基于神经网络的防空武器目标智能分配方法

为满足现代防空作战高动态环境对武器目标实时智能分配的迫切需求,提出了一种基于神经网络的防空武器目标智能分配方法.首先综合考虑武器数量及拦截能力等要素,以毁伤效能最大为优化目标,建立武器目标分配问题优化模型;在此基础上,构建基于神经网络的武器目标智能分配框架,基于分配方案数据集训练武器分配决策神经网络,并通过神经网络预测...     

基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。     

基于“墨子”的空中拦截任务程序二次开发与仿真

现有墨子联合作战推演系统中的空中拦截任务规划程序不具备针对性拦截功能,无法满足实际需求,而手动指控较为繁琐,降低了仿真的可重复性。使用LUA脚本和事件机制,二次开发了一种空中拦截任务规划程序,细化并增强了指控功能,通过阶段性控制事件的关联,解决了探测信息的同步和实时分析。经仿真验证：该程序能够有针对性地、精准、自动地组织多个基地中的多种战斗机执行空中拦截任务,且能够在战斗机从接到任务到升空阶段调整作战任务。有效地减少了人为误差对仿真结果的影响,提高了仿真的可重复性和可信度,且对解决同类调派管理问题和军事人工智能的开发具有指导意义。     

高应变率下GH4720Li合金热压缩性能研究

为了研究镍基高温合金GH4720Li在高应变率下的动态力学性能,利用分离式霍普金森压杆(SHPB)对材料进行了温度范围为20～1 000℃,应变率为10～5 000 s^-1的单轴热压缩试验,获得了不同温度不同应变率下材料的应力应变曲线。结果表明：在相同的试验温度条件下,GH4720Li合金在高、低2种应变率条件下表现出了不同的动态力学性能。在低应变率(10 s^-1)条件下,GH4720Li合金的应力值随着温度的升高而降低;在高应变率(1 000 s^-1,5 000 s^-1)条件下,GH4720Li合金的应力值在特定温度(400～800℃)随着温度的升高而升高。结合已获得的试验数据,通过数值拟合的方法对原始Johnson-Cook(J-C)本构方程进行了修正,以满足GH4720Li合金在高应变率下应力的变化规律。通过线性相关系数和平均误差对修正的J-C本构方程精度进行了验证。结果显示：修正的J-C本构方程与试验数据吻合良好,可以大幅度提高J-C本构方程对GH4720Li合金在大应变率范围下的拟合精度。     

基于特征增强和损失优化的弱监督目标检测算法

针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题,提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块,该模块通过关联通道的选择来提高其局部信息的交互能力,以此来扩大最具辨别性的示例目标区域;此外,通过对网络回归损失函数施加针对性的动态权重,使其能够自动弱化回归分支中伪标注边界框不准确性的影响,提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明,相比其他同类算法,该算法能够有效地提高弱监督目标检测的精度。同时,由于该算法引入的额外训练参数和计算负担几乎可以忽略不计,因此还具有良好的高效性。     

复杂装备系统任务可靠性在役考核评估方法

根据面向部队、面向实战的原则,装备可靠性作为重要能力之一贯穿于装备全生命周期试验鉴定工作链路内。考虑到复杂装备系统在交付使用后通常要历经多种任务剖面,并且不同任务之间环境剖面和应力水平千差万别,致使订购方更加关注装备在役考核期间的面向实战条件的任务可靠性。本文给出了一种复杂装备系统多任务可靠性的在役评估方法,把装备在不同任务剖面下的故障率作为分类指标,当多任务剖面下的故障率相同时,利用截尾试验数据和Gamma分布建立可靠性模型;当多任务剖面下的故障率不同时,采用大数定理和解析法进行可靠性建模,并给出相应的可靠性评估方法。最后结合实例验证表明本文给出的方法可为复杂装备任务可靠性的在役考核提供一种合理可行的模型和方法。     

基于在线学习的频谱感知次序策略*

认知无线电允许次级用户在频谱没有被主用户使用时动态地接入频谱进行数据传输。动态频谱接入是解决无线电频谱资源短缺和使用效率低下问题的有效方案,而频谱感知是实现动态频谱接入的关键挑战之一。次级用户的感知能力有限,为了快速找到频谱空闲概率最大的频段从而获得更多的频谱接入机会,研究了频谱感知次序问题。考虑到频谱空闲概率会随时间变化且对次级用户不可知,提出了一个在线学习框架,把频谱感知次序问题规约成经典多摇臂赌博机问题,并利用在线学习方法——满意折现汤普森抽样算法(satisficing discounted Thompson sampling)处理优化问题。仿真结果表明,和其他算法相比,所提算法可获得更多的频谱接入机会并且能够跟踪频谱空闲概率的变化。     

新一代指控系统任务控制能力分析与评估

随着新兴信息技术在军事上的广泛应用,联合作战背景下使命任务趋于多样化,同时军事行动对指挥控制系统尤其是任务控制能力提出了更高要求,因此,开展了新一代指挥控制系统的任务控制能力分析与评估研究。结合新一代指挥控制系统特点,根据任务控制能力的具体含义,构建任务控制能力指标体系;结合各指标的特性,建立可量化的数学模型;运用灰色层次分析法完成任务控制能力效能评估,为系统性能改进和完善提供重要参考。     

基于分层目标任务网络的作战任务规划方法

为提高复杂非结构化作战环境下作战系统规划能力,提出一种新的分层任务网络智能规划方法 HGTN(Hierarchical Goal-Task Network),给出了HGTN的形式化定义,研究了HGTN规划算法,以及启发式搜索算法和目标推理规划算法。HGTN在HTN(Hierarchical Task Network)规划方法基础上,增加了目标任务和相关处理方法,具备基于目标的逆向推理机制。通过作战任务规划实例分析,HGTN规划方法相对HTN,能够提高规划的适用性和求解效率,符合作战决策推理的思维模式。     

攻防博弈下的Ad hoc网络风险预测

利用博弈论原理,分析Ad hoc网络入侵防御系统与攻击者之间的攻防过程,建立了多阶段动态博弈下的网络风险预测模型。综合考虑Ad hoc网络不同节点与不同攻防措施对网络风险影响的差异性,量化攻防效用矩阵;通过求解纳什均衡,得到攻防双方最优混合策略;根据风险值求解算法,预测攻防平衡下的网络风险值。仿真实验表明,该模型和算法切实可行,对提升Ad hoc网络安全有一定参考价值。