基于强化学习的鱼群自组织行为模拟

自组织行为广泛存在于自然界中。为了通过学习的方式模拟鱼群自组织行为,构建了鱼群模拟环境模型、智能体模型和奖励机制,并提出了一种基于赫布迹和行动者-评价者框架的多智能体强化学习方法。该方法利用赫布迹加强游动策略的学习记忆能力,基于同构思想实现了多智能体的分布式学习。仿真结果表明,该方法能够适用于领航跟随、自主漫游、群体导航等场景中鱼群自组织行为学习,并且基于学习方法模拟的鱼群展现的行为特性与基于博德规则计算模拟的鱼群行为类似。     

高原环境对弹丸动态稳定性的影响

分析了高原环境低空气密度对弹丸动态稳定性的影响。给出了弹道坐标系中的力方程组和非滚转弹体坐标系中的力矩方程组,并通过线性化方法得到弹丸角运动的状态空间模型。列出了角运动状态矩阵的四个特征根,并利用复数平方根计算方法得到特征根实部的表达式。提出弹丸动态稳定性稳定因子的新定义,并证明新的动态稳定条件与传统的动态稳定条件是一致的。讨论了低空气密度对尾翼稳定弹和旋转稳定弹动态稳定性的影响,并通过仿真说明弹丸在高原条件和平原条件下的动态稳定性存在差异。     

频谱感知次序的在线最优选择

动态频谱接入是解决无线电频谱资源短缺和频谱使用效率低下问题的有效方法,它允许次级用户在授权频谱空闲时动态地接入,以进行数据传输。而频谱感知是实现动态频谱接入的关键挑战之一。由于次级用户的感知能力有限,为了获得更多的频谱接入机会,需要尽快找到频谱空闲概率最大的频段,并研究频谱感知次序问题。考虑到频谱空闲概率对次级用户是不可知的,并且会随时间变化,提出了在线学习框架,把频谱感知次序问题归纳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处理优化问题。仿真结果表明,和其他算法相比,所提算法可以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。     

多阶段传感器-武器联合任务管理方法

针对动态环境下的传感器-武器联合任务管理问题展开研究。根据在动态作战过程中出现的有效新目标、有效空闲传感器和武器数量设定阶段门限,以决定进入下一阶段的时机,从而构建多阶段的作战过程。从打击方案质量及系统响应时间的角度出发,分析构建分布式作战体系对系统作战效能的影响,使系统在每个任务管理阶段可以决定响应流程。通过仿真实验验证了所构建的分布式作战体系与设定的阶段门限可以明显提升系统的作战效能。     

非圆齿轮系统在火炮系统上的应用

针对某火炮转动装置的需求和传统圆形齿轮的不足,设计了一种新型的非圆齿轮传动系统。运用Solid Works完成对非圆齿轮的结构设计,利用Adams对非圆齿轮系统进行动态特性研究,并得到其运动学规律和动力学曲线。仿真结果表明:行星轮与太阳轮的最大啮合力为245.9 N,整体是在±100 N左右波动;行星轮与固定轮之间的啮合力最大364.5 N,其发生在0.64 s,相比前者受力略大。传统的方法无法准确预测非圆齿轮间的啮合力,Adams可以高效准确进行预测,为以后的优化提供一定的参考价值。     

基于动态调节时间的导弹编队逆最优控制算法

针对导弹编队系统在动态调节时间指标约束下,生成理想编队队形的问题,提出一种新的导弹编队控制算法。该算法根据领弹与从弹的相对运动关系,建立系统状态方程,并将其转化为误差形式。基于逆最优控制理论,综合动态调节时间等约束条件,逆向得到最优控制量,从而保证编队队形的生成时间满足指标要求,各成员在形成理想位置关系的同时,速度趋于一致。仿真结果验证了算法的有效性,适用于领从结构导弹编队系统的总体设计。     

基于剪枝加权k-NN算法的雷达电磁行为识别

为了更好地实施电子干扰和欺骗,针对目标雷达电磁行为识别问题,提出了一种新的算法。首先,给出了雷达电磁行为的形式化表述,并在此基础上将各项属性参数进行预处理;然后,通过改进的k-最近邻分类算法(k-nearest-neighbor classifier,k-NN)对数据进行处理,从而对未知的雷达电磁行为进行识别。实验结果表明:改进的算法引入剪枝加权策略可加强其分类识别能力,在分类准确率和时间效率上较原算法有一定的改善,对于雷达电磁行为的识别是有效可行的。     

新冠肺炎动态病死率分析与疫情预测方法研究【专题】

新型冠状病毒感染的肺炎防控是国家安全体系的重要“战场”,疫情趋势预测是开展疫情科学防控和精准防控的重要基础。本文阐述了疫情动态病死率概念,分析了疫情动态病死率函数和时间曲线,提出了动态病死率发展的3个重要拐点,从动态病死率和新增确诊病人数两个维度,构建了拟合曲线函数,并对疫情发展趋势进行了预测。研究发现,截至2月10日,本次疫情动态病死率已经经过了第3个拐点,趋于稳定;预计到2月16日左右,新增确诊人数达到第3个拐点,进入缓慢下降期;预计2月底底至3月初,每日新增确诊人数将在1000人以内,全国最终的“病死率”将在2%～4%左右。该预测方法是一种运用系统外部特征信息来研判疫情发展规律的较为简便快捷的方法,对于科学预测疫情发展趋势具有一定的参考借鉴价值。