基于强化学习的鱼群自组织行为模拟

自组织行为广泛存在于自然界中。为了通过学习的方式模拟鱼群自组织行为,构建了鱼群模拟环境模型、智能体模型和奖励机制,并提出了一种基于赫布迹和行动者-评价者框架的多智能体强化学习方法。该方法利用赫布迹加强游动策略的学习记忆能力,基于同构思想实现了多智能体的分布式学习。仿真结果表明,该方法能够适用于领航跟随、自主漫游、群体导航等场景中鱼群自组织行为学习,并且基于学习方法模拟的鱼群展现的行为特性与基于博德规则计算模拟的鱼群行为类似。     

舰艇编队防空电子对抗战法评估模型研究

通过对舰艇编队防空电子对抗战法的决策过程和战法的层次结构进行分析和描述,探讨了适合解决舰艇编队防空电子对抗战法评价问题的层次分析模型。     

面向目标对峙跟踪的四旋翼协同编队控制方法

针对多四旋翼编队飞行过程中对地面目标对峙跟踪、几何队形生成、稳固保持和协同抗干扰问题,设计了一种可应对外部环境干扰和气动参数不确定性的多四旋翼主从式协同目标跟踪方法。首先,建立存在外部干扰以及参数不确定性的四旋翼运动学/动力学模型;其次,基于Lyapunov导航向量场设计领航者的对峙跟踪航迹使得领航者以固定对峙半径实现对目标的盘旋跟踪;然后,构造多四旋翼分布式位置保持控制器,为后续姿态控制器构造提供必要的期望指令;最后,针对四旋翼外部环境干扰和气动参数不确定性设计基于自抗扰控制的多四旋翼姿态跟踪控制器。仿真结果表明所提方法可以在局部智能体通信的前提下实现对地面目标的对峙跟踪,显著改善四旋翼编队系统的抗干扰能力,提升干扰环境下多四旋翼编队几何构型的稳固性。     

含脱粘界面颗粒增强金属基复合材料局部应力场的尺度效应

在通过三相胞元方法求解出的复合材料有效刚度基础上,将三相胞元置于有效介质氛围中,且有效介质与复合材料具有相同弹性常数;根据有效自洽理论对受单轴拉应力作用的复合材料进行局部应力场分析,理论结果表明：只有考虑存在脱粘界面时,颗粒增强复合材料局部应力场具有明显的尺度效应,其应力值还与脱粘界面含量有关;基体承载的应力要小于外载应力,颗粒内纵向应力要大于外载荷,对基体材料起到了强化的作用,这与实际情况相符合。     

群体机器人技术及其在军事上的应用

群体机器人是一项启发于自然的生物群体,并结合了群体智能和机器人学,在许多方面都显示出了很大的潜力。本文首先简要介绍了群体机器人系统的定义和特征,并与其它类似系统进行了对比;然后从群体行为与任务、设计方法、分析方法、领域现状四个方面介绍了群体机器人技术及其研究进展;接着介绍了群体机器人的军事应用,同时对相关对策进行了思考和分析;最后对群体机器人应用领域进行了简要的评价与展望。     

基于强化学习的移动自组织网络分步路由算法*

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高度的动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出了一种基于强化学习的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集来提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析,仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

基于主动磁轴承飞轮转子的滑模变结构控制研究

针对主动磁轴承飞轮转子系统存在较多不确定因素的问题,设计了滑模变结构控制器,其中采用Lyapunov方法建立滑模面,由比例型到达律确定到达控制器,同时由Lyapunov第二方法证明了闭环系统的渐进稳定性.仿真结果表明,系统的位移和速度能在较短时间内收敛到零,抖振较小,系统动态响应较快,稳定精度较高,对外界干扰和参数变化具有较强的鲁棒性,从而达到了较好的控制效果.     

基于综合评价的地空导弹群火力运用模型

在地空导弹群射击指挥中,合理地指定射击目标的火力单元及其火力运用的方法,是群射击指挥决策的重要问题.根据地空导弹群火力运用的特点,在考虑集火射击的基础上,运用多属性决策的方法,建立了基于多指标综合评价的火力运用模型.通过实例计算验证了模型的正确性,为地空导弹群的火力优化提供了一种新方法.     

舰艇编队协同作战的自组织决策模式及决策支持系统

为促进舰艇编队的有效协同,充分发挥舰艇编队整体作战效能,以适应信息时代不断改变与难以预测的复杂战场环境,针对舰艇编队协同作战决策问题的复杂性,提出系统模型与算法基础等解决问题的方案;运用自组织理论、进化算法和分类器学习方法,提出了具有自学习、自适应能力的舰艇编队协同作战的自组织决策模式及决策支持系统。