基于模糊AHP的多目标反潜直升机搜索方式优选

战术背景下的多目标方案选择是战术行动的关键,且具有一定的不确定性和模糊性.针对多架反潜直升机配合搜索的特点,研究了基于模糊层次分析法的搜索方案优化选择方法,并在实际仿真数据的基础上验证了方法的可行性和有效性.结果表明,基于模糊层次分析的方案优化方法比较符合本领域的特点,与常用的多目标优化方法相比,在具有模糊性和不确定性的智能化作战指挥决策中具有更好的实际应用价值.     

基于输出饱和条件下磁浮列车悬浮控制参数优化

低速磁浮列车利用电磁吸力支撑车体,相比轮轨列车具有噪音小、转弯半径小、爬坡能力强等优点。研究控制器输出饱和条件下悬浮系统的稳定性问题,可以避免由于电网电压约束而可能出现的失稳现象,提高了系统运行的可靠性。基于磁浮列车单点悬浮模型,使用电流-位置双环设计方法设计得到可稳定悬浮的控制算法。由于磁浮列车悬浮控制器的输出饱和环节,进一步提出了一种基于搜索极大椭球的控制参数优化方法,在不改变控制算法设计的前提下实现了参数优化。通过仿真和试验均验证了优化后的控制效果,有效指导了实际系统的工程调试。     

绕月轨道阴影区域建模与轨道优化

针对绕月运行轨道建立月球阴影区域与地球阴影区域的数学模型,给出了卫星是否处于阴影区域的判据;利用黄金分割法搜索出了阴影区域的边界值。将禁忌搜索算法嵌入遗传算法中并结合具体案例,搜索出了阴影时长最短的最优目标轨道。所给出的绕月轨道阴影区域模型简单且能够满足工程精度需求,可用于星上自主预报算法;所给出的嵌入式遗传算法能有效避免陷入局部最优并快速收敛。     

文章编号：基于多目标进化搜索算法的AUV地磁仿生导航方法

针对水下自主航行器(AUV)地磁多参量多目标搜索的问题,提出了一种基于磁趋势敏感的多目标进化搜索算法。在进化算法的结构下,利用地磁场参量与导航路径的约束关系,以磁趋势敏感作为后验评估准则,建立导航模型,使得地磁多分量伴随航行器的运动同时同地收敛至各自目标值,实现导航目的。通过与六边形路径搜索算法的仿真对比,验证了多目标进化搜索算法的有效性和优越性。     

地磁仿生导航的多目标进化搜索算法

针对水下自主航行器地磁多参量多目标搜索的问题,提出一种基于磁趋势敏感的多目标进化搜索算法。在进化算法的结构下,利用地磁场参量与导航路径的约束关系,以磁趋势敏感作为后验评估准则,建立导航模型,使得地磁多分量伴随航行器的运动同时同地收敛至各自目标值,实现导航目的。通过与六边形路径搜索算法的仿真对比,验证了多目标进化搜索算法的有效性和优越性。     

不确定条件下装备器材供应网规划模型

装备器材供应网是装备器材供应保障工作的重要基石,其规划问题是我军装备器材保障过程的重要战略决策之一。针对节点、边和需求的不确定性,对不确定条件下由多个区域供应子网构成的装备器材供应网的规划问题展开研究。针对问题的特点,用区间分析理论对供应网规划中的不确定性因素进行度量和运算,得到不确定性规划模型,通过区间运算转化,将不确定性模型转化为确定性混合整数规划模型,并设计采用基于禁忌搜索算法的两阶段算法进行求解,分别得到了不同参数设置下的模型求解结果,并将所用算法与模糊规划和随机规划算法的求解结果进行了比较分析。实例分析结果表明所建立的模型和算法具有较强的实用性。     

舰载反潜直升机吊放声纳区域反潜策略建模

为提高舰载反潜直升机吊放声纳区域反潜搜索作战效能,对舰载反潜直升机吊放声纳区域反潜搜索策略问题进行了建模。根据潜艇目标位置信息的不确定性,研究了潜艇目标位置信息的概率分布函数,采用Markov状态转移概率矩阵描述了潜艇目标位置信息变化的方法。其次,给出了基于贝叶斯理论的潜艇目标信息概率分布函数更新公式。再次,推导了舰载反潜直升机吊放声纳区域反潜最优策略,给出了舰载直升机吊放声纳区域反潜搜索算法。最后给出了典型案例,验证了反潜搜索策略的有效性。研究成果可为舰载反潜直升机吊放声纳区域反潜提供决策依据。     

UUV编队协同搜索静止目标的准最优方法

考虑到操作的简单性且实际执行搜索任务时搜索力不是无限可分,将连续空间的搜索问题转换为离散空间的最优搜索问题。通过划分网格,将连续的目标位置分布离散化。根据最优搜索理论,提出了单个无人水下航行器的准最优随机搜索方法,较好地逼近理论最优值。并以此为基础,分析了无人水下航行器编队的3种协同搜索方法:集中最优搜索、分散最大概率搜索和准最优搜索。最后通过实例仿真,得出了编队准最优搜索策略的有效性、优越性和可操作性。此方法将对无人水下航行器编队的战法研究具有参考借鉴意义。     

时间序列关联维数快速算法及实现

针对关联维数计算耗时量大的问题,通过改进点对距离的度量方法,以及采用K-NN技术进行点对的搜索实现了关联和的快速计算,较大程度地提高了关联维数的计算速度.验证表明对于长度为20 480的时间序列,采用快速算法计算关联维数,其耗时量是G-P算法的1/60.