影响信息战能力集群式创新的因素分析及对策

文章首次提出了信息战能力集群式创新这一概念,在给出其含义的基础上,分析了影响信息战能力集群式创新的内外因素,认为高新技术要素创新建设在信息战能力集群式创新中具有基础性地位,并对信息战能力集群式创新提出了基本思路和建议。     

基于GoTa系统的远程图像传输研究

远程图像传输技术在目前军队后勤保障的应用范围越来越广泛,对于军队后勤的可视化建设起着十分重要的作用。采用了一种满足窄带条件下远程图像传输要求的图像编码方法,提出了一个通过GoTa数字集群通信系统进行远程图像传输的方案,并对其稳定性、安全性等指标进行了详细的分析。探索了远程图像传榆技术在军事应用中存在的问题和改进的方法,为构建适合军队后勤保障的远程图像传输系统提供了科学依据。     

线性二次型及模型预测控制编队控制研究

多智能体集群作战是未来战场的重要形式.作为集群作战中的关键技术,编队控制有着广泛的应用.以编队控制律为研究目标,选择2种优化控制方法:线性二次型调节器(linear quadratic regulator,LQR)方法和模型预测控制(model predictive control,MPC)方法.针对圆形编队轨迹,采用...     

基于航迹消除与策略迭代的无人机集群区域目标搜索方法

无人机集群区域搜索在军事领域以及民用领域的搜救、巡逻、监测、环境勘测等方面有着广泛的应用,但如何保证不同场景下无人机集群搜索方法的效率问题依然是个难题。为了更好地解决搜索目标先验信息已知的无障碍区域内多无人机集群搜索航迹规划问题,提高无人机集群搜索效率,本文根据目标区域热度以及传感器探测概率等先验信息,提出了一种基于无人机航迹消除策略的概率计算方法,并在此基础上结合策略迭代算法动态规划无人机航迹,找到单个无人机航迹覆盖率最优策略;进而通过适当组合顺序实现无人机集群区域目标搜索整体覆盖率最优;最后,通过仿真计算验证了算法的有效性。     

基于改进强化学习的多无人机协同对抗算法研究

多无人机的作战协同研究内容主要包含飞行协同、侦察协同及干扰协同,随着无人机数量及协同决策内容的增加,多智能体强化学习模型的状态空间及动作空间维度呈指数增长,多智能体强化学习算法在训练中不易收敛,协同决策水平难以得到显著提升。采用并对多智能体深度确定性策略梯度(MADDPG)算法原理进行模型构建,在此基础上提出了一种选择性经验存储策略的多智能体深度确定性策略梯度(SES-MADDPG)算法。该算法通过设置回收存储标准以及选择性因子,对进入经验池的经验进行选择性存储,以缓解奖励稀疏的问题。仿真实验表明,在保证算法时间复杂度的前提下,SES-MADDPG算法比其他强化学习算法有了更好的收敛效果,相较于MADDPG算法,任务完成率提高了25.427%。     

基于雁阵变换的微型扑翼飞行机器人集群行为控制方法

为了解决微型扑翼飞行机器人集群编队目标搜索覆盖效率、避障通过性和多机控制等难题,实现扑翼飞行机器人集群编队的智能控制,提出了基于雁阵变换的扑翼飞行机器人集群行为控制方法。利用仿生集群行为控制函数的参数化特性,实现了飞行机器人编队的队形变换和角度控制;搭建了多扑翼飞行机器人实验系统,并在多种情况下设计基于仿生行为的多扑翼飞行机器人集群控制方法实验。最终的实验结果验证了方法的可行性和有效性。与传统的多飞行机器人实时控制方法相比,所提方法大幅提升了集群编队的搜索覆盖效率和避障通过率,在某些作业环境条件下,搜索覆盖率可提升50%以上,障碍通过率可提升60%以上。同时,创新点体现在将雁阵变换应用于多扑翼飞行机器人集群编队控制和将仿生集群行为控制应用于扑翼飞行机器人集群控制两个方面。     

无人机-无人车空地无人集群系统多任务协同控制

针对无人机-无人车空地无人集群系统多任务控制问题,开展了一种多任务协同控制的自适应鲁棒控制方法研究。首先,根据多任务控制问题的不同情况,确定系统的动力学模型及控制目标。其次,通过伺服约束的形式描述了被控系统需要遵循的约束,将多项控制任务所建立的约束进行整合,并建立约束跟随误差χ。随后提出了一种自适应鲁棒控制方法,并设计自适应律抑制系统中存在的不确定性,保证系统在复杂不确定性干扰下,仍具有较好的控制精度和系统稳定性。仿真结果表明,所提控制方法相比于LQR控制能够在较大不确定性影响下完成无人机-无人车空地无人集群系统控制中的多任务协同控制,不仅使相关各类误差在5 s内快速收敛至0,还能够使系统具有良好的控制性能。     

面向大规模集群并行I/O的用户层配置优化策略研究

近年来,大规模并行场景下的I/O性能越来越受到应用科学家的关注。影响应用I/O性能的关键因素主要有三个层次：包括应用的I/O接口实现、体系结构和文件系统组件的性能以及应用的I/O参数配置。本文从应用I/O配置优化的视角,分析了大规模集群并行I/O的配置调优空间,在此基础上,给出了一套大规模集群并行I/O性能特征测试分析方法,基于该方法,在某国产超级计算集群上开展了一系列I/O测试分析来刻画系统的I/O性能特征,进而指导并行应用程序的I/O配置优化。基于优化后的配置参数,在两类典型的并行I/O场景中,针对某类生产应用程序,8192进程下的重启动数据写操作时间下降了15%,4096核的程序作业加载时间从10分钟缩短到了5s。本文提出的I/O配置调优空间及优化方法,可以推广应用到其它同类系统平台,对于大规模集群上的用户层并行I/O配置调优具有借鉴意义。