目前，人们对创造在轨服务的航天器和卫星越来越感兴趣。这既是由于轨道上的空间碎片数量不断增加，也是由于开发航天器以取代使用寿命已结束的航天器的成本很高。执行这类飞行任务需要在服务飞行器上安装加油装置。本文的目的是分析在轨加油的方式和建设性要素。文章简要回顾了现有的在轨预加燃料项目，回顾了加油方法的设计特点，根据分析结果，对通用空间平台验证器模块加油所需的结构要素做出了结论。

本文回顾了将人工智能（AI）用于航天器制导、导航和控制（GNC）问题的最新进展。开发用于 GNC 的人工智能算法，使其具有更强、更稳健的性能，在很大程度上取决于 GNC 算法所使用的模型。这是因为使用人工智能算法可能需要设计者通过监督学习（SL）算法使用训练实例（数据集）来训练算法。GNC 算法可用于为人工智能算法提供所需的训练数据集。因此，审查最先进的 GNC 算法也是必须的。对当前最先进的 GNC 算法有了良好的最新了解，我们就能更好地调查在航天器 GNC 中使用人工智能算法的情况。无监督学习或基于奖励的学习算法也可用于 GNC 目的。本文的重点是 GNC 算法、人工智能算法以及人工智能与 GNC 算法之间的互动。此外，文章还展望了将人工智能技术用于 GNC 的未来前景。

针对多无人机编队控制的控制消耗、避障和拓扑变化等问题，本文提出了一种多无人机系统的变拓扑最优避障共识编队控制方法。首先，建立了固定翼无人机的非线性模型，并通过反馈线性化方法将其简化为二阶积分模型。然后，基于图论设计了无障碍编队控制的基本共识控制协议。在此基础上，综合考虑控制消耗和拓扑变化，提出了一种变拓扑最优共识算法，以最小的控制消耗实现位置和速度信息的共识。此外，考虑到障碍物环境下人工势场函数的改进，得到了避障的最优共识算法。然后，利用李雅普诺夫稳定性理论证明了所提方法的稳定性。最后，通过数值仿真验证了所提方法的有效性，多无人机系统可以在拓扑和障碍物多变的条件下，以最小的控制成本实现理想的飞行编队。

本文介绍了对假想机动飞机飞行动力学的研究结果，该飞机稳定性和可控性特征的缺点通过引入取决于飞行模式的允许攻角的复杂边界，用提高稳定性和可控性的系统算法进行补偿。研究以飞机的数学模型为素材点，考虑了对高度和飞行速度、g-载荷、攻角以及 g-载荷和滚转变化率的限制。研究的目的是确定指定控制系统算法的操作对安全执行 "翻转型 "机动的性质和区域的影响。研究结果发现，电动遥控系统特殊算法的运行会导致在高度和飞行速度的运行范围内出现一些区域，在这些区域内飞机的机动性会明显急剧下降。因此，要利用自动控制系统 "改善 "飞机的飞行性能，就必须评估这些变化在所有可能的飞行模式下对飞机机动性的影响。

印度空间研究组织（ISRO）开发了印度区域导航卫星系统（IRNSS），为印度区域的系统用户提供定位服务。然而，IRNSS 不提供任何系统故障的完整警告。此外，该系统的卫星很容易因各种错误而发生故障。为了监测位置估计的完整性，还必须通过开发一种合适的接收器自主完整性监测（RAIM）技术来检测 IRNSS 卫星的故障，从而在接收器上检测和执行与卫星故障相关的故障。本文尝试实施基于最小平方（LS）残差的 RAIM，用于 IRNSS 卫星的故障检测。基于 LS 的 RAIM 具有鲁棒性，可用于成功检测 IRNSS 卫星测量故障。从安装在（北纬 17.39°，东经 78.31°）CBIT 海得拉巴的 IRNSS-GPS-SBAS （IGS）接收器获取的数据中评估了测试统计量和测试阈值。据观察，假定 IRNSS 的 1F 号卫星为故障卫星，其水平保护极限（HPL）的最大变化范围为 8 至 172 米。