针对飞行器末制导过程面临的环境不确定性大及任务类型多样的特点，提出一种基于通用策略-在线系统辨识器的元强化学习算法。该算法包含针对通用策略的强化学习训练阶段和针对在线系统辨识器的监督学习阶段，并通过分阶段迁移学习设计和基于伪蒙特卡洛的小方差策略梯度估计保证了在多任务场景下的训练可靠收敛，使所得制导策略能够适应多种末制导任务场景。仿真结果表明，所得制导策略能够同时适应“标称”“初始相对状态散布”和“模型扰动”等多种末制导任务场景，且在各任务场景下相比传统偏置比例导引方法均实现了制导性能的提升。
基于二体动力学和进入速度/逃逸速度确定行星借力双曲轨道面，通过近行星点高度调整进入/逃逸双曲轨道渐近角，结合近行星点加速/制动速度增量，确定逃逸速度方向。基于绕日椭圆轨道和行星双曲轨道之间的转换算法，以及近行星点高度迭代算法，快速推算转移轨道，确定进入/逃逸双曲轨道参数。以2015 XF261小行星防御为例设计金星借力转移轨道，给出了探测器的转移轨道、转移时长和速度增量需求，仿真结果表明快速推算行星借力转移轨道解析解，可以大幅减少转移轨道搜索时间。
本文研究了混合式惯导弹载应用条件下的精度贡献度问题。在阐明混合式惯导原理及特点的基础上，分析了其在弹用任务链下的理论优势，给出了混合式惯导的误差模型并分析了其误差传播特性，重点研究了惯性仪表误差、初始对准误差、载体机动特性、旋转调制策略和整体导航方案等因素对混合式惯导精度贡献度的影响，剖析了行业内对混合式惯导精度优势说法不一的原因，进一步提出了更为合理的弹载混合式惯导精度优势评价方案，可支撑完善其精度评价体系，为混合式惯导弹载工程化应用提供参考。
提出了一种圆型限制性三体问题下基于深度神经网络的最优地月双脉冲转移轨道预测方法：首先，选择三类地月双脉冲转移轨道族，并利用每条转移轨道的状态量构造双脉冲转移轨道数据集；然后，在数据集中确定轨道的输入状态和预测状态，构建用于进行轨道状态预测的深度神经网络；再将每一类地月双脉冲转移轨道族作为训练集，用训练集中的轨道数据来训练神经网络；最后，根据训练结果，通过设置地月双脉冲转移轨道在近地轨道上的初始状态来预测转移轨道的状态量，并根据预测结果选择每一种轨道族中的最优地月双脉冲转移轨道。仿真结果表明：利用深度神经网络能够通过地月双脉冲转移轨道的初始状态快速预测转移轨道的状态量，预测结果具有较小的误差值，根据预测结果可选择最优地月双脉冲转移轨道。
针对传统系统工程面临的研制周期长、需求验证难、接口不明确及更改流程复杂等问题，以推力调节控制器为例开展基于模型的设计方法研究，采用MagicDraw工具进行系统建模和行为仿真，使用SCADE工具进行软件设计与代码自动生成，并利用ModelCenter工具开展了系统行为模型和软件设计模型的联合仿真。这是基于模型的系统工程在航天复杂系统工程中具体实现的一次探索与研究，该方法在复杂控制系统开发中具有重要的应用价值，为未来航天器推力调节控制器的设计提供了新的思路和技术路径。
针对目标智能识别模型在干扰条件下的稳定性问题，提出一种不确定性引导目标变异的智能系统测试方法。该方法结合遥感图像中常见的干扰场景，设计了包括目标插入、目标删除和目标替换的多样化目标级变异策略，对原始测试数据进行扰动；同时引入模型预测的不确定度指标，引导生成高效测试用例，实现对原始测试集的扩增。实验在YOLOv5模型和大规模飞行器遥感图像数据集MAR20上开展，结果表明，生成的测试数据集具有更高的错误检测效率，能够更有效地揭示模型潜在缺陷，为目标智能识别系统的抗干扰性测试提供了有效手段。
聚焦于飞行器稳定自旋角速度的选择问题，研究并提出了一种基于飞行器自旋稳定判据的稳定角速度选择方法。通过对自旋飞行器锥形运动动力学特性开展理论分析，从机理层面揭示了静稳定力矩、Magnus力矩及阻尼力矩对弹体定轴性的耦合作用规律。基于质心与压心位置偏差条件下的锥形运动角动力学模型，构建了系统特征方程并运用劳斯-赫尔维茨判据建立了动态稳定性判据。进一步在传统三自由度弹道基础上，利用所建立的锥形运动动态稳定性判据推导出自旋角速度的可行域，并据此设计出飞行器稳定的自旋转速方案。数值仿真结果表明，该方法能有效抑制锥形运动发散，而且能降低俯仰/偏航通道的控制能耗。上述研究成果为利用飞行器自旋特性实现低能耗姿态控制下的定轴飞行提供了技术路径，具有重要的理论和应用价值。
