基于层次情节性元强化学习的对抗行为评估

基于强化学习的敌方对抗行为评估能够提高仿真推演的智能化水平,强化学习算法的训练速度成为制约其实际军事应用的关键.为了加快强化学习速度,首先将敌方对抗行为评估建模为多任务强化学习,并将环境知识和经验集成到学习算法,提出基于层次情节性元强化学习(Hierarchical Episodic Meta?Deep Reinfor...     

基于多智能体强化学习的勤务保障指挥调度方法

在时、空、资源受限的复杂勤务保障场景中,实现动态、高效且可靠的勤务保障组织指挥调度,对于提升大型舰船平台飞机出动能力至关重要。通过分析飞机勤务保障指挥调度任务特点,建立多机、多保障作业并行执行的勤务保障指挥调度马尔科夫决策过程,将多智能体技术与强化学习深度结合,构建多智能体深度确定性策略迭代模型,自动生成保障计划。经仿真实验验证,所提出的勤务保障指挥调度方法,能有效满足飞机勤务指挥调度优化需求。     

人工智能技术在航天装备领域应用探讨北大核心

人工智能技术被各主要强国视为“改变游戏规则”的尖端技术之一,有望提升航天装备可靠性、快速性和自主性,从而产生颠覆性影响。简要分析了人工智能的技术发展态势及其在航天装备中的应用态势。建立了人工智能在航天装备领域应用体系,并在此基础上,按照进入太空、利用太空和控制太空的维度,从运载火箭、卫星通信、卫星遥感、卫星导航、载人飞船、太空态势感知等方面,深入分析了人工智能在航天装备领域的应用场景。最后,归纳了人工智能在航天装备领域应用的趋势。为我国发展人工智能技术在航天装备领域的应用提供参考。     

湖北高校与地方经济社会发展深度融合的立体化建构

湖北高校与地方经济社会发展深度融合是湖北高校与地方经济社会发展互动的结果,而人才培育、科技创新、社会服务、文化传承和平台建设是湖北高校与地方经济社会发展深度融合的基本要素。自改革开放以来,湖北综合实力显著上升,湖北高校也以更加积极主动的姿态参与到地方经济社会发展之中,然而喧闹的融入并没有带来相应水准的深度融合,湖北高校与地方经济社会发展总体上仍处于弱度融合之势。由于湖北高校在地方经济社会发展中未能站在舞台中心,而高校在地方经济社会发展中又被寄以厚望,这使得湖北高校与地方经济社会发展深度融合中出现一系列问题:人才培育与地方经济社会需求结构失衡;科技创新、社会服务与文化传承中存在短板;平台建设有待加强。要改变这种困境,需运用立体化、系统化的举措,从三方面着手:一是为融入"一主两副多极"发展战略培育人才;二是科技创新、社会服务、文化传承支持湖北主体功能区建设;三是打造数字化的信息平台。     

基于改进Sage-Husa自适应滤波算法的SINS/DVL组合导航

捷联惯性导航系统（SINS）与多普勒计程仪（DVL）组合导航时需考虑量测数据异常问题。针对该问题，设计一种基于渐消因子动态调整的改进Sage-Husa自适应滤波。此滤波旨在解决自适应滤波估计量测噪声参数性能对渐消因子依赖性强的问题，提升DVL量测信息异常情况下的导航精度。实验结果表明，基于渐消因子动态调整的改进Sage-Husa自适应滤波，在DVL数据异常的复杂环境中仍可具有较好的信息处理能力，导航性能提高显著，实现高精度的组合导航，具有一定的研究与参考价值。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。