针对激光熔注WC涂层中增强颗粒聚集及熔注层开裂的问题，将超声引入激光熔注过程，在316L不锈钢基板上开展了不同送粉速率下的超声辅助激光熔注WC颗粒实验研究，分别采用不同单元内WC颗粒的数密度与Voronoi单元面积的离散系数来评价WC颗粒的聚集位置与均布程度，对比分析了超声对WC颗粒熔解程度、聚集位置、均布程度与熔注层裂纹的影响。结果表明：无超声作用下且送粉速率较大时，WC颗粒在熔注层两侧边缘聚集；当送粉速率为2~8 g/min时，超声作用下的Voronoi单元面积离散系数相比无超声作用时减小了18.7%~43.5%。这表明超声可以显著改善WC颗粒的局部聚集现象，提升WC颗粒的均布程度，从而进一步抑制熔注层裂纹的萌生。

有机?无机杂化钙钛矿因其优异的物理化学性质在太阳能电池及其他光电器件中有重要应用。其中, 带隙是材料设计中必须考虑的一个关键物理量。利用机器学习建立准确的带隙模型可以帮助快速预测新材料。本工作通过研究基于Voronoi图方法的结构特征对机器学习的重要性发现, 相比于只有元素特征的机器学习, 通过加入Voronoi图结构描述特征, 符号回归(VS-SISSO)、人工神经网络(ANN)和随机森林(RF)建立的带隙模型精度均有提升。由于符号回归模型相对简单, Voronoi图结构特征的重要性在该方法中体现最高。以上3种机器学习方法给出的模型预测能力接近, 但符号回归模型具有明确的数学表达式, 透明度相对更高。特征重要性分析表明, Voronoi图结构特征在所有输入特征中的重要性最高。本工作展示了 Voronoi图结构特征在提升机器学习模型准确度及可解释性方面的重要价值。

复杂的战场环境中, 战机稍纵即逝, 因此在完成“情报侦察-摧毁打击”任务时, 就需要快速衔接好侦察无人机、打击无人机及地面控制站, 实现作战节点间信息的及时交互。提出了一种基于Voronoi图-麻雀(V-SSA)算法来解决无人机中继安全有效的分配部署问题。首先, 介绍了研究的任务场景; 其次, 针对无人机中继节点部署问题进行数学建模, 验证了基于Voronoi图-麻雀算法的无人机中继部署具体实现方法, 该无人机中继节点部署方法利用V-SSA算法选择中继节点位置, 保证中继无人机数量最少及距离重点目标最远为目标函数。仿真结果表明, 上述中继部署方法能够有效地建立战场全局通信网络, 并提高了中继无人机的自身安全防护。

常规Voronoi图只能用于等威胁体的航迹规划, 对实际战场环境有较大的局限性。提出一种基于Delaunay三角网的改进型Voronoi图, 并将其用于不同威胁体的航迹规划。主要讨论了改进型Voronoi图的构造步骤以及起始航迹和终止航迹的确定方法, 最终在VC++6.0开发环境下完成了基于改进型Voronoi图的航迹规划。结果显示, 规划出的航迹能有效避开雷达等威胁, 表明了改进型Voronoi图在基于不同威胁体的航迹规划中的可行性。

以飞行器航迹规划为应用背景，提出一种基于Voronoi图和量子遗传算法的飞行器航迹规划方法。首先,建立威胁源的V图，并构建发射点、目标点与威胁源的V图赋权有向图，从而建立飞行器航迹规划V图空间;然后,对传统量子遗传算法进行改进，引入了量子门旋转角步长动态调整机制；并增加了量子交叉操作和量子变异操作，使得改进后的量子遗传算法具有更高的搜索效率，采用改进后的量子遗传算法求解V图空间中的最优航迹;最后,进行了仿真实验。仿真结果表明，基于V图和量子遗传算法的航路规划方法是可行和有效的。

无人机群协同作战中, 如何确定各无人机的航迹是整个规划问题的基础和关键, 直接影响到作战效率。采用层次分解策略, 首先对威胁场进行Voronoi图环境建模, 然后利用改进蚁群算法, 提出带有方向性引导性的信息素更新策略, 减小迷失蚂蚁对算法收敛性的影响。同时, 从时域和空域方面考虑多机协同问题, 在满足最小时间窗基础上, 最后仿真得到了航迹规划层上多无人机的协同航迹。结果表明: 该算法有效地克服了早熟停滞现象, 解决了求解多样性问题, 并加快了算法的求解效率。

多导弹航迹规划是一个约束条件众多、强耦合的复杂多目标优化与决策问题,能有效提高作战效能。充分考虑了禁飞区和威胁区的不同作用距离、威胁度以及目标战术价值等环境因素，分别采用基于扩展Voronoi图法、基于栅格法和基于可视图法研究了多导弹航迹规划问题。采用了相同的战场环境，从产生的航迹、仿真时间、导弹攻击目标的组合、总体航迹代价和导弹飞行时间等各方面进行比较，仿真结果证明了3种算法的有效性，且根据研究问题的不同有各自的侧重点。提出的算法对多导弹航迹规划的研究具有很高的应用价值，可实际应用在巡航导弹、无人机等无人飞行器的协同控制中。

多导弹协同任务规划是一个多约束、强耦合的复杂多目标优化与决策问题,能有效提高作战效能。研究了具有不同探测距离和威胁度的禁/避飞区、威胁区等战场环境下的多导弹协同航迹规划和目标分配问题。首先建立了具有战场环境约束的Voronoi图,并结合改进的Dijkstra算法取得了代价最小的航迹;进一步采用基于视线的航迹缩短算法和航迹平滑算法对初始航迹进行动态优化处理,产生了既节省燃料又满足导弹机动性能的可飞行轨迹;最后采用基于MMKP(Multi-dimensional,Multi-choice Knapsack Problem)的协同目标分配算法实现了多导弹协同攻击多目标,并且获得了综合代价最小的多导弹协同航迹。仿真结果证明了方法的有效性。该方法具有很高的应用价值,可实际应用在巡航导弹、无人机等无人飞行器的协同控制方面。

为解决星敏感器的星图识别算法高实时性和鲁棒性，采用了BP神经网络；根据飞行轨迹精简了导航星及对应的模式，即一个视场中的一幅星图对应一个惟一的导航模式。采用二维Voronoi图计算向平面上最大空圆，构造了完备的圆视场集合；经过反复比较，选择以恒星为顶点能构造包含视场中所有星的凸多边形的导航模式，以其角距和顶角作为识别向量，具有平移和旋转不变性，并以该模式为BP神经网络的训练样本。仿真试验表明：该方法的识别成功率达100%，识别时间小于20ms。