基于深度强化学习的分布式UUV集群任务分配算法

任务分配问题是智能体集群研究的基础关键问题之一,UUV集群在任务分配问题方面受到水下探测和通信能力的限制,UUV个体只能获得周围局部信息,常规的全局算法无法得到很好的应用。提出了一种基于深度强化学习和分布式UUV集群组织架构的任务分配算法,算法首先实现每个UUV个体的局部任务分配,其次相邻的个体之间进行信息一致协调,从而实现UUV集群的最优化任务分配。仿真实验结果表明,所提算法相较遗传算法收敛更快,相较合同网算法通信量小,任务分配效率高,且分布式架构不依赖“指挥中心”,UUV集群系统的鲁棒性更高,任务分配可靠性更高。     

基于深度学习的高超声速飞行器运动行为识别

高超声速飞行器具有机动大、速度高、航程远、威胁强等特点,已成为各大国重点发展的武器装备,识别其运动行为能为防御和拦截提供有力的技术支持。本文对有禁飞区等复杂约束条件下的高超声速飞行器运动行为识别问题开展研究：首先通过分析高超声速飞行器的运动特点,建立能够充分描述其行为模式的参数化运动方程;然后基于优化思想求解有禁飞区等复杂约束条件下的航迹规划问题,构建其数据集;最后基于深度学习方法设计高超声速飞行器运动行为识别算法。试验结果表明：所设计的识别算法能够实现对高超声速飞行器运动行为的识别,且具有一定的泛化能力,可为后续防御决策提供一定的参考。     

三维表面裂纹扩展轨迹与数值仿真研究

针对三维表面裂纹扩展形态和轨迹难以预测的特点,基于ANSYS有限元分析软件,利用三维裂纹扩展仿真方法,开发三维裂纹扩展程序,研究典型的三维表面单裂纹与三维非等大共面表面双裂纹扩展轨迹,实现了任意三维多裂纹扩展轨迹的数值模拟。主要研究内容与结论如下：针对三维表面单裂纹模型,当初始裂纹形状c/a>1时,最深处的应力强度因子值大于自由表面处应力强度因子值,随着裂纹的不断扩展,前缘会渐渐趋于稳定的圆形。而对于三维非等大共面表面双裂纹,较大的裂纹扩展速率大于较小的裂纹。开始时2条裂纹均沿光滑的样条曲线扩展,后来受到另一条裂纹的影响,在彼此接近处,由于应力放大作用,此部位的应力强度因子变大,扩展速率也会高于裂纹前缘其他部位。     

跨模态检索中的相似性漂移问题

为了降低“相似性漂移”问题的影响,提出一种基于“邻域传播”的匹配策略,将待查询项的模态内近邻映射到目标空间中,并将它们在目标空间中的最近邻作为查询项的跨模态近邻。基于邻域传播的匹配策略在不改变跨模态映射函数的条件下,可以有效地降低“相似性漂移”带来的误匹配现象。理论和实验分析证明,跨模态映射函数的“相似性漂移”问题广泛存在,而基于“邻域传播”的匹配策略可以有效降低其影响,提高匹配的准确率。     

核工业科研院所推进党建与科研深度融合的思考——以中国核动力研究设计院第四研究所为例

文章围绕落实贯彻党的十九大精神、大力实施创新驱动发展战略,以中国核动力研究设计院第四研究所为例,研究分析了强化核工业科研院所党建与科研生产中心工作深度融合的现实意义,总结提炼了党建与科研融合工作的现状与存在的问题。结合工作实践,从四个方面提出了强化核工业科研院所党建与科研生产中心工作深度融合的对策。     

强跟踪扩展卡尔曼滤波及其在捷联惯导初始对准中的应用

针对在模型失配和观测噪声干扰情况下常规滤波器出现精度下降甚至是发散的问题,提出了基于自适应多重渐消因子的改进方法,即通过计算新息序列协方差的估计值确定多重渐消因子,提高当前观测量对滤波器的修正作用。仿真及实测实验结果表明:该算法可以有效抑制滤波发散,同时保证其快速收敛以及高精度估计。     

我国人工影响天气事业中的军民融合发展问题

根据军民融合发展战略分析我国人工影响天气工作现状,结果表明人工影响天气军民融合在飞机人工增雨作业、地面作业装备维保与改造、弹药仓储与作业民兵选送、装备弹药研发中发挥了重要作用,取得了显著综合防灾减灾和生态文明建设效益。主要存在体制机制不顺畅、政策法规不完备、标准规范不一致,军民转化平台和作业装备比较落后,资源、人才、技术分散导致保障乏力等问题。需要加强顶层设计,加强人影作业能力和军民融合工程建设,优化资源配置,加强军民融合技术创新体系建设。     

基于深度逆向强化学习的行动序列规划问题研究

针对深度强化学习在解决序贯决策任务中严重依赖回报函数,而回报函数又存在着反馈稀疏和反馈延迟等问题,论文提出了基于深度逆向强化学习方法的行动序列生成与优化方法,通过专家示例轨迹数据重构回报函数,实现高质量示例轨迹数据中隐性专家经验的获取和利用,挖掘数据背后的规律。然后将重构的回报函数与环境固有的回报函数进行奖赏塑型,生成的新的回报函数能够更加及时、准确地对智能实体的行为给予反馈,大幅加速了强化学习的收敛速度。     

基于变等效因子的PHEV等效燃油消耗最小策略

针对一种并联式混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV),基于庞特里亚金极值原理(Pon-tryagin’s Minimum Principle,PMP),在行驶工况已知前提下,设计了一种基于恒等效因子的等效燃油消耗最小控制策略(Equivalent Consumption Minimization Strategy,ECMS)。为改善该策略对工况变化的适应性,在分析等效因子、实际工况和电池荷电状态(State of Charge,SOC)相互关系的基础上,采用SOC惩罚函数对等效因子进行在线调整,得到了一种基于变等效因子的ECMS。仿真结果表明:所设计的基于变等效因子的ECMS,能够使发动机运行点大部分集中在最优曲线上,电池SOC波动较小,与基于恒等效因子的ECMS相比,发动机效率提高3%,整车系统效率提高0.5%,百公里耗油量降低4.5%,提高了对行驶工况的适应性。     

图像超分辨率卷积神经网络加速算法

为了实现模型的实时和嵌入式运行,提出了一种轻量级的卷积神经网络结构。通过采用较小的滤波器尺寸和引入深度可分离卷积,可大量减少模型参数,提高模型非线性表达能力;在网络末端引入子像素卷积层,直接从原始低分辨率图像学习到高分辨率图像的映射,计算成本为原来的1/k²(k为放大因子)。在Set5数据集上的实验表明,所提模型的速度较经典的图像超分辨率重建算法速度提高了25.8倍,能够在通用GPU上实时运行,峰值信噪比平均提高了0.17 dB,并且参数只有它的35%。