多UCAV任务分配有限阶段MDP方法和算法

多UCAV(Unmanned Combat Air Vehicle)任务分配是无人机作战决策的重要内容,是一类求解困难的组合优化问题,目前尚无成熟高效的解决方案.通过马尔可夫决策过程(MDP)将任务分配问题化解为分阶段序列决策过程,并对当前阶段决策状态采用单一整数编码,提出了基于有限阶段MDP的求解算法.通过仿真实验表明:该算法可以快速精确地解决多UCAV任务分配的问题.     

用克罗内克积形式构成模糊推理中关系矩阵的新方法

通过对模糊推理的典型形式、推理方法以及推理关系的表达方式进行研究与讨论,提出了一种用克罗内克积形式表达模糊推理中关系矩阵的新方法.该方法以统一的形式成功地表达了单模糊变量与多模糊变量情况下关系矩阵的构成方法,为模糊推理的理论研究和应用提供了方便.     

基于GPU的弹道快速计算方法

针对目前飞行器航迹规划中弹道计算量大、耗时长的问题,结合GPU大规模并行计算特性,提出了一种基于GPU的弹道快速计算方法.该方法以4阶Runge-Kutta (R-K)法为基础求解弹道微分方程组,通过计算资源的分配、数据流分段将弹道计算任务映射到GPU线程模型,利用CPU加GPU异构模型的数据流控制能力,实现上千条弹道的并行计算;实验表明该方法计算精度满足要求,并获得几十倍理想加速效果;也为航迹规划系统其他大规模并行计算提供了新的解决思路.     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。     

动态滑翔运动建模、机理分析与航迹优化

信天翁凭借动态滑翔的飞行技巧从梯度风中获取能量,从而在几乎不拍翅膀的情况下进行长时间、长距离飞行,这种技巧应用于小型无人机上可拓展其完成任务的能力。基于飞行器动力学对梯度风场中的无人机运动方程进行推导和简化处理;利用简化的运动方程,分别从非惯性参考系中的动能定理和机械能变化的角度,对动态滑翔获取能量的机理进行分析;利用微分平坦法,以最小平均控制输入变化率为目标函数,对徘徊模式和平移模式的动态滑翔航迹进行优化计算。分析结果表明:逆风爬升、顺风下滑是动态滑翔基本获能方式。优化结果表明:控制输入变得更加平滑,甚至出现阶段性的常值,使得控制更加简化;徘徊模式下,当风梯度作为决策变量时,优化过程可在[0,0.5 s-1]的区间上找到使得目标函数值最小的风梯度;平移模式下,目标函数值在该区间上单调递减。     

As-IPDA算法的天波超视距雷达目标跟踪研究

天波超视距雷达(OTHR)具有低数据率、低检测概率和低量测精度特征对目标跟踪提出挑战.针对OTHR在低检测概率下跟踪目标存在失跟率高的问题,将As-IPDA算法应用到OTHR目标跟踪中,通过大量的仿真实例验证了As-IPDA算法在超视距雷达目标跟踪应用中的可行性,并分析了平滑步长、航迹存在性转移参数、目标检测概率对算法性能的影响,给出了算法参数选择建议,为工程应用提供理论参考.     

新混合智能计算法在 UCAV 航路规划中的应用

无人作战飞机(UCAV)出航执行对地攻击(或侦察)任务,若事先针对敌方防御区内的威胁部署和目标的分布情况,就飞行航路进行整体规划设计,则可以综合减小被敌方发现和反击的可能性,最大限度地降低耗油量,从而显著提高其执行任务的成功率.在对进化算法研究的基础上.将用于解决旅行商问题(TSP)的进化算法加以改进,引入优秀个体保护法和模拟退火的策略思想,借以克服进化算法固有的易陷于局部最优的早熟现象,然后运用于UCAV的航路规划.实验结果表明,改进的混合智能计算方法简易而有效,寻优效果明显优于常规进化算法,规划出的航路能够满足UCAV飞行任务规划的综合需要.     

无人机使用助力现代联合登岛(礁)作战

无人机已经广泛使用军事领域各个方面,但就其助力现代联合登岛(礁)作战,还少有研究。本文从无人机助力联合登岛(礁)作战特性分析、具体表现和实现途径三个方面进行了探讨,以期对现代联合登岛(礁)作战有所借鉴和帮助。     

英语专业精读教学方法探讨

本文从精读教学普遍存在的几个问题出发，初步分析其产生的主要原因，并根据教学实践经验，探讨了精读教学改进方法，提出在精读课堂上，应采用多元化教学方法，以学生为教学活动的中心，采取语篇教学，重视精读泛读相结合，从而全面提高学生语言综合运用能力。     

基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。