“民参军” 山河智能树立军民融合典范

历史告诉我们,兵不强不可以摧敌,国不富不可以养兵。从"军民结合"到"军民融合"再到"寓军于民"、"民技军用",这是我们党在新中国成立60多年来对经济建设与国防建设协调发展规律认识的不断深化,是中国崛起的必然选择。军民融合,"融"的是中华民族复兴的百年梦想,"合"的是富国与强军的康庄大道,山河智能装备集团在军民融合发展的道路上听从党的号召,为实现中国梦、强军梦贡献自己的力量,山河智能装备集团以自己民参军的经历诠释其无愧为军民融合的典范。     

装备综合物流保障网络智能决策支持技术

为了提高军事装备综合物流保障决策的科学性、实时性,摆脱以往单纯依靠经验总结和历史数据积累为主的保障决策方式,利用图论的理论算法和分布式计算机网络技术等,对保障任务自动生成满足各种保障要求的决策方案,不仅更加快速准确,而且为装备综合物流保障工作提供了一个战平结合的决策支持平台。     

城市美容师

正每天,有那么一群人,当人们还在睡梦中,他们就已经走上街头清扫尘埃;当城市步入喧嚣时,他们又置身人海,默默维护着城市的洁净;当夜幕降临,他们仍在路灯下劳作,不论刮风下雨、天寒地冻,他们始终坚守在工作岗位上。他们就是被人们誉为"城市美容师"而辛勤工作在城市各个角落的环卫工人。九师朝阳新区有环卫工人120多名,主要负责城区内16条街道、总面积约42万平方米的清扫和120多个垃圾箱的垃圾清运任务,平均日清理垃圾50多立方米。     

作战任务智能规划系统设计及关键技术研究

紧贴联合作战各层级、各领域、各场景作战任务智能化规划系统需求,设计作战任务智能规划系统技术框架,分析任务智能规划系统功能流程,探究任务数据化、任务智能设计、任务价值排序、任务智能分配、任务效果评估,以及任务可视化等任务智能规划系统实现的关键技术手段、主要模型和关键算法,为作战任务智能规划系统设计、研制及运用提供参考。     

对抗环境下的智能兵棋系统设计及其关键技术

智能博弈对抗领域已成为当前研究的热门领域之一。侧重在兵棋推演系统的体系构建和模块设计,分析了兵棋推演系统的建模要素,包括兵棋要素、兵棋规则及智能接口设计,构建了智能兵棋推演系统的整体架构。通过A3C强化学习智能算法对系统设计进行可行性验证。其中,改进了强化学习训练过程的奖励设置,明确智能兵棋环境的状态输入、算法驱动过程及动作输出过程,通过自主实现的智能兵棋推演系统,验证了所提的系统理论与工作。该工作为基于强化学习的智能博弈系统的设计与实现提供了可行路径,并为以后基于强化学习的智能博弈对抗研究提供了基础平台。     

智能化水雷引信及其评估方法

讨论了智能化水雷引信的内涵,建立了考核水雷引信智能化水平的指标体系及模糊评估框架和模型.水雷引信智能化水平评估的计算实例表明,该方法和模型是完备可行的.     

多智能体系统的二阶一致性跟踪问题

为了解决通信时延下关于参考状态的二阶一致性问题,提出了一种一致性算法。该算法利用Lya-punov稳定性理论,首先给出多智能体系统在固定时延下达到一致性的充分的线性矩阵不等式(LMI)判据;再给出满足一定条件的多智能体系统在时变时延下达到一致性的判据;最后,以水下无人航行器(UUV)集结为应用背景进行算法验证。运算结果表明了所提出的一致性算法和判据的有效性。该算法适用于具有时延的有向通信网中多智能体系统关于参考状态的二阶一致性问题。     

高超声速临近空间作战智能体攻击模型与仿真

通过对高超声速临近空间智能体攻击模型的概念描述和逻辑描述,抽象出攻击模型的数学模型,提出了一种基于作战智能体的行为模型框架和高超声速临近空间智能体攻击模型.基于Swarm复杂性仿真平台,仿真分析了高超声速临近空间智能体攻击的态势和效果,验证了建模方法的可行性,为研究高超声速临近空间飞行器提供了一种有效方法.     

分布式约束优化问题及其求解算法

分布式约束优化问题(DCOP)能够对多智能体系统(MAS)中的各种分布式推理任务进行建模,广泛应用于分布式规划、调度、资源分配等问题中。首先从DCOP的概念出发,引入一个典型的DCOP实例,在此基础上对DCOP问题求解的两类主流算法进行了详细介绍和比较分析。针对DCOP对现实问题建模中出现的部分集中式、硬约束、开放式、隐私和anytime等5个方面的问题进行了阐述,并介绍了相应的扩展算法。在动态实时问题,自稳定性与误差容错以及在物理分布式环境下仿真等问题仍需进一步研究。     

运动目标DOA自适应跟踪算法

战场区域移动通信系统中,指挥中心实时地将主波束对准作战分队来波方向,而将其他方向的来波作为干扰置零陷,不仅提高了抗干扰能力,而且还可对作战分队进行定位。这一过程是通过跟踪移动用户信号的波达角(DOA)来实现的,传统的高分辨率DOA估计算法,如MUSIC、ESPRIT等算法,无法实现自适应、实时跟踪,因为它需要对接收信号的协方差矩阵反复进行特征值分解或奇异值分解,计算量大。针对这一问题,引入基于改进的信号子空间自适应跟踪的卡尔曼(Kalman)滤波算法,该算法直接从信号子空间中提取DOA的更新,无需从协方差矩阵中提取。仿真结果表明,该算法不仅降低了运算量,而且可跟踪多用户的DOA。