为实现无动力飞行器的编队飞行，实现集群在三维空间中的队形误差收敛，提出了基于一致性理论的编队控制方法。首先，针对编队集群仅具有负加速度的特性，对一致性理论进行了修正，提出了适用于无动力飞行器的纵向控制方法；其次，引入倾侧角分配与翻转策略，在升力优先满足高向控制需求的情况下，使得倾侧角按横向误差走廊翻转，从而同时消减高向和横向误差；最后，仿真验证了本文方法对不同编队数量和通讯拓扑结构的适应性。仿真结果表明，在给定的初始条件范围内，本文方法能够适应各种初始状态下的编队控制；集群初始状态对编队时间和集群速度损失有显著影响；拓扑结构中有向边数量更多的集群，平均编队时间和平均集群速度损失会更少。
针对干扰环境下多飞行器协同作战时通信网络易受错误信息注入攻击的问题，提出一种可对故障链路进行自主识别与抑制的高速目标协同制导方法。基于距离一致性设计协同制导策略，在仅有主飞行器可得到目标运动信息的情况下，主从式飞行器能够在指定的命中时间对目标进行协同打击。通过径向基网络对未知项进行拟合估计，实现干扰环境下协同制导律的设计。引入信任系数对通信网络受到的错误信息注入攻击进行在线识别，为网络攻击下的故障自主抑制提供信息保障。仿真验证了所设计方法能够实现错误信息注入攻击下主从式多飞行器对高速目标的协同打击。
针对多架四旋翼无人机在复杂多变风场中的避障难题，提出一种基于高斯伪谱法（GPM）的航迹规划算法。首先，建立单机处于混合风场中的动力学模型，在此基础上通过将编队中的僚机约束转化为长机约束进行处理，构建了多约束航迹规划模型；然后，在确保编队能够定时到达目标地点的前提下，该模型以最小化编队飞行所需的能耗作为优化目标；最后，利用GPM优化长机航迹，将其转化为非线性规划问题（NLP），并采用顺序二次规划（SQP）算法求解该问题，得到了满足约束条件和优化目标的最优飞行轨迹。仿真结果表明，本文所提出的方法能够使多架无人机在混合风场环境中安全地绕过障碍物，并且在满足约束条件的同时生成最优飞行轨迹。
针对弹性频率低、多约束的细长体防空导弹稳定控制问题，提出了一种考虑弹性与多约束的线性时变模型预测控制方法。首先，为保证中频段的幅值衰减，采用过载误差积分输出对导弹线性状态空间方程进行增广，在模型预测控制全状态反馈策略下，控制器继承了传统三回路控制方法的结构；其次，以确保导弹过载和姿态响应的快速性和平顺性为准则构建代价函数，将导弹的稳定控制问题转化为对模型预测控制进行滚动优化求解；最后，为保证系统在弹性工况下的稳定性和弹性抑制能力，在输出端串入陷波器。仿真结果证明，所提出的方法具有良好的弹性抑制能力和多约束处理能力，同时相比于传统三回路控制方法具有更快的响应速度和更高的控制精度。
针对车辆在隧道、城市路段和峡谷等复杂环境中全球导航定位系统（GNSS）信号中断导致组合导航定位精度下降的问题，提出一种基于改进径向基函数神经网络（RBF）辅助容积卡尔曼滤波（CKF）的组合导航定位方法。首先，通过核主成分分析（KPCA）结合K-means++聚类模型对组合导航融合数据进行预处理，使其分布具有代表性；其次，利用正交最小二乘法（OLS）确定RBF神经网络隐含层神经元的数量及中心值，并采用信赖域约束高斯-牛顿（TR-CGN）算法优化其参数；最后，在GNSS信号失锁时，利用训练好的改进RBF神经网络辅助非线性 CKF滤波进行误差补偿。实验结果表明，该方法在不增加硬件成本的情况下，平均定位误差较自动驾驶协同定位系统降低了17.87%；与KPCA-RBF辅助的平均定位误差相比降低了54.37%，可见，所提方法有效增强了组合导航定位系统在复杂环境下的适应性和鲁棒性。
针对现有在轨卫星故障诊断方法不足的问题，提出了一种基于Clips专家系统的卫星故障诊断系统。该系统利用已有的卫星故障知识和经验，将专家经验和实时遥测数据相结合，采用推理机技术实时诊断卫星故障，同时通过可视化技术包括图形化和知识表达式两种方式进行专家知识录入编辑，构建专家知识库从而将用户容易理解的简单的逻辑语句转化为完整的复杂的Clips语句实现复杂的故障诊断程序，进而实现在轨航天器实时故障诊断的自动化和智能化，精准定位故障，提高卫星系统的可靠性和安全性。经模拟多种故障场景以及项目实践多方验证，卫星故障诊断系统的诊断结果与卫星实际接收的故障数据相同，证实了设计系统的有效性。
作为影响安全苛刻系统的重要因素，软件安全性问题日益受到关注。本文结合航天嵌入式软件工程实践，以软件安全性需求为线索，聚焦典型安全性问题，从源代码安全性质的形式化验证、软件安全性需求的自动化测试两个维度，分析总结了包括安全性专项分析、源代码静态分析、源代码模型检测、基于故障模型的安全性测试及关键字驱动的自动化测试等若干关键技术，提出了完整的航天嵌入式软件安全性验证的技术解决方案，研制了自主可控的软件保证支撑平台及工具，以系统提升航天嵌入式软件的可信保证能力。
针对航天装备全系统测试数据和履历信息、环境数据等多源、异构海量数据信息，建立基于数据的健康管理系统。实现对测试数据、产品履历数据及环境数据的集成存储、模型分析和健康评估。系统基于服务化的架构设计，通过信息采集与处理实现对装备测试数据的集成与管理，通过轻量化的分布式列存储方式构建高可靠试验数据存储与管理底座。针对系统和关键单机的健康状态，给出基于算法模型的趋势分析、寿命预测和维修决策信息，进行分层级态势展示。实现全系统和关键单机的健康状态评估、健康趋势分析、寿命预测和维修决策支持等，为装备数据健康管理提供了一种解决方案。
