一体化联合登陆作战中船坞登陆舰编队展开点确定研究

在一体化联合登陆作战中,大型两栖战舰及其编队通常是敌首选的打击目标.为了确保船坞登陆舰编队的安全,在突击上陆过程中正确确定其展开点是其中一个重要的问题,它关系到登陆兵能否快速上陆和作战能否按计划顺利进行.该文从定量分析的角度对船坞登陆舰编队展开点确定问题进行了探讨,建立了其数学模型,并用一个实例予以说明.     

再入体表面脉动压力环境的预测

在较宽的攻角范围内 ,考察了超声速和高超声速流场中一类球头双锥再入体表面脉动压力的分布特性 ,并基于超声速和高超声速流动情况下再入体表面的压力分布给出一套预测表面脉动压力分布的工程方法。利用该方法研究了马赫数、攻角、壁面温度等因素对再入体表面脉动压力环境的影响。计算结果表明 ,在本文的计算条件范围内 ,预测的均方根脉动压力系数分布与实验结果基本一致。     

两栖战斗车辆武器稳定系统海上适应性研究

分析了两栖战斗车辆武器稳定系统在海上浮渡时的工作特点。提出了提高系统海上适应性的方法,以提高武器系统的海上作战能力。     

能量均衡的围捕任务分配方法

随着水下机器人反围捕策略研究的不断深入，水下机器人围捕变得越来越困难。为此构建一种多层环状伏击围捕模型并设计了基于围捕任务的任务分配方法，使得水下机器人能够充分利用自身的特点更好地完成任务。同时，考虑在围捕过程中随时间推移，系统内能量会出现消耗不均的现象，据此提出一种能量均衡方法平衡系统能量的消耗。实验证明所提出的基于多层环状围捕模型的能量均衡策略任务分配方法能有效提高围捕成功率，延长系统寿命。     

超空泡航行体刚柔耦合动力响应有限元分析

考虑航行体大范围转动,根据哈密顿原理推导了超空泡航行体在一次近似模型变形下的刚柔耦合动力响应方程,定性分析了其与零次近似模型下方程的区别,并对方程进行了定量计算。结果表明:一次近似模型相比零次近似模型下的横向振动方程,刚度矩阵项增大;所推导方程能够用于定量分析和直观描述超空泡航行体刚柔耦合下的变形。     

基于Entropy-Topsis的水面舰艇编队防空配置方案优选研究

合理配置编队防空舰艇是提高编队对空防御作战效能的一项重要手段。以两型四舰六扇面的典型配置方案优选为研究对象,建立了配置方案评价指标体系及相应数学模型,构建了编队防空舰艇配置方案优选问题的决策矩阵,应用Entropy?Topsis模型进行优选,对各方案进行排名,并得到了相应最优解和最劣解。     

混合电推进能源管理系统模糊逻辑控制

针对混合电推进能源管理方法开展研究,设计了一种基于模糊逻辑控制的混合电推进能源管理系统。通过设置垂直起降飞行器的功率要求、内燃机-发电机输出功率和储能电池荷电状态的模糊隶属度函数,动态最优分配发电机与储能电池的功率输出,从而提升系统的燃油经济性与飞行器的航程。结合模型设置,对100 kg级的垂直起降转平飞的飞行器能源系统变化进行仿真计算,验证了能源控制算法的可行性。结果表明：基于模糊逻辑控制的能源管理方法,在总时长约为1.2 h的飞行过程中,内燃机约有1 h的时间工作在比油耗最低的区域,从而提升了混合电推进系统的能量利用效率。研究为后续混合电推进系统的能源高效控制与管理提供了设计思路和分析方法。     

无人机飞行训练资源配置效率的AHP-Arena综合评价方法

为降低传统层次分析法(analytic hierarchy process,AHP)赋权过程主观片面性影响,提出了一种综合AHP与Arena仿真建模技术的无人机训练资源配置效率评价方法。基于飞行训练流程分析,确定了训练资源配置效率影响因素和效率评价指标,建立了层次型综合评价体系,概括了AHP-Arena综合评价步骤。利用Arena建模软件构建训练流程动态仿真系统并验证有效性,采用单变量数值仿真法、均方差决策法完成了影响因素客观赋权,通过线性加权综合法得出综合评价系数,实现资源配置效率评价与方案优选。实例应用说明了该方法的有效性,同时,该方法可推广至其他类似的训练过程中,亦可为其他多因素、多指标评价决策过程提供借鉴。     

Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm

To solve the problem of realizing autonomous aerial combat decision-making for unmanned combat aerial vehicles (UCAVs) rapidly and accurately in an uncertain environment, this paper proposes a decision-making method based on an improved deep reinforcement learning (DRL) algorithm: the multi-step double deep Q-network (MS-DDQN) algorithm. First, a six-degree-of-freedom UCAV model based on an aircraft control system is established on a simulation platform, and the situation assessment functions of the UCAV and its target are established by considering their angles, altitudes, environments, missile attack performances, and UCAV performance. By controlling the flight path angle, roll angle, and flight velocity, 27 common basic actions are designed. On this basis, aiming to overcome the defects of traditional DRL in terms of training speed and convergence speed, the improved MS-DDQN method is introduced to incorporate the final return value into the previous steps. Finally, the pre-training learning model is used as the starting point for the second learning model to simulate the UCAV aerial combat decision-making process based on the basic training method, which helps to shorten the training time and improve the learning efficiency. The improved DRL algorithm significantly accelerates the training speed and estimates the target value more accurately during training, and it can be applied to aerial combat decision-making.     

密集环境中无人机协同机动飞行运动规划方法综述

从单无人机机动飞行向多机协同扩展的通用规划框架出发,介绍了其中各模块相关研究的基本原理、代表性方法和前沿研究,主要包括用于环境障碍感知的实时导航地图构建、离散空间的路径规划、连续空间的轨迹规划、基于离散连续混合空间的规划、多航迹或轨迹的协同规划。综合无人机通用规划框架的关键技术,提出了无人机协同机动规划下一步需要重点研究的方向。