针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。     

火箭出口面积对RBCC发动机引射模态影响规律分析

火箭基组合循环发动机引射模态飞行状态复杂,为了提高发动机的整体性能,研究了火箭出口面积对发动机引射模态的影响规律。通过数值模拟研究,引射流量在低飞行马赫数条件下,主要受引射性能影响,火箭出口面积越大,引射性能越好。然而,随着飞行马赫数的提升,引射空气的动能提升,隔离段内出现壅塞情况,引射流量主要受限于隔离段几何尺寸,与火箭出口面积无关。在亚声速工况下,火箭出口面积越小,发动机比冲越低,且出口无量纲面积为3.15时,火箭羽流膨胀撞壁,会引起性能骤减,需要予以避免;在超声速工况下,选择面积较小的火箭出口面积,燃烧室内压越高,发动机性能提升越明显。     

基于NFC的抗扰物联网监测系统研究与设计

借助于抗扰物联网技术,科技产业能够实现精细化管理、高效化运作。借助现代科技,基于NFC实现抗扰物联网监测系统的研究与设计。虽然我国当前已经逐步构建抗扰物联网通信系统,但其存在着布线难、操作难、数据传输难等阻碍问题,而据分析近距离通信技术构成的两级农业监测信息物联通信方案能够有效解决当前阻碍。因而通过设计Zigbee自组织网络改善系统内的各个模块的数据无线传输;在系统中纳入NFC技术,达到整个系统整体同移动终端的近距离无线传输,针对数据传输在检测中出现的干扰性较强的问题,提出运用捕获算法(PMF-FFT)。该算法融合了部分匹配滤波器和FFT技术,能够实现通信干扰对消除并比传统系统更加节约能源消耗。最终对基于NFC的抗扰物联网监测系统通过实践操作进行了验证。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

一种改进的地磁平缓区的地磁匹配算法

地磁匹配在磁场特征不明显的区域往往难以得到理想的匹配结果,在分析误匹配原因的基础上提出了一种改进的匹配算法。该算法先基于两个地磁矢量进行粗匹配,进一步缩小搜索范围,然后以地磁信息熵为目标函数,利用粒子群优化算法进行精匹配以提高磁场平缓区的匹配结果。算法尽可能少地引入地磁矢量,又保证了一定的匹配精度,兼顾了地磁基准图制图的复杂性与匹配精度。     

基于多群体改进萤火虫算法的装配序列规划

为了解决机械产品装配序列优化问题,提出了一种基于多群体改进萤火虫优化算法的装配序列规划方法。建立了装配序列规划的数学模型,针对萤火虫算法收敛效率低的不足,借鉴混合蛙跳算法族群划分思想对萤火虫算法进行了改进,引用局部搜索与全局信息交换机制提升了算法性能;根据装配序列规划问题离散型的特点,定义了新的离散编码方式和粒子更新策略。通过实例仿真结果表明,改进后的萤火虫优化算法简单有效、稳定性好、求解精度高,能够稳定快速地给出装配序列最优方案。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

基于混沌蚁群算法的云计算应用优化研究

以改进蚁群算法应用在云计算中的不足为目的,讨论了蚁群算法基本原理和云计算下应用的缺陷.提出一种适合云计算的混沌蚁群改进算法,该算法通过Logistic映射产生混沌量,根据混沌遍历性和有界性对蚁群算法初始路径进行混沌初始化,同时加入混沌扰动调整算法信息素更新策略,改进了蚁群算法收敛速度慢和易陷入局部最优的缺点.最后通过CloudSim搭建仿真云环境并进行算法调度实验,通过横向对比标准蚁群算法和Dijkstra算法,证明混沌蚁群算法在执行效率和相对标准差等方面优于其他算法,更加适合于云计算环境.     

基于量子双向RRT算法的多平台反舰导弹协同航路规划

针对反舰导弹航路规划面临的动态威胁环境和多平台协同打击问题,提出了一种基于量子双向RRT算法的反舰导弹协同航路规划方法。采用动态坐标设置动态威胁,实时地避开动态威胁;通过取预规划终点方法,实现对目标的时间和空间协同打击;结合量子进化思想,将RRT算法中的扩展方向量子化表示,提出了一种量子双向RRT算法,并应用于航路规划。仿真结果表明,该方法可有效规避动态威胁和解决多平台反舰导弹航路规划的协同问题,并显著地改善了RRT算法的全局收敛性,得到了航程更短的航路。     

基于蒙特卡洛法的无人机飞行冲突解脱安全评估

冲突解脱技术是无人机与有人机共域飞行的前提保障。针对目前缺少对冲突解脱技术安全评估的方法,提出运用蒙特卡洛法对飞行冲突进行仿真模拟,得出冲突解脱算法的安全效率。提出基于改进蚁群算法的冲突解脱技术,实现无人机的飞行冲突解脱;利用蒙特卡洛法,对飞行冲突过程进行大规模仿真,计算冲突解脱效率,与基本蚁群算法进行对比,并从安全角度对结果进行分析。提出的思路可为未来无人机空域运行安全评估体系的构建提供一种理论参考。