一、答辩总体安排
二、答辩简介
1：多电飞机高升压比功率变换拓扑及其控制技术研究
针对多电飞机用高升压比功率变换器进行高升压比功率变换拓扑及其控制技术研究，从航空多电/全电化应用需求入手，在级联变换拓扑设计、级联控制策略与高频控制方法、平面磁技术、电磁兼容性等方面开战研究，通过数学分析、建模仿真、软硬件设计、实物实验等手段验证所提系列方法的有效性，为航空多电技术推广应用提供理论依据与工程化实践经验。
2：大型飞机能量管理优化技术研究
针对大型飞机能源提取功率需求大，能源利用率不高的问题，开展大型飞机能量管理优化技术研究，重点突破大型飞机典型运行场景能源谱系分析、能源架构设计与评估、基于任务的能源动态管理策略研究、多学科强耦合动态综合仿真和大功率虚实融合能量实物验证等关键技术，完成某大型飞机能源架构权衡设计、多学科一体化仿真验证和多系统地面综合联试。通过研究，使大型飞机机载机电系统的综合化程度、能量功率等级和能源利用效率处于国内领先水平，促进机载产品的技术成熟度提升，形成飞机能量管理优化方法，可应用于下一代运输类、作战类飞机和无人机研制。
3：基于强化学习的航天器轨道追逃博弈控制策略研究
针对复杂约束条件下对空间不明意图的航天器机动策略难以预测，传统的规避方式难以有效应对等问题，开展基于强化学习的空间轨道追逃博弈控制策略方法研究，建立追踪航天器和目标航天器强化学习博弈控制模型，从双方博弈推广至三方博弈，构建基于深度强化学习的多智能体航天器博弈控制架构，为提升我国空间在轨航天器的生存能力、增强航天器在复杂环境下的自主机动能力和安全的空间轨道博弈控制方法提供一定的基础理论和技术支持。
4：动态多目标进化算法研究及应用
针对动态环境下复杂的多目标优化问题，在算法设计和实际应用研究的长期实验基础上，得出动态多目标问题中影响算法性能的核心要素。利用动态多目标优化中的特征信息提取和映射机制, 建立动态环境中优化问题的响应模型，从不同角度提升算法的适应性与精度以及实际应用中的实施可行性。
5：高性能飞行器气动参数在线辨识与最优控制研究
面向高性能飞行器飞行控制设计对精确气动数学模型的需求，结合参数可辨识性分析理论、激励信号离线优化算法与基于回归向量动态扩张的在线辨识方法开展高性能飞行器通用气动参数辨识方法研究，建立高精度气动参数在线辨识系统，为控制律设计提供精确的数学模型，提升飞行控制系统的可靠性与自适应性。
6：基于隐私保护的多智能体系统动态平均一致性研究
针对现有多智能体系统分布式动态平均一致性算法中存在的隐私泄露问题，分别在无向网络及非平衡有向网络下设计可实现精确一致性且计算复杂度低的隐私保护机制，并引入事件触发控制技术，在实际应用场景下实现多智能体系统协同编队跟踪围捕过程的隐私保护。
7：具生主动重建理论方法研究
针对具生主动重建问题，通过深入分析和试验数据，提出一种结合感知能力和物理交互特性的具生主动重建方法，该方法旨在通过具生交互特性解决传统重建问题中的遮挡以及不可见区域的重建难点，实现不同的几何外形物体的最优视角计算以及精确重建。计划通过引入费舍尔信息等方法，实现主动感知信息提取。根据大语言模型输出高层策略，因果强化学习作为底层策略，实现精确轨迹规划。此外，探讨在稀疏输入条件下使用神经辐射场（NeRF）结合高斯溅射（gaussian splatting）技术的优化方法，快速准确地重建物体。为了应对模拟环境与真实环境间的性能差异，引入虚实迁移技术，确保仿真算法在现实世界中的有效性。
8：多无人机网络信息安全防护体系研究
本研究聚焦多无人机网络信息安全防护。针对外网攻击，研究多源融合的信息安全攻击检测技术与认证/加密技术；针对内网攻击，探究恶意节点检测与加固技术；同时建设半物理仿真验证平台验证算法与理论。通过这些研究，构建多无人机网络全面防护体系，保障无人机网络安全，具有重要理论与实际意义。
9：A Unified Deep Learning Framework for EEG Data Optimization
The growing use of EEG-based technologies in neuroscience, clinical diagnostics, and cognitive research underscores the pressing need for advanced and adaptable signal processing solutions. this research bridges significant gaps in EEG signal processing. The unified framework establishes a robust, scalable solution that aligns with interdisciplinary demands and lays the foundation for advancements in real-time applications and cross-domain EEG research.
10：Reinforcement learning based hybrid control strategies for tumor mitigation in biomedical systems
Current cancer treatment strategies often prioritize algorithmic robustness and efficiency but frequently neglect critical aspects of patient safety and comfort.This study will provide a significant impact by offering a safer, more patient-centered cancer treatment strategy that could lead to improved survival rates and better quality of life. The introduction of advanced machine learning optimization in cancer therapy opens the door to more personalized treatment protocols, providing a foundation for future research in this area.
11: Energy Management of a Microgrid using advanced optimization techniques to minimize its operational cost
电力网络面临着多项挑战，包括环境法规、全球电力需求、可靠性要求的提高、可再生能源整合和规划限制。向更绿色、更智能的电网的转变涉及将生产工厂分散到更小的、分散的发电中。这种转变导致了微电网的出现，微电网是负载和分布式能源的集成系统，能够作为统一的受控系统发挥作用。然而，有效管理微电网内的多种能源对于可靠运行至关重要。因此，能源管理是微电网功能可持续且经济高效增长的关键问题。本研究旨在提高微电网系统的运行效率，微电网系统在分散能源分配以实现可持续电力供应方面发挥着至关重要的作用。该研究重点解决两个主要挑战：优化太阳能和风能等可再生能源的利用，以及最大限度地降低与电网不稳定相关的运营成本。
