多碎片移除过程中的路径优化

采用蚁群优化算法对多碎片移除过程中的路径优化问题进行研究，然后采用改进的最速下降法对移除每块碎片的时间进行合理优化，进一步降低总的速度增量需求.对比轨道高度、轨道倾角或者升交点赤经的顺序后发现，采用蚁群算法优化之后的顺序移除碎片可以大大节省轨道转移所需要的速度增量.选取中国空间活动产生的三组碎片进行优化计算，结果显示在相同的任务时间内，优化后的顺序可能不同于轨道高度、倾角和赤经的顺序，并且优化顺序可以节省更多的速度增量.另外，任务时间也会对碎片的最佳移除顺序产生影响.      

基于6σ设计的复合推力高速直升机总体参数多目标优化

针对复合推力高速直升机总体设计阶段总体参数的选择问题,提出一种提高可靠性和鲁棒性的基于6σ设计的改进多目标遗传算法优化方法。采用叶素理论和数值积分的方法分析计算了复合推力高速直升机气动及飞行性能,并以此为基础建立了约束函数和初步目标函数模型;将6σ设计融入改进的多目标遗传算法中,构造最终目标函数;在给定有效载荷设计要求下,对复合推力高速直升机总体参数进行了多目标优化设计。该方法获得了所需的Pareto解,优化后的复合推力高速直升机飞行性能相对原机有了较大改善,算例结果表明该方法有效可行。     

舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器，实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先，描述甲板滑行任务的过程，在此基础上，建立滑行轨迹控制问题的数学模型，包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次，考虑甲板环境和轨迹控制任务要求，基于模型预测控制思想，将在线滑行路径规划与轨迹控制结合，采用滚动优化方法计算出舰载无人机实际滑行轨迹，并且得到控制指令信号。最后，以“尼米兹”级航母为例，对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算，结果表明了模型的合理性和算法的有效性。      

基于IFOA的MEMS加速度计无转台标定

为提高微机电系统（MEMS）加速度计的标定效率并降低对高精度转台的依赖，提出一种基于改进果蝇优化算法（IFOA）的MEMS加速度计无转台标定方法。首先，根据模观测标定法原理将加速度计标定问题转化为非线性函数优化问题。然后，针对经典果蝇优化算法存在的只能搜索正参数及搜索步长固定的不足，对味道浓度判定值及搜索步长进行改进，使改进后的算法具有全局参数搜索及可变步长2种性能，并利用Rosenbrock函数进行测试，结果表明，IFOA相比于经典果蝇优化算法具有全局参数寻优范围及更高的寻优精度。最后，将IFOA应用于求解加速度计待标定参数的非线性函数优化问题，并将结果与牛顿迭代法和粒子群优化（PSO）算法进行对比。仿真结果表明:IFOA在求解精度方面比牛顿迭代法提高了1~3个数量级；在运行稳定性方面比牛顿迭代法和PSO算法分别提高了30%和34%，在运行时间方面分别减小了15.2%和43.6%；在加速度计无转台标定方面具有良好的应用价值。      

固体火箭冲压发动机设计点性能优化分析

针对冲压动力飞行器射程优化总体需求，提出了基于飞行器-发动机性能因子的评估方法，建立了固体火箭冲压发动机性能模型及优化设计流程，为总体与动力一体化优化设计提供了支撑。根据典型含硼贫氧推进剂性能分析结果可知，相同马赫数及余气系数下，高度对比冲的影响不明显；相同马赫数下，比冲随余气系数的增加先增加后减小；相同余气系数下，比冲随马赫数的增加而降低；飞发性能因子随马赫数、余气系数的增加先增加后降低，在一定条件下达到最大值。      

小尺寸Schmidt-Boelter热流传感器的研制

为满足常规高超声速风洞试验的热流测量需求，研制了一种小尺寸Schmidt-Boelter热流传感器。建立了传感器仿真模型并基于该模型对其结构尺寸开展了优化设计。根据优化结果，制作了尺寸为Φ 3×10 mm的传感器样件。在弧光灯热流标定系统上进行了性能测试，试验结果表明:该传感器灵敏度系数大于30 μV·m2/kW，响应时间约50 ms。     

欧洲空间科学委员会发布空间天气一体化研究报告

欧洲空间科学委员会(European Space Science Committee,ESSC)2019年8月在Journal of Space Weather and Space Climate发表关于欧洲空间天气一体化方法的评估报告。报告分析了欧洲当下应对空间天气行动存在的问题,并相应提出了协调和优化整合建议,旨在增强欧洲应对空间天气风险的能力,提升欧洲对全球行动的贡献。ESSC对欧洲应对空间天气行动的现状从六个方面进行了深入分析。(1)在空间天气的科学认知方面,亟需加强对多个空间天气耦合机制的科学理解,改善对日地耦合系统的总体描述。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点，并考虑卫星工作的多状态特性，兼顾星间通信时延和拓扑抗毁性的要求，研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性，建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件，以网络平均和最大时延作为通信性能的优化目标，建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法，求解全局时延最优的卫星拓扑，并在考虑多状态情况下对链路进行优化，以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真，研究表明：针对多状态条件下的铱星星座，该算法最大化减小了通信时延，得到抗毁性良好的拓扑结构，通信性能较之原有静态拓扑明显得到改善。     

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合，小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求，提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法，两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束，具有良好的鲁棒性。