超空泡航行体深度跟踪串级控制策略

针对空泡与航行体之间非线性滑行力导致的超空泡航行体稳定性问题,提出了基于圆判据理论和Nelder-Mead算法的超空泡航行体深度跟踪串级控制方法。介绍了超空泡航行体数学模型以及圆判据定理基础知识。结合模型特性推导了超空泡航行体串级误差状态方程,利用圆判据定理研究了内环绝对稳定性。通过Nelder-Mead算法对内环反馈参数进一步优化。仿真分析结果表明：所提控制方法便于反馈参数整定,可以充分利用超空泡航行体的控制量实现深度跟踪。     

基于分组优化改进粒子群算法的无人机三维路径规划

针对粒子群算法在解决三维路径规划问题中遇到的过早成熟、陷入局部最优等问题,借鉴鸡群算法中的分组优化策略,对粒子群算法中的粒子进行分组处理,并在小组粒子更新时采取模拟退火操作,提高了粒子群算法的局部搜索能力,有效避免了陷入局部最优和早熟的现象。利用MATLAB进行实验仿真,验证了使用鸡群分组优化策略和模拟退火操作改进后的粒子群算法在解决无人机三维路径规划问题上的可行性和有效性,实验结果表明,改进后的算法具有更强的局部搜索能力且规划的航迹稳定性更好。     

动态协同空战攻击决策问题研究

攻击决策问题是协同空战领域研究的核心问题之一,通过优化战机武器资源配置,以提高战机协同作战效能。针对动态协同空战攻击决策问题,系统分析空战环境的动态性,将空战动态划分为连续动态和离散动态,并建立多约束条件下动态协同空战攻击决策优化模型;设计了空战环境变化监测策略和种群多样性策略,通过迭代窗的设置,基于离散粒子群算法,提出了一种基于滚动迭代窗的启发式变异离散粒子群算法的动态协同攻击决策方法。通过仿真实验验证了所提方法能够在连续和离散动态条件下合理地规划协同空战攻击决策。     

基于双层规划的机载预警雷达电源配置优化

针对机载预警雷达电源系统的整体配置问题,考虑电源架构与电源组件之间的相互影响,以最小化系统功率损耗和组件总质量为目标,建立机载预警雷达电源的双层配置规划模型。具体地在模型外层实现供电架构的合理优化,在模型内层完成电源组件的精细化选型。最后结合工程实际,通过定向蝙蝠算法与整数线性规划相结合的方法来求解该双层规划配置模型,结果验证了所提方法的有效性。     

基于改进知识推理的联合打击目标关联推荐

联合作战指挥中,如何针对指挥员的选定打击目标,由指挥系统后台智能推荐符合指挥员倾向意图的关联目标,是亟待解决的实际问题。利用目标实体之间的隶属关系,构造符合战场信息传播原则的多元实体及关系集,引入知识图谱推理的向量优化技术补全目标超网络的隐藏关系,进而构建打击目标超网络体系并实现打击目标的关联推荐。最后通过仿真实验对比分析了改进方法与常规超网络分析方法的异同,探讨了方法的正确性和优越性。方法并未使用专家主观评分法,用知识推理取得了和其他同类方法相似的体系价值评分结果,在智能化的目标关联推荐和作战辅助决策中具有较好的应用前景。     

基于AdaBoost-PSO-BP的舰船维修费预测方法

针对舰船装备维修费影响因素复杂、预测结果不稳定等问题,构建了AdaBoost-PSO-BP的舰船维修费用预测模型。引入机器学习中的方法,针对BP神经网络在较小样本规模的情况下精度不高的问题,采用粒子群算法和早期停止法,确定了最佳参数,消除了过拟合现象,并通过AdaBoost将BP神经网络优化集成,提升了模型的准确度和稳定性。实例验证了该模型的实用性、科学性和有效性。     

防止从井底走向茧房

信息化战争时代,海量数据成为基层指战员研究的富矿,特别是随着军事科技快速发展、战争形态日趋复杂,智能化作战倒逼指战员进行“头脑风暴”,对战争的认识已不再是“井底之蛙”。然而,军事智能化会带来作战体系碎裂破解、数据信息短时空积聚、个性化推荐算法滥用等问题,加之很多指战员囿于自我认知局限、疏于学习战争前沿、惑于真假内容甄别,面对海量同质数据信息很容易跌入“茧房”陷入自缚。     

采用改进Sage-Husa自适应滤波的运动目标三维定位方法

提出不依赖于测距信息,利用两架基于视觉的无人机对运动目标进行三维交会定位的方法。采用多模型交互方法实现在不预知目标运动模式的条件下对运动目标的实时定位;采用改进的Sage-Husa自适应滤波算法,综合协方差匹配技术和正定性判断,提高了定位精度。为评估这些方法的性能,模拟真实观测条件进行仿真。结果表明,提出的方法可以实时对运动目标的三维坐标进行估计。改进的Sage-Husa自适应滤波算法可以显著提高定位精度,在90°观测夹角下,平均估计误差从27.13 m降低到14.62 m。仿真研究了两无人机观测夹角对定位的影响,结果表明:过小的夹角不利于定位精度的提高;较大的夹角对无滤波定位方法有较好的效果,但对基于改进的Sage-Husa自适应滤波算法的定位方法影响并不明显。     

自适应控制中的Hartley块算法及实验

针对小波包自适应控制子频带内包含大量卷积和相关运算导致算法收敛速度慢的问题,提出基于Hartley块的小波包滤波最小均方算法。将快速Hartley变换引入块算法,实现频域内快速卷积和相关运算;在子频带内应用Hartley块算法生成控制信号,通过重叠保留法提出基于Hartley块的小波包滤波最小均方算法;通过仿真和实验研究了定频和扫频两种工况下的隔振性能和控制效果。结果表明,基于Hartley块的小波包滤波最小均方算法不仅可以大幅缩短收敛时间,还能显著提高控制精度,且鲁棒性和稳定性良好,能够很好地应用在工程实际中。     

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。