目标搜索的搜力配置、最优停搜及期望利润

在搜索力连续施加于搜索区域的条件下 ,研究了目标位置服从离散和连续分布时的搜力分配 ,最优停搜及期望利润等。     

一种推广的连续情形经济投资模型

随着序列情形费用型投资模型和折扣投资模型的解决，本文对其进行连续推广，并给出一个明确的停止规则。     

坦克连最优火力分配

坦克连火力分配方案的科学与否将直接关系到火力打击的整体效果。为了提高坦克连火力分配方案的科学合理性,力求结合我坦克连作战的实际,在充分考虑火力分配影响因素的基础上,建立了最优火力分配模型,这对于我坦克连充分发扬火力和提高整体作战能力具有重要的指导意义。     

主动队列管理机制中PI算法的一种参数配置方法

研究了主动队列管理机制中PI控制器的参数配置方法。AQM中PI算法默认的参数以及一些文献提出的参数配置方法主要是从稳定性考虑,没有保证系统的动态性能指标。在控制论中,"二阶最优模型"是具有较好的动态性能和稳态性能的二阶系统。提出了一种PI控制器的参数配置方法,可以使TCP/AQM控制模型的开环传递函数具有"二阶最优模型"的形式。NS仿真结果表明采用该方法配置的参数可以提高PI控制器的动态性能并保证系统的稳态性能。最后指出PI控制器参数配置对网络状态的敏感性,以及今后的研究方向。     

利用对比度最优准则的压控振荡器调频非线性误差估计与校正方法

针对压控振荡器调频非线性误差的准确估计与校正问题,提出一种以一维距离像对比度最优为准则的自适应估计与校正方法。本方法建立引入温度变量的压控振荡器频率特性模型,并据此估计出某一温度值对应的调频非线性误差,在对中频回波进行误差补偿和一维脉压后,以一维距离像的对比度最优作为迭代收敛准则,实现调频非线性误差的最优估计与校正。仿真和实测数据结果表明,该方法充分考虑了温度因素对压控振荡器输出频率的影响,能够在不增加硬件复杂度的前提下,通过算法实现对调频非线性误差的估计、跟踪与补偿。与传统基于硬件电路进行估计或校正的方法相比,新方法无需由硬件组成闭环估计通道,且具有实时性强、运算量小、补偿精度高的优点,对于克服实际工程应用中压控振荡器器件的参数漂移问题具有重要指导意义。     

基于改进灰狼优化算法的地面目标最优瞄准点选择方法

针对导弹打击地面目标时的瞄准点优选问题,提出了一种利用改进灰狼优化算法（improved grey wolf op timization,IGWO）选取最优瞄准点的瞄准点选择方法。该算法基于维度学习的狩猎搜索策略（dimension learning-based hunting,DLH）,为每个瞄准点构建相邻的瞄准点集合,集合中的瞄准点可以互相共享信息,增强局部搜索和全局搜索之间的平衡,并保持多样性。在仿真实验中,将毁伤评估模型的评估函数作为瞄准点选取好坏的评估函数,并且设计导弹打击地面目标的实例对瞄准点选择方法进行验证,实验结果表明,该方法求得的瞄准点具有较高的可信度,为火力筹划中瞄准点的寻优提供了新方法。     

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。     

混合遗传算法及其在运载火箭最优上升轨道设计中的应用

运载火箭最优上升轨道设计问题是一类终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时收敛性差、局部收敛等问题表现得比较突出。针对上述问题,将具有良好全局收敛性的遗传算法应用到运载火箭最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合遗传算法和单纯型算法的优点,设计了两种混合遗传算法。计算结果表明,所设计的混合遗传算法是求解复杂问题的有效全局优化方法,可以成功地解决一类终端时刻可变飞行器最优控制问题。     

基于预测命中点的机动目标最优制导方法

针对导弹攻击机动目标的情况,提出了一种基于"当前"统计模型的预测命中点方法。首先对目标进行实时机动检测,并预测了拦截时刻目标的位置。基于预测命中点的结果,推导得到导弹攻击机动目标最优制导方法的解析解。该方法无需提前假设目标机动模式,适用性好。在多个假想的攻击场景下对制导方法进行了仿真,仿真结果验证了该方法是有效的。     

载人登月软着陆制动段最优制导方法(英文)

提出一种解决软着陆制动段燃料最优制导以及闭环控制的方案.首先使用庞氏极大值原理将制动段燃料最优问题转化为一个初值问题,并使用遗传算法搜索求解;其次为了解决最优制导的闭环控制问题,将最优弹道作为标称弹道,使用RCS系统对轨道面内两个方向误差量进行解耦,分别使用极限环控制.仿真表明,所规划出的燃料最优弹道比阿波罗方案能节约159.7 kg的燃料,而闭环控制系统可以将初始1 000 m的位置误差和5 m/s的速度误差收敛到接近段入口误差要求以内,在闭环控制过程中,燃料消耗不大于87.75 kg,总体燃料消耗节约至少71.95 kg.