自动控制系统故障诊断技术的发展与展望

通过将自动控制系统的故障诊断分为基于数学模型的方法、基于信号处理的方法和基于知识的方法三大类进行讨论,得出了故障诊断技术的发展概况与发展趋势。进一步给出了故障诊断技术典型新应用,并指出了故障诊断技术中存在的问题和未来的研究重点。     

火力分配多目标优化的IBACO算法

应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。     

人工智能在各军事强国的发展

世界主要军事力量认识到人工智能这一新科技的影响力,并积极置身于这一新的发展机遇。文章从公开的报道的信息来源,整理分析中、美、俄、以四国的军事人工智能发展现状。研究表明,人工智能技术作为当今科技热点,正在以前所未有的方式影响我们生活的方方面面,也深刻的改变着军事领域的作战方式、作战理论。     

基于蚁群算法的Costas跳频信号自测速方法

分析了速度对Costas跳频信号回波的影响,用波形熵作为性能指标函数,研究了基于蚁群算法的Costas跳频信号自测速方法,仿真验证表明,这种测速方法能够明显提高测速的精度.     

基于动态自适应蚁群算法的航线规划仿真

蚁群算法是一种新型的基于群体的仿生算法,其在解决飞机航线规划问题中已经获得了较为广泛的应用。在传统蚁群算法的基础上提出了一种动态自适应调整信息素蚁群算法的航线规划算法,即在航线点搜索过程中对信息素强度Q值进行动态自适应调整,并将三维地形、雷达威胁等因素结合到算法中。仿真结果表明,该改进算法能够有效解决扩大搜索空间和寻找最优解之间的矛盾,帮助飞行员更快地规划出一条最优航线,为更好完成作战任务奠定了良好的基础。     

基于VD-AiNet聚类算法的空袭目标类型识别

针对防空反导作战中空袭目标类型识别问题,在分析空袭目标的主要类型、识别指标及其识别原则的基础上,将人工免疫算法中矢量距人工免疫网络聚类算法应用于抗体样本训练模块,并建立了抗体训练和目标识别的并行决策模型.最后进行了算例验证,结果表明了算法和模型的可行性和有效性.     

BP网络的优化及其在光纤陀螺温度漂移建模中的应用

针对BP网络存在易陷入局部极小和收敛速度慢的问题,采用遗传算法(GA)优化BP网络;采用混配的方法,对遗传算法进行了改进,克服了遗传算法中所存在的种群内过早收敛的缺点,并在光纤陀螺温度漂移建模中,取得了预测的效果。     

智能工具机系统结构

本文提出了一种面向PROLOG 的计算机系统,它采用传统计算机做为主机,后端机采用通用OPU 芯片和支持PROLOG 高速执行的专用硬件。该系统结构简单,性能高。性能模拟表明,该系统具有500KLPS 的逻辑推理速度和17MPS 的数值计算速度。     

用于军事态势估计的协作知识模型

分布式人工智能（ＤＡＩ）是ＡＩ领域的一个新分支。ＤＡＩ研究的主要目的在于分析和设计大型复杂的协作智能系统。本文以军事智能决策过程中的重要环节──态势估计任务为背景,提出了用于实现分布式协作求解的知识表示框架ＤＥＳＷ系统。文章简要分析了军事态势估计领域背景,然后从系统设计的三个方面依次介绍了ＤＥＳＷ的系统组织模型、主体概念模型和分布式协作推理模型。     

人工神经元网络及其在火力控制中的应用

介绍了人工神经元网络的发展历史,简述了人工神经元的基本特征和分类,分析了人工神经元网络在火力控制领域中的应用前景。