基于地磁测姿的误差建模及仿真分析

在某型制导弹药的弹道修正过程中,地磁信号是解算滚转姿态的重要信息。针对地磁传感器数据精度不足的问题,建立了系统的地磁误差模型。提出了利用BLMS算法处理实验过程大量的测量数据,并对转台振动及环境干扰形成的随机噪声进行滤波,利用参数补偿法对磁干扰进行处理。仿真结果表明,输出信号能够快速、完整地逼近真实地磁信号。该方法能够更加有效处理实验中的采集数据,提高数据处理的精度和收敛速度。     

改变系统结构的多环姿态跟踪控制

针对航天器姿态跟踪控制中存在稳态误差和转动惯量摄动未知的问题,给出一种高精度自适应姿态跟踪控制策略。通过扩展姿态动力学系统结构,将姿态角积分项引入姿态控制器中,以消除稳态误差和提升姿态跟踪精度,给出扩展系统的期望轨迹设置方法。给出一种结构更为简化的多环递归跟踪控制策略,结合自适应估计设计了自适应多环递归姿态跟踪控制器。与滑模自适应控制器对比仿真,验证了方法的优越性。     

一种抗同频异步干扰方法的研究与实现

根据实际工作需要,为了解决某些飞机在编队时,由于飞机雷达相邻频点间频差较小,相邻频点的发射信号经PRF调制后会产生的同频异步干扰问题,提出使用时域反异步方法进行抗干扰处理;介绍了两种时域反异步算法,通过仿真分析后,确定使用时域多脉冲相关法进行算法实现以及试飞数据处理等,该算法在实际应用中效果显著。     

一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。     

融合先验知识的异构多智能体强化学习算法研究

近年来,基于深度强化学习的机器学习技术突破性进展为智能博弈对抗提供了新的技术发展方向。针对智能对抗中异构多智能体强化学习算法训练收敛速度慢,训练效果差异大等问题,提出了一种先验知识驱动的多智能体强化学习博弈对抗算法PK-MADDPG,构建了双重Critic框架下的MADDPG模型。该模型使用了经验优先回放技术来优化先验知识提取,在博弈对抗训练中取得显著的效果。论文成果应用于MaCA异构多智能体博弈对抗全国竞赛,将PK-MADDPG算法与经典规则算法的博弈对抗结果进行比较,验证了所提算法的有效性。     

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。     

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。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。     

基于镜像的高可用数据对象布局算法

镜像是提高数据可用性的流行方法。借鉴RAID的方法,在算法一级实现数据的冗余分布,提出基于镜像的高可用数据对象布局算法。在数据对象和存储节点失效时,利用冗余数据重构数据对象和存储节点,有效保证存储系统的高可用性。采用马尔可夫激励模型对存储系统进行定量的可用性分析,计算结果表明该方法是有效的。