集群智能算法综述

集群智能领域的研究正呈爆炸趋势增长,每年都有无数新的集群智能算法以及改进算法被提出,这些算法在各自的领域内都扮演着相当重要的角色.从集群智能算法的特点与待解决问题出发,首先介绍集群智能算法的概念及部分经典算法,重点介绍粒子群算法与蚁群优化算法的主要思想;然后根据不同集群智能算法在不同应用问题的差异表现,对当下的几个热点...     

不确定失效阈值影响下考虑设备剩余寿命预测信息的最优替换策略

为了进一步提升设备维修决策的科学性,通过建立综合设备剩余寿命预测数据与不确定失效阈值的最优维修决策模型,实现了不可维修设备的最优替换策略.构建基于非线性Wiener过程的设备性能退化模型,并采用极大似然法估计退化模型参数;提出一种基于期望最大(Expectation Maximization,EM)算法的不确定失效阈值...     

基于PMC模型的神经网络

在计算机系统中有许多诊断算法,其中针对PMC模型有0-1规划的诊断算法,这个诊断算法是NP完全的,是在多项式时间内不可解的。然而利用神经网络的高度并行性这个特点,就可以在很短的时间内解出结果。主要分析了系统诊断模型PMC的症候特征,得到其充要条件,提出了新的算法,该算法具有高度的并行性,神经网络的发展为此提供了用模拟电路来实现算法的可能性,并进行了模拟验证。     

捷联惯导位置更新中的多子样算法

以地理坐标系作为导航坐标系,推导了捷联惯导位置更新中的位置增量算法;提出了基于曲线拟合的多子样(二、三、四子样)涡卷补偿算法和位置旋转补偿算法.仿真结果表明,二、三、四子样涡卷补偿算法和位置旋转补偿算法都能有效地计算出涡卷补偿和位置旋转补偿值,并且二、三、四子样涡卷补偿算法和位置旋转补偿算法的精度依次提高.     

ABDARDSS中基于候选消除学习算法的知识推理

飞机战伤评估和修理的知识表示与推理机制,是建立飞机战伤评估与修理决策支持系统(ABDARDSS)需要解决的一个关键问题.采用一种候选消除算法来提取战伤评估与修理样本数据的变型空间,以变型空间实现战伤评估与修理决策支持系统中的知识表示和推理.对于ABDARDSS来说,候选消除学习算法是一种新的有效的知识推理方法.     

基于WOA-Elman快速推测火炮射击高空风参数研究

为了缩短高空气象数据获取时间,提高战时火炮射击时弹道诸元解算速度和精度,利用地表气象数据推测高空气象数据是目前重点研究方向之一,采用鲸鱼优化算法(WOA)优化Elman神经网络法的权值,对高空气象风按照气压层进行递推,以获得更好的推测精度。通过气象误差标准分析和基于实验实测弹道数据的仿真分析2种方法,对所获高空气象数据精度进行评估分析,分析结果表明利用WOA-Elman神经网络法可快速有效地对高空气象进行递推预测。     

多无人机协同空战任务规划仿真系统

面向多无人机协同空战任务规划方法性能验证的需求,开发了一种基于VR-Forces仿真引擎的多无人机协同空战任务规划仿真系统,对该仿真系统的总体架构、红方子系统、蓝方子系统、白方子系统和强化学习算法训练子系统进行了设计。对算法库、强化学习算法训练和人机交互等关键技术提出了针对性的解决方案,提升了该仿真系统的稳定性、可扩展性和功能性。利用该仿真系统对多无人机协同空战目标分配、重决策算法等典型任务规划方法进行了测试和仿真实验。结果表明,所开发的仿真系统可以很好地支持多无人机协同空战任务规划方法的测试和验证。     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

武器装备系统数字孪生技术

介绍了数字孪生技术的起源及概念,分析了数字孪生系统与平行系统/仿真推演系统等区别,针对数字孪生在武器装备系统中的应用,进行了技术框架和应用框架设计,并提出了武器装备系统数字孪生在装备感知、模型构建、系统集成、评估预测、交互控制五大领域的关键技术,给出了武器装备系统数字孪生发展在理论及实践方面的启示,以期对武器装备系统中数字孪生技术的应用提供技术支撑。     

基于CE-QPSO算法的联合火力打击方案智能优化方法

针对联合火力打击方案优化“既快又精”需求难题,设计了CE-QPSO算法,提出了基于该算法的联合火力打击方案智能优化方法。该算法充分结合了交叉熵算法良好的全局寻优能力和量子粒子群算法高效运行的特点,通过构建离散概率矩阵,使粒子的不确定性运动更具方向性,提高了粒子的协同寻优能力。实验结果表明：基于该算法的联合火力打击方案智能优化方法能够有效提升联合火力打击方案的优化效果和优化效率,且相比于标准交叉熵算法和标准量子粒子群优化算法具有明显优势。