基于合作博弈的智能集群自主聚集策略

以无人车集群系统协同监视再入体着靶过程为任务背景,开展智能集群自组织策略相关技术研究。设计无人车集群执行再入体着靶协同监视的集群行为模式;针对协同监视过程中的集群聚集行为,提出基于合作博弈的智能集群自主聚集策略。各智能体以实现群体聚集为"合作目标",以降低自身能量消耗为"竞争目标",开展博弈;基于微粒群算法规划局部路径,最终使群体系统涌现出聚集行为。仿真实验验证了设计的自主聚集策略的有效性。     

多架无人机协同作战智能指挥控制系统

给出一种基于Agent技术的多架无人作战飞机协同控制系统的设计方法,该系统由几类Agent构成情报决策Agent、单机自主决策Agent、协同决策Agent等.由于利用了Agent的两大优良特性--自主性和协同性,系统能够控制多架无人作战飞机,各无人机对不断变化的战场环境也具有很高的适应性.     

基于合作博弈的智能集群自主聚集研究

智能集群是指由大量智能体构成、采用自组织策略协作完成任务的群体。以无人车集群系统协同监视再入体着靶过程为任务背景,开展智能集群自组织策略的关键技术研究。设计了无人车集群执行再入体着靶协同监视的集群行为模式,提出了基于合作博弈的智能集群自组织策略,各智能体以实现群体聚集为“合作目标”,以降低自身能量消耗为“竞争目标”,开展博弈,基于微粒群算法规划局部路径,最终使群体系统涌现出聚集行为。仿真实验验证了设计的自主聚集策略的有效性。     

无人机集群作战智能培育平台构建研究

面向红蓝双方非完备信息条件下的无人机集群自主作战场景,参考即时战略游戏星际争霸人工智能技术思想,提出一种基于人工智能与军事仿真深度融合的无人机集群作战智能培育平台构建方法,给出了技术实现路径,旨在通过大样本训练,培育无人机集群自主作战决策能力,探索无人机集群战法运用模式,支撑作战人员对无人机集群进行高级指挥控制.     

面向体系仿真的智能无人机集群作战建模总体框架研究

提出了智能无人机集群作战建模应当遵循的基本理念.在总体上将"面向体系仿真的智能无人机集群作战建模"视为一个"概念设计—模型建立—分析应用"的完整过程,而非一个孤立的建模仿真活动.为此,提出了涵盖"体系设计—模型训练—想定生成—探索仿真—结果分析"5个基础阶段的建模总体框架,以及包含支撑层、运行层、分析层和应用层在内的能够支撑该框架使用的系统体系架构.该建模总体框架,有助于解决智能无人机集群作战建模中作战概念不清晰、应用场景不明确的问题,同时可以将基于机器学习的智能实体建模技术集成到建模框架当中,以充分反映智能无人机实体及其集群的自学习、自成长特性.     

电子对抗作战仿真分层半自治Agent系统框架设计

为了在电子对抗作战仿真系统中真实地复现现实作战过程，设计了基于分层半自治Agent的系统框架。从设计电子对抗作战仿真实体Agent的现实意义出发，提出了基于BDI框架的仿真实体Agent设计方法，着重探讨了半自治Agent技术应用于作战仿真领域的巨大优势，明确了个体Agent的设计方法。根据电子对抗作战仿真系统的实体分类结果提出了一种基于分层半自治Agent的系统结构，并分析了不同层次的Agent的功能，为半自治Agent技术应用于电子对抗作战仿真领域提供了思路，具有一定的借鉴意义。     

面向多样性与随机性的无人集群合作演化建模及仿真

针对无人集群协同作战中个体策略选择的多样性,以及外部环境扰动带来的策略更新随机性问题,提出了一种基于公共物品博弈的无人集群合作演化机制。分析无人集群自主协同中的多样性与随机性需求,引入公共物品博弈构建基于Moran规则的无人集群合作演化模型;理论推导与解析分析多样性与随机性对集群稳态频率和合作水平的影响;最后,仿真验证理论推导的正确性,并分析参数变化对集群合作行为的影响,据此给出无人集群作战中有效应对多样性与随机性的合理建议。相关成果为揭示无人集群作战中的多样性与随机性机理,实现相关理论向现实应用的转化提供了理论支撑与仿真依据。     

智能化作战及其智能指挥控制技术需求

提出了智能化作战的基本概念,从作战空间、时间、感知、决策、打击、体系等6个方面分析其主要特征,辨析其制胜机理,对指挥控制提出新的要求。面向指挥端和平台端作战,分析人机共生对抗作战、有人/无人协同作战、无人自主作战、无人集群协同作战等4种典型智能化作战样式的作战流程、制胜的关键要素以及指挥控制能力需求,综合提出了智能指挥控制关键技术体系,为未来智能化指挥信息系统发展提供牵引。     

无人作战及其指挥控制问题探析

未来军事斗争将向无人化、智能化、自主化方向发展,无人作战将成为重要的作战样式。无人作战的核心是无人作战指挥控制。研究了无人作战的发展历程,探讨了无人作战的制胜机理,分析了无人作战指挥控制的主要特征。基于无人系统自主程度的不同类型,提出了无人作战指挥控制的过程模型,即“人在回路中”模式、“人在回路上”和“人在回路外”3种过程模型,探讨了过程模型中军事人员与无人系统的关系。提出了提升无人作战指挥控制的途径,为未来遂行无人作战指挥控制提供参考借鉴。     

反应式集群体系结构在蜂群弹药中的应用研究

随着无人武器集群式作战从想象加速变为现实,这种新型武器和战术势必将成为改变未来战争规则的重要推手。针对集群武器系统缺乏有效理论与系统技术支撑的问题,首先在多智能体理论和仿生集群智能技术的启发下,深入研究了基于集群行为驱动和个体行为规则的分布式决策框架,并结合视觉信息处理技术,构建了基于个体行为规则和集群行为原型的反应式集群框架;然后,建立了蜂群弹药任务和个体行为规则之间的映射关系;最后,将简单的区域搜索、饱和攻击等作战任务进行了嵌入式实现,对影响任务效率的关键因素进行了深入分析,为构建蜂群弹药等智能集群装备提供了技术储备和理论支持。初步仿真结果证明,对于50节点规模的集群,提出的反应式集群决策框架能够引导蜂群弹药高效完成避障、搜索和攻击等任务,且在40%、80%个体失效时搜索效率显著优于慎思式集群。     

水域无人系统平台自主航行及协同控制研究进展

水域无人系统平台是指可通过远程遥控、无人驾驶、自主航行等方式达成任务的一类平台,涵盖无人船艇及其所配备的无人机、自主水下机器人等.自主航行及协同控制理论技术水平是水域无人系统平台的核心所在,已成为船舶与海洋工程及水上交通等领域的热点研究方向.为掌握水域无人系统平台的自主航行及协同控制方面的发展动态和趋势,综述了水域无人...     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

无人机集群作战中连续时间Markov链模型的求解方法

针对无人机集群目标作战解析建模时在状态转移过程中计算速率低的问题,提出了一种基于行压缩存储的四阶Runge-Kutta法。根据无人机集群作战样式将无人机集群作战过程划分为三个阶段,并分阶段对无人机集群作战的状态转移过程建立连续时间Markov链模型。以无人机集群完成作战任务的可靠性作为求解指标,运用四阶Runge-Kutta法对Markov模型进行求解。由于求解过程中速率转移矩阵具有稀疏特性,采用基于行压缩存储的算法优化求解速率。仿真实验表明,运用连续时间Markov理论建立的无人机集群作战过程模型的有效性和可行性优于其他模型。同时,与其他算法及模型相比,该算法计算速率更高、能更好地满足结果精度的可靠性需求,进一步说明了本算法的优越性。 〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCHSC.TIF;%129%129〗听语音 聊科研与作者互动     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.     

美军无人机蜂群作战研究动态及应对策略

无人机蜂群是以智能化无人控制技术和网络信息系统为支撑的集群式无人作战武器装备,这种新型武器装备势必将成为改变未来战争规则的重要推手。美军作为无人机蜂群作战研究的领跑者,掌握了解其发展动态,学习其相关有益经验做法,参考借鉴其理论体系和关键技术,对于军队打赢未来智能化战争具有重要现实意义。本文通过梳理与总结美军在无人机蜂群作战研究方面所进行的开创性工作,厘清无人机蜂群作战发展的脉络,重点对无人机蜂群作战的产生背景、基本概念以及发展现状进行了探讨,结合课题组在无人集群作战领域的研究基础,分析了6个方面制约无人机蜂群发展的难点问题,探讨了应对无人机蜂群作战的可鉴之策,希冀能够为军队未来构建蜂群作战体系和建设相关能力提供理论指导和技术依据。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。     

多约束强化学习最优智能滑翔制导方法

为提升复杂飞行任务下滑翔制导的自主性,提出一种基于最优制导与强化学习的多约束智能滑翔制导策略。引入三维最优制导以满足终端经纬度、高度以及速度倾角约束。提出基于侧向正弦机动的速度控制策略,研究考虑机动飞行的终端速度解析预测方法。针对速度控制中机动幅值无法离线确定的问题,研究基于强化学习的智能调参方法。该方法基于终端速度设计状态空间,以机动幅值设计动作空间,设计综合终端速度误差与滑翔制导任务的回报函数,采用Q-Learning实现机动幅值的智能调整。仿真结果表明,智能滑翔制导方法能够高精度满足终端多种约束,并能有效提升复杂任务下的自主决策能力。     

陆战分队空地一体无人作战系统装备体系构想研究

在智能战争时代数字陆战场形势下,智能化、无人化、网络化陆战分队空地一体无人作战系统装备体系已成为未来陆战装备的重要发展方向。首先,重点研析美、俄分队级无人作战系统装备体系发展趋势,明确其以构建陆战分队级部队新质战斗力为核心,大力开展陆战分队级新型无人作战装备建设的发展方向;其次,从独立作战、持续作战、指挥控制、情报侦察、火力毁伤等层面,对比分析新型无人作战排作战优势;然后,以构建一个轻量级C4ISRK作战装备体系为目标,提出一种以“有/无人协同作战指控”为核心的陆战分队空地一体无人作战系统构建方式;最后,指出装备研发重点关键技术,以期重塑“人与机器”的战场功能配置,为未来陆战分队作战装备体系建设发展研究提供有益参考。