 524009-524009.

摘要

由於運動學的復雜性和環境的動態性🎎，控製一組無人機遂行任務目前仍面臨較大挑戰。首先🙎🏿‍♀️，以固定翼無人機為研究對象，考慮復雜動態環境的隨機性和不確定性，提出了基於無模型深度強化學習的無人機編隊協調控製方法🔞。然後，為平衡探索和利用，將ε-greedy策略與模仿策略相結合，提出了ε-imitation動作選擇策略；結合雙重Q學習和競爭架構對DQN（Deep Q-Network）算法進行改進👩‍❤️‍💋‍👩，提出了ID3QN（Imitative Dueling Double Deep Q-Network）算法以提高算法的學習效率。最後，構建高保真半實物仿真系統進行硬件在環仿真飛行實驗，驗證了所提算法的適應性和實用性🤕🖖。

基於啟發強化學習的大規模ADR任務優化方法

楊家男, 侯曉磊, HU Yu Hen, 劉勇, 潘泉, 馮乾

doi:10.7527/S1000-6893.2020.24354

2021, (4): 524354-524354.

摘要

隨著航天事業的蓬勃發展🧏🏼，空間碎片尤其是低軌碎片已成為航天任務不可忽視的威脅💂🏼‍♂️。考慮到碎片清除的緊迫性和成本🧑🏿‍🏭，低軌多碎片主動清除（ADR）技術成為緩解現狀的必要手段🦞。針對大規模多碎片主動清除任務規劃問題🕕🕵🏿，首先，基於任務規劃的最大收益模型，提出一種強化學習（RL）優化方法👰🏿‍♂️，並依照強化學習框架定義了該問題的狀態、動作以及收益函數；其次，基於高效啟發因子，提出一種專用的改進蒙特卡羅樹搜索（MCTS）算法，該算法使用MCTS算法作為內核，加入高效啟發算子以及強化學習迭代過程💸；最後🥷🏽，在銥星33碎片雲的全數據集中檢驗了所提算法有效性。與相關MCTS變體方法以及貪婪啟發算法對比，所提方法能在測試數據集上更高效地獲得較優規劃結果🧑🏻‍🦼‍➡️，較好地平衡了探索與利用。

一種基於偏好MOEA的衛星地面站資源多目標優化算法

孫剛, 陳浩, 彭雙, 杜春, 李軍

doi:10.7527/S1000-6893.2020.24475

2021, (4): 524475-524475.

摘要

隨著中國航天事業的發展，衛星地面站資源匱乏問題日益突出，需要對其進行統籌優化使用。因此，衛星地面站資源規劃問題得到了廣泛關註。在分析問題特點的基礎上💇🏿‍♂️，對用戶規劃結果的偏好信息進行建模表達，建立了涵蓋用戶偏好的多目標數學規劃模型，提出了基於偏好多目標進化算法的衛星地面站資源規劃算法。為了進一步提升算法性能，設計了基於領域知識的啟發式策略，包括：任務擴充策略🌸、沖突消解策略以及任務縮減策略等。實驗結果表明⚙️，與現有算法相比🧗🏿‍♂️🧏，用戶偏好信息的引入能有效提升問題求解針對性，在IGD-CF （Inverted Generational Distance based on Composite Front）指標上取得了更好的效果🏄🏿‍♂️🔂。

基於Transformer層次預測的多星應急觀測任務規劃方法

羅棕, 杜春, 陳浩, 彭雙, 李軍

doi:10.7527/S1000-6893.2020.24721

2021, (4): 524721-524721.

摘要

應急觀測任務規劃是一個強時效性的復雜組合優化問題，必須在規定的時限內完成相應的計算。采用機器學習的方法對規劃問題進行初始規劃方案預測，可以有效地簡化計算復雜度。為此，提出一種基於Transformer層次預測的多星應急觀測任務規劃方法🧂🙇‍♀️，將多星任務規劃的求解過程分解為3個步驟：首先🥮，利用基於Transformer的任務可調度性預測模型預測待規劃任務是否執行，得到預執行任務集合👨🏿‍🦲；然後，基於Transformer的任務分配模型對預執行任務集合分配衛星，得到初始規劃方案；最後，利用基於隨機爬山的約束修正算法對初始規劃方案進行優化調整🤹🏼，得到可行規劃方案。為驗證所提方法的有效性🤦🏼，通過大量仿真實驗與CPLEX優化器、標準遺傳算法🧑🏿‍⚕️、長短期記憶網絡等方法模型進行比較，實驗結果表明所提方法計算耗時短，規劃收益高，適用於多星觀測任務快速規劃。

具有自動回溯的機動目標航跡精細化分段識別

喬殿峰, 梁彥, 張會霞, 趙鵬蛟

doi:10.7527/S1000-6893.2020.24744

2021, (4): 524744-524744.

摘要

機動目標航跡分段識別是判斷目標行為意圖的基礎，然而現有航跡分段算法對模式變化檢測能力弱，難以滿足機動目標航跡快速精細化分段的需求📓。提出雙層精細化航跡分段框架💇‍♀️，預分段層檢測目標運動過程中的模式切換，確定模式變化明顯的預分段區，得到目標模式變化明顯區域的預分段點；再分段層對模型差異小的非預分段區航跡進行回溯迭代優化再分段，得到更為精細的分段點🧚🏼。該框架具有從粗到精的航跡分段處理能力，實現了對於機動目標航跡的精細化分段識別。選取兩個典型的目標機動仿真場景驗證了所提算法的有效性✵，不僅減少了迭代優化時間，而且提高了分段識別精度。

基於形態自適應網絡的無人機目標跟蹤方法

劉貞報, 馬博迪, 高紅崗, 院金彪, 江飛鴻, 張軍紅, 趙聞

doi:10.7527/S1000-6893.2021.24904

2021, (4): 524904-524904.

摘要

針對無人機影像目標跟蹤過程中常出現的目標方向變化♑️、目標遮擋變化、樣本多樣性不足等問題⛅️，提出了一種基於形態自適應網絡的無人機航空影像目標跟蹤算法✊🏽。首先使用基於數據驅動的方法對數據集進行擴增，添加了遮擋樣本和多旋轉角度樣本，提高樣本多樣性；提出的形態自適應網絡模型通過旋轉不變約束改進深度置信網絡，提取強表征能力的深度特征，使得模型能夠自動適應目標形態變化⚒，利用深度特征變換算法獲取待檢測目標的預定位區域，采用基於Q學習算法的搜索機製對目標進行自適應精準定位🤷🏻‍♂️☠️，使用深度森林分類器提取跟蹤目標的類別信息，得到高精度的目標跟蹤結果⛏。在多個數據集上進行了對比實驗，實驗結果表明該算法能夠達到較高的跟蹤精度，可以適應目標旋轉👨🏻‍🔧、目標遮擋等形態變化情況👨🏻‍🏭，具有較好的準確性和魯棒性。

基於A*和TEB融合的行人感知無碰跟隨方法

龐磊, 曹誌強, 喻俊誌

doi:10.7527/S1000-6893.2020.24909

2021, (4): 524909-524909.

摘要

移動機器人通過跟隨一個指定行人實現導航是一種便捷的方式。針對行人跟隨中的機器人跟隨和避障問題🧎🏻‍➡️，提出了一種基於路徑規劃的無碰跟隨方法。該方法結合激光點雲分割提供的非行人障礙信息生成靜態障礙代價地圖，並根據3D行人定位結果，利用基於無跡卡爾曼濾波器（Unscented Kalman Filter👩🏿‍⚖️，UKF）和最近鄰聯合概率數據關聯（Nearest Near Joint Probabilistic Data Association👐🏼，NN-JPDA）的多行人跟蹤器估計幹擾行人運動狀態，進而生成動態行人代價地圖💆🏼。在此基礎上，基於A*的全局規劃器結合靜態障礙代價地圖輸出指向目標行人的全局路徑🚦，而基於時間彈性帶（TEB）算法的局部規劃器也將動態行人代價地圖納入考慮範圍以規劃優化的局部路徑🦖，這能夠幫助機器人實現行人感知的避障且跟隨全局路徑。通過低頻全局規劃與高頻局部規劃結合的方式實現對目標行人安全無碰的跟隨🧖🏻🏥。實驗驗證了所提方法的有效性🛫。

基於自適應動態規劃的運載火箭智能姿態容錯控製

梁小輝, 胡昌華, 周誌傑, 王青

doi:10.7527/S1000-6893.2020.24915

2021, (4): 524915-524915.

摘要

針對運作火箭主動段發動機擺動執行機構故障下的姿態控製問題，結合自適應動態規劃（ADP）方法設計了一種智能容錯控製策略。該智能容錯控製器主要包括2部分🎖：容錯穩定控製部分和優化補償部分🧎。容錯穩定控製部分利用自適應和滑模變結構控製設計，主要維持執行機構故障下姿態控製系統的穩定，保證姿態跟蹤誤差的有限時間收斂✥；優化補償部分采用執行-評價結構，利用ADP的在線學習優勢，根據姿態系統的跟蹤誤差（尤其是系統故障🌤、強幹擾導致的跟蹤偏差），設計ADP算法產生補償控製來進一步優化姿態控製系統的跟蹤性能。仿真驗證表明，即使存在外部幹擾和執行機構故障的情況下📕，所提方法仍能保證系統穩定且精確跟蹤指令信號。

基於序列圖像的航天器自主導航降維濾波方法

孫博文, 王大軼, 王炯琦, 周海銀, 葛東明, 董天舒

doi:10.7527/S1000-6893.2020.24971

2021, (4): 524971-524971.

摘要

非合作目標的運動感知與狀態估計，是太空領域技術發展的重要組成部分🥸。非合作目標相對狀態的精確估計是相對導航的難點問題。傳統的非合作目標擴展卡爾曼濾波算法需要結合非合作目標的質心位置，增加了狀態變量的維數✫，提高了系統不確定性，從而會影響狀態擴展卡爾曼濾波的收斂速度。提出了一種基於序列圖像的非合作目標相對導航方法，該方法在不對質心進行估計的情況下首先對非合作目標姿態進行估計，在完成非合作目標姿態估計後再對其質心進行估計。本文推導了光學相機測量值與目標真實姿態的關系，構建了基於序列圖像的測量模型🫄🏿，分別建立了不含有非合作目標質心位置的狀態方程和基於非合作目標位置、速度矢量的狀態方程，設計了適用於非合作目標狀態估計的擴展卡爾曼濾波算法。仿真實驗表明該方法可在10 Hz采樣頻率下經過50次采樣（即5 s）內快速收斂，從而有利於空間飛行器的在軌服務與維護。

蜂群對抗決策故障下的容錯博弈控製

倪媛, 楊浩, 姜斌

doi:10.7527/S1000-6893.2020.24978

2021, (4): 524978-524978.

摘要

針對大規模分簇蜂群無人機的任務分配問題🤎，考慮對抗場景下某些無人機由於受到敵方攻擊或操控，決策規則遭到篡改😢🚇，進而導致群決策行為與期望的均衡點產生偏差的決策故障🐸。在演化矩陣博弈的框架下🕵🏼‍♂️，運用多群體復製子動態方程對蜂群無人機和故障建模，基於李雅普諾夫函數對故障發生前後均衡點的局部漸近穩定性及其吸引域進行了分析，從而建立了自容錯條件✈️，並設計了基於激勵的簇間協同容錯博弈控製方法🧑‍⚖️，對群決策行為偏差進行補償，使得蜂群任務分配狀態在故障下仍能達到期望的均衡點🚵🏼，獲得理想的分工收益。

低照度小樣本限製下的失效衛星相對位姿估計與優化

劉付成, 牟金震, 劉宗明, 韓飛, 李爽

doi:10.7527/S1000-6893.2021.24984

2021, (4): 524984-524984.

摘要

低照度圖像信息受損嚴重，會導致失效衛星的位姿估計精度和魯棒性降低。基於此🏄🏿‍♀️🍄‍🟫，提出了無監督生成式對抗網絡低照度圖像增強模型❄️🦶🏼。生成器以U-Net網絡為基礎🪔，並設計密集殘差連接結構。判別器設計為全局-局部的雙辨別器結構，由傳統的單一標量擴展為多標量判別🧖🏻‍♂️。在小樣本的條件下🧖🏿，基於進化訓練與並行訓練方式改進基於SinGAN的數據增廣方法。最後，在基於ORB-SLAM位姿初始化的基礎上🥦，建立特征信息的局部地圖，克服位姿估計對參考幀的依賴；通過關鍵幀ROI的稠密匹配，建立關於平面法向量和單目相機安裝高度的非線性優化模型求解尺度因子🦁；通過閉環檢測後的相似性變換，構建關鍵幀集合的聯合位姿圖優化方程，實現對位姿矩陣的全局校正。實驗結果表明🤱🏻：測量穩定後，低照度圖像的姿態角誤差最大值為4°⚗️，而圖像增強後的姿態角誤差最大為0.5°；對於以角速度20°/s運動的失效衛星旋轉5周，相對靜止下的跟蹤測量為5周🈚️，1 m水平方向機動下的跟蹤測量為4.5周。可以滿足失效衛星相對姿態測量的任務需求。

一種非規則采樣航空時序數據異常檢測方法

閆媞錦, 夏元清, 張宏偉, 韋閩峰, 周彤

doi:10.7527/S1000-6893.2021.25019

2021, (4): 525019-525019.

摘要

航天器遙測數據的實時異常檢測對於航天任務具有重要意義。以往方法大都考慮規則采樣且缺失率較低的時序數據，然而航空時序數據具有維度大、噪聲多♥️、缺失率高🤌🏽、采樣間隔不規則等特點🔭，因此異常檢測任務較為困難。針對非規則采樣且具有缺失值的多維航空時序數據提出非規則采樣多維時序數據異常檢測（IMAD）算法。首先，采用帶有可訓練遲滯項的門控循環單元（GRU-D）對缺失值和非規則采樣的時序數據進行建模👇🏿；然後𓀌🦿，采用變分自編碼器建立隨機性模型🟠，學習正常時序數據的分布👩🏿，從而對噪聲數據具有魯棒性；最後，利用基於極值理論的自適應閾值確定法確定合適閾值進行異常檢測😜。結果顯示，在兩個真實航空時序數據集上，IMAD具有超出當前最新異常檢測算法的性能🕵🏻‍♀️；多個實驗表明，IMAD在缺失率、參數以及數據集變化時🥧，能夠維持較好的異常檢測效果，具有較強的魯棒性🔽。

專刊/專欄