态势评估中基于合同网的黑板模型研究

态势评估是对战场上战斗力量分配情况的评价过程。针对目前态势评估的局限性和面临的挑战，运用黑板模型和合同网理论研究态势评估问题。对当前态势评估黑板模型的主要工作进行比较，在此基础上引入合同网的思想，提出了基于合同网的态势评估黑板模型，并重点论述了该模型的结构和运行机制。该模型在一定程度上解决了黑板模型的不足，并且能更好地用于分布式信息融合环境。     

基于多约束投标策略的改进合同网算法

针对无人机使用传统合同网算法进行任务分配存在的投标个数多、网络吞吐量不均衡、工作负载高等问题,提出一种改进合同网算法任务分配模型.首先对无人机任务分配的空间环境进行建模,在传统合同网算法的投标阶段,结合一种基于无人机能力评估方法的投标策略,该策略建立了基于代价函数和收益函数的任务效能函数.通过多次仿真,对历史任务效能、...     

基于分阶段筛选评估的合同网任务分配机制

基于合同网的任务分配机制广泛应用于各领域的多Agent系统中，以解决分布式任务分配问题。在分析经典合同网协议优缺点的基础上，提出了分阶段筛选与招投标协商相结合的任务分配模型。通过招投标的可计算性评估，将主要计算任务放在招投标Agent内部进行并且缩小招投标范围，从而减少通信并提高效率；通过动态确定评估指标提高了机制的通用性。     

基于动态贝叶斯网络的弹道导弹态势评估模型研究

针对弹道导弹态势评估的特点,分析了弹道导弹的作战过程和弹道导弹主动段作战特点。在此基础上,给出了动态贝叶斯网络用于弹道导弹态势评估的建模过程,建立了基于动态贝叶斯网络的弹道导弹态势评估模型,并依据观测到的数据对模型进行了仿真,结果表明,将动态贝叶斯网络应用于弹道导弹的态势评估模型是可行的,该模型能够对飞行中的弹道导弹态势快速准确作出评估。     

Simulink/Stateflow的AUV群体协作合同网快速原型仿真

基于合同网的AUV群体协作系统是一个混合系统,既包括合同网任务分配这一离散事件驱动模型,又包括AUV运动学模型.在研究合同网任务分配方法的基础上,提出了基于Simulink/Stateflow的AUV群体协作合同网快速原型的建立与仿真方法,实现了基于Stateflow的合同网任务分配模块与基于Simulink的AUV运动学模块的混合仿真,并给出了有、无合同网的仿真对比.仿真结果表明,该方法能够简单、快速和形象地模拟AUV系统的协同作业过程,是验证任务分配方法和分析效能的有效手段.     

不确定性推理及其在战术弹道导弹攻防作战仿真中的应用

在研究战术弹道导弹在电子对抗条件下的攻防作战仿真问题时 ,将模糊神经网络、证据推理、黑板模型等不确定性推理方法相结合 ,用面向对象方法构造知识库和推理机 ,完成了其数据融合系统的态势评估及威胁判断 ;最后简要介绍了其仿真系统的软件结构。     

基于直觉模糊时间Petri网的不确定性时间推理方法

针对Petri网模型在对复杂不确定性时间信息描述和推理方面的局限性,在定义直觉模糊时间函数以及网络变迁约减规则的基础上,融合直觉模糊时序逻辑(IFTL)、直觉模糊Petri网(IFPN)以及线性逻辑推理的理论优势,构建了直觉模糊时间Petri网(IFTPN)推理模型,并提出了基于IFTPN的不确定性时间推理算法,较好地解决了态势评估中冲突事件间的不确定性时间推理问题。最后,通过典型的战场想定验证了该时间推理方法的有效性和优越性。     

电子干扰条件下基于攻击区指挥引导效能评估

针对传统指挥引导效能评估方法缺少对电子干扰因素定量分析的问题,在基于攻击区空战态势评估的基础上,提出了一种考虑电子干扰因素的超视距空战指挥引导效能评估模型。分析电子干扰对导弹攻击区的影响,从指挥引导目的态势分析入手,选取空战能力指数威胁函数和基于空空导弹攻击区的空战态势威胁函数两个指标,进行加权综合建立指挥引导效能评估函数,通过仿真计算验证了该模型的有效性。     

双机编队超视距攻击协同优势评估

针对双机协同超视距攻击中的态势评估和协同优势评估,提出了基于编队状态的协同优势评估方法。首先分析并将编队完成超视距攻击的过程划分为4个状态阶段;其次建立了基本的超视距攻击态势评估模型;最后讨论了编队不同状态下的协同优势评估方法并建立了模型。仿真结果表明,该算法模型能够较为准确地评估双机编队在超视距攻击中的协同优势。     

基于DBNs的反导态势评估模型研究

为了实现多导弹攻击下的反导战场态势评估,首先建立了用于单枚导弹态势评估的贝叶斯网络(BN)模块,其次以该模块为基础提出了一种用于反导战场全局态势评估的动态贝叶斯网络(DBNs)模型,并给出变结构DBNs推理算法。仿真结果表明,该模型对来袭导弹的数目以及拦截成功与否等事件描述准确且迅速,可以满足多导弹攻击下的态势评估要求,并能够为反导指挥作战提供决策支持。     

基于黑板模型的空袭目标识别专家系统

在对空袭目标信息进行综合利用的基础上,建立了基于黑板模型的多传感器空袭目标识别融合专家系统模型,模拟专家识别思维.给出了知识库的构造方法和知识的表示方法;推理机的设计结合了问题求解的黑板模型和D-S证据推理方法.该模型对目标的综合应用识别具有很好的借鉴作用,测试表明该系统具有很强的推理能力,融合模型有较高的识别准确性和可靠性.     

基于通用黑板模型的IMSE网络中心节点识别

运用通用黑板理论和D-S证据理论探索IMSE网络中心节点识别问题。构建了基于通用黑板框架的IMSE网络中心节点识别模型,讨论了该模型体系的体系结构和实现方法,对该模型的工作流程进行了详细论述。给出了一种基于D-S证据理论的高效识别规则。该系统中专家系统直接给出了基本概率赋值,减少了计算繁琐程度,从而可大大减轻目标识别系统的压力。最后通过仿真结果具体分析了模型的工作情况。     

信息支援条件下协同空战态势评估研究

针对现有空战态势评估方法表现形式不够直观、模型简单的问题,提出一种将威力场与遗传神经网络相结合的态势评估方法,并将其应用于信息支援条件下的协同空战态势评估.分别从攻击能力、探测能力、电子干扰能力、生存能力、通信能力、告警能力、协同能力以及决策能力等方面构建威力势模型.利用遗传算法优化BP神经网络,并将其应用于编队作战能力评估.最后利用具体算例进行仿真验证,结果表明该方法是正确可行的.相比于传统态势评估方法,该方法在信息支援条件下的超视距协同空战态势评估中具有全面性、直观性、准确性等优势.     

基于对策论的威胁评估模型

数据融合模型一般包括多个层次,威胁评估是其中之一。威胁评估根据态势情况,推测威胁程度及可能的行动方案。在分析对策论和威胁评估的基础上,提出基于矩阵对策的威胁评估模型及分析方法。     

一种空中目标的不确定性威胁程度预测模型

目标威胁预测是对空态势和威胁估计的重要内容.针对空中目标飞行控制的基本特点,建立了基于经验公式的空中目标不确定性位置预测模型,进一步推导了不确定性威胁概率预测的模型和实用算法.仿真结果证明了模型的有效性,可用于多类空中目标意图推理及威胁判断.     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

基于黑板推理与分层规划的CGF模糊决策模型

计算机生成兵力具有智能行为是其最大的特点,也是当前研究的重点和难点。为了使计算机生成兵力决策的智能化水平有所提高,把复杂的决策过程进行分层规划,将各层中决策子任务的求解策略、推理策略与黑板推理方法中的多任务协同工作原理相结合,构造了基于黑板推理的计算机生成兵力决策模型。同时,也将模糊理论应用到决策模型中。有效地提高了计算机生成兵力的智能水平。     

基于模糊AHP法的舰艇威胁能力评估

舰艇平台的威胁能力评估是海战场态势评估的基础。依据舰艇平台搭载的武器装备,建立舰艇威胁能力评估的指标体系,采用层次分析法确定各个指标的权重,构建基于模糊综合评判法的舰艇威胁能力评估模型。基于此模型,对阿利.伯克级I和II型导弹驱逐舰威胁能力进行了评估,实验表明方法合理。