防止从井底走向茧房

信息化战争时代,海量数据成为基层指战员研究的富矿,特别是随着军事科技快速发展、战争形态日趋复杂,智能化作战倒逼指战员进行“头脑风暴”,对战争的认识已不再是“井底之蛙”。然而,军事智能化会带来作战体系碎裂破解、数据信息短时空积聚、个性化推荐算法滥用等问题,加之很多指战员囿于自我认知局限、疏于学习战争前沿、惑于真假内容甄别,面对海量同质数据信息很容易跌入“茧房”陷入自缚。     

自适应控制中的Hartley块算法及实验

针对小波包自适应控制子频带内包含大量卷积和相关运算导致算法收敛速度慢的问题,提出基于Hartley块的小波包滤波最小均方算法。将快速Hartley变换引入块算法,实现频域内快速卷积和相关运算;在子频带内应用Hartley块算法生成控制信号,通过重叠保留法提出基于Hartley块的小波包滤波最小均方算法;通过仿真和实验研究了定频和扫频两种工况下的隔振性能和控制效果。结果表明,基于Hartley块的小波包滤波最小均方算法不仅可以大幅缩短收敛时间,还能显著提高控制精度,且鲁棒性和稳定性良好,能够很好地应用在工程实际中。     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。     

有限维修能力下多级保障系统装备时变可用度评估及保障方案优化

备件库存和站点维修能力是影响备件维修周转的重要因素,制约着装备的使用效果。针对备件需求随任务阶段动态变化时装备保障方案的评估和优化问题,考虑站点维修能力对备件维修过程的影响,结合METRIC建模方法和动态排队理论,建立了有限维修能力下多级保障系统装备时变可用度评估模型。在评估模型基础之上,以保障费用为优化目标、装备可用度为约束条件,建立任务期内多级保障系统保障方案优化模型。以任务期内的最低可用度所对应的备件短缺数为观测值,分析各项资源的边际效益值,采用边际优化算法对各项资源进行优化计算。算例分析表明,评估模型能够计算多级保障系统任务期内各阶段装备可用度;保障方案优化模型和方法能够得到各项保障资源的优化配置方案。提出的模型和优化方法能够为装备保障人员制订合理的保障方案提供决策支持。     

基于NFC的抗扰物联网监测系统研究与设计

借助于抗扰物联网技术,科技产业能够实现精细化管理、高效化运作。借助现代科技,基于NFC实现抗扰物联网监测系统的研究与设计。虽然我国当前已经逐步构建抗扰物联网通信系统,但其存在着布线难、操作难、数据传输难等阻碍问题,而据分析近距离通信技术构成的两级农业监测信息物联通信方案能够有效解决当前阻碍。因而通过设计Zigbee自组织网络改善系统内的各个模块的数据无线传输;在系统中纳入NFC技术,达到整个系统整体同移动终端的近距离无线传输,针对数据传输在检测中出现的干扰性较强的问题,提出运用捕获算法(PMF-FFT)。该算法融合了部分匹配滤波器和FFT技术,能够实现通信干扰对消除并比传统系统更加节约能源消耗。最终对基于NFC的抗扰物联网监测系统通过实践操作进行了验证。     

基于跨层协议模型的机间自组织网络优化研究

节点高速移动、拓扑动态变化、传输质量不稳定是机间自组织网络的基本特征,空中环境的特殊性使得网络适应能力和传输效率成为机间自组织网络面临的最基本挑战。分析机间自组织网络的功能需求、传统的分层协议模型在应用过程中存在的问题,提出机间自组织网络跨层协议模型和跨层优化方法,指出研究中面临的难题和技术方向,为机间自组织网络协议设计提供参考。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

一种改进的地磁平缓区的地磁匹配算法

地磁匹配在磁场特征不明显的区域往往难以得到理想的匹配结果,在分析误匹配原因的基础上提出了一种改进的匹配算法。该算法先基于两个地磁矢量进行粗匹配,进一步缩小搜索范围,然后以地磁信息熵为目标函数,利用粒子群优化算法进行精匹配以提高磁场平缓区的匹配结果。算法尽可能少地引入地磁矢量,又保证了一定的匹配精度,兼顾了地磁基准图制图的复杂性与匹配精度。     

基于多群体改进萤火虫算法的装配序列规划

为了解决机械产品装配序列优化问题,提出了一种基于多群体改进萤火虫优化算法的装配序列规划方法。建立了装配序列规划的数学模型,针对萤火虫算法收敛效率低的不足,借鉴混合蛙跳算法族群划分思想对萤火虫算法进行了改进,引用局部搜索与全局信息交换机制提升了算法性能;根据装配序列规划问题离散型的特点,定义了新的离散编码方式和粒子更新策略。通过实例仿真结果表明,改进后的萤火虫优化算法简单有效、稳定性好、求解精度高,能够稳定快速地给出装配序列最优方案。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。