针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基...     

21世纪无人机关键技术

无人机因其独特而优异的战术性能,在近几次现代局部战争中得到了越来越广泛的应用,执行的任务也越来越多。从未来无人机的军事需求及其战术性能入手,结合技术发展趋势和发展可行性,对未来无人机发展需要的一些关键技术进行了分析研究,这些关键技术对提高未来无人机的战术性能具有重要作用。     

装备作战需求论证综合集成环境的系统结构

运用多智能主体 (MAS)技术 ,对装备作战需求论证综合集成环境 (EORD -IE)的功能需求和系统结构要求进行了深入分析 ,提出了基于公共主体请求代理体系结构CARBA、基于客户 /经纪人 /服务器 (C/B/S)和客户 /服务器 (C/S)的服务模式、基于合同网协议的多主体协作协商机制的EORD -IE系统结构 ,并进行了系统的功能配置和主体配置。     

多彩光谱教育理论与音乐、绘画融通的教学实践

音乐与绘画的融通问题长期以来一直缺乏充分、深入的研究,在教育领域也是如此。本文援引多个教学案例,借鉴多彩光谱教育理论,从教学目标、教学设计、教学步骤、实施方法诸方面来阐释和解决音乐与绘画的融通在教学实践中出现的问题。     

机载多智能体任务系统研究

依据云架构背景下战斗机任务系统的作战需求,结合人工智能技术在航空领域的应用研究,提出了机载多智能体任务系统的概念。分析了任务系统的任务架构和功能架构,研究了多智能体任务系统的运行原理和基于OODA的并行任务管理机制,为战斗机智能化任务系统总体设计提供了参考思路,并可进一步推广至无人机领域。     

船体梁爆炸损伤识别方法研究

针对目前在船舶爆炸损伤试验中不能有效获得船舶损伤数据,将爆炸过程中船舶船体梁总振动固有频率与爆炸损伤前完好船体总振动固有频率进行对比,建立完好船体和损伤船体多种假想损伤的固有频率数据库,采用神经网络智能方法得到频率改变特征参数与损伤参数的映射关系,对船舶结构损伤状态进行判断.以一艘1500吨级的船舶为研究对象,通过仿真...     

军用无人机技术智能化发展及应用

军用无人机作为收集战场信息和军事打击的新兴手段和工具,以其机动灵活、战场生存能力强等独特优势,能够方便快速地获取战场态势,极大地弥补了传统作战方式和侦查手段的短板和不足。智能无人系统的发展可能会引领军事领域的重大变革甚至改变战争形态。文章介绍了无人机技术在军事领域中的发展和应用现状,并从飞行控制、火控系统、任务规划以及无人机集群等方面浅析了军用无人机技术智能化发展方向。     

高校智能无人系统运用人才队伍建设研究

智能无人系统是能够通过先进的技术进行操作或管理而不需要人工干预的人工系统,具有自主性、智能性以及人机耦合性等特征。随着科技快速更迭、国家战略支持、国家安全保障等要素驱动,高校智能无人系统运用人才队伍建设的研究势在必行。本文认为,当前,高校智能无人系统运用人才队伍呈现出愈发注重交叉学科研究、理论联系实践、开展专业认同教育以及课程思政建设等特点,这需要高校在引进和培育、交叉和融合以及专业化和高素质上下功夫,稳步推进高水平创新团队建设和一流专业学科群建设,同时稳步加大复合型人才培养力度,以为高校智能无人系统研发提供人才和智力保证。     

舰艇防空火力规划与调度方法研究

根据舰艇防空武器拦截过程的时间连续性和拦截效果的不确定性特点,提出了智能规划和优化调度相结合的舰艇防空计划生成方法。在规划阶段,先用智能规划描述语言PDDL对舰艇防空问题进行建模;针对新的来袭目标或观察的拦截结果,利用智能规划的高效行动推理能力,快速生成可能的备选行动方案;在优化调度阶段,对已生成的备选方案的行动系列进行时间、资源冲突处理,并计算选择出当前最佳拦截方案。与现有的采用离散化处理的武器-目标分配方法相比,该规划与调度过程充分体现了拦截过程的连续性,拦截效果的不确定性,拦截过程中的武器协同,以及最佳拦截时机的选择等,更好地描述了舰艇防空的实际过程。最后,通过蒙特卡罗仿真试验,验证了算法的有效性,为舰艇的自动化防空提供了一种新的解决办法。     

多约束强化学习最优智能滑翔制导方法

为提升复杂飞行任务下滑翔制导的自主性,提出一种基于最优制导与强化学习的多约束智能滑翔制导策略。引入三维最优制导以满足终端经纬度、高度以及速度倾角约束。提出基于侧向正弦机动的速度控制策略,研究考虑机动飞行的终端速度解析预测方法。针对速度控制中机动幅值无法离线确定的问题,研究基于强化学习的智能调参方法。该方法基于终端速度设计状态空间,以机动幅值设计动作空间,设计综合终端速度误差与滑翔制导任务的回报函数,采用Q-Learning实现机动幅值的智能调整。仿真结果表明,智能滑翔制导方法能够高精度满足终端多种约束,并能有效提升复杂任务下的自主决策能力。