预防性维修工作组合优化

针对单部件的维修间隔期无法反映系统的维修最佳间隔期这一问题,对装备各部件在各修理级别上的预防性维修任务组合情况进行探索。通过建立费用模型、可用度和风险模型作为决策模型,用以组合某一修理级别各部件的维修工作,得出系统预防性维修间隔期,并结合部队实际优化从系统的角度优化等级维修中的维修工作间隔期,为确定大中小修工作提供科学、合理的理论指导。该算法在区分各修理级别的维修能力的基础上,能较好地对各修理级别的维修工作组合情况进行了优化,实例验证了模型的实用性和有效性。     

GPS接收信号中线性扫频干扰的抑制

研究了阵列接收的GPS接收信号中线性扫频(LFM)干扰的抑制问题。LFM信号瞬时频率的估计是抑制干扰的关键,而要准确估计信号瞬时频率,必须抑制接收信号时频分布中交叉项干扰。本文对接收信号矢量进行白化,得到信号矢量白化后的空时频分布(STFD)矩阵。文中推出一个与传统方法获得的判决变量不同的判决变量,用该判决变量可以更加清晰地选出LFM信号在时频分布中的自项。根据时频脊点的分布估计LFM信号频率参数以及信号瞬时频率,之后即可根据瞬时频率构建陷波器滤除干扰。仿真表明该方法能够将受交叉项严重干扰的接收信号时频分布映射为清晰的接收信号自项的时频分布,在数据快拍数满足一定要求时可以很好地抑制掉LFM干扰。     

战时装备维修保障资源优化模型

维修资源在抢修过程中的分配决定了抢修活动的平均处理时间和等待时间,针对抢修实施时维修资源的分配,研究资源的优化配置使抢修时间最小的问题.在抢修过程中使抢修时间最小的目标和约束条件下,提出了资源配置优化的排队模型,并结合遗传算法给出了求解最优配置模型的方法,通过实例分析说明了模型和方法的应用情况.资源配置优化模型和算法已成功应用于集群装备保障决策系统的开发.     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。     

LCDP SO算法在协同空战攻击决策中的运用?

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

多武器系统的火力分配模型

目前对于单一兵器火力分配问题的解决方法比较成熟,然而由于在现代防空作战中,经常是多种类型的兵器联合进行防空,故需要对多种不同类型的兵器的火力分配问题进行探讨。这里针对多种不同类型的兵器毁伤多个目标的问题,建立了数学模型,进行了深入的探讨。按照模型的特殊性,定义了映射、邻域和连通的概念;同时针对模型,将遗传模拟退火算法进行了一定的修改,并利用此算法对模型进行了最优化求解。最后,实例的计算结果表明该算法对于模型的求解具有较好的收敛性。     

运用模糊数学结合层次分析法对后勤管理决策进行定量分析

后勤管理决策的科学性、可靠性直接关系到后勤管理效果的好坏。由于后勤管理决策受决策人员个人经验和主观倾向影响较大,因此,为使后勤管理决策更加科学、可靠,根据决策评定的满意准则,运用模糊原理确定决策人员对后勤管理满意程度的隶属度,结合层次分析法确定各因素之间的相对权值,对后勤管理决策方案的满意程度进行定量计算,得出决策方案整体评价指标,辅助后勤管理人员进行后勤管理决策,从而使后勤管理决策更加科学、客观、可靠,提高后勤管理效益。     

信息化战场中基于智能体聚类的信息处理

研究了信息战条件下信息的处理问题,通过分析信息化战场条件下战场环境和人员的特点,提出了一种基于智能体聚类的信息处理方法,通过该方法来实现战场信息的通信、传输、交换从而协助指挥员决策。该方法的特点是可以根据战场的环境进行聚类,降低了信息的复杂度从而保证及时有效地传递消息。该方法通过智能体平台实现,具有一定智能性并减少了指挥员的决策难度,对指挥自动化而言是一个很好的实例。     

导弹突防后弹道机动调整策略强化学习

针对弹道导弹中段突防后飞行弹道与标准弹道产生较大偏离的弹道机动调整问题,建立了机动调整时机策略最优化模型。设计了机动调整逆序Q学习算法,采用Tile coding逼近器编码状态特征空间,并对其进行线性逼近。构建了Q学习算法与蒙特卡罗方法相结合的逆序更新策略机制,以对导弹机动调整最优时机进行训练。仿真测试分析结果表明,在给定场景参数下,通过10 000代强化学习算法训练得到的策略能够可靠地使用最少机动次数控制导弹突防后飞行弹道的调整决策,验证了方法的有效性。     

INTELLIGENT DECISION ALGORITHM FOR FAULT DETECTION AND ITS APPLICATION

ＩＮＴＥＬＬＩＧＥＮＴＤＥＣＩＳＩＯＮＡＬＧＯＲＩＴＨＭＦＯＲＦＡＵＬＴＤＥＴＥＣＴＩＯＮＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮＷｕＪｉａｎｊｕｎ;ＺｈａｎｇＹｕｌｉｎ;ＣｈｅｎＱｉｚｈｉ（ＤｅｐａｒｔｍｅｎｔｏｆＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｙ,...