基于遗传算法的防空部署优化方法

针对防空部署的特点,建立了防空部署优化的数学模型,提出了一种初始种群产生方法,设计了求解防空部署优化模型的遗传算法,并用一个实例进行验证,取得了良好的优选效果。     

基于多目标规划的飞机使用计划模型研究

在研究现行飞机使用计划制定方法的基础上,对影响飞机飞行任务分配的因素进行了分析,并以改善飞机剩余寿命梯次状况为出发点,用最小二乘法的方法建立了飞机使用计划的多目标规划模型,为合理制定飞机使用计划提供了理论依据。     

基于直觉模糊熵和VIKOR的装备器材供应商选优决策

针对装备征用动员中器材需求不确定性大、响应时效性和质量要求高等特点,构建基于军事供应链的装备器材供应商选优评价准则体系,为解决不同准则带来的多种异质评价信息及准则权重、决策者权重均未知的多准则群决策问题,提出了一种基于直觉模糊熵和扩展多准则妥协解(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)框架的决策方法。首先,采用包含隶属度与非隶属度偏差及犹豫度信息的直觉模糊熵,基于熵权法和权重协调系数确定综合准则权重;其次,综合考虑决策矩阵直觉模糊熵和距离测度,建立一种新的决策者权重方法;然后,采用直觉模糊加权平均算子得到决策者和决策群体综合评价矩阵;最后,将VIKOR方法扩展到直觉模糊语言环境,对备选供应商进行折衷排序和选优。     

一种基于区间估计的多属性决策组合赋权方法

讨论了多属性决策组合赋权问题中进行权重间相容性检验的必要性,提出了一种权重的相容性定义及判别定理,其基本思想是在评价矩阵已知的情况下,根据不同权重对方案间序关系的影响程度来确定它们的相容性.并且给出了在权重不相容情况下如何寻找并剔除疵点权重的方法.在此基础上,根据组合权重的特点,提出了一种基于区间估计求解组合权重的数学模型.最后运用本文提出的方法给出了一个实例的计算过程,检验了该方法的有效性.     

基于小波变换的飞行数据清洗

飞行数据因为野点和噪声的存在给其进一步处理和利用造成了困难。提出了一种基于小波变换残差直方图分析的野点识别方法,能在时间域内精确定位野点,并具有识别少量成片野点的能力。根据飞行数据噪声的特点及去噪要求,在去噪的过程中引入边缘检测,提出了分二进小波尺度乘积和小波阈值收缩两个步骤进行去噪的方法,从而在去噪的同时很好地保留了序列极值点的特性。实验结果表明本文所提方法对飞行数据中存在的质量问题具有较好的清洗效果,野点识别准确,去噪效果良好,并且对类似其它数据的处理也有一定的应用参考价值。     

一种基于动态模糊神经网络的飞行数据模型辨识方法

针对飞行数据的特点,提出了一种基于动态模糊神经网络(DFNN)的飞行数据模型辨识方法。该方法采用在线学习方式,通过动态增加和删除神经元节点的策略实现网络结构学习,采用递推最小二乘法实现网络权值的在线调整,以最终得到一个结构简单、泛化能力强的神经网络。以某特定时间段的飞参数据为仿真样本,将该DFNN用于参数关联模型的辨识,实验结果表明该辨识方法收敛速度快、泛化能力强。     

作战飞机对地攻击武器配置方法研究

对地面目标实施空中打击一直是现代战争作战方式之一,能否合理配置空对地攻击武器,将直接影响空中打击的效果。文中讨论了常规空对地武器的选用原则和方法,并依据空地武器的效损比模型,探讨了一种新的空对地攻击武器的配置方法。     

多机分布式协同搜索方法及模糊算法求解

针对未知环境下多无人机(UAV)分布式协同搜索问题,对分布式搜索的通信交互和决策最优性进行了分析,给出了分布式纳什均衡解的求解方法.在分布式控制框架下,建立了基于滚动优化的多机搜索的问题描述和状态空间模型,并针对传统协同收益指标的不足,提出了基于人工势场的协同收益模型,与模糊控制相结合,建立模糊规则求解协同收益,增加了决策的鲁棒性.仿真实验验证了提出的协同搜索方法的有效性.     

多UAV协同搜索的博弈论模型及快速求解方法

在分布式模型预测控制（DMPC）方法框架下,提出了一种局部Nash最优的分布式搜索优化决策方法.设计了基于人工势场的协同机制,给出了势场的形成条件,在此基础上建立了多机协同的图论模型.引入局部Nash最优的定义,通过在连通分量的局部范围进行Nash最优迭代,降低了问题的求解维度.建立了以节点出度刻画UAV决策优先度的模型,根据决策偏序关系,提出了对称、主从、主从 对称3种决策形式,并给出了相应的Nash、Stackelberg和Nash Stackelberg的博弈模型,理论推导了该方法的计算复杂度.采用MPC和粒子群（PSO）优化相结合实现单架UAV的最优决策.仿真结果表明,所提出的方法能有效降低问题的求解规模和通信负担.     

未知环境下多UAV搜索的区域再入

针对未知环境下多无人机(unmanned aerial vehicles, UAV)协同搜索问题展开研究,通过网格化的环境规则描述,给出了UAV的运动规则及UAV系统的预测模型. 考虑实际战术需求,建立了满足UAV机动性能约束的区域再次进入数学模型,给出了最短再入路径的求解方法. 引入了“伸缩式”协同搜索机制,增加对未知环境的
适应性,同时设计了系统的全局信息库,从而充分利用UAV实时探测的环境信息,实施在线滚动规划. 通过仿真验证了方法的有效性.