基于Petri网的防空群决策信息传输能力分析

决策信息传输能力的大小,直接决定着防空作战行动的作战效能,进而决定了防空作战的成败。针对防空群决策信息传输问题,用Petri网建模,从时效性和可靠性两个方面,对防空群的决策信息传输能力进行了分析,得到了不同指挥方式下的信息传输能力的度量。对防空群通信能力的分析和指挥体制的优化有一定的借鉴和指导意义。     

海上机动目标群威胁预警建模及仿真实现

在陆基弹道导弹与海上机动目标的攻防作战过程中,需要研究双方火力控制范围的变化情况,并对海上机动目标群的威胁进行报警.根据海上机动目标运动特性,提出用灰色模型与自回归时序AR组合建模方法构建机动目标运动预测模型.依据此模型对双方火力控制区的变化进行预测,最后给出了海上机动目标威胁预警仿真系统的实现思路.解决了陆基弹道导弹对抗海上机动目标群的作战保障工程的部分问题,具有较强军事应用价值.     

基于逆强化学习的空战态势评估函数优化方法

为提高无人作战飞机(UCAV)自主决策效能,提出基于逆强化学习的空战态势评估函数优化方法。以现有的正例与反例两类空战数据为样本训练一个RBF网络,采用逆强化学习得到不同态势下的态势值,实现了对现有空战数据的知识提取;利用Sigmoid函数的压缩作用,降低了整体态势值,加快了UCAV学习的收敛速度;采用自适应粒子群算法求解优化了态势评估函数中的权重参数,提升了对复杂空战态势的适应能力;仿真结果表明该方法能够优化态势评估函数,提高机动决策的收敛速度,在UCAV自主决策中具有一定现实意义。     

干扰及机动条件下的比例导引智能调控策略

由于红外诱饵干扰样式复杂、目标机动形式多变导致传统比例导引律极易被干扰。为提高采用比例导引方法的导弹性能,提出一种利用径向基函数网络调控比例系数及导弹发射时机的智能导引律。以飞行时间及脱靶量为参考,通过构建加权型指标函数将求解最优比例系数及发射时机问题转化为单目标优化问题;引入量子粒子群算法求解最优决策参量,并以其作为网络输出,干扰样式作为网络输入,离线训练径向基函数网络;为提高训练效率,结合K-means及K最近邻算法初始化径向基函数网络。仿真结果表明,当存在红外诱饵干扰时,智能导引律性能优于扩展比例导引律及自适应滑模导引律。     

系统可靠寿命的不确定性分析及其高效方法

为了分析元器件失效率的不确定性对系统可靠性的影响,借鉴Borgonovo的矩独立灵敏度分析思想,在充分考虑了系统可靠寿命完整不确定性信息的情况下,提出了基于系统可靠寿命的矩独立重要性测度,用来分析不确定性条件下系统元器件失效率对其可靠寿命的平均影响。但由于系统可靠寿命函数是系统可靠度函数的反函数,一般无法解析表达而以隐函数的形式存在,致使该矩独立重要性测度难以高效准确求解。为了解决这一问题,文章提出了一种新的Kriging自适应代理模型的高效算法,该算法以Kriging代理模型预测值的变异系数作为自适应学习函数,通过自主增加新的试验样本,增强代理模型的预测准确性。阀门控制系统和民用飞机电液舵机系统两个算例分析表明,在保证计算精度的情况下,通过变异系数自适应学习函数,仅需添加少量系统可靠寿命试验样本,就能够构建用来充分近似系统可靠寿命函数的Kriging代理模型,解决了重要性测度的高效求解问题,从而验证了所提方法的合理性和算法的高效性。     

国内“专利代理”研究热点与趋势分析

运用信息计量学、自研软件和以CiteSpaceⅡ为代表的知识图谱工具相结合的方法对1987至2016年国内"专利代理"领域内的基本情况和研究热点与趋势进行了初步分析与可视化展现。通过对数据的处理和分析得出了国内"专利代理"研究领域的期刊、作者、机构、高被引用文献等基本情况,并利用关键词共现、突现词检测等方法对国内"专利代理"研究的热点和未来的研究趋势进行了初步预测,对国内"专利代理"研究具有一定的借鉴意义。     

控制力矩陀螺的动态扫描成像卫星姿态控制

针对卫星动态扫描成像任务中的姿态控制问题,建立卫星姿态动力学模型,分析动态扫描成像任务对姿态控制的特殊需求。结合动态扫描成像任务需求提出一种典型的姿态机动方案,对姿态机动过程所需控制力矩进行估计。基于期望力矩和星体实时姿态设计一种俯仰机动控制律,并提出五棱锥构型陀螺群的操纵方案。针对某动态扫描成像任务卫星,对提出的控制律进行数值仿真。仿真结果证明所提方案可以满足卫星动态扫描成像的姿态控制要求。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码,将动态量子旋转门引入到粒子群算法中,采用自适应变异,提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中,获得了最优的分配方案。仿真研究表明,该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

基于偏差熵的专家聚类赋权方法

在群决策专家聚类赋权过程中,可能出现专家给出的判断矩阵一致性比率与排序向量信息熵都相等但专家意见不同,却被赋予了相同权重的情况。针对上述问题,提出一种基于偏差熵的专家聚类赋权方法。该方法采用聚类分析的思想,基于比例构建相似系数,实现对专家群的分类;引入专家判断矩阵的一致性权重,并综合类容量构建权重指标来反映类别间的差异,确定专家类间权重;最后,在各专家类中建立偏差熵模型,依据类中专家达成一致性意见的贡献程度确定专家的类内权重,并得到专家的总体权重。具体算例表明,该方法可行有效。     

基于改进多维粒子群的多无人机任务分配方法

针对复杂战场环境下的多无人机任务规划解空间维度不确定、任务需求随时间变化等问题,提出了一种基于改进多维粒子群算法的多无人机任务分配方法。该方法构建了适应度函数集,应用多个适应度函数来限制种群趋向,同时采用基于时变目标价值的映射变量,建立目标价值随时间变化的多无人机目标决策模型;而后引入整数编码机制,构建面向任务序列的多维粒子,利用改进的自适应多维粒子群算法,得到最优维度下多无人机的任务分配优化方案。仿真实验结果表明：基于改进多维粒子群算法的多无人机任务规划方法可在最优解空间下,获得更好的任务动态分配效果,收敛速度更快,具有良好的推广应用前景。