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。     

含脉冲负载的综合电力系统储能优化配置研究

考虑到舰船环境限制和高能脉冲负载对储能的需求,有必要对储能装置进行合理的选型和优化配置,来提升综合电力系统性能。为此,基于带权极小模理想点法和层次分析法,提出了一种储能装置性能评价函数,并以其为优化目标,进行储能装置优化配置。所提出的评价函数充分考虑系统需求和脉冲负载特性,以储能装置体积、质量和经济性作为评价函数主要组成部分,同时考虑功率、能量、电压、荷电状态等约束,建立优化配置模型,并采用差分进化算法进行求解。以高性能锂电池和超级电容器为例,对所提模型进行求解计算,结果表明在所给权重系数下锂电池性能更优,更适用于综合电力系统,并给出了优化配置后的指导方案。     

考虑战损件回收再造的战场军需备件供应优化研究

在考虑军需备件需求和战损件修复不确定性的条件下,研究了战场上军需备件供应优化问题,建立了优化问题的数学模型,证明了模型的凸函数特性,给出了模型的最优解析解计算方法.     

网络战对作战的影响及对策

网络战作为一种新的作战形式引入作战领域,越来越受到各国重视,并已成为世界各国争相研究和重点建设的作战样式。文章从网络战的特点入手,针对网络战对作战影响进行了探讨,并从构建网络体系、研发武器装备、重视人才培养和加强训练演练四个方面阐述了强化军队网络战的对策措施。     

和平时期网络舆论战的特点及对策刍议

作为一种软杀伤性的政治攻心战,网络舆论战已成为信息化条件下体系作战的一种重要作战样式。和平时期网络舆论战具有其鲜明的特点,即舆论传播的隐秘性和受众的广泛性,信息传递的迅速性和受众的自组织性,信息的海量性和受众注意的易转移性。对此,应积极利用互联网争夺意识形态领域的主导权,积极参与网上讨论并注意引导网络舆论风向,加强网络舆论战技术装备和人才队伍建设,为打赢信息化条件下的网络舆论战打下良好基础。     

装备保障综合演练风险分析

采用工作结构分解(Work Breakdown Structure,WBS)和风险结构分解法(Risk Breakdown Structure,RBS)对装备保障综合演练全过程的风险及其风险因素进行了系统分析,得出了装备保障综合演练过程中存在的7类风险、24种风险因素;运用网络层次分析法(Analytic Network Process,ANP)对各种风险及其风险因素进行了评估,得出了其对装备保障综合演练风险影响的权重及排序。研究结果可为装备保障综合演练顺利开展,确保人员、装备安全提供参考。     

基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

基于Monte Carlo的军事物流结点可靠性评估方法

军事物流网络结点是构成军事物流网络的基本要素。战场环境瞬息万变,结点的可靠性往往受许多不确定因素的影响,计及不确定因素的评估方法可以更客观、真实地评估结点的可靠性。基于此,提出了刻画物流结点可靠性的评估指标体系,建立了计及不确定因素的军事物流结点可靠性评估模型,给出了Monte Carlo求解算法。对影响结点可靠性的因素进行了分析,在此基础上提出了改善军事物流结点可靠性的措施。以某战役级军事物流网络为例进行算例分析,验证了该方法的可行性和正确性。     

弹药物资储备布局规划仿真模型＊

介绍了当前弹药物资储备布局规划的现状,对其涉及的要素进行分析,构建了弹药物资储备布局规划网络模型。在此基础上提出了分析模型,将弹药物资布局规划求解问题描述为有约束条件的多目标优化数学模型,解决了各仓库弹药存储量难以预测的问题,并通过实验进行了验证分析。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。