坦克实体智能机动路径模型

根据坦克机动作战的一般原则,首先对影响坦克实体机动的因素进行了分析和合理的假设;充分考虑战术模拟中的实际情况,将数字地图中各点间的空间距离转化为以各点间机动时间为权边的网图,通过求任意两点间的最短距离的方法,建立坦克实体机动最短时间路径的数学模型。并给出了人工智能算法,把问题求解过程简化,从而解决战术模拟系统中智能机动中的路径选择问题。     

基于对象Petri Net的复杂适应系统建模

在介绍复杂适应系统理论的基础上,重点分析了作战系统同复杂适应系统的关系,指出了作战系统就是一类特殊的复杂适应系统;然后,以网络中心战和复杂适应系统理论为指导,分析了网络中心战体系对抗建模存在的问题,并以对象Petri Net建模仿真技术为支撑,提出了基于对象Petri Net的复杂适应系统多Agent建模方法.     

基于多智能体的反导传感器任务规划算法

首先探讨了反导作战中各类传感器资源的构成特点和功能划分,然后基于多智能体multy-agent system(MAS)的分布式人工智能技术提出了适应反导作战需求的传感器任务规划体系架构,既而深入分析了体系架构中各类agent的主要功能,最后给出了一个实体层传感器的任务规划流程和算法实例,为构建高效率、智能化的反导作战多传感器任务规划技术提供了一种有效的研究方法。     

作战系统Agent交互链的形成及其链结构变换

目前,采用基于Agent建模（Agent-Based Modeling,ABM）方法研究战术级分队层次作战系统建模,存在如何直观形象而准确地表达与实现多Agent组织模式的问题。着眼军事需求,从如何建立Agent交互链的新角度来开展作战系统建模问题研究,推动ABM方法的创新发展,深化Agent和多Agent系统（Multi-Agent System,MAS）技术研究。通过提出规范、实用的Agent交互链形成过程,确立了交互链中的链节点Agent的层次化变换机制,揭示了链节点Agent聚合／解聚和交互链结构约简／扩充同步变换的工作机理。研究结果表明：与一般的ABM方法相比,Agent交互链的形成及其链结构变换,是一种更好地实现战术级分队层次作战系统建模的新途径。     

MAS中Agent属性冲突形式化描述及消解系统研究

由于多智能体系统(MAS)中各个Agent具有自治性、分布性和异构性等特征,导致MAS内部经常会出现冲突现象。首先,运用数学方法对MAS中存在的属性冲突进行形式化描述,并将其分为6类,针对每类冲突提出了相应的消解对策。其次,对属性冲突智能消解系统(AACIRS)流程框架进行了分析,并在此基础上建立了AACIRS系统,实现了MAS中属性冲突的消解。从而为解决MAS中Agent属性冲突提供了解决方案,为MAS的稳定运行提供了技术保证。     

循迹智能小车的系统设计

系统采用AT89S52单片机作为控制核心,结合红外遥控电路、红外循迹避障电路和电机驱动电路等硬件组成智能小车,通过软件设计实现小车对行驶路线的智能循迹。设计中电机驱动采用L9110芯片,利用红外光的接受差值实现蔽障,能有效地控制其避免障碍物。用红外传感器TCRT5000来检测道路上的黑线,使单片机循迹控制小车按预定的速度行驶。可用遥控器遥控小车的运行状态,并可自由切换到自动运行模式。具有运行稳定、控制精度高等优点,在科技创新和科技推广方面有很好的应用前景。     

军事智能抗干扰通信效能评估综述

智能抗干扰通信须充分发掘各环节频域、空域、时域和能量域抗干扰空间,提升环境感知和智能决策能力,自动适应和对抗敌方不断演化的电磁干扰手段,以实现战场通信效能的最大化.抗干扰通信效能评估指标体系的构建有基于措施手段、通信阶段/环节、通信装备、服务对象、抗干扰手段等五种思路,评估的关键环节包括量化指标、确定权重、聚合能力等三个方面.军事智能抗干扰通信效能评估的关键方向有挖掘智能抗干扰通信效能评估需求、构建智能抗干扰通信效能评估基础框架、设计智能抗干扰通信效能评估指标体系等三个方面.     

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。     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

【专题】“无人系统自主性与智能化”专题编者按

地空协同无人系统作为新质跨域智能作战力量已成为世界强国开展军事技术竞争的前沿方向。本文首先总结了地空协同无人系统的概念、功能及发展目标,分析了世界主要国家制定的专项规划,从形成智能作战体系、改变战场攻防平衡及全面提高作战效能三个方面阐述了地空协同无人系统对未来战争的重大意义;其次,针对其面临的环境复杂、资源受限和平台异构等约束条件,从分布式态势认知、适应性智能导航及异构系统协同控制等方面总结了地空协同无人系统需要突破的关键技术;最后,为应对智能化战争挑战,从技术瓶颈、平台建设及政策支持等方面提出发展建议。该研究可为地空协同无人系统在国防科技领域的研究、应用和发展提供参考。