基于多智能体协作的编队协同防空决策方法研究

在深入分析现代高技术条件下海上舰艇编队协同防空决策特点的基础上,应用智能体技术,提出一种基于多智能体协作的编队协同防空决策方法.详细介绍了方法的原理和各类智能体的设计,并针对如何在编队多个舰艇决策Agent之间开展有效协同的关键问题,提出一种中心控制的MAS分布规划算法.     

面向作战决策智能体的融合赋权评估方法

在兵棋等对抗性作战实验环境下,通过使用基于强化学习方法训练的智能体进行仿真推演,能够检验作战决策效果,达到辅助决策的目的。针对当前作战决策智能体评估往往采用胜率这一单一数据指标的局限,提出了一种基于融合赋权的综合评估方法。通过构建涵盖作战决策有效性、作战意图实现性、作战环境适应性、智能体训练效率、智能体训练体系和智能体训练方法等技战术效果指标的评估体系,然后使用主客观方法对不同类型指标进行赋权,再根据指标性质将权值融合进入评估体系,实现基于融合权重的智能体决策效果评估。构建了陆上合成分队进攻作战场景,利用该方法对6个智能体进行评估验证,能够获得智能体的综合排名,有效避免了单一指标的评估局限。该方法对作战决策智能体评估提供了新的思路,符合作战环境需要,具有一定的应用价值。     

火灾视频监控报警系统的应用研究

分析了智能视频监控火灾报警系统研究的发展现状和趋势，研究火灾视频监控报警系统的工作原理、系统组成、有关火焰图像处理算法和火焰的视频图像信号特性，在此基础上，提出系统设计方案，为将智能视频监控报警应用于消防工作进行有益的探索和研究。     

基于用户兴趣的分布式智能信息检索系统的设计

DIIRICE是一个面向Internet的智能信息检索系统。该系统采用分布式智能体技术 ,用户兴趣学习算法和基于使用的聚类算法 ,有效地解决了现有系统在交互方式 ,自适应用户兴趣等方面的不足 ,满足人们在信息浏览时的个性化要求。该系统普遍适用于Internet、远程教育等分布式系统中的信息检索     

基于对抗推演的训练样本生成框架

针对军事目标图像智能识别、智能平台对抗等AI算法学习训练缺乏高质量样本难题,提出了一种基于对抗推演的训练样本生成框架。从训练样本的数据格式、作战业务的维度,建立了训练样本分类体系;从样本特征、样本标签两方面,提出了训练样本的表征方法,建立了军事目标图像、目标航迹等训练样本表征模型;建立了基于对抗推演的训练样本生成框架,依据红蓝双方的行为决策模型,开展对抗式仿真推演,积累训练样本数据;以智能空战决策训练样本为典型案例,提出了基于规则与微分方程求解相结合的方法,通过自主对抗模拟产生训练样本数据,支撑智能空战决策AI算法训练。     

海空跨域协同兵棋AI架构设计及关键技术分析

以深度强化学习为核心的智能博弈技术在游戏领域内的突破和进展为海空兵棋AI的研究提供了借鉴。智能体架构设计是需要解决的关键问题,良好的架构能够降低算法训练的复杂度和难度,加快策略收敛。提出基于随机博弈的海空跨域协同决策博弈模型,分析了相关的均衡解概念;在分析典型智能体框架基础上,针对海空兵棋推演决策博弈过程,提出基于多智能体分层强化学习的智能体双层架构,能够有效解决智能体间协作和维度灾难问题;从兵力协同、智能体网络设计、对手建模和训练机制共4个方面分析了关键技术。期望为海空兵棋AI设计实现提供架构指导。     

带保障智能体的多智能体战斗模型仿真研究

为了研究基于复杂适应系统理论的多智能体仿真模型的演化和涌现规律,在Swarm平台上建立了一个多智能体的战斗保障模拟仿真系统,并对战斗过程双方兵力耗损和弹药消耗进行了仿真研究,其结果和现实情况比较吻合.基于复杂适应系统理论的多智能体仿真模型可以模拟复杂系统的微观行为,进而能够显现出系统的宏观涌现现象,对作战研究有着非常重要的方法论意义.     

通信指挥分布式智能GDSS体系结构研究

智能决策支持是军队指挥手段现代化的一个重要研究方向,也是实现通信指挥决策科学、高效和及时的有效途径。在分析通信指挥决策特点的基础上,结合通信指挥决策的体系、流程和内容,立足面向功能的Agent设计思想,构建了多Agent系统(MAS)共同实现通信指挥的决策功能,给出了基于MAS的通信指挥分布式智能群决策支持系统(GDSS)的系统体系结构、水平体系结构、逻辑体系结构的各部分组成及功能,并对系统实现的关键技术进行了探讨。     

神经网络技术在智能BIT故障诊断系统中的应用

论述了智能BIT的智能设计、智能检测、智能诊断和智能决策,构建了基于神经网络的某高炮装备随动系统的智能BIT故障诊断系统。用Multisim进行电路仿真,提取输出信号的均值、峭度、偏斜度构成三维向量,以它作为特征向量利用神经网络进行模拟电路的故障诊断。通过比较BP神经网络、SOM神经网络和小波神经网络的诊断结果,得知利用均值、峭度和偏斜度作为特征,BP神经网络和SOM神经网络能够有效识别故障状态模式。     

基于MATLAB的图像增强处理系统的设计与实现

提出了一种基于MATLAB的可视化图像增强处理系统,并对系统的结构、特点及应用作了介绍,重点阐述了多种算法综合运用解决特定应用环境下的图像增强问题.该系统可实现包括防空武器系统摄取图像在内的各类图像的增强处理,可用于军事决策和实时监控,为智能检测和精确制导提供更加准确的数据资料.     

模糊启发规则的防空作战智能指控系统决策

为提高防空作战智能指控系统决策效率,在充分考虑专家经验知识的基础上,利用模糊启发规则对智能指控系统决策模型中的规则和推理方法进行改进.通过对防空作战打击决策输出结果的编程计算,得到打击决策输出方案与实际作战决策结果一致.该方法可使模糊规则条数减少,输入向量和模糊矩阵的维数降低,推理计算速度加快,却不影响最终决策输出结果.     

UCAV编队对地攻击智能决策系统总体结构

UCAV编队对地攻击是未来战争制信息权和制空权的关键所在,结合无人作战飞机(UCAV)与有人驾驶飞机各自的特点和优势,提出了UCAV编队对地攻击系统的基本组成和对地攻击流程.根据UCAV编队对地攻击的战术决策类型和决策方式,构造了UCAV编队对地攻击智能决策系统的总体结构并且提出了决策系统应该解决的关键技术,详细分析了所建立的UCAV编队对地攻击决策系统的决策方式和决策流程,并且对该系统所涉及的关键技术进行了详细的研究.     

基于警用特种装备的智能故障诊断专家系统的设计与实现

智能故障诊断专家系统可用以实现对警用特种装备系统各子系统的状态监测和故障诊断，基于此功能阐述了警用特种装备智能故障诊断专家系统的设计原理，给出了系统的实现方法。通过自适应遗传算法的知识获取机制，介绍了其改进的自适应遗传算法原理，解决了知识获取的问题，实现了警用特种装备的状态监测和智能故障诊断。     

军用油库油罐火灾消防虚拟现实仿真模型研究

军用油库火灾消防模拟训练系统可用于提高部队官兵的消防水平和指挥决策能力,真实感火灾及消防过程的仿真是模拟训练中重要的组成部分。为克服火灾模拟器对硬件系统要求高、可交互性低的缺点,提出并研究了油罐火灾工程模型和火灾消防工程模型。该模型建立了火焰形状、消防力量布置等与三维场景密切相关的数学模型;模型简单可靠,便于在消防三维场景中快速实现。最后通过实例在虚拟场景中进行了模型的仿真。     

弹药保障CGF智能决策模型研究与实现

弹药保障CGF智能决策系统是装备保障效能评估系统必不可少的组成部分,其核心是对人类决策行为的建模与仿真.在介绍智能决策含义和决策过程的基础上,重点研究和分析了CGF智能决策行为,构建了CGF智能决策模型.针对决策过程中由于无法获得人脑思维方式而导致行为模型的表达、描述、推理等受到怀疑的问题,在弹药保障CGF智能决策模型中,将决策行为分解为任务决策、过程决策和动作决策3个步骤,接近于人类思维方式.同时,对实现弹药保障CGF智能决策具有关键作用的任务决策原则、过程决策方法和动作决策规则进行了研究,并给出了应用实例.实例证明,弹药保障CGF智能决策方法逻辑清晰,易于理解和维护,便于实现.     

改进BAS-TIMS算法在空战机动决策中的应用

针对当前空战机动决策精确度低、实时性差的缺点,对天牛须搜索-战术免疫机动系统(Beetle Antennae Search-Tactical Immune Maneuver System, BAS-TIMS)算法进行改进,并应用于空战机动决策中。增加左爬升、右爬升、左俯冲、右俯冲4种机动,对传统的机动策略库进行扩充,设计了11种基本机动策略并给出了相应的控制方法。基于距离、高度、速度、角度和战机性能优势函数,利用非参量法构造战机机动决策综合优势函数。针对天牛须搜索算法在全局搜索和收敛速度上存在的缺陷,引入蒙特卡洛概率迭代的方法对算法进行改进,并和战术免疫机动系统进行融合,将改进的BAS-TIMS算法用于空战机动决策。设计算例进行仿真分析,并将结果和博弈论法、改进共生生物免疫进化算法、传统BAS算法和传统TIMS模型的计算结果进行对比,验证所提算法的有效性。仿真结果表明:改进BAS-TIMS算法在空战机动决策的收敛精度、收敛速度和全局搜索能力上更加具有优势。     

基于全寿命周期的消防装备管理系统化组织体系建立

目前消防装备管理存在着管理环节分离,管理决策缺乏科学性,经费使用效益低下等问题。以全寿命周期管理理念,推进消防装备管理创新,建立消防装备管理系统化组织体系,是解决问题的关键。     

适应低时延业务需求的分布式可穿戴单兵作战信息系统

针对云计算应用在单兵作战系统场景下业务处理时延高、服务质量无法保障的问题,提出一种基于可穿戴计算的分布式单兵作战信息系统。利用士兵身上的可穿戴智能设备构建本地计算层,在作战地点就近处理计算数据,提供给士兵本地的信息处理与融合能力,并采用广义扩散负载均衡算法平衡各设备负载,降低业务处理时延;同时利用分布式计算的容错能力增强系统的可靠性。仿真结果表明,基于可穿戴设备的分布式本地网络架构能有效地降低作战任务的处理时延,同时增强系统的可靠性。     

机载传感器智能管理方法的研究

机载传感器智能管理有利于提高我机平台的隐身性能和传感器的利用效率,使我机在空战中处于有利态势.阐述了机载传感器智能管理的问题、基本概念,给出了传感器管理需要研究的内容,提出基于模糊推理的机载传感器智能管理的研究方案;针对各传感器的工作特点,考虑战场态势因素,研究基于模糊推理的传感器智能管理模型;在此基础上进行传感器智能管理系统仿真和软件设计.     

Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm

To solve the problem of realizing autonomous aerial combat decision-making for unmanned combat aerial vehicles (UCAVs) rapidly and accurately in an uncertain environment, this paper proposes a decision-making method based on an improved deep reinforcement learning (DRL) algorithm: the multi-step double deep Q-network (MS-DDQN) algorithm. First, a six-degree-of-freedom UCAV model based on an aircraft control system is established on a simulation platform, and the situation assessment functions of the UCAV and its target are established by considering their angles, altitudes, environments, missile attack performances, and UCAV performance. By controlling the flight path angle, roll angle, and flight velocity, 27 common basic actions are designed. On this basis, aiming to overcome the defects of traditional DRL in terms of training speed and convergence speed, the improved MS-DDQN method is introduced to incorporate the final return value into the previous steps. Finally, the pre-training learning model is used as the starting point for the second learning model to simulate the UCAV aerial combat decision-making process based on the basic training method, which helps to shorten the training time and improve the learning efficiency. The improved DRL algorithm significantly accelerates the training speed and estimates the target value more accurately during training, and it can be applied to aerial combat decision-making.