基于遗传算法的分布式多传感器航迹关联算法

以分布式多传感系统中的两节点序贯航迹关联方法为基础,把多节点情况下的航迹关联问题转化为多维分配问题。而多维分配问题是典型的组合优化问题,其计算量随着维数的增加而出现指数爆炸现象,进而根据遗传算法能够解决组合优化问题的能力,提出了利用遗传算法解决此多维分配问题的一种方法。仿真实验结果表明,遗传算法能够有效地求解此多维分配问题,使航迹关联具有较高的成功率。     

一种改进的武器效能评估方法

提出了改进的武器系统效能模糊评估方法,避免了原有方法存在的问题。将武器系统效能评估视为模糊多准则决策问题,通过“目标-准则-系统”层次结构,利用5个模糊比率表示判断矩阵和准则权重向量,将问题转化为模糊数的排序问题,从而选出被评武器系统最优者。与两种武器系统效能评估方法的比较显示新方法是可信有效的。     

抑制成像数据噪声的模糊多目标算法

以模糊数学和决策理论为基础,通过建立成像数据模糊指数函数及平方误差 模糊指数函数,提出了一种称为模糊多目标优化的新的算法模型,对成像数据的噪声进行抑 制实现数据优化。实验结果表明,所提出的模糊多目标优化算法模型有较强的抑制噪声能 力,理论和实验有较好的一致性。     

影响油罐电位的输油参数分析

目前,油库、储运公司改扩建工程较多,不可避免对工艺流程进行调整,依据液体静电产生原理,应用高斯定理和欧姆定律等理论,分析油罐注油过程中油面电位以及时间与管径、流速等各参数之间的关系,针对管径不变流速变化的情况,进行实验分析,在不对管路进行整改,仅对泵进行重新设计优选时,对如何控制罐内电位的安全,提出参考方案,对油库改扩建工程有一定的指导意义。     

联合战役油料输送系统模拟模型及优化研究

油料输送是联合战役油料保障中的重要环节,其本质是一个受多种随机因素影响的复杂过程。以运筹学的排队论为建模指导思想,将联合战役油料输送视为一个由多个子系统组成的排队系统,在这一系统中有活动实体(油料)在其中流动。对此动态过程进行模拟分析,结合优化技术,定量分析各种输送方案的军事经济效益,为组织计划联合战役油料输送提供有效的决策支持。     

弹药装载的构造型启发式算法研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题,属于NP-完全问题,其求解是很困难的,所以在实际应用中,往往采用一些启发式算法来求解。本文在考虑弹药装载中各类约束条件的情况下,构建了弹药装载优化模型,提出了一种弹药装载的构造型启发式算法。该算法考虑了装载方向、重量、弹药箱装入顺序和装载位置以及运输工具装载平衡等因素,并通过算例检验,说明了该算法在弹药装载中应用的有效性。     

多站空情航迹优化及分类指挥决策方式研究

空情是防空指挥的依据,本文提出了集团军防空兵利用本级多站空情,优化二次空情航迹的Fourier分析法,通过处理S项后的高频项,分离干扰等“噪声”过程,为反空袭指挥决策提供合理空情。当大批空中目标来袭时,依据处理的多批多站空情,集团军防空兵如何实现新的分类指挥,在文[1]基础上,本文引入等混合聚类法这一新的批次分类模式,对批次多因素分类,此法控制参量多、收敛速度快,使分类指挥决策的时效性得到提高,并结合示例计算与对比。     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。