无灰型柴油添加剂的灰模式关联决策

由于无灰型柴油添加剂不存在二次污染问题,将是节能降污柴油添加剂发展的趋势,但是无灰型添加剂的加入可能会改变燃油多项理化指标和发动机台架评定结果,采用灰模式关联决策在众多添加剂中确定最优无灰型添加剂是一种较为科学的方法.通过对含有无灰型柴油添加剂油样的各项理化指标测试、模拟评价测试和发动机台架试验结果进行灰模式关联决策,...     

基于能力比值的对抗评估方法

对抗评估一直是制约军事活动走向科学殿堂的＂短板＂之一,特别是军事任务多样化的今天,传统以兰彻斯特方程为核心、基于战损的评估方法越来越难以适应任务形势的发展。从任何对抗都是矛盾双方在内、外因素作用下,在既定空间与时间条件下动态能力效能对比的原理出发,基于能力比值的对抗评估方法将军事行动所有内容进行量化,通过计算绝对对抗能力值（对抗的潜在能力）、时空环境影响的要素权值、相对对抗能力值（对抗进行时的能力）,并将相对对抗能力进行比值,依据比值裁决对抗态势及结果,实现对信息时代军事对抗活动的评估。     

航空兵分队级战术模拟训练系统设计

针对航空兵部队训练急需,航空兵分队级战术模拟训练系统采用先进的分布/集中式系统结构,结合RTX实时操作系统、共享内存、动态连接库、GL Studio、Vega Prime等技术,以空军主战机型为仿真对象,对飞行、火控、航电等模块进行系统仿真,并针对航空兵部队在复杂电磁环境下空中作战的特点,结合红/蓝军指挥、演练管理、战场信息可视化等分系统,为飞行员提供了一个逼真的战术训练仿真平台。该系统能完成各种近似实战背景下的战术对抗训练并进行新战法研究。     

基于观测值和真值计算的概率差异分析

作战效能与攻击决策通常都用概率描述一些不确定问题,然而概率有主观与客观之分,为了说明其不同,以一个假想的直进射击问题为例,只考虑目标运动速率误差,对已知真值或观测值所面对的不确定问题的实质进行了讨论。结论表明,当涉及射击成功概率这些问题时,对其实质与作用有必要给出清楚的说明。只知观测值所计算的概率是主观的,可用于决策信念的支持,基于主观概率进行决策,其精确性十分依赖于所使用的关于观测量真值先验知识的精确性。     

飞机CGF用于战术模拟训练的关键因素研究

根据战术模拟训练系统的实际需要,飞机CGF能够提高模拟训练的规模、复杂度和真实性,完成战术进攻和防御任务。首先分析了飞机CGF的系统组成和仿真粒度,重点研究了影响飞机CGF性能的关键因素,包括飞行控制方法、智能决策水平、雷达火控模型以及组件化的开发方式和飞机CGF组网的关键因素,即统一的网络体系标准、规范的数据接口、时间和空间的一致性及统一的导调管理;最后实现歼击机CGF系统。实践证明,歼击机CGF能够顺利地完成作战任务,达到预定的目的。     

基于GAHP的综合光电对抗系统作战能力评估

为了准确地反映综合光电对抗系统的实际作战能力和水平,采用灰色聚类理论和层次分析法相结合的灰色层次分析法评估综合光电对抗系统作战能力。建立了光电对抗系统作战能力评估指标体系层次结构;以评估流程为基础,提出了一种基于GAHP的作战能力评估模型。评估实例表明,该方法能充分利用试验检验信息以及评估者的判断信息,减少了主观因素和不确定因素的影响,提高了评估结论的准确性,是综合电子战系统作战能力评估的一种有效方法。     

超音速气流中热塑性复合材料壁板的非线性热颤振特性

热塑性复合材料结构在高速流场中的颤振行为是可重复使用航天器设计中需要考虑的问题.基于Mindlin厚板理论和Von-Karman大变形理论描述热塑性复合壁板结构大变形,超音速气动力采用活塞气动理论.考虑温度引起的壁板面内热应力和热塑性材料力学性能的改变.根据虚功原理和有限元法推导建立了热塑性复合材料壁板的热颤振模型,进...     

面向作战决策智能体的融合赋权评估方法

在兵棋等对抗性作战实验环境下,通过使用基于强化学习方法训练的智能体进行仿真推演,能够检验作战决策效果,达到辅助决策的目的。针对当前作战决策智能体评估往往采用胜率这一单一数据指标的局限,提出了一种基于融合赋权的综合评估方法。通过构建涵盖作战决策有效性、作战意图实现性、作战环境适应性、智能体训练效率、智能体训练体系和智能体训练方法等技战术效果指标的评估体系,然后使用主客观方法对不同类型指标进行赋权,再根据指标性质将权值融合进入评估体系,实现基于融合权重的智能体决策效果评估。构建了陆上合成分队进攻作战场景,利用该方法对6个智能体进行评估验证,能够获得智能体的综合排名,有效避免了单一指标的评估局限。该方法对作战决策智能体评估提供了新的思路,符合作战环境需要,具有一定的应用价值。     

基于深度强化学习的无人战车自主行为决策

针对高动态强对抗战场环境下,无人战车面临的自主行为决策问题,分析了未来陆战场无人战车实际作战需求,构建了基于马尔可夫决策过程的自主行为决策模型,提出了一种深度强化学习结合行为树的方法,利用行为树的逻辑规则与先验知识降低强化学习问题的难度,保证收敛性和鲁棒性,同时使行为决策模型具有学习能力.构建典型作战场景,验证深度强化学习结合行为树的无人战车自主行为决策方法的有效性.     

基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.