美军推进人工智能军事应用的举措、挑战及启示

人工智能技术的发展加速了军事智能化的脚步。本文分析了美军在推进人工智能军事应用方面采取的一系列举措，如注重国家战略层面的顶层设计，出台一系列智能化发展战略规划；部署各类军事智能化研究项目，开展大数据、智能算法研究，促进人工智能技术向情报处理、无人作战平台、指挥控制、武器装备系统、作战方式变革的渗透转化；重视智能化技术的基础理论研究和人才培养，聚焦核心和关键技术的突破，夯实军事智能化发展的基础。阐述了美军在推进人工智能军事应用进程中面临的来自技术、信任、伦理等多方面的挑战，并从成熟算法民转军用、寻求认知智能算法突破、培养军事智能化复合型人才等角度提出几点启示。     

一种无师训练的模糊极小极大人工神经网络

提出了一种无师训练的fuzzymin max人工神经网络,它兼有一般fuzzymin max网与ART2网的优点,既弥补了fuzzymin max网不能自适应在线学习新类的缺陷,又消除了ART2网警戒门限过高的弊病.经模式识别仿真对比,对同样的输入数据,文中提出的网络用较低的警戒门限值即可达到ART2用很高的警戒门限值才能达到的分类效果,且计算量大大减少.得到的结论是:对模式识别而言,文中提出的网络比fuzzymin max网和ART2网更具有实用价值.     

自动控制系统故障诊断技术的发展与展望

通过将自动控制系统的故障诊断分为基于数学模型的方法、基于信号处理的方法和基于知识的方法三大类进行讨论,得出了故障诊断技术的发展概况与发展趋势。进一步给出了故障诊断技术典型新应用,并指出了故障诊断技术中存在的问题和未来的研究重点。     

“马赛克战”对装备体系试验鉴定的启示

自2017年8月DARPA公布“马赛克战”作战概念以来，世界各国都高度关注这一新型作战概念，学者们对“马赛克战”的研究也逐渐走向深入。本文首先从国际形势、美军装备特点、人工智能技术等方面分析了“马赛克战”的提出背景，回顾了其发展历程，剖析了其概念内涵，并从三个角度分析了其主要特点。接着着眼未来，从革新理念、鼓励创新、形成质变等视角探讨了“马赛克战”对装备体系试验鉴定领域未来发展方向的启示，重点论述了装备体系试验鉴定要向全智能作战体系试验鉴定方向发展的观点。最后聚焦当下，阐述了现阶段试验鉴定工作应重点关注动态互联互通性测试、互操作能力验证、新型仿真试验技术、系统自主能力等级评估及决策可解释性评估等五个方面的内容。     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究，设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先，在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型；接着将等价伪量测的异步融合算法与IMM算法结合，计算各目标在不同融合周期的跟踪精度估计值；最后，以目标的跟踪精度需求为出发点，结合蚁群算法的思想，设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下，根据对各目标跟踪任务的重要程度，合理地调度传感器资源。     

基于混合算法的局部路径规划

人工势场法是一种常用的具有算法简单和便于实时控制的局部路径规划方法,但存在容易产生局部极小值的问题。基于模糊逻辑的局部路径规划法具有环境适应性强等优点,它在连续论域内采用模糊路径规划时,计算量比较大。提出了一种将人工势场法和模糊逻辑法相结合进行局部路径规划的混合算法。具体方法是在一般情况下采用人工势场法进行局部路径规划,当产生局部极小值时,采用模糊逻辑法进行局部路径规划。仿真结果表明,该方法能有效地解决局部极小值问题,给智能车规划出光滑的路径。