基于神经网络的防空武器目标智能分配方法

为满足现代防空作战高动态环境对武器目标实时智能分配的迫切需求,提出了一种基于神经网络的防空武器目标智能分配方法.首先综合考虑武器数量及拦截能力等要素,以毁伤效能最大为优化目标,建立武器目标分配问题优化模型;在此基础上,构建基于神经网络的武器目标智能分配框架,基于分配方案数据集训练武器分配决策神经网络,并通过神经网络预测...     

基于虚拟水势场的路径规划局部极小问题研究

针对路径规划广泛使用的传统势场法存在的局部极小问题,提出了一种基于虚拟水势场的解决方法.该方法源于自然界中的水流特性,在局部极小区域通过水域扩张和水域涨水逐步扩大和抬高水域的范围和高度,直到找到水域的溢出点;根据起始点和水域的相对位置关系,设计了沿水岸线走的逃出路径,并利用Bezier曲线对路径进行平滑.算法仿真表明:...     

基于“墨子”的空中拦截任务程序二次开发与仿真

现有墨子联合作战推演系统中的空中拦截任务规划程序不具备针对性拦截功能,无法满足实际需求,而手动指控较为繁琐,降低了仿真的可重复性。使用LUA脚本和事件机制,二次开发了一种空中拦截任务规划程序,细化并增强了指控功能,通过阶段性控制事件的关联,解决了探测信息的同步和实时分析。经仿真验证：该程序能够有针对性地、精准、自动地组织多个基地中的多种战斗机执行空中拦截任务,且能够在战斗机从接到任务到升空阶段调整作战任务。有效地减少了人为误差对仿真结果的影响,提高了仿真的可重复性和可信度,且对解决同类调派管理问题和军事人工智能的开发具有指导意义。     

多智能体系统指定时间双向编队控制

多智能体系统协同控制的收敛速率问题是当前系统与控制领域一个热点研究问题.结合指定时间控制思想,以一般线性动力学系统为控制对象,对多智能体系统双向编队问题进行研究.首先,利用庞特里亚金极大值原理,设计了指定时间双向编队控制器,双向编队指的是被分成两组的智能体最终以指定的编队队形、相反的方向进行运动;其次,通过运动规划算法...     

基于改进差分进化算法的多无人机航迹规划

针对已知三维环境下的多无人机动态路径规划问题,在多无人机协同方面基于参考路径长度以及威胁距离进行任务点规划,并根据实际环境设定了约束函数和适应度函数。在航迹规划算法方面则采用改进差分进化算法,将种群基于种群个体的适应度均分为两个子种群,选择不同的变异策略。仿真验证结果显示,改进差分进化算法得到的规划路径在路径长度、适应度值优于传统差分进化算法,可以生成路径更短且适应度值更优的航迹。     

基于分层目标任务网络的作战任务规划方法

为提高复杂非结构化作战环境下作战系统规划能力,提出一种新的分层任务网络智能规划方法 HGTN(Hierarchical Goal-Task Network),给出了HGTN的形式化定义,研究了HGTN规划算法,以及启发式搜索算法和目标推理规划算法。HGTN在HTN(Hierarchical Task Network)规划方法基础上,增加了目标任务和相关处理方法,具备基于目标的逆向推理机制。通过作战任务规划实例分析,HGTN规划方法相对HTN,能够提高规划的适用性和求解效率,符合作战决策推理的思维模式。     

反舰导弹“双一”攻击最大攻击角计算方法

针对反舰导弹"双一"攻击作战中航路攻击角的制订缺乏定量依据、飞行航路中转弯角影响考虑不足等问题,研究最大攻击角计算方法。从反舰导弹飞行航路的航路点数量、转弯角、航路点间距、航程等方面对约束条件进行建模;提出了以攻击角最大、航程最短为目标函数的双目标规划方法;分析了航路点间距、航路点转弯角之间的关系。最后仿真计算了航路点数量确定与变化两种情况下的最大攻击角。结果表明:随着航路点数量的增加,反舰导弹最大攻击角迅速增大,但对反舰导弹的航程提出了更高要求;若过度追求大攻击角,将难以发挥反舰导弹的射程优势。     

应召反潜条件下浮标阵型规划研究

以圆形阵和直线阵为例,在充分考虑目标态势的基础上,建立了应召反潜条件下的浮标阵型布放模型。给出了一种搜潜概率计算方法,并基于此对建立的阵型模型进行了仿真验证。仿真结果表明,所建立的阵型模型是合理的。     

一种基于混合算法的火力规划方法

针对战场上火力单元与目标数量较多的具有多约束的火力规划问题,提出一种采用贪心策略和改进遗传算法的混合算法求解不同复杂程度的火力规划方法。贪心策略用于优化初始种群以加快遗传算法收敛及在短时间内求解较复杂的火力规划问题。采用改进编码方式、杂交与变异算子的遗传算法处理约束条件,提高搜索效率,加快算法运行速度。仿真实验结果表明,混合算法可以在平衡求解时间与结果满意度的情况下求解不同复杂程度的火力规划问题。     

基于灰色滑模控制的火箭炮伺服系统仿真

新型火箭炮伺服系统的控制过程具有明显的非线性和时变特性,传统的PID控制是基于精确数学模型的控制方法,难以获得满意的控制效果。为了提高控制精度,在伺服系统中采用滑模控制与灰色预测相结合的控制方法,以减少参数变化和外部干扰对伺服系统的影响。通过MATLAB仿真表明,该控制方法削弱了滑模控制抖动对伺服系统的影响,提高了系统的鲁棒性和抗干扰能力。