融合跟踪系统性能的综合评估

首先通过分析融合跟踪系统的性能评估需求,并结合已有性能评估指标,制定出一组相对完备的评估指标.使用时间加权平均的方法,详细描述了各指标的定义及其计算方法;其次,基于该组指标提出了系统性能的模糊综合评价方法,说明了该评价方法的原理及其在融合跟踪系统性能评估中的具体实现.对融合跟踪系统的测试实验表明,指标体系设置合理,评估方法可操作性强.     

转台-陀螺飞轮标定系统误差灵敏度分析方法

陀螺飞轮是一种适用于微小航天器的新型姿态测控一体化装置,利用转台对其进行多位置标定是提高其测量性能的主要途径。为保证标定精度,从陀螺飞轮标定原理和标定误差来源出发,全面考虑转台自身定位误差、轴线回转误差、垂直度误差、相交度误差、以及转台与陀螺飞轮间安装误差等因素的影响,基于多体系统理论推导了多误差因素作用下的误差传递机理,在此基础上,基于Sobol法分析了全局误差灵敏度,得到了各误差因素对标定基准量影响程度的定量分析结论,实现了关键误差溯源。分析结果为有针对性提升标定系统关键误差指标及标定试验的优化设计提供了理论依据。     

双基发射药螺杆挤压成型多出口模具结构设计优化

为研究某双基发射药在多出口螺杆挤压机内的流动过程,采用单因素法探究出口数目对发射药流动过程的影响,而后以提高生产效率为优化目标,以流道压强差为约束条件,对挤出口数目、模具长度和模具收缩角进行正交实验。结果表明,增加出口数目可以提高产量,减小最大压强差,使生产更加高效和安全;对质量流量和流道压强差影响程度的排序为：出口数目>模具长度>收缩角,并得到最合理的结构参数组合为出口数目5,模具长度40 mm,收缩角37°,此时质量流量提高了17.6%,流道压强差降低了25.0%,满足并保证发射药致密性的要求。     

基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

基于多尺度残差网络的自适应边缘检测

为了实现无人机避障过程中的障碍物检测,针对传统边缘检测算法检测速度慢、抗噪性能差、边缘信息易缺失等问题,提出了一种基于多尺度残差网络的自适应边缘检测算法。基于深度可分离卷积,替换ResNet18残差网络中的传统卷积结构有效减少了网络参数量,提高特征提取效率。在综合考虑固定阈值和局部边缘点均值的基础上,引入自适应阈值改进八向差分算子,以提高算法抑制噪声干扰的能力。基于多尺度特征融合结构,在包含更强语义信息的高层特征图上融合低层细节信息,细化小尺度目标边缘特征。与改进前相比,准确率提升了4.23%,参数量降低了5.01×10⁶,处理速度提高了4 fps。     

多无人机协同空战任务规划仿真系统

面向多无人机协同空战任务规划方法性能验证的需求,开发了一种基于VR-Forces仿真引擎的多无人机协同空战任务规划仿真系统,对该仿真系统的总体架构、红方子系统、蓝方子系统、白方子系统和强化学习算法训练子系统进行了设计。对算法库、强化学习算法训练和人机交互等关键技术提出了针对性的解决方案,提升了该仿真系统的稳定性、可扩展性和功能性。利用该仿真系统对多无人机协同空战目标分配、重决策算法等典型任务规划方法进行了测试和仿真实验。结果表明,所开发的仿真系统可以很好地支持多无人机协同空战任务规划方法的测试和验证。     

基于增量预测控制的高速多体船垂向运动稳定研究

为了增强高速多体船对海浪扰动的抑制能力,减少垂向运动幅度,提出基于增量预测控制的垂向运动稳定方案。该方案在建立高速多体船的垂向耦合运动模型基础上,分析随机海浪扰动的频域和时域特性,基于积分扰动模型估计海浪扰动力和力矩。为减少海浪平均扰动力和扰动力矩对垂向运动的影响,将垂向运动模型转化为增量模型,作为预测控制的预测模型;同时,把升沉和纵摇的幅度和变化率引入目标函数中,采用滚动优化策略获得多体船的垂向运动预测控制律,分析闭环系统稳定性。仿真结果表明,所提的增量预测控制有效减小升沉和纵摇波动变化率和幅度,升沉位移减少59%,纵摇角减少47%。     

融合先验知识的异构多智能体强化学习算法研究

近年来,基于深度强化学习的机器学习技术突破性进展为智能博弈对抗提供了新的技术发展方向。针对智能对抗中异构多智能体强化学习算法训练收敛速度慢,训练效果差异大等问题,提出了一种先验知识驱动的多智能体强化学习博弈对抗算法PK-MADDPG,构建了双重Critic框架下的MADDPG模型。该模型使用了经验优先回放技术来优化先验知识提取,在博弈对抗训练中取得显著的效果。论文成果应用于MaCA异构多智能体博弈对抗全国竞赛,将PK-MADDPG算法与经典规则算法的博弈对抗结果进行比较,验证了所提算法的有效性。     

舰载战斗机多传感器协同探测模型设计与仿真

为提升舰载战斗机多传感器协同探测作战效能,基于空中截击战情想定,按照作战空域从远到近,建立了舰载战斗机空域增程搜索、雷达一发多收、雷达红外融合探测、编队协同制导和雷达多波束探测场景模型。在超视距、中距和近距搜索阶段,重点对多传感器协同探测模式中的增程探测、探测及干扰和多波束探测进行了仿真分析。根据不同作战距离,创新性开展了作战流程下多传感器协同探测模式设计。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。