智能感知在防空反导OODA环中的应用

在未来智能化战争中,瞬息万变的战场态势对防空反导武器系统的探测感知和指挥决策提出了新的挑战。本文聚焦智能感知技术赋能未来防空反导作战装备,剖析了智能感知概念及内涵,围绕防空反导“观察、定位、决策、行动”（OODA）环以及典型作战流程,梳理感知对抗形态,主要包括预警与反预警、探测与反探测、跟踪与反跟踪、干扰与反干扰;揭示了智能感知对抗的核心科学问题是特征的隐匿与识别,给出了感知对抗技术在OODA环中的主要应用场景;最后,提出了提高防空反导装备智能感知对抗水平所需的关键技术发展建议。     

面向体系仿真的智能无人机集群作战建模总体框架研究

提出了智能无人机集群作战建模应当遵循的基本理念.在总体上将"面向体系仿真的智能无人机集群作战建模"视为一个"概念设计—模型建立—分析应用"的完整过程,而非一个孤立的建模仿真活动.为此,提出了涵盖"体系设计—模型训练—想定生成—探索仿真—结果分析"5个基础阶段的建模总体框架,以及包含支撑层、运行层、分析层和应用层在内的能够支撑该框架使用的系统体系架构.该建模总体框架,有助于解决智能无人机集群作战建模中作战概念不清晰、应用场景不明确的问题,同时可以将基于机器学习的智能实体建模技术集成到建模框架当中,以充分反映智能无人机实体及其集群的自学习、自成长特性.     

航天器智能能力的构建

为解决航天器智能能力的构建和智能技术的引入问题,从能力部署视角提出了智能等级的划分,从定性的自动、自治、自主的等级出发,自底向上分解为数据注入接收能力、任务执行能力、自学习能力、系统自我管理能力、任务自我管理和思考能力,其程度分为底层反应、中层程序和高层思考。对照上述能力给出可实施的5阶模型和人字架构。人字架构是以即插即用技术加自主控制技术来支持上层智能能力的模型。该模型基于航天器接口业务架构和欧洲空间局的包应用标准业务,采用管理信息库和电子数据单技术进行数据化设计。对应星上的智能能力等级讨论相适应的地面系统能力。人字架构具有层次化、业务模型化和自底向上归一化构建的特点,对上层智能技术的引入是开放的。     

基于神经网络Q-learning算法的智能车路径规划

针对智能小车行走过程中的全局路径规划和路障规避问题,提出了一种基于神经网络Q-learning强化学习算法,采用RBF(Radial Basis Function)网络对Q学习算法的动作值函数进行逼近,基于MATLAB环境开发了智能小车全局路径规划和路障规避仿真系统。与传统的以及基于势场的Q学习算法相比,所采用的算法能更加有效地完成智能小车在行驶环境中的路径规划和路障规避。仿真结果表明:算法具有更好的收敛速度,可增强智能小车的自导航能力。     

面向任务的航空数据链动态组网策略

针对现有航空数据链网络对实际任务需求耦合不紧密的问题,结合未来航空作战集群化、智能化的特点,设计了面向任务的智能化航空数据链网络体系结构。描述了面向任务的智能化航空数据链网络信息类型与信息处理传递机制,并基于所设计体系结构提出了一种面向任务的航空数据链动态组网策略。通过组网实例分析,说明在面向任务的智能化航空数据链网络体系结构下所提组网策略对实际任务需求具有较好的支撑能力。     

基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。     

基于DBSCAN聚类的异构多智能体分层任务分配方法

针对多约束条件下大规模探测/通信智能体集群协同探测任务分配问题,从全局与局部相结合的角度,提出了一种分层任务分配求解方法。首先,根据通信距离约束对所有任务节点进行聚类预分组,将集群任务分配问题划分为上层全局任务分配和底层局部任务分配。然后,根据聚类结果采用启发式算法求解探测/通信智能体组间全局任务分配结果。随后,根据探测智能体的全局任务分配结果,采用遗传算法对探测智能体组内任务进行分配。最后,通信智能体根据探测智能体的组内任务分配结果,采用基于虚拟节点的方法进行组内任务分配。实验结果表明,相较于直接求解方法,分层任务分配方法不仅解决了大规模集群协同任务分配问题,还可以在保证优化目标值相近的情况下,缩短70%以上的求解时间,较快得到相对最优的任务分配结果。