基于MA的自适应多载波并行组合扩频通信技术

为了提升多载波并行组合扩频的通信性能,将自适应技术应用于多载波并行组合扩频通信系统中,并基于边缘自适应准则（MA）,针对多载波并行组合扩频（PCSS-OFDM）通信系统和多载波差分多相并行组合扩频（DMP-PCSS-OFDM）通信系统,分别提出两种自适应通信方式。在多种多径信道环境中的仿真结果显示：在多径信道中,自适应PCSS-OFDM系统的误码率相比PCSS-OFDM系统有显著降低;自适应DMP-PCSS-OFDM系统则更适用于相干带宽较窄且衰落较深的信道中。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

延时下基于事件触发的多智能体系统一致性

研究了通信延时下基于事件触发的一阶多智能体系统一致性问题。针对有向固定拓扑,设计了通信延时下基于事件触发机制的控制器。利用李雅普诺夫稳定性理论提出了能够使系统稳定和一致的事件触发函数和时延上界,并利用该事件触发规则求取两次触发之间的最小间隔,证明了该系统不存在Zeno行为。事件触发机制的引入有效减少了控制器的更新次数和智能体之间的通信频率,节约了资源,最后通过仿真实例验证了该理论方法的可行性与有效性。     

紧前推进智能化战争人才队伍建设的几点思考

2019年,国务院新闻办公室发布的《新时代的中国国防》白皮书中指出:"战争形态加速向信息化战争演变,智能化战争初现端倪"。全军上下掀起了对智能化战争的研究热潮,对其制胜机理、前沿技术等进行充分研究与思考,已经取得了多项成果。但是必须清醒看到,当前我军要面对信息化建设尚未完成、智能化即已"闯入"的现状,军队要深刻理解智能化战争人才匮乏、一线部队智能化作战人员数量不足等问题。这些现实问题都在倒逼军队加快智能化战争人才队伍建设速度,引导人力资源向智能化战争相关岗位流动,先敌一步占据人才发展制高点,争取实现我军在智能化战争上从跟随向引领的根本性转变。     

一种模块化多电平变换器的改进型预充电策略

为实现基于模块化多电平变换器(modular multilevel converter, MMC)的变频驱动系统启动前对电容的平稳准确充电,提出了一种预充电策略。MMC预充电过程可分为不控充电阶段和可控充电阶段。以可控充电阶段的控制策略为研究重点,分析了充电电流恒定时的电压变化规律,给出了充电电流控制方程。该策略充电时间可调,无需实时观测子模块电容电压,能使各电容电压平均、平稳上升,半实物仿真证明了所提方案的正确性和有效性,为MMC驱动电机提供了应用基础。     

基于multi-agent编组的校园虚拟实验网格任务分配策略

在网格计算环境下,许多任务的执行经常需要同时协同分配多个agent以满足性能需求.提出了一种新的基于multi-agent编组机制的agent协同分配方法.首先,对传统编组算法和multi-agent编组算法进行了分析比较.然后,设计了校园虚拟实验网格调度系统及其任务分配算法,实验结果表明:当CDR=0.2时,算法与传统算法带来最好的目标价值,在某些条件下,传统算法略微胜过该算法,当CDR增大时,该算法比传统算法执行得更好.     

Agent的多传感器管理方案

多Agent系统(Multi-Agent System,MAS)以其智能性和交互协作等优点在分布式系统中得到了广泛的应用.火控系统组网就是通过把分立的火控系统通过某种网络结构连接起来,以提高火控系统的整体性能,是一个典型的分布式系统.以火控系统组网为背景,将Agent技术应用于组网系统中的多传感器管理,并采用了基于角色的任务分解思想.提出了基于多Agent的传感器管理结构模型,分析了各个组件Agent的功能.     

舰艇编队作战系统的武器目标分配问题

设我方m艘战舰,对方n个来袭目标.运用灰色局势决策求得目标对各个战舰产生的威胁值排序;再用模拟退火算法,参考目标威胁,单舰根据自身装载的火力发射进行初步武器分配;最后将分配结果传送至融合中心,应用大系统理论的分解协调法,协调武器分配,使得我方武器对本批目标的打击概率最大.仿真基于VC++编程实现,具体分析了算法及思想的可行性.