Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm

To solve the problem of realizing autonomous aerial combat decision-making for unmanned combat aerial vehicles (UCAVs) rapidly and accurately in an uncertain environment, this paper proposes a decision-making method based on an improved deep reinforcement learning (DRL) algorithm: the multi-step double deep Q-network (MS-DDQN) algorithm. First, a six-degree-of-freedom UCAV model based on an aircraft control system is established on a simulation platform, and the situation assessment functions of the UCAV and its target are established by considering their angles, altitudes, environments, missile attack performances, and UCAV performance. By controlling the flight path angle, roll angle, and flight velocity, 27 common basic actions are designed. On this basis, aiming to overcome the defects of traditional DRL in terms of training speed and convergence speed, the improved MS-DDQN method is introduced to incorporate the final return value into the previous steps. Finally, the pre-training learning model is used as the starting point for the second learning model to simulate the UCAV aerial combat decision-making process based on the basic training method, which helps to shorten the training time and improve the learning efficiency. The improved DRL algorithm significantly accelerates the training speed and estimates the target value more accurately during training, and it can be applied to aerial combat decision-making.     

基于散射探测的鱼眼激光告警方法

分析了鱼眼激光告警系统的工作原理,建立了基于散射探测的鱼眼激光告警系统的探测模型,推导出系统的目标光斑成像公式及目标光斑到达探测系统的单像元能量公式,最后引用美国休斯飞机公司AN/TVQ-2激光目标指示器参数进行数值模拟分析,得出激光传输距离及鱼眼告警系统设置高度与探测器单像元能量的关系。     

基于转置卷积神经网络的翼型结冰冰形图像化预测方法

结冰问题严重影响飞机飞行安全,结冰智能预测是飞机智能防除冰系统设计和安全设计的重要依据和支撑.为解决复杂冰形在翼面同一位置的法线方向冰形厚度存在多值的问题,提出基于转置卷积神经网络的翼型结冰冰形图像化预测方法.设计预测模型的神经网络结构、损失函数、数据规范等,直接将影响飞机结冰的飞行和大气条件作为输入,以灰度化的冰形图...     

航天器交会型轨道追逃策略的滚动时域优化

针对航天器自由时域交会型轨道追逃过程中的测量误差等不确定性对交会的影响,提出了一种基于滚动时域优化的高时效策略求解方法。根据微分对策理论推导得到博弈鞍点控制策略,并对问题进行等价转换;通过预先离线求解开环鞍点策略,将问题初始状态和相应的解作为样本以进行神经网络训练,训练后的网络结构可以快速得到相应问题的近似解。为了更好地应对博弈环境中的测量噪声,基于神经网络结构设计了滚动时域求解框架,并通过周期性的滚动求解最终实现对逃逸航天器的交会。数值仿真表明,所提出的策略可以有效应对测量噪声不确定性,且相比于文献中已有的策略,计算耗时可从分钟级降至秒级。     

基于双光频梳及受激布里渊散射的微波频率测量

提出了一种基于双光频梳和受激布里渊散射的高精度微波频率测量方法,利用两个双平行马赫-曾德尔调制器将待测微波信号和扫描信号调制在两路光频梳上,并分别作为信号光和泵浦光输入色散位移光纤中。利用双光频梳和不断频移的扫描信号,系统可同时实现波分复用和时分复用。同时,在双光频梳和受激布里渊散射的作用下,系统可发生一系列的受激布里渊散射,通过测量各信道输出的光功率实现待测微波频率的测量。为进一步提升测量精度,利用测量得到的光功率值构建幅度比较函数,从而实现频率测量误差修正。通过实验仿真验证了所提方法的有效性,测量误差为±2.5 MHz。     

深度视觉语音生成研究进展与展望

为了进一步推进深度学习技术驱动的视觉语音生成相关科学问题的研究进展,阐述了视觉语音生成的研究意义与基本定义,并深入剖析了该领域面临的难点与挑战;在此基础上,介绍了目前视觉语音生成研究的现状与发展水平,基于生成框架的区别对近期主流方法进行了梳理、归类和评述;最后探讨视觉语音生成研究潜在的问题和可能的研究方向。