基于突发任务多无人作战飞机攻击多目标研究

针对无人作战飞机在动态不确定环境中任务执行的路径规划问题,提出了一种基于突发任务的路径规划方法。在单机路径规划中,通过建立Voronoi有向图,并根据Dijkstra算法为每架无人作战飞机寻找最优、次优路径,针对路径规划中的多目标攻击和协同的问题,设计了一种多目标攻击任务规划器,结合突发任务的情况,给出了多目标攻击策略。仿真的结果表明所提方法是可行的。     

无人作战飞机操作员控制台仿真系统

首先对无人作战飞机操作员控制台仿真的总体方案进行设计,然后对操作员控制台仿真系统的各功能模块和逻辑结构进行了描述,并给出了仿真中基于可扩展标记语言的任务链模型。最后实现了操作员控制台指挥控制多架无人作战飞机协同作战的仿真,并对进一步的研究进行了展望。     

不确定条件下装备送修级别粗糙群决策方法

针对装备健康管理过程中送修级别的不确定信息和多源决策问题,研究了一种不确定信息的粗糙群决策方法。定义了群决策信息系统以描述多源决策问题,并用不协调群决策信息系统解释决策信息的不协调特性。结合不协调信息的群决策与不完备信息的粗糙决策两种方法长处,设计了不确定条件下的粗糙群决策方法。最后,将粗糙群决策方法应用于某型雷达的送修级别决策,应用实例验证了粗糙群决策方法处理不确定信息的有效性,可显著提高装备送修级别决策的吻合率。     

不确定条件下最优投资时机和最优投资规模决策

运用实物期权理论, 通过求解不变产出和可变产出条件下企业最优投资时机和最优投资规模的解析表达式, 比较研究了两种不同条件下同时选择最优投资时机和最优投资规模的决策问题. 研究表明, 不确定性增大了企业的等待价值, 企业将推迟投资, 增大投资规模; 最优投资规模仅与预期市场需求的不确定性相关, 与反映市场需求的某一个实现值的大小无关; 可变产出条件下, 企业具有更大的投资临界值和更大的投资规模. 不确定性降低了企业产能利用率, 导致了过度投资的存在; 同时, 在可变产出条件下企业的产能利用率更低.     

不确定条件下装备送修级别粗糙群决策方法

针对装备健康管理过程中送修级别的不确定信息和多源决策问题,研究了一种不确定信息的粗糙群决策方法。定义了群决策信息系统以描述多源决策问题,并用不协调群决策信息系统解释决策信息的不协调特性。结合不协调信息的群决策与不完备信息的粗糙决策两种方法长处,设计了不确定条件下的粗糙群决策方法。最后,将粗糙群决策方法应用于某型雷达的送修级别决策,应用实例验证了粗糙群决策方法处理不确定信息的有效性,可显著提高装备送修级别决策的吻合率。     

多目标攻击条件下的作战任务分配模型研究

作战任务分配是现代多用途战斗机火控系统的核心,也是任务管理系统中的关键性的问题.首先运用信息熵方法,结合主客观两方面的因素对多目标攻击条件下的任务进行优先权分析,然后建立起传感器作用于任务的效能矩阵,在此基础上运用蚁群算法来确定任务最优分配方案.仿真实例表明该任务分配模型对于多目标攻击条件下的任务分配具有一定的可行性和实用性.     

一种不确定作战决策效能评估模型及仿真

针对直接评估不确定决策效能的困难,引入一种间接评估方法--理想观察者分析(IdealObserverAnalysis,IOA)方法,它通过定义最佳执行(Optimal Performance),用实际策略效用与OP效用值的差异表示决策效能.而在确定OP时又使用了部分可观察马尔科夫决策过程(Partially ObservableMarkov Decision Process,POMDP)模型.研究了用POMDP模型确定OP的方法,提出了一种行动决策方法.最后针对三状态"寻找并摧毁"型作战任务进行仿真验证,结果证明了此方法的有效性.     

作战飞机维修性指标确定方法研究

作战飞机的维修性决定了作战飞机保持和恢复到完好状态的能力,在飞机研制阶段提出合理的维修性指标对于飞机的作战使用具有重要意义。根据业务流程重组和并行工程理论,以及现有维修保障流程重组优化的研究,本文提出一种基于维修保障流程的维修性指标确定方法,以缩短飞行前准备时间和再次出动准备时间,提高飞机再次出动能力。     

不确定环境下行为决策理论述评

按照历史脉络梳理行为决策理论研究文献,可将其理论发展大致归为三个阶段:20世纪50~70年代以期望效用理论为基础的信息判断和选择阶段;70~80年代将行为变量嵌入理性决策模型的阶段,产生了非期望效用理论;80年代末至今的暧昧主观不确定情景下现代决策理论研究阶段。随着行为决策理论的不断发展与完善,非期望效用和暧昧期望效用理论在经济、金融领域中有着广泛的应用,进而推动了经济和金融学科的进一步发展。     

无人作战飞机任务规划与控制单元仿真系统

首先对无人作战飞机任务规划与控制单元的总体方案进行设计,对仿真系统的各功能模块进行了描述.然后提出了分层递阶的任务规划与控制功能结构及其逻辑框架,并给出基于可扩展标记语言的任务链模型.最后实现了控制单元指挥多编队无人作战飞机协同作战的仿真,并对进一步的研究进行了展望.     

基于自适应伪谱法的UCAV低可探测攻击轨迹规划研究

研究无人作战飞机(unmanned combat aerial vehicle,UCAV)对地攻击阶段轨迹规划问题。首先,在综合UCAV的气动力特性、发动机推力特性基础上建立UCAV质点模型和动力学模型,并结合UCAV平台初始条件、机动性以及武器投射条件构建约束条件;针对当前轨迹规划中没有考虑雷达散射截面(radar cross section,RCS)随UCAV姿态角改变而动态变化这一缺陷,建立综合考虑动态RCS的威胁概率和攻击时间的目标函数;然后利用可变低阶自适应伪谱法求得攻击轨迹最优解。对时间最短、RCS固定和考虑动态RCS 3种情况进行仿真。结果表明,考虑动态RCS时,UCAV将根据威胁进行轨迹和姿态调整,极大减小了被敌方威胁捕获的概率。该算法能够提供规划轨迹的高精度状态和控制量信息,有利于实现攻击过程的高精度精细规划控制。     

Hybrid hierarchical trajectory planning for a fixed-wing UCAV performing air-to-surface multi-target attack

This paper considers the problem of generating a flight trajectory for a single fixed-wing unmanned combat aerial vehicle (UCAV) performing an air-to-surface multi-target attack (A/SMTA) mission using satellite-guided bombs. First, this problem is formulated as a variant of the traveling salesman problem (TSP), called the dynamic-constrained TSP with neighborhoods (DCTSPN). Then, a hierarchical hybrid approach, which partitions the planning algorithm into a roadmap planning layer and an optimal control layer, is proposed to solve the DCTSPN. In the roadmap planning layer, a novel algorithm based on an updatable probabilistic roadmap (PRM) is presented, which operates by randomly sampling a finite set of vehicle states from continuous state space in order to reduce the complicated trajectory planning problem to planning on a finite directed graph. In the optimal control layer, a collision-free state-to-state trajectory planner based on the Gauss pseudospectral method is developed, which can generate both dynamically feasible and optimal flight trajectories. The entire process of solving a DCTSPN consists of two phases. First, in the offline preprocessing phase, the algorithm constructs a PRM, and then converts the original problem into a standard asymmetric TSP (ATSP). Second, in the online querying phase, the costs of directed edges in PRM are updated first, and a fast heuristic searching algorithm is then used to solve the ATSP. Numerical experiments indicate that the algorithm proposed in this paper can generate both feasible and near-optimal solutions quickly for online purposes.     

基于RBF网络的UCAV战术机动轨迹快速生成方法

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)战术机动动作数学表征困难,机动生成的计算实时性要求高的主要问题,分析了战术机动轨迹建模的基本原理;提出了战术机动轨迹建模的基本思路;设计了基于UCAV运动动力学模型的机动轨迹最优控制方案;建立了基于遗传算法的飞行操控量求解策略。针对操控量求解的实时性问题,基于径向基核函数神经网络,提出了以适应度函数为预测和评判标准的机动飞行操控量快速求解方法,从而建立了初始状态、性能指标与机动飞行操控量的非线性映射模型,实现了机动轨迹的快速生成和机动曲线的精度控制,并通过仿真验证了该方法的有效性。     

UCAV环境感知中路标选取及定位方法

为实现无人作战飞机(unmanned combat aerial vehicles, UCAV)认知导航环境感知中路标的选取和位置求解,提出一种基于增量多层判别回归(incremental hierarchical discriminant regression, IHDR）树的路标选取和定位方法。利用快速鲁棒性特征(speeded up robust feature, SURF)算法提取的特征点描述矢量及其在地理空间中的位置组合为路标信息,构造IHDR树,实现已感知信息的存储记忆。UCAV进行环境感知时,若路标信息已知,以已知路标描述矢量对IHDR树检索,通过已知路标位置与检索输出位置之间误差的大小进行路标选取。若路标信息未知,以SURF算法提取环境中路标的描述矢量,并对IHDR树检索,通过比值法对输出路标进行提纯,以提纯后路标的位置作为对应路标的定位结果输出。仿真结果表明,该方法可有效选取设定位置误差内的路标,低噪声干扰下路标的定位具有高正确率。     

基于鲁棒多目标优化方法的UCAV武器投放规划

研究了无人作战飞机（unmanned combat aerial vehicles, UCAV）对地攻击阶段的武器投放鲁棒性规划问题。针对现有规划方法在处理战场环境扰动、模型不准确、操作偏差等不确定性因素方面存在的不足,提出了一种鲁棒多目标优化求解策略。首先,建立了飞机机动性能、武器装备性能和战场环境等约束条件模型;其次,使用仿真近似法,建立了优化指标模型,并将武器投放规划问题转化为鲁棒多目标优化问题;然后,设计了一种结合蒙特卡罗方法的快速非支配排序遗传算法对问题进行求解,并采用基于基本轨迹片元的机动轨迹生成策略生成武器投放轨迹。仿真结果表明,该方法能够有效提高武器投放规划的鲁棒性。     

基于动态贝叶斯网络的无人机路径规划研究

针对威胁可变及威胁体不尽相同的无人机路径规划问题,提出了一种局部路径重规划的算法。该算法首先构造出战场具有n类威胁体的初始路径图———“改进型Voronoi图”,后应用Dijkstra算法搜索威胁分布图,求解粗略最短路径。在无人战斗机飞行过程中,威胁体威胁等级不断变化,无人战斗机通过多传感器数据融合知识构建动态贝叶斯网络图,感知环境,获取信息,应用Viterbi解码算法获得实时威胁等级,进行局部改进型Voronoi图的重构,以完成局部路径重规划,提高了无人战斗机在实战环境下生存概率。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

Progress in reentry trajectory planning for hypersonic vehicle

The reentry trajectory planning for hypersonic vehicles is critical and challenging in the presence of numerous nonlinear equations of motion and path constraints, as well as guaranteed satisfaction of accuracy in meeting all the specified boundary conditions. In the last ten years, many researchers have investigated various strategies to generate a feasible or optimal constrained reentry trajectory for hypersonic vehicles. This paper briefly reviews the new research efforts to promote the capability of reentry trajectory planning. The progress of the onboard reentry trajectory planning, reentry trajectory optimization, and landing footprint is summarized. The main challenges of reentry trajectory planning for hypersonic vehicles are analyzed, focusing on the rapid reentry trajectory optimization, complex geographic constraints, and coop- erative strategies.     

基于威胁等效和改进PSO算法的UCAV实时航路规划方法

为解决无人战斗机（unmanned combat aerial vehicle, UCAV）实时航路规划问题,通过对各种威胁等效为雷达威胁,威胁分级和每级分层次的处理方法,得到每个威胁的击毁和击伤作用距离。建立UCAV简易的二维模型,利用其飞行姿态与雷达散射截面积(radar cross section, RCS)之间的关系,得出以探测概率为基础的威胁代价函数。最后运用自适应Meta Lamarckian学习策略的粒子群优化(particle swarm optimization, PSO)算法对方法进行实时性仿真测试,结果表明此方法的有效性。     

高可靠性再入轨迹快速规划方法

提出一种高可靠性再入参考轨迹快速规划方法。在参考轨迹生成过程中,如果飞行路径角变化率不足够小,拟平衡滑翔条件(quasi equilibrium glide condition, QEGC)的应用前提得不到保证,利用QEGC所得的倾斜角剖面不保守,从而导致生成的参考轨迹有穿越再入走廊的风险。为得到高可靠性再入轨迹,在倾斜角搜索过程中,除了使再入参考轨迹满足路径约束与终端约束外,同时将QEGC的应用前提“飞行路径角及其变化率为小量”作为倾斜角搜索的一项约束。计算结果表明所提方法能够保证再入轨迹的可靠性,同时基于QEGC规划方法的适应性得到保留。     

不确定信息环境下目标毁伤效果评估

通过分析实际战场中的目标毁伤信息的不确定性,提出了不确定信息环境下需要解决的目标毁伤评估问题。采用模糊与贝叶斯理论,建立了目标毁伤等级评估模型。利用随机概率的多属性方案排序（stochastic multi-criteria acceptability analysis, SMAA）方法,给出不确定信息环境下目标毁伤效果评估方法,为解决不确定环境下目标毁伤评估问题提供了新思路。并采用蒙特卡罗仿真进行了验证,说明了该方法的可行性与有效性。