协同虚拟样机环境体系结构研究

协同虚拟样机 (CollaborativeVirtualPrototyping)是一种以一体化多学科设计和分析模型为核心的 ,由各种应用、底层支撑技术和标准组成的支持虚拟样机协同设计、建模和仿真的集成技术。首先介绍了协同虚拟样机的基本概念 ,接着对协同虚拟样机环境的概念和技术框架进行了分析。在对典型的虚拟样机环境体系结构进行分析的基础上 ,提出了支持武器装备虚拟采办的协同虚拟样机体系结构     

积极创新战斗力生成模式 努力建设过硬战时保障单元

仓库群作为战略后方基地的主要组成部分,是战时重要的后勤保障力量,文章着眼信息化条件下的局部战争对军队后勤保障的特殊要求,提出仓库群建设要积极转变战斗力生成模式的观点,并立足仓库群的实际情况,探索了在人才培养、基础建设、科技兴训等方面建设过硬战时保障单元的根本方式和途径。     

防空兵群(团)火力配系优化

首先阐明了防空兵群(团)火力配系优化的基本概念,然后,运用作战模拟的有关理论,分别建立了火力单位距目标的最佳配置距离(D)、防空兵群(团)对来袭目标的抗击率(Pk)和被保护目标的安全率(Pa)的优化模型。在此基础上,提出了防空兵群(团)火力配系优化的一般方法。最后通过一个实例,说明了防空兵群(团)火力配系的具体步骤。     

空对空多机协同攻击多个目标的战术决策研究

简要介绍多机协同攻击多目标的基本概念、战术决策、目标分配及攻击排序方法。最后用数字仿真（实例）验证该方法的有效性     

集群智能算法综述

集群智能领域的研究正呈爆炸趋势增长,每年都有无数新的集群智能算法以及改进算法被提出,这些算法在各自的领域内都扮演着相当重要的角色.从集群智能算法的特点与待解决问题出发,首先介绍集群智能算法的概念及部分经典算法,重点介绍粒子群算法与蚁群优化算法的主要思想;然后根据不同集群智能算法在不同应用问题的差异表现,对当下的几个热点...     

多无人机协同空战任务规划仿真系统

面向多无人机协同空战任务规划方法性能验证的需求,开发了一种基于VR-Forces仿真引擎的多无人机协同空战任务规划仿真系统,对该仿真系统的总体架构、红方子系统、蓝方子系统、白方子系统和强化学习算法训练子系统进行了设计。对算法库、强化学习算法训练和人机交互等关键技术提出了针对性的解决方案,提升了该仿真系统的稳定性、可扩展性和功能性。利用该仿真系统对多无人机协同空战目标分配、重决策算法等典型任务规划方法进行了测试和仿真实验。结果表明,所开发的仿真系统可以很好地支持多无人机协同空战任务规划方法的测试和验证。     

协同爆炸时冲击波毁伤效应研究综述

协同作战作为未来战场针对关键目标的重要打击形式。多弹协同爆炸时,冲击波等多毁伤元相互交会、耦合,作用载荷异常复杂,进而导致目标出现新的毁伤模式,为协同毁伤研究带来了很大的困难。为此,国内外学者针对协同爆炸时冲击波叠加效应、目标结构的响应规律、毁伤效应及毁伤评估方法等方面,开展了地面技术兵器、建筑等目标的多次多弹协同打击研究。从协同爆炸毁伤元特性、部分目标的结构响应和仿真研究手段等3个方面论述了目前的研究现状,总结了目前研究中取得的成果,并对未来的研究方向进行了展望,为开展多次多弹协同爆炸的毁伤效应研究提供了参考。     

舰载战斗机多传感器协同探测模型设计与仿真

为提升舰载战斗机多传感器协同探测作战效能,基于空中截击战情想定,按照作战空域从远到近,建立了舰载战斗机空域增程搜索、雷达一发多收、雷达红外融合探测、编队协同制导和雷达多波束探测场景模型。在超视距、中距和近距搜索阶段,重点对多传感器协同探测模式中的增程探测、探测及干扰和多波束探测进行了仿真分析。根据不同作战距离,创新性开展了作战流程下多传感器协同探测模式设计。     

基于CE-QPSO算法的联合火力打击方案智能优化方法

针对联合火力打击方案优化“既快又精”需求难题,设计了CE-QPSO算法,提出了基于该算法的联合火力打击方案智能优化方法。该算法充分结合了交叉熵算法良好的全局寻优能力和量子粒子群算法高效运行的特点,通过构建离散概率矩阵,使粒子的不确定性运动更具方向性,提高了粒子的协同寻优能力。实验结果表明：基于该算法的联合火力打击方案智能优化方法能够有效提升联合火力打击方案的优化效果和优化效率,且相比于标准交叉熵算法和标准量子粒子群优化算法具有明显优势。     

P3C-MADDPG算法的多无人机协同追捕对抗策略研究

针对策略未知逃逸无人机环境中多无人机协同追捕对抗任务,提出P3C-MADDPG算法的多无人机协同追捕对抗策略。首先,为解决多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法训练速度慢和Q值高估问题,在MADDPG算法中分别采用基于树形结构储存的优先经验回放机制(Prioritized Experience Replay, PER)和设计的3线程并行Critic网络模型,提出P3C-MADDPG算法。然后基于构建的无人机运动学模型,设计追逃无人机的状态空间、稀疏奖励与引导式奖励相结合的奖励函数、加速度不同的追逃动作空间等训练要素。最后基于上述训练要素,通过P3C-MADDPG算法生成策略未知逃逸无人机环境中多无人机协同追捕对抗策略。仿真实验表明,P3C-MADDPG算法在训练速度上平均提升了11.7%,Q值平均降低6.06%,生成的多无人机协同追捕对抗策略能有效避开障碍物,能实现对策略未知逃逸无人机的智能追捕。