基于聚类算法的多无人机系统任务分配

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法.首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用Tabu Sea...     

基于RBF神经网络的直接自适应飞行控制器

设计了一种径向基神经网络(RBF NN)飞行控制器结构,并给出了相应的控制律和参数调节律。由于调节了RBF NN的全部参数(连接权、高斯函数的中心和宽度),得到了很好的控制性能。以F8战斗机为控制对象进行了仿真分析,仿真表明,在存在70%的模型误差的情况下,该控制器仍然能实现较好的跟踪控制,表现出很好的鲁棒性,远远优于传统的只调节连接权值的算法。     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。     

雷达组网系统抗压制干扰部署优化算法研究

针对雷达组网系统抗压制干扰部署优化问题,讨论了雷达及其组网系统的残剩可探测区动态定量评估模型,定义了雷达及其组网系统的探测能力下降指数、雷达装备利用率及其抗干扰效能指数,给出了一套完整的组网系统抗压制干扰综合效能动态定量评估模型、优化布站决策模型及相应的实用算法。3部雷达组网的仿真试验证明了其有效性。     

RBF网络用于战车火控系统弹道解算的方法

弹道解算问题对战车火控系统的性能有着直接的影响.传统的弹道解算方法在精度和实时性方面都存在一定的局限性.为了提高解算精度、战车首发命中率和解算的实时性,基于RBF网络的函数逼近及预测能力,将RBF网络用于弹道解算,对传统算法进行优化,得到了新的弹道解算方法.最后对所提方法进行了仿真,发现新方法在解算精度没有降低的条件下,大大提高了弹道解算的实时性.     

作战飞机信息通信方法

通过对作战飞机信息通信方法的研究,指出了作战飞机进行信息通信的两种方法-语音通信和数码通信;并分析了数码通信的硬件结构和机载通信的硬件设备的工作原理.探讨了未来的网络中心战中基于网络化数码通信的方法,为未来空战基于网络中心战技术的实际应用奠定基础.     

分层任务网络在UCAV规划中的应用

无人战斗机任务规划对提高它的生存能力、突防能力、作战效能具有重要意义.分层任务网络规划是一个有效的规划方法,HTNP的最大好处在于,搜索受控于细心设计的方法.在某种意义上讲,一个HTN规划器只描述了如何使用操作,给实际使用带来了困难.在HTNP中引入目标协调机制、禁忌表等,将原有"离线"式方法变为"在线"式方法,提高了方法的适应性能.可以根据情况的变化,随时生成新的规划,降低了预先设计方法的数量,从而降低工程实施的难度.     

防空导弹对目标拦截的模糊二元对比排序

确定对空袭兵器的拦截次序是防空导弹火力分配的重要内容.定性分析和定量计算相结合,利用模糊数学中的模糊二元对比排序法确定防空导弹对多个目标拦截的优先次序,先对模型进行描述,给出模糊相似关系矩阵及相应的计算方法,再以4种空袭兵器为作战对象,运用模型进行计算,得出直观的目标拦截排序结果,变模糊的、复杂的问题为直观的结论.为指挥员科学分配防空火力,最大限度地发挥防空导弹的制空效能奠定基础.     

语言评价信息的武器系统模糊积分评估

传统的武器系统评估方法是基于概率和统计理论的,并假设各指标之间相互独立.然而,实际上武器系统指标的评价具有人为主观性和模糊性,并且各指标之间通常存在着依存关系.综合评述和对比了传统武器系统评估方法的适用范围以及不同方法的优劣,指出了它们的不足,提出了一种基于语言评价信息和模糊积分的武器系统评估方法.专家的评判结果是可用梯形模糊数描述的自然语言信息.     

模糊综合评判的同类地空导弹火力单元作战能力评估

除实弹射击考评外,如何利用非实弹射击演练和平时可获取的信息,对武器系统同类的不同火力单元的作战能力做出科学评估,是现实而又迫切需要解决的问题.基于已建立的同类地空导弹火力单元作战能力的评价体系,运用AHP法和模糊数学建立了火力单元作战能力的三级模糊综合评判模型,给出了基于等级区间非均等划分的百分制和区间中值评定等级行向量下的具体评估算例,为同类地空导弹火力单元作战能力的科学量化评估做了有益探索.