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。     

改进IAHP-CIM模型的雷达组网探测能力评估方法

针对雷达组网探测能力的评估问题,采用鱼骨图法对影响雷达组网探测能力的多种因素进行梳理,得到结构层次清晰的指标评价体系。采用改进的区间层次分析—控制区间和记忆模型对该指标体系进行评估,具体方法是:运用区间层次分析法构造区间判断矩阵;利用蛙跳算法求解区间判断矩阵中满足最小一致性的确定性矩阵;利用控制区间和记忆模型来确定各指标的风险概率,实现指标体系的评估。以具体的案例为对象进行仿真实验,结果表明,所提评估方法有效,评估结论相对客观、可信,对雷达组网探测能力评估具有一定参考价值,从而为雷达组网的优化部署奠定良好基础。     

采用多敏感器相互校正的卫星入轨姿态计算方法

针对卫星与运载分离后,由于星上姿态测量敏感器未开机或不具备工作条件而无法获悉初始入轨姿态的问题,设计了采用多敏感器相互校正的入轨姿态计算方法。建立运动学方程,结合陀螺测量角速度信息和星敏感器首次测量有效姿态,采用信赖域方法进行非线性优化求解,由后向前反向推算姿态;提出一种由模拟太阳敏感器测量对日姿态到对地姿态转化的便捷方法,由模拟太阳敏感器测量对日信息,采用本体系太阳矢量与星敏感器测量信息建立联系,达到了利用太阳敏感器测量信息校正星敏感器推算姿态的目的,最终得到的星箭分离时卫星姿态信息能够与运载方信息吻合。将入轨后卫星真实姿态与地面模型仿真结果对比,验证了模型的正确性,为后续卫星设计和飞行程序设计与改进提供了重要依据。     

模糊聚类法改进异类传感器航迹关联北大核心

针对ESM与雷达的异类传感器航迹关联的准确性问题,提出了一种基于模糊聚类方法的异类传感器航迹关联算法。首先,将测得的航迹看作方位信息的时间序列,由不同航迹最终构成一个时间序列集合;再以当前时刻与历史时刻为模糊因子进行相似计算并得到模糊相似矩阵,并求得模糊等价矩阵;最后采用全局最优的判别准则确定航迹关联对,达到航迹关联的目的。仿真结果表明,基于模糊等价关系的异类传感器航迹关联算法能够有效提高ESM与雷达的航迹关联性能。     

模糊聚类的多雷达航迹关联算法北大核心

为了解决传统滤波跟踪算法对多雷达航迹预测定位误差较大的实际问题,通过对基于关联矩阵的聚类算法进行分析,提出了基于模糊聚类多雷达、多目标航迹定位跟踪仿真模型提出改进的矩阵聚类算法,并且与传统滤波跟踪算法做对比分析。实验结果表明,所提算法的性能在时间和空间上有所提高。较之传统算法精度较高,运算效率亦有所提升。     

决策树报文分类算法

报文分类是网络的基本功能,研究人员在过去二十年提出了众多解决方案,其中决策树报文分类算法由于吞吐量高、适用于多字段、可流水线化等特点受到了广泛关注和深入研究。本文介绍了决策树算法最新研究成果,阐述了决策树报文分类算法的几何意义、常用技术和测试基准,从节点切割技术和规则集分组技术两个维度对决策树算法进行了系统分析和归纳。针对两类常用的决策树构建技术介绍了其中的典型算法,对比了各种典型算法的设计思路和特点,分析了它们的适用场景。总结并展望了决策树算法的下一步研究方向。     

全隐LU-SGS算法在高超声速热化学非平衡流刚性问题中的应用

在高超声速热化学非平衡流动计算中,当地气体能量松弛时间、化学反应特征时间与流动时间推进步长量级差异过大会带来严重数值刚性问题,且在高雷诺数条件下,壁面、拐角等强干扰区网格加密使得该问题加剧,导致初始最大CFL数极小,收敛速度缓慢.原始LU-SGS算法仅考虑化学反应源项和对流项的隐式处理,通过推导黏性项Jacobian矩...     

无线传感网络中基于Dijkstra算法的分簇路由

无线传感网络（Wireless Sensor Networks,WSNs）的网络寿命与节点的能耗直接相关。分簇路由是缓解节点能耗速度的有效措施。但是若分簇路由所选择的簇头位置以及数据传输路径的不合理,会加剧节点能量消耗,缩短网络寿命。为此,提出一种基于Dijkstra算法的分簇路由（Clustering Routing-based Dijkstra,CRBD）。CRBD路由先利用节点的剩余能量及离汇聚节点距离信息选择部分节点作为簇头,并禁止拥塞节点担任簇头。利用贪婪启发式算法构建簇。利用Dijkstra算法构建簇头间的最短路径,缓解簇头的能量消耗。仿真结果表明,相比于基于改进萤火虫聚类的能效路由（Energy Efficient Routing based on Improved Firefly Clustering,EIFC）,CRBD路由中节点的平均能耗下降了约12.3%,并且CRBD路由的数据包传递率保持在85%以上。     

一种针对坦克速度控制的深度强化学习算法

坦克的无人化将成为作战装备的未来研究方向之一,针对坦克无人驾驶如何提高智能体训练速度是当前深度强化学习领域的一大瓶颈,提出一种最近经验回放的探索策略来对传统的软行动者-评论家算法（soft actor-critic,SAC）进行改进,在训练阶段,赋予最近经验更大权重值,增大其采样概率,从而提高了训练的稳定性和收敛速度。在此基础上,基于应用环境以及作战任务设计奖励函数,提高算法的战场适用性。构建具体作战场景,对改进的算法与传统算法进行对比,结果表明,提出的算法在坦克速度控制上表现出更好的性能。