UUV编队协同应召搜索马尔可夫运动目标的方法

采用时齐马尔可夫链来模拟目标的规避运动，根据事发海域的水深映射图，估算出马尔可夫运动目标的位置转移概率。无人水下航行器编队在目标初始概率分布和位置转移概率已知的条件下，根据当前搜索结果不断对目标位置进行预测和更新。编队成员能共享目标位置信息，以获得较为准确的目标验后分布。然后采用一种新的分区实时贪婪搜索算法，得到无人水下航行器编队的最优搜索路径，从而以较高的搜索成功概率与较短的平均发现目标时间完成对目标的应召搜索。最后通过实例仿真，证明了该方法的有效性和优越性。此方法将对无人水下航行器编队的战法研究具有参考借鉴意义。     

局部通信条件下多无人机协同搜索方法

针对复杂场景中障碍物、电磁干扰等因素造成的无人机(unmanned aerial vehicle, UAV)编队部分通信链路不可达问题, 提出局部通信条件下的协同搜索(cooperative search under local communication, CSLC)方法。首先, 根据各UAV的实时位置计算当前时刻编队通信拓扑关系, 建立UAV编队的局部互通网络。在此基础上, 综合考虑UAV通信能力和编队协同目标搜索能力, 构建基于通信链路稳定收益和协同编队收益的协同搜索模型。最后, 设定多UAV编队所需的安全距离和最大运动速率的约束条件, 保证模型能够得到最优路径可行解, 提高多UAV协同搜索效率。实验结果表明, 与现有的目标搜索方法相比, CSLC方法在保证协同搜索路径可行性的同时, 提升了多UAV协同搜索的能力。     

空间监视相控阵雷达匹配搜索技术研究

研究空间监视相控阵雷达搜索方法问题。针对常规搜索方法所面临的低轨目标拦截概率和搜索范围间的矛盾,提出基于空间碎片运动特性的匹配搜索方法。基于不同轨道高度空间碎片对搜索数据率要求的差异性,充分利用发射波束的主瓣宽度,将搜索屏看成“慢搜索远距离”和“快搜索近距离”的两个等效搜索屏,分别用于探测高、低轨道目标。在此基础上,通过优化轨道高度划分和波束编排,实现不同轨道高度目标的匹配数据率搜索。最后,利用实际空间碎片轨道根数和雷达散射横截面积数据,仿真比较了匹配搜索方法与常规搜索方法的探测效能,结果表明,匹配搜索方法对于低轨空间碎片的探测效能远高于常规搜索方法,对空间监视相控阵雷达搜索策略和资源管理方法的研究具有重要意义。     

基于遗传算法的最优扩展螺旋搜索

本文在对传统螺旋搜索算法研究的基础上,提出了一种基于遗传算法的最优扩展螺旋搜索算法.该算法将遗传算法和扩展螺旋搜索法相结合,优化出搜索器在扩展螺旋搜索时的第一个探测点和运动转向角,为实现水下目标的最优搜索提供了条件.仿真分析了潜艇的运动速度和航向分别变化的情况下,所提算法与传统算法对目标搜索时间和发现概率的差异.由仿真结果可见,该算法可缩短搜索时间,提高发现目标概率.     

相控阵雷达资源受限时最优搜索性能研究

多功能相控阵雷达通过对时间和能量资源的合理调度,可同时完成目标搜索、跟踪等多项任务。但对优先级别较低的搜索任务来说,当高优先级任务抢占雷达资源时,将会导致搜索性能下降。分析了影响相控阵雷达搜索性能的主要因素,详细研究了在搜索资源受限条件下,相控阵雷达搜索性能的优化模型,给出了搜索帧周期和探测距离计算的最佳准则和方法。通过仿真实验,分析了优化后相控阵雷达的搜索性能,实验结果验证了该模型的有效性。     

海上目标数据融合实例研究

在应用D S证据理论识别海面目标的过程中,重点研究了如何通过传感器数据实测值来确定基本概率分配函数(BPA)的方法。首先,对侦察雷达所能探测到的目标雷达信号的载频、脉宽、重频,应用证据理论将其组合,得到雷达参数的联合概率分配函数。根据雷达和舰船的对应关系,由雷达概率分配函数推导出目标平台的基本概率分配函数。再用测得的舰船目标的航速得到目标平台关于航速的基本概率分配函数,并最终用D S证据理论识别了海面目标,具有较大的实际应用价值。     

编队空战中协同电子干扰的功率分配

针对编队空战的协同电子干扰功率分配问题,采取空域叠加方法将编队空战中协同电子干扰的空域简化为单机干扰空域,以目标对编队的威胁程度以及编队对目标的压制效果为指标,采用整数规划方法建立了编队空战时的电子干扰功率协同分配模型,包括干扰扇区间和干扰扇区内的功率分配算法。仿真结果表明,进行编队空战电子干扰功率的统一分配,能够避免单一干扰装置对目标干扰功率分配的不足,还可以减少各干扰装置独立作用时对同一目标干扰功率的重复分配,达到了干扰效果的优化。     

基于IBPSO的编队协同对地攻击目标分配算法

针对编队协同对地攻击目标分配问题特点,对二进制粒子群算法应用于编队协同对地攻击目标分配的若干问题进行研究。首先,通过战斗机毁伤目标收益和攻击目标代价建立了目标分配问题的评估标准。然后,在引入了一系列操作符的基础上,对二进制粒子群算法的速度和位置更新计算公式进行了改进,并利用改进的二进制粒子群算法完成了编队协同对地攻击目标分配。仿真结果表明,改进的二进制粒子群算法比遗传算法具有更强的全局寻优能力、更快的收敛速度。     

基于检测概率的雷达网协同干扰效果评估方法

针对突防编队对抗雷达网的应用背景,以雷达网检测概率为评价指标,建立了应用于干扰机编队多样式协同压制雷达网的干扰效果评估模型。首先阐述了影响压制效果的时间、空域、频率和处理增益4个因素,据此计算了单部雷达在多样式干扰下的检测概率。然后结合雷达网判决中心的工作方式,将网内成员雷达在多样式干扰下的检测性能映射到计算全网的受干扰影响程度。最后充分利用干扰机编队的航线信息,提出以“电子对抗环境下雷达网判决中心对不同航线段内突防编队的联合检测概率下降程度的加权积分”为干扰效果评估函数,建立干扰机编队对雷达网的多样式干扰效果评估模型。仿真结果表明,该模型在雷达网干扰效果评估问题上具有很好的应用性,对合理分配干扰资源、提高干扰机编队的整体干扰效果也有一定的指导意义。     

离散时间探测随机恒速目标的最优搜索算法

针对随机恒速运动目标条件下已知的目标初始位置分布密度和速度分布密度,建立了时变的运动目标分布密度模型和在离散时间点上实施有限区域探测后的目标分布密度模型。以此为基础,提出了依次探测的单次探测发现概率最大的最优搜索准则,计算在该准则下的离散时间点上有限探测域的最优探测位置。最后,给出了一个二维空间搜索算例。     

两种基本搜索策略的计算机模拟与评估

介绍用Lotus Improv的Spreadsheet 进行多靶搜索模拟,比较了系统搜索和随机搜索模式的搜索效率,结果表明当视觉敏度高时(或搜索仪器的分辨率高,光照条件好,目标清晰)时,系统搜索比随机搜索效率要高;而当视觉敏度较低时,二者几乎是等价的。这个结果验证了Kraiss等的推论。     

基于遗传算法的对潜螺旋搜索

针对应召反潜中敌潜艇直线型规避行为,提出了一种基于遗传算法的对潜螺旋搜索方法.首先建立每段搜索路径中的搜索概率模型,再利用遗传算法对此模型进行优化,选取满足搜索概率最大的搜索器转向角.在搜索任务中要利用上一阶段的探测情况来实时地确定下一阶段的搜索路径,不断地排除敌潜艇不存在区域的角度,具有在短时间内搜索范围大、搜索效率高的特点.与传统螺旋搜索法相比,较好地提高了搜索概率.     

声纳浮标与磁探联合搜潜仿真研究

在声纳浮标和磁探搜潜原理的基础上,建立了在被动全向声纳浮标探测到潜艇目标的条件下,利用磁探仪对潜艇进行定位的相关数学模型,仿真分析了声纳浮标作用范围、磁探仪高度、潜艇下潜深度等因素对搜潜概率及搜潜效率的影响,获得了有益的效果.     

群体智能算法搜索策略的性质及对停滞现象的影响

群体智能算法模拟生物进化或动物群体协作的搜索机制, 其目标是快速有效地搜索复杂优化问题的解空间, 寻求全局最优解. 本文通过对群体智能算法的搜索机理进行分析, 根据在搜索过程中解集内部结构变化的性质定义了解集多样度, 并在此基础上研究了两种基本的搜索策略--多样化搜索和集中化搜索对解集进化过程中的停滞性的影响, 证明了集中化搜索不可避免地使解集中的候选解逐渐趋于单一, 是导致算法停滞收敛的主要原因; 而多样化搜索能从任何候选解出发搜索到整个编码空间中的任一个点, 即整个空间是多样化搜索的可达域, 但将使算法不收敛. 本文采用三类典型的群体智能算法: 遗传算法、蚁群算法和粒子群算法进行了实验, 验证了上述分析结论的正确性.     

基于冲突搜索算法的多机器人路径规划

针对冲突搜索法（conflict-based search,CBS）在多机器人路径规划（multi-agent path finding,MAPF）过程中规划路径过长、单向搜索运行时间长等缺陷,从搜索方向和搜索方式提出一种改进的双向A*焦点搜索来优化冲突搜索算法。将次优因子ω引入冲突搜索算法的底层搜索函数中,以提高路径搜索的效率;将冲突搜索算法中的单向搜索优化为双向A*搜索。实验结果表明：改进的冲突搜索算法的路径成本缩短了14.82%,总运行时间缩短了10.63%。     

多功能相控阵雷达优化搜索建模与仿真研究

波束以及系统参数的捷变能力使得多功能相控阵雷达能够同时对空域中的多个区域分别采用特定的搜索模式进行搜索.用于搜索的雷达资源会随着跟踪等高优先级的任务对资源消耗的变化而变化.因此,需要动态地调整可获得的搜索资源在各个搜索子空域中的分配以优化整个系统的搜索性能.首先建立了多功能相控阵雷达的搜索性能评估模型,得到了搜索性能及其增益与搜索参数的关系.而后针对搜索负载的动态变化,建立了相控阵雷达同时多区域搜索资源分配的优化模型,并通过仿真验证了模型的有效性.     

求解非线性双层规划问题的混合变邻域粒子群算法

针对非线性双层规划难以获得全局最优的问题,汲取粒子群算法的快速搜索能力及变邻域搜索算法的全局搜索优势,提出了求解非线性双层规划问题的混合变邻域粒子群算法.首先利用Kuhn-Tucker条件,将非线性双层规划转化为一个单层规划问题,然后由粒子群算法得到一个较优的群体,通过审敛因子判断陷入局部最优的粒子,并进一步利用变邻域搜索算法的全局搜索能力对陷入局部最优的粒子进行优化,从而得到全局最优.测试函数的仿真实验对比分析证明了该算法的有效性.     

一种高效的实时交通信号灯控制算法

针对交通信号灯实时控制问题,设计了一种以最小化车辆等待时间为目标的数学模型,并给出了一种能求解该模型最优解的启发式搜索算法.仿真结果显示启发式搜索算法存在求解时间长,求解效率不稳定等问题.因此在原算法基础上加入了多阶段决策优化方法,并且在各个阶段中采用了限时搜索,使得算法能在固定时间内得到结果,保证了算法的稳定性和实时性.通过实际数据仿真显示,优化后的算法对比固定周期算法减少了车辆的等待时间;对比原始的启发式搜索算法,提高了求解效率,满足了实时控制的要求.