超视距多机协同多目标攻击系统研究

首先在BVR多机协同多目标攻击系统中使用了自主优先权和协同优先权,采取了分组决策的方案,然后用BP神经网络完成目标分配,SOFM神经网络完成攻击排序,采用神经网络实现了决策算法,并对整个决策系统进行了仿真;然后,在原始态势数据的基础上计算了导弹攻击区,用比例导引法实现了空空导弹攻击.最后设计了BVR多机协同多目标攻击系统,将空战决策,导弹攻击区判断,导弹攻击融为一体,并进行了仿真.结果验证了决策的正确性.本文工程背景强,所得的仿真结果可供工程设计时参考.     

群机协同空战中的多目标攻击决策模型研究

分析了群机协同空战中，多编队、多机分步协同作战的特点，提出分层递阶的协同多目标攻击决策模型，将问题分解为战役层兵力指派和战术层多目标分配决策，并分别设计了战役层和战术层的决策模型。建立了通用空战态势评估和能力评估模型，通过对战役层和战术层作战单元的抽象和评估模型参数的设置，可将该模型应用于两个不同层次。最后给出了仿真算例，验证了该模型的可用性和有效性。     

编队协同对地攻防对抗多级动态决策方法研究

针对编队协同对地攻击的攻防对抗系统的强对抗性、多目标性和多层次性,运用军事对抗的动态状态空间模型,建立了主从递阶互动决策模型——Nash-Stackelberg-Nash决策模型,重点解决军事对抗中寻求多级动态决策的联合最优策略问题。仿真结果表明,该决策模型应用于编队协同对地攻防对抗决策系统,良好的解决了两级对抗动态决策问题,并达到了较好的作战效果,能够为作战对抗提供有力的战场分析依据。     

无人机集群网电攻击行动协同目标分配建模

以一体化综合防空系统中的雷达为作战对象,从体系对抗的高度研究了无人机集群网电攻击行动协同目标分配的思路与方法,并以目标重分配规则与有人机/无人机协同规则为重点构建了基于协同目标分配规则的协同目标分配模型。然后研究了基于智能优化算法的协同目标分配模型求解方法,运用混合离散粒子群优化算法模拟有人机目标分配,运用基于协议规则算法模拟无人机目标分配。最后进行了仿真实验测试,实验结果证明了协同目标分配模型的有效性,并反映了集群自组网状态对于集群作战效能的重大影响,为无人机集群以及反无人机集群的战法设计提供定量依据。     

多机载平台多目标跟踪与辐射控制

针对作战飞机编队多目标跟踪中的辐射控制问题,提出了一种多机多传感器协同多目标跟踪与辐射控制方法。该方法首先根据目标与我机编队之间的距离,利用模糊逻辑设定不同目标的跟踪精度,然后以目标跟踪精度为任务需求,在时间上控制雷达辐射。建立了目标的威胁评估模型,并根据目标相对我机的不同威胁度在空间上控制雷达辐射,选择威胁度最小的一个或几个雷达辐射。同时,利用多平台间的机载地理坐标系转换,进行多平台序贯滤波,实现传感器管理下的目标跟踪。仿真结果证明了方法的合理性和有效性,研究结论有助于提高作战飞机编队的抗侦察和抗干扰能力,从而提升整体的生存能力。     

多编队对地攻防对抗多层决策分析仿真与研究

针对编队协同对地攻击的攻防对抗系统的强对抗性、多目标性和多层次性,建立了三层决策模型,由最高决策层根据战场情况调配编队方案,将中间决策层和最低决策层建立成为两级主从递阶互动决策模式,建立Nash-Stackelberg-Nash决策方法求解对抗条件下双方中间决策层和最低决策层的联合最优策略。仿真结果表明该三层决策模型应用于编队协同对地攻防对抗决策系统,其中间决策层和最低决策层构成的两层对策系统能够较好的解决两层对抗决策问题;同时,最高决策层有效的控制了编队支援方案,达到了较好的作战效果。三层决策系统为作战对抗提供了有力的战场分析依据。     

基于多阶段多指标的编队干扰方案协同决策研究

在现有装备的基础上,为合理地选择各个阶段的干扰方案以达到最佳效果,将编队干扰方案决策问题看作一个多阶段多指标系统,依据系统协同原理,定义了协同度概念,将模糊优选理论与动态规划原理相结合,提出一种能够有效求解多阶段多指标问题协同决策的方法。将该方法运用于编队干扰方案决策中,建立了全程决策数学模型。在给定的战术想定情况下,对求解过程进行了分析,为能够实时准确地得到各种作战态势下的最优决策,编程设计了基于GUI的干扰方案决策系统操作界面,通过仿真分析了不同指标权值下协同度对决策结果的影响。     

兵力协同计划方案智能决策系统研究

以红蓝双方海上编队对抗为背景，以拟制多兵种同攻击计划方案为目的，基于动态多目标决策和方案优化模型，在传统的作战辅助决策系统技术基础上，将面向分布式人工智能理论技术引入到多兵种协同作战计划智能决策系统实现中，定义了协同作战智能体单元的概念，并给出了该MAS系统的Agent组成，Agent结构，Agent功能分类，系统的运行流程以及系统的构成框架。     

基于多智能体强化学习的协同目标分配

针对传统方法难以适用于动态不确定环境下的大规模协同目标分配问题，提出一种基于多智能体强化学习的协同目标分配模型及训练方法。通过对相关概念和数学模型的描述，将协同目标分配转化为多智能体协作问题。聚焦于顶层分配策略的学习，构建了策略评分模型和策略推理模型，采用Advantage Actor-Critic算法进行策略优化。仿真实验结果表明，所提方法能够准确刻画作战单元之间的协同演化内因，有效地实现了大规模协同目标分配方案的动态生成。     

非确定环境下基于分层理论多无人机动态协同设计

针对非确定环境下多无人机自主协同控制这一多约束、强耦合非线性优化问题,采用分层理论将其分解成三个相对独立子层,即协同感知层、环境态势理解层和协同全局重规划层.协同感知层借助"层协作感知"算子来进行多模信息融合,解决非确定环境下目标(包括静态确定目标和动态非确定目标)的感知与识别;环境态势理解层则是解决动态非确定环境更新,以及基于窗口势场法的障碍物(威胁目标)规避问题;而协同全局重规划层则是利用"层场景引擎"来实现多机非确定环境下的自主协同、路径快速寻优及状态决策.模拟结果显示构建的多机自主协同模型能较好地解决非确定环境下的路径寻优和状态决策问题.     

基于模糊神经网络的海面目标战术意图识别

传统的基于遥感解译获取的海面目标信息分析战术意图的方法,需要大量的专家知识确定输入目标属性与输出意图间的网络节点关系,而模糊神经网络只需利用输入和输出训练网络,减少了专家知识的需求。针对常用的高木〖CD*2〗关野模糊模型不适用于战术意图识别要求的输出与输入非线性的问题,设计了基于神经网络集成的模糊系统模型,利用目标属性与对应的战术意图形成训练样本训练神经网络,分别获得输入条件的模糊隶属度以及面向不同意图的输出函数,据此识别海面目标战术意图。仿真实验结果表明,获得的目标战术意图的准确度高,与想定情况均相符。     

活性污泥污水处理系统的模糊神经网络控制

针对中、小型污水处理厂的实际情况，在对活性污泥污水处理系统机理模型研究的基础上提出一种控制模型。在对系统进行性能分析与综合的基础上，提出了应用于该控制模型的模糊神经网络控制器。通过仿真实验表明，该控制器能够自动调整隶属度函数、动态优化控制规则，将其应用于活性污泥污水系统具有快速性与有效性，比基于规则的传统模糊控制具有更强的鲁棒性，可以获得良好的控制性能。     

高超声速制导炮弹终端滑模控制

针对高超声速制导炮弹的动力学耦合与非线性控制问题,设计一种基于反馈线性化的终端滑模控制器。首先,兼顾控制系统设计的简便性要求与高超声速制导炮弹的强非线性特点,建立非线性控制模型。然后,对模型中动力学耦合问题,根据微分几何理论对其进行反馈线性化,实现俯仰通道与偏航通道的解耦。最后,对两通道分别设计终端滑模控制器,且控制器有限时间收敛。仿真结果表明,所设计的控制器能够快速稳定的追踪指令信号,且在外界干扰与参数摄动的情况下依然具有良好的鲁棒性。     

Regression Modeling with ANN and Its Application in Analyzing Dynamics of Groundwater Level

１　ＩｎｔｒｏｄｕｃｔｉｏｎＧｅｏｌｏｇｉｃａｌｄｉｓａｓｔｅｒｓ,ｓｕｃｈａｓｃｏｌｌａｐｓｅ,ｌａｎｄｓｌｉｄｅ,ｅｔｃ,ｈａｖｅａｃｌｏｓｅｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈｔｈｅａｃｔｉｖｉｔｙｏｆｇｒｏｕｎｄｗａｔｅｒ．Ｓｏｍｅｃｉｔｉｅｓａｐｐｅａｒｌａｎｄｓｉｎｋｉｎｇ,ｅｖｅｎｃａｖｅｉｎ,ａｓｔｈｅｒｅｓｕｌｔｏｆｔｈｅｅｘｐｌｏｉｔａｔｉｏｎｏｆｇｒｏｕｎｄｗａｔｅｒｅｘｃｅｓｓｉｖｅｌｙ．Ｉｎｔｈｅｔｅｒｒａｉｎｏｆｌａｎｄｓｌｉｄｅ,ｔｈｅｖａｒｉａｔｉｏｎｏｆｇｒｏｕｎ…     

支持向量机在车辆目标识别中的应用

提出了利用支持向量机对战场侦察雷达目标回波信号进行处理,以实现对卡车、坦克等在地面运动的车辆目标进行分类识别的一种新算法。首先对雷达接收到的目标回波信号作频域分析,从中提取待分类目标信号的特征向量,然后利用所建立的支持向量机模型对目标信号作训练和识别,最后与经典谱分析和神经网络的方法作比较,并采用实际数据验证这种识别方法的有效性。     

过程系统寻优新方法——非线性映射主轴分析法

对于实际过程系统的寻优,大都是多维的非线性优化问题,寻求一种全局稳定最优数值解的方法,一直是人们关注的课题．本文应用人工神经网络的拓扑映射技术,提出非线性映射主轴分析法．这种新方法将一个多维空间的非线性问题降维映射到二维平面,籍目标函数等值分布曲线的分析,决策出最优点或最优区域,通过逆映射运算可将其还原到多维空间用原始变量表示．从本文的例证可见,这种方法直观、简便、有效、得出的最优解准确、可靠     

基于模糊聚类的BP神经网络模型研究及应用

在神经网络的应用过程中,经常遇到样本太多问题,采用模糊聚类分析,科学选取学习样本,使少量的学习样本本身包含全部样本的特性,很好地解决了由于样本多学习速度慢的问题,并提出了训练结果检验方法.此方法可以作为神经网络应用的一个拓展.     

A New Method for Recognizing Point Targets

ＡＮｅｗＭｅｔｈｏｄｆｏｒＲｅｃｏｇｎｉｚｉｎｇＰｏｉｎｔＴａｒｇｅｔｓＬｉＨｏｎｇ，ＳｕｎＺｈｏｎｇｋａｎｇ＆ＸｕＨｕｉＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈ...     

有一定物理基础的核素浓度预测神经网络模型

为解决突发核电事故后使用机理模型预测放射性液态流出物迁移扩散,需长时间迭代计算的不足,提出了一种新型混合神经网络模型,该模型耦合了描述液态流出物在受纳水体中迁移扩散的组分输运方程和神经网络模型,采用并行多种群混合进化粒子群算法计算神经网络权值与阈值.论文以湖北咸宁大畈核电站受纳水体富水水库为研究对象,对事故工况下长半衰期核素迁移扩散进行模拟预测,研究结果表明有一定物理基础的神经网络模型是一种有效、可行的预测模型,预测结果与机理模型的模拟输出拟合度较好,新模型较传统的黑箱神经网络模型以及基于单调型先验知识的神经网络模型具有更强的泛化性能改善能力.     

过程神经元网络学习算法及软测量方法的研究

研究输入输出以及连接权函数均可为时间函数的过程神经元网络(process neural network,PNN)的学习算法,在基本算法上增加基函数展开系数的规一化处理、权函数动量项调整项,提出学习率自适应调整方法和加速网络收敛速度的改进算法。将过程神经元网络引入到生产过程质量参数的软测量,研究基于正交基展开的过程神经元网络算法,通过分析原网络收敛速度慢等问题,对传统BP算法加以改进,实现了污水处理过程出水水质BOD的预测,仿真取得较好的结果,实践证明这是一种时变过程参数软测量的新方法。