智能临机规划技术要点研究

本文从临机规划当前面临的难点问题出发,提出临机规划的智能发展需求,初步描述了临机规划问题,根据“快算”“盲评”“会变”三项能力要求,指出智能临机规划技术研究的关键特征是智能体设计与应用两个阶段的人机耦合,并明确了构建典型场景下可分层调度的任务框架、从军事专家到智能体的知识传导路径、兼容人工算法调用与机器自主学习的分层深度强化学习算法框架三点核心技术要求,基于当下智能博弈技术进展,提出了深度嵌入指挥员临机规划决策“OODA”回路各环节的智能临机规划技术设想。最后,从智能临机规划技术实现角度出发,提出了研究的总体目标、重点研究问题以及研究路线建议,并展望了未来智能临机规划技术的应用前景。     

印度精确制导武器探秘

印度１９８３年制订《综合制导武器发展规划》,要在１０年内研制５种性能先进的制导武器。为实现规划,印度拨出巨额款项,调集大批专家、科研人员,由国防研究发展组织和许多重要兵工企业参加,国防部长科学顾问负责整个规划的监督实施。经过十多年的努力,目前地地战术导弹已正式部署,地空导弹和反坦克导弹已投入生产,近期即将装备部队;同时正加紧试验２５００千米的中程弹道导弹。印度在连续进行核试验后加紧发展导弹武器的动向正引起许多国家的关注。 “普里特维”地地战术导弹 是印度最先研制的炮兵战术弹道导弹,１９９８—１９９…     

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。     

复杂任务区域的区域划分与覆盖路径规划

多无人机对指定区域进行巡飞探测,在地理测绘、抢险救灾等领域起到重要作用。针对多无人机对凸/非凸多边形区域的覆盖问题,开展了复杂目标区域的区域划分以及覆盖路径规划技术研究。首先,建立了无人机飞行运动模型和指定区域的边界描述。然后,针对目标区域为凸多边形与非凸多边形两种情况,同时考虑区域凸分解与集群覆盖效率优化,分别提出了基于线扫描的凸区域划分方法与基于Delaunay三角剖分的非凸区域划分方法。接着,考虑无人机运动学约束与能量消耗最小化,提出了一种最小转弯半径约束下的Z型覆盖路径。最后,通过数值仿真验证了本文所提方法的有效性。结果表明,所提方法可以对凸/非凸多边形区域实现凸划分并减小了各子区域面积差异,提高了集群总覆盖效率,覆盖路径规划方法使路径总长相较于未沿主轴覆盖时减小了26%,转弯路径占比减小了36%。     

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明：SAC算法收敛速度快,实时性好,航迹平滑度更好。     

混合战争背景下我国人防工程的使命

传统战争的胜负很大程度上取决于双方正规军事力量的对比,而进入21世纪,战争形态和冲突环境日益复杂,混合战争成为主要形式。通过对混合战争特点的分析,论证了人防工程在应对混合战争中所处的地位,以及人防工程需要在保障范围、应对手段和保障能力三个方面做出改进。并且论证了为应对混合战争所需新增的工程和设施类型、拓展的设施防御标准以及在提升平战结合标准和增加常备设施方面的要求。现有的人防工程对与混合战争的因对存在着诸多的不足,但通过增设少量类型的信息化设施和提升防御标准可以达到较高的应对标准,为国防力量提供坚实的支撑。     

基于神经网络Q-learning算法的智能车路径规划

针对智能小车行走过程中的全局路径规划和路障规避问题,提出了一种基于神经网络Q-learning强化学习算法,采用RBF(Radial Basis Function)网络对Q学习算法的动作值函数进行逼近,基于MATLAB环境开发了智能小车全局路径规划和路障规避仿真系统。与传统的以及基于势场的Q学习算法相比,所采用的算法能更加有效地完成智能小车在行驶环境中的路径规划和路障规避。仿真结果表明:算法具有更好的收敛速度,可增强智能小车的自导航能力。     

基于改进PH曲线的无人机路径规划方法

快速而有效的航路规划是无人机执行作战任务的基础。针对现有Pythagorean Hodograph(PH)曲线路径规划方法中仅对一条路径曲线进行优化问题存在的不足,提出一种基于改进PH曲线的多段路径的组合规划方法。该方法通过建立选择策略,改进多段PH路径合成方法,有效利用了PH曲线的曲率连续性和精确性,结合贪心算法的快速寻优特性,可以快速得到满足安全性、曲线连续和曲率连续的最优PH路径。仿真结果表明了该方法的合理性和有效性。     

燃料电池混合动力汽车分层能量管理策略

针对燃料电池混合动力汽车中燃料电池、电池、超级电容的能量分配问题,提出一种分层能量管理策略。该策略分为上下两层,上层依据燃料电池效率、电池SOC值和需求功率,设计基于规则的控制策略,优化燃料电池的能量输出;下层依据电池和超级电容特性,设计滑动平均滤波算法,使电池平稳输出能量。最后,在UDDS+HWFET工况下对该策略进行仿真,结果表明,与Advisor自带能量管理策略相比,该策略能更合理地分配能量源的能量输出,燃料电池效率提升0.17%,氢气消耗量减少4.37%。