电子控制技术为智能网联汽车的高速发展持续赋能，车控操作系统是保障汽车电子控制软件安全、高效、实时运行的基石。随着智能网联汽车向集中式、端云融合式电子电气架构发展，车载硬件演化为多核异构处理器、弹性计算平台，车控软件向面向服务的软件架构转变，车控操作系统的架构、关键技术等也随之发展。综述了智能网联汽车用车控操作系统的发展历程与现状，对任务调度、实时性/安全性保障、形式化表征与验等基础理论和关键技术进行深入分析，阐述现有车控操作系统的技术挑战与发展趋势，为智能网联汽车的车控操作系统发展提供参考。

针对多假设解分离(MHSS)测试受卫星数目增加、潜在故障概率提高的影响，使得需要监测的子集数量增长而带来计算负担增加的问题，提出一种基于麻雀搜索算法(SSA)的高级接收机自主完好性监测(ARAIM)故障子集优化算法。结合SSA将可见卫星分配为发现者、跟随者和侦查预警者，通过剔除能量较低的个体降低计算冗余。在搜索过程中，引入自适应步长提升迭代速度，提高算法的执行效率。在双星座情况下，对完好性支持信息(ISM)参数进行3种假设，验证了所提算法的可用性，并与传统算法进行了对比分析。结果表明：通过所提算法得到的子集数量较传统算法减少了75%～90%，相同条件下，仿真用时降低了68%～88%，ARAIM可用性变化不超过2%。

关键节点识别算法是社交网络研究领域的重要分支，但现有研究成果大多对数据的多样性、完整性、可用性等依赖程度高，导致在公安机关重点人分析场景中适用性较低。因此，对静态网络拓扑结构进行量化表示，同时结合局部最优算法和全局最优算法重新定义关系度指标，再基于该指标构建特征矩阵，提出适用于公安部门重点人分析的特征向量中心性（REC）算法。依托公开数据集、2部影视剧人物关系网络、境外社交平台账号网络和国内某诈骗团伙5个数据集，从网络传播能力、抗打击弹性和重点人分析结果一致性3个维度证实所提算法的有效性，相较于其他传统挖掘算法能准确识别社交网络重要节点，具有较为广泛的应用场景。

锂离子电池涉水事件频发，特别是沿海地区及海事应用方面常常遇到高盐度涉水事件。以18650型电池为样本，进行不同盐度条件下涉水锂离子电池的腐蚀与析氢风险实验研究。结果表明：锂离子电池涉水时首先发生电解和电化学腐蚀现象，盐度越高，这种现象越显著；腐蚀主要发生在阳极帽处，随着腐蚀进行，腐蚀孔向内部深入，直至电池彻底损坏；涉水中锂离子电池的质量损失速率与电压降呈正相关关系；腐蚀产物主要为氢氧化亚铁、氢氧化铁和氢氧化铝；涉水过程中阴极析出大量氢气，氢气产生速率与盐溶液浓度呈正相关关系；对于较封闭的应用环境极易达到氢气爆炸下限；轻度腐蚀后电池热失控过程的喷射程度较为剧烈，燃爆危险性较高；而过度腐蚀则会直接破坏电池结构，进而使电池完全失效。

针对现有大多数彩色图像零水印方案中水印嵌入容量小且抗几何攻击鲁棒性能不佳等问题，提出一种基于组合变换域和位平面分解的大容量鲁棒零水印算法。对彩色载体图像的R、G、B通道分别进行快速有限剪切波变换（FFST），并对变换后的各低频子带进行非重叠分块置乱，将置乱后的各子带的分块离散余弦变换（DCT）系数用于构造四元数离散余弦变换（QDCT）系数矩阵；在每个QDCT系数矩阵中选取两个低频系数，利用其各个实部和虚部的符号极性构造8个二值鲁棒特征矩阵；将经过正交拉丁方置乱加密后的灰度水印图像按位分解，把位分解后的8个二值位平面分别与以上二值鲁棒特征矩阵进行异或并重组得到灰度级认证零水印。此外，在水印检测前，采用ORB算法对待认证图像进行几何校正。实验结果表明，所提算法水印嵌入容量和安全性高，且对于常规非几何攻击和几何攻击均具有较强的鲁棒性。

可用度是衡量设备系统服役效能的重要指标，目前大部分面向系统可用度优化的群组维修方法均为静态框架，无法充分利用健康状态信息实时高效调整维修计划。基于此，提出了一种考虑动态信息迭代机制的智能群组维修规划方法。该方法充分兼容突发型和退化型等典型系统故障分布特点，设计耦合预防性计划维修和机会维修的两级群组维修方案，并根据每次成组时的各部件实时状态-年龄信息，迭代更新下一次成组时间和需维修部件序列。针对飞机群组部件的算例验证表明，所提方法相比于传统的静态群组维修，在减少停机次数、提升稳态可用度方面具有显著优势。

高马赫数（Ma>2）武器舱剪切层和激波更强，其流动特性与通常的亚、跨、超声速武器舱也有所不同，从而可能导致内埋武器的分离特性也不同。基于非结构混合网格流场解算器NNW-FlowStar，在前期针对高马赫数空腔流动模拟建立的改进HLLE++格式和自适应混合网格技术的基础上，采用数值模拟手段对比分析了Ma=4和Ma=2时的内埋武器分离特性，研究了环状板、横柱、锯齿和圆柱阵列等不同前缘流动控制措施对高马赫数（Ma=4）武器分离特性的影响，为高马赫数内埋武器的安全分离方案设计提供指导。研究表明：高马赫数（Ma=4）时，由于武器舱流动特性和武器舱前缘激波的激波角的不同，导致起始时刻内埋武器与武器舱之间的通道效应和分离过程的激波干扰不同，使得高马赫数（Ma=4）时内埋武器的姿态角和俯仰力矩与马赫数为2时差异较大；采取前缘扰流措施后，内埋武器的抬头趋势有所减弱，偏航角有所减小，有利于导弹的安全分离。

灵敏度编码(SENSE) 方法利用多个线圈的灵敏度信息来减少扫描时间，利用SENSE模型重构的图像易存在伪影，不利于医学诊断。为减少重叠伪影，提高磁共振成像质量，将分类图像块的快速正交字典引入SENSE模型中，得到一种基于多分类字典学习的灵敏度编码重建算法。该算法通过对图像块分类，在每个类中训练字典，得到不同类别的多个字典，运用交替方向乘子法进行图像重构。在人体脑部和膝盖数据上进行实验，结果表明：相比于TV-SENSE、TV-LORAKS-SENSE和LpTV-SENSE算法，所提算法的平均信噪比分别提高了1.53 dB、1.22 dB和1.05 dB，重构图像与参考图像的一致性较高，图像细节部分和边缘轮廓信息保留完整。

为提升智能优化算法辨识太阳电池参数的精度和准确度，提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新，以平衡局部和全局搜索能力，保持种群多样性；对最优个体进行混沌扰动，发掘更优解替代最差解，提升种群质量；采用替换策略更新陷入停滞的个体，提升算法性能。通过RCJAYA算法辨识参数得到的太阳电池单、双二极管的电流均方根误差最优值分别为9.8602×10⁻⁴ A、9.8258×10⁻⁴ A，与JAYA等5种算法对比，结果表明，RCJAYA算法更具优势。根据辨识结果计算出模拟电流，与实测电流进行比对，在单、双二极管上的平均误差分别为0.00084 A、0.00082 A，表明RCJAYA算法辨识的参数值准确可靠。

为解决无人机航拍图像中小目标特征信息少且容易被噪声干扰导致现有算法漏检率和误检率高的问题，提出一种改进Double-Head Region-卷积神经网络（RCNN）的无人机航拍图像小目标检测算法。在骨干网络ResNet-50上引入Transformer和可变形卷积（DCN）模块，更有效提取小目标特征信息和语义信息；提出一种基于内容感知特征重组（CARAFE）的特征金字塔网络（FPN）结构模块，解决特征融合过程中小目标被背景噪声干扰而丢失特征信息的问题；在区域建议网络中针对小目标尺度分布特点重新设置Anchor生成尺度，进一步提升小目标检测性能。在VisDrone-DET2021数据集上的实验结果表明：所提算法能提取更具有表征能力的小目标特征信息和语义信息，对比Double-Head RCNN算法，所提算法的参数量增加了9.73×10⁶，FPS损失了0.6，但是AP、AP50和AP75分别提升了2.6%、6.2%和2.1%，APs提升了3.1%。

为满足自动驾驶及汽车高级驾驶辅助系统（ADAS）对车道线检测准确性和实时性的要求，提出一种融合卷积块注意力机制(CBAM)与可变形卷积网络(DCN)的车道线检测方法CADCN。在特征提取模块中嵌入CBAM注意力机制，增强有用特征并抑制无用特征响应；引入可变形卷积替换常规卷积，用带偏移的采样学习车道线的几何形变，提高卷积核的建模能力；基于行锚分类思想，对行方向上的位置进行选择和分类分析，预测车道线的位置信息，提高车道线检测模型的实时性。在车道线公开数据集上对所提CADCN方法进行训练及验证，在满足实时性的情况下，CADCN方法在TuSimple数据集上准确率达到96.63%，在CULane数据集上综合评估指标F₁平均值达到74.4%，验证了所提方法的有效性。

输电线路智能化巡检是新一代电力系统建设的必然要求。当前，基于深度学习的检测模型由于参数量过大，使得利用无人机（UAV）进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别，提出了一种轻量级CenterNet-GhostNet的目标检测网络。对模型主干特征提取网络进行轻量化处理，利用计算成本较低的GhostNet提取自爆缺陷绝缘子的多层次特征，降低模型复杂度；引入增强感受野模块(RFB)增强特征表达能力，提升模型对小目标特征信息的注意力；构建特征融合模块，将低层特征信息和高层特征信息有效融合以输出更完整的特征图，提高缺陷识别精度。利用迁移学习参数共享，结合冻结与解冻训练相结合的模型训练策略，缓解网络因小样本数据集而产生的泛化能力不足问题。基于构建的输电线路自爆缺陷绝缘子数据集对所提方法进行验证，实验结果表明：相比原始CenterNet，所提方法的AP50、AP75和AP50:95分别提升至0.86、0.74和0.63，模型参数量由124.61 ×10⁶减少至64.2 ×10⁶，可实现复杂环境下的自爆缺陷绝缘子检测，提高了基于无人机的输电线路巡检精度与速度。

针对CCF300/QY8911复合材料层压板破孔损伤抢修后的拉伸强度影响规律和表征方法问题，通过对原始材料标准试件、含预制损伤试件及通过胶接、铆接和胶铆联合修理后试件的拉伸试验，得到了相应的强度、刚度、损伤模式和重点部位应变数据。结果表明，修理部位与原结构刚度不协调是影响修理强度的主要因素；胶接修理具有较高的连接刚度，其修理强度影响因素主要是铺层间结合强度；铆接修理连接刚度较低，且铆钉受单剪容易被拉脱是影响其修理强度的主要因素；胶铆联合修理综合了胶接修理刚度高和铆接修理能防止层间撕裂的双重优势；综合采用胶铆联合湿装配工艺、增加铆钉直径和在工件背面加装防拉脱垫片可显著提高修理效果，其抗拉强度分别为常规铆接修理和常规胶接修理的161.5%和135.9%。所提的基于线弹性断裂理论的强度恢复率评价方法能更好地从整体上表征修理后结构的真实承载能力。

温度是跑道结冰的重要因素，针对跑道除冰运行的跑道热特性参数瞬态变化问题和温度周期序列缓慢变化特性，建立冰雪天气下基于长短时记忆(LSTM)的跑道温度数据-机理联合预测模型。通过最大信息系数法选择数据模型的输入特征变量，采用动态时间弯曲法进行跑道温度数据聚类划分，建立基于LSTM的数据预测模型；通过跑道热力学知识获取跑道温度预测机理模型，采用最小误差赋权法建立跑道温度数据-机理联合预测模型。仿真预测显示，预测时长为20 min、残差阈值为±0.5℃时，数据-机理联合预测模型优于单独的数据预测模型和机理模型，预测准确率可达99.34%；横向对比显示，在相同边界条件下，数据-机理联合预测模型优于BP神经网络、多元回归模型和支持向量机模型，平均准确率提高26.11%。研究表明，基于LSTM的跑道温度数据-机理联合预测模型契合冰雪天气下跑道除冰运行实际，可获得较好的跑道温度短时预测结果。

与互联网相连的海量物联网（IoT）设备容易被黑客攻击和利用，进而造成关键IoT应用的瘫痪。漏洞利用是一种常用的针对IoT设备的攻击方式，然而由于在野的漏洞利用形式多样、变异性和伪装性强，如何快速自动识别针对IoT设备的在野漏洞攻击极具挑战。为此，提出一种基于混合深度学习判别和开源情报关联的IoT漏洞攻击检测方法，所提检测方法可以实时判别网络流量中的IoT在野漏洞攻击行为，并且能够精准识别漏洞攻击行为的具体类别。实验结果表明：所提检测方法在大规模数据集上的判别准确率超过99.99%。所提检测方法在真实场景中应用效果显著，在不到1个月时间内发现了13种新的在野漏洞攻击。

被动与主动流动控制可减小舰艇艉流强度，但直升机着舰甲板处仍存在明显回流现象，由此导致直升机气动载荷变化显著。提出了自动升降的舰艇主动甲板，建立基于格子玻尔兹曼方法(LBM)的舰艇主动甲板流场分析方法，并结合单向耦合模型，嵌入旋翼黏性涡粒子法，研究直升机主动甲板着舰气动载荷特性。通过与SFS2舰艇流场试验、分离涡模拟（DES）方法、大涡模拟（LES）方法比较，验证了所建方法的准确性。随后研究主动甲板对舰艇流场和直升机着舰气动载荷的影响特性。结果表明：相比于标准SFS2舰艇，主动甲板有效抑制了直升机着舰甲板处回流，以及直升机旋翼拉力损失、滚转和俯仰力矩，最大降幅分别为21.6%、55.1%、74.6%。

准确预测进港航班滑入时间对合理调配航班保障资源和提高机场场面运行效率具有重要意义，可有效克服各大机场粗放式预测航班进港时刻的不足，为此提出一种基于机器学习模型的滑入时间预测方法。以首都机场为具体研究对象，分析进港航班滑入时间的影响因素并构建特征集；将线性回归、K-最近邻、支持向量机、决策树、随机森林和梯度提升回归树6种在滑出时间预测方面得到广泛应用的机器学习模型用于进港航班滑入时间预测。研究结果表明：在误差范围±3 min内6种机器学习模型的预测精度均超过90%，表明特征集的构建和模型的选择是有效的；综合预测性能与模型拟合评估结果，梯度提升回归树模型的预测效果最好；在梯度提升回归树模型上场面流量特征的贡献度最大，新引入的跨区特征对预测模型的贡献度超过了大部分传统特征。

为探究机场飞行区风险发生机制及风险传播特性，增强机场飞行区安全管控能力，采用复杂网络理论，依据风险致因间的因果链序关系，构建多层异质网络风险传播模型。采用多层次因果图(AcciMap)理论分析机场飞行区运行风险传播的致因链；基于风险致因特征构建3层异质风险传播网络并根据网络特征设计概率-触发传播模型、容量-阻抗传播模型、容量-负荷传播模型；利用复杂网络理论设计风险传播评价指标，对风险网络传播特征进行分析。结果表明：多层风险网络中节点风险传播能力与节点度弱相关，节点风险灵敏指数可提升风险节点排序准确性；对风险灵敏度指数排序前15%的节点进行风险控制，可有效降低风险扩散近32%；网络风险传播结构存在高连通和松散状态，对风险扩散指数排序前15%的节点进行控制，可以有效降低网络结构鲁棒性指数使风险网络结构由高连通进入到松散状态；所建模型可有效识别风险扩散过程并进行精准控制，以提升机场飞行区风险控制水平。

工控靶场为开展工业控制系统(ICS)安全研究提供重要支撑。面向工控靶场关键任务之一的应用软件行为模拟，提出一种软件机器人方法以实现工控靶场应用软件行为的逼真模拟。考虑软件图形界面及软件内在显隐式规则，提出基于尺度不变特征变换(SIFT)图像相似度的软件菜单采集算法及混合状态机模型对应用软件行为进行建模。针对软件机器人的智能化问题，使用深度Q网络(DQN)算法驱动软件机器人对应用软件行为进行自主学习，同时结合多重经验回访和多重目标网络对DQN算法进行优化。实验结果表明：基于DQN的软件机器人能够对工控软件进行有效学习，且优化后的DQN算法自主学习效果更佳。

针对液体火箭发动机地面试验控制系统须抑制控制电路输入端的脉冲噪声、输出端的反峰电压及控制电流测量精度低等问题，运用放大电路原理，采用电路仿真方法，设计了基于电路印制板型固态继电器的控制驱动和控制电流测量电路。控制驱动电路应用“二极管+稳压二极管”模块以实现降低反峰电压和缩短复位时间的效果，控制驱动电路中固态继电器输出端集成了光耦隔离模块用于反馈控制信号，控制电流测量电路主要由霍尔效应电流感应模块和运算放大器构成以达到较高精度测量控制电流的目的。通过电路仿真，分析了控制驱动电路的反峰电压抑制模块、控制电流测量电路的动静态特性。仿真和实测结果表明：控制电流测量电路的基本误差为6.66%±1.80%，电路上升时间小于0.3 ms，下降时间小于0.5 ms；控制驱动电路的接通时间小于2 $ \text{μs} $，关断时间小于0.5 ms，“标准恢复二极管+齐纳二极管”方法能有效抑制反峰电压；控制驱动电路可应用于液体火箭发动机高精度的地面试验控制系统研制。

针对已有模型无法刻画面类型空间依赖下成分数据的空间异质性，提出模型参数可变的成分数据空间自回归模型。通过假定空间滞后参数、成分型系数、数值型系数为位置坐标的函数，允许空间效应和变量关系在全局空间上非均匀分布。基于等距对数比(ilr)变换、工具变量法和局部线性地理加权法，对模型参数进行估计。数值模拟实验表明：所提出模型的表现优于已有的成分数据空间自回归模型，并且参数估计量是有效的。基于一组实际数据，说明所提模型的实用性。

针对多目标高速机动检测问题，提出了一种基于改进正交匹配追踪(OMP)算法的多目标检测方法。根据高速机动目标运动特性建立信号模型；利用改进OMP算法对脉冲压缩后的回波信号进行运动参数估计；构建相位补偿函数对距离徙动和多普勒徙动进行校正；通过快速傅里叶变换(FFT)完成相参积累，实现对多目标的检测。改进算法适用于多目标高速机动检测场景，可有效避免盲速旁瓣现象及信号交叉项的影响，且具有参数估计精度高和抗噪声能力强等优点。仿真实验验证了改进算法的有效性与可靠性。

高超目标运动状态复杂且具有高机动性，传统的交互多模型(IMM)跟踪精度低、收敛速度慢，基于此，提出了一种基于多重渐消因子的强跟踪容积卡尔曼滤波(CKF)自适应交互多模型(AIMM)跟踪算法。以IMM-CKF算法为基础，通过对CKF算法的结构进行分析，在时间更新和量测更新的协方差矩阵中引入强跟踪算法的渐消因子，在线实时调整滤波增益，减小模型不匹配导致的滤波精度下降；在IMM的模型集中选择Singer模型、“当前”统计模型和Jerk模型，并针对模型扩维导致CKF算法中无法 Cholesky分解的问题引入奇异值分解(SVD)算法；对IMM算法中马尔可夫矩阵提出自适应算法，通过模型似然函数值对转移概率进行自适应修正，增强匹配模型所占比例。仿真结果表明：所提算法跟踪收敛速度提高了约37.5%，跟踪精度提高了16.51%。

在互联网音视频内容分析的应用中，快速建立低标注代价的图像细粒度分类方法具有重要意义。由于类别间具有相似的外观特征，并且存在光照、视角、背景遮挡等干扰因素，细粒度图像分类面临类别数量多、类间差异性小，以及标注代价高、标签信噪比低等挑战。为改善在带有噪声标签的数据环境下海量图像细粒度分类的效果，提出一种基于检索增强的图像细粒度分类方法，在迭代清洗噪声标签的基础上，利用检索范式通过简单类别标注获取更具表达性的特征，提升分类器的识别能力，并在包含1500个细粒度的食物类别和超过50万张图像的数据集上取得良好的效果。

威胁情报关联分析已成为网络攻击溯源的有效方式。从公开威胁情报源爬取了不同高级持续性威胁（APT）组织的威胁情报分析报告，并提出一种基于图注意力机制的威胁情报报告归类的方法，目的是检测新产生的威胁情报分析报告类别是否为已知的攻击组织，从而有助于进一步的专家分析。通过设计威胁情报知识图谱，提取战术和技术情报，对恶意样本、IP和域名进行属性挖掘，构建复杂网络，使用图注意力神经网络进行威胁情报报告节点分类。评估表明：所提方法在考虑类别分布不均衡的情况下，可以达到78%的准确率，达到对威胁情报报告所属组织进行有效判定的目的。

面向虚拟货币挖矿过程中私有协议流量检测识别需求，提出面向未知挖矿行为通信协议流量的自动化识别方法。改进N-gram报文格式分割算法和字典树正则表达式生成算法，实现私有协议特征签名自动化生成，对明文通信的挖矿流量进行精确匹配；基于经典加密流量分类模型，改进基于流交互特征的流量分析方法，实现轻量级的挖矿行为识别模型，对加密通信的挖矿流量进行实时检测。测试结果表明：所提方法生成的挖矿通信协议特征签名可覆盖当前3种主流明文挖矿流量，在实网验证过程中可达到0.996的识别精确率和0.985的召回率。

为研究小倾角对Ω形槽道弯曲热管传热特性的影响，搭建了热管传热性能实验台，基于实验对不同小倾角下热管的温度分布、总热阻、当量导热系数和最大输入功率进行分析。结果表明：在相同输入功率下，倾角为0°和倾角为负的热管壁温均匀性优于倾角为正的热管；倾角为正的热管总热阻最大，倾角为0°和倾角为负的热管总热阻相近；热管倾角为0°时的最大输入功率最高。热管安装和应用中易出现重力倾角偏差，研究结果表明，较小倾角会对Ω形槽道弯曲热管的传热性能造成影响。

减重系统对下肢疾病患者的行走康复训练有重要影响。现有的下肢康复外骨骼减重装置大多只考虑如何减去患者体重的百分比，而忽略了患者身体重心的起伏。由于外骨骼的骨盆支架在竖直方向运动轨迹固定，患者步态的微小变化就会导致重心高度与骨盆支架运动轨迹不符，这一差异会作用到患者的骨盆位置，影响下肢关节的活动，并产生额外的风险。针对这一问题，提出通过采集足底压力来预测重心位置变化，并利用获得的重心轨迹解算出应施加的减重力方法，为患者训练提供安全有效的减重系统。所提方法的可行性已获仿真证实，并在研发的外骨骼减重系统上获得实际验证，模糊控制器跟踪重心轨迹的误差相比PID控制减少了21.2%，稳态误差维持在±1 mm范围内，髋膝关节的活动范围相比常规减重分别增加了14.36%和13.77%。

针对具有多个领导者的四旋翼无人机集群，提出领导-跟随双层结构时变编队跟踪控制分析与设计方法。利用无人机局部邻域信息，构造时变编队跟踪控制协议；基于领导-跟随双层编队通信拓扑结构，给出编队中心的显式表达式和编队跟踪的充分条件；通过构造并求解代数Riccati方程，提出一种领导-跟随双层结构编队跟踪控制协议的设计方法；利用四旋翼无人机集群飞行平台开展领导-跟随双层结构编队跟踪飞行实验。结果表明：所设计的领导-跟随双层结构编队跟踪控制协议可以驱使具有多个领导者的四旋翼无人机集群系统形成期望的领导-跟随双层编队结构，验证了所提方法的有效性。

针对随机和认知混合不确定性下的CFD模型修正问题，提出了一种融合混合不确定性量化、全局灵敏度分析、参数修正的模型修正架构，建立了基于证据理论的混合不确定性量化方法，在此基础上构建了基于概率包络面积变化率的混合不确定性灵敏度分析指标，提出了基于似然样本策略的参数修正方法。针对三维机翼ONERA M6的CFD数值模拟，在考虑湍流模型封闭系数认知不确定性和来流条件随机不确定性的情况下，通过混合不确定性量化得到升力系数的概率分布包络，并开展全局灵敏度分析发掘影响较大的封闭系数，降低模型修正的复杂度和计算量，并根据似然样本策略对关键系数加以修正。经过参数迭代修正，修正后的CFD仿真结果与试验数据高度吻合，证明了提出的CFD模型修正方法的有效性。

建立了平流层浮空器区域驻留模型，在有动力和无动力推进的情况下，基于马尔可夫决策过程，将具有优先经验回放的双深度Q学习应用于平流层浮空器区域驻留控制。通过平均区域驻留半径、区域驻留有效时间比等参数来评价区域驻留控制方法的效果。典型风场中仿真分析结果指出：在区域驻留半径为50 km、区域驻留时间为3天的任务下，无动力推进的平流层浮空器的平均区域驻留半径为28.16 km，区域驻留有效时间比为83%；有动力推进平流层浮空器的平均区域驻留半径可达8.84 km，可实现区域驻留半径为20 km的飞行控制，区域驻留有效时间比为100%。