战术指挥情报终端的插件式软件框架设计

复杂多变的现代战场环境要求指挥信息系统在满足基本作战需求的前提下,还应具备功能的高可伸缩性。以该军事需求为牵引,提出了一种以开源跨平台开发库Qt为基础平台的、基于微内核思想的QPAF插件式软件框架设计方法,深入阐述了QPAF的系统架构、插件扩展及管理机制以及框架运行机理,详细介绍了QPAF及其插件的实现方法。在某边境防务战术指挥情报终端的应用结果表明,QPAF框架设计方法同时兼顾了系统的稳定性与灵活性,使软件具备了很强的动态演化能力。     

坦克实体智能机动路径模型

根据坦克机动作战的一般原则,首先对影响坦克实体机动的因素进行了分析和合理的假设;充分考虑战术模拟中的实际情况,将数字地图中各点间的空间距离转化为以各点间机动时间为权边的网图,通过求任意两点间的最短距离的方法,建立坦克实体机动最短时间路径的数学模型。并给出了人工智能算法,把问题求解过程简化,从而解决战术模拟系统中智能机动中的路径选择问题。     

基于路径规划的敏捷卫星姿态机动反馈控制方法

为了避免奇异状态,单框架控制力矩陀螺(SGCMG)操纵律要求框架角进行快速转动,需要消耗较多的能量,并会对SGCMG和卫星系统带来一系列潜在危害。针对该问题,提出基于路径规划和反馈控制相结合的姿态机动控制方法。根据固定时间姿态机动的任务需求,以能量为优化指标,采用伪谱法优化机动路径并回避奇异状态;将最优控制量作为参考数输入,并利用基于系统限制状态的反馈控制方法消除不确定性和扰动的影响。反馈控制基于名义输入进行数值积分得到的预测状态量,并与期望终端状态比较形成控制误差信号。该方法将卫星和SGCMG作为整体规划姿态运动,能够有效避免奇异状态。结合工程实际,在闭环控制仿真中考虑了卫星角速度和SGCMG框架角的初始偏差。仿真结果表明:本文算法能够有限避免奇异状态,且能消除初始姿态角速度和框架角不确定的影响。     

单框架控制力矩陀螺部分失效时的空间站姿态机动方法

对金字塔构型单框架控制力矩陀螺(SGCMG)的失效特性进行分析。结合SGCMG部分失效的特点,构建运用Legendre伪谱法的重规划姿态机动路径求解方法。考虑SGCMG失效情况的不可预测性,设计自适应操纵律,该操纵律可以根据指令力矩与输出力矩的偏差对SGCMG的失效情况进行诊断,从而调节操纵律的内部参数,实现失效情况操纵律的自适应调节。仿真结果表明,采用姿态机动路径重规划算法与自适应操纵律,在控制力矩陀螺部分失效的情况下,仍可以实现空间站的大角度姿态机动。姿态机动方法可以有效应对空间站大角度姿态机动过程中可能出现的SGCMG部分失效情况,从而提高空间站姿态机动任务的安全性与可靠性。     

坦克分队快速机动协同控制系统构想

作为一体化联合作战体系中重要的陆基栅格节点,坦克分队的快速机动能力对于顺利完成机动突击任务具有重要影响,而坦克分队的机动协同控制则是实现分队快速机动的关键。首先提出一种坦克分队协同控制系统架构,然后对该架构的组成及关键技术进行了探讨和分析,期望有助于提升新型坦克分队的快速机动能力。     

基于自适应二阶终端滑模的航天器有限时间姿态机动算法

针对航天器有限时间姿态机动问题,提出一种自适应二阶终端滑模控制算法。设计一种终端滑模面,保证系统状态能够在有限时间内沿滑模面收敛到系统原点;为克服系统抖振,设计了二阶终端滑模控制器,并采用参数自适应估计项补偿系统中的外部干扰力矩。基于Lyapunov函数法证明了二阶自适应终端滑模控制器能够保证闭环系统实际有限时间稳定。仿真结果表明,提出的姿态机动算法响应速度快、精度高,能够有效实现对系统抖振和外部干扰的抑制,具有重要的科学意义和工程应用价值。     

群决策理论在多机协同空战机动决策中的应用

针对近距空战中多架战机对空中的多个敌对目标进行协同攻击的机动决策问题进行了研究。将群决策理论引入多机协同空战机动决策,首先确定了决策成员与候选方案,然后基于战场态势评估提出了采用风险决策准则的偏好排序确定方法,给出了集结偏好的序数型群决策方法。在不同空战想定条件下进行仿真,结果表明,该方法合理、可行,具有良好的应用前景。     

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.     

基于空基平台的TBM助推段拦截可行性分析

为了研究对TBM目标进行空基助推段拦截的作战可行性,设计了空基反TBM的拦截作战过程。在此基础上,从拦截时序、拦截作战距离、拦截方式和拦截弹末速度要求、拦截时空综合等4个方面详细分析了空基助推段拦截TBM的可行性,同时建立了拦截可行性分析计算模型;最后,对拦截可行性进行了仿真验证。从而为空基反导武器装备发展和作战使用研究提供了重要的参考依据。     

海上机动目标打击效果评估决策支持系统设计

针对海上机动目标打击效果评估的特点,运用遥感技术、人工智能技术和模糊评判的方法探索打击效果评估问题。提出一种基于高分辨率遥感图像的打击效果评估决策支持系统,融合人定性分析和机器定量分析的优点,核心是问题处理系统综合运用处理后的遥感信息和支持系统的模型、知识以及数据来评估打击效果,评估模型为二级综合评判模型。对尚处于理论研究阶段的海上机动目标打击效果评估问题有积极的参考意义。