多阶段任务系统任务持续能力仿真模型研究

多阶段任务系统(PMS)是一种典型的复杂系统,它包括多个在时间上连续且无相互重叠的阶段任务,执行作战与使用任务的武器装备多数属于这种复杂系统。分析了PMS及任务可靠度、可信度和任务效能等任务持续能力评价参数。结合实际装备系统大都属于可用马尔可夫过程进行描述的可修复系统的特点,为简化模型复杂程度提出了一些合理的假设条件。在此基础上,结合多阶段任务系统自身特点,通过分析多阶段任务系统任务持续能力建模仿真步骤,多阶段任务系统任务效能仿真方法,建立了基于Petri网的多阶段任务系统任务效能多层仿真模型。最后结合常见的"靶场打靶"任务进行了实例验证,并对仿真结果进行了分析。     

自治主体建模在海军战术仿真中的应用

多主体系统是分布人工智能和分布计算的交叉研究领域,也是普遍公认的研究和解决复杂自适应系统问题的一种有效途径,而武器装备体系对抗就是一类典型的复杂自适应系统问题.从分析实体模型层次和类型入手,利用作战主体刻画具有复杂作战行为的实体,提出一个作战主体模型框架,阐述作战单元、作战平台和装备的(装配或指挥控制)关联关系.     

基于自适应网格的多目标粒子群优化算法

针对现有多目标进化算法计算复杂度高,搜索效率低等缺点,提出了基于自适应网格的多目标粒子群优化(AGA-MOPSO)算法,其特点包括:评估非劣解集中粒子密度估计信息的自适应网格算法;能够平衡全局和局部搜索能力的基于AGA的Pareto最优解搜索技术;删除非劣解集集中品质差的多余粒子以维持非劣解集在一定规模的基于AGA的非劣解集截断技术.仿真计算表明,和文献中典型的多目标进化算法比较,AGA-MOPSO算法在求解复杂大规模优化问题方面表现了良好的性能.     

多速率敏感无线多跳网中最小化延迟多播路由

针对物理层提供的多速率传输特性,研究了最小化多播延迟的问题。其主要思想是上游节点将对数据包的一次低传输速率广播换成若干次传输速率不同的广播,达到最小化多播延迟的目标。首先将该问题模型化为一个最优化问题,然后提出了一个分布式最小化延迟的多播路由DMDMR算法,并且证明了该算法能够取得最优值。大量模拟实验结果表明,与上游节点对数据包只进行一次广播的经典技术相比,DMDMR算法可降低多播延迟17%以上。     

协同数字化预装配系统中多Agent行为交互建模技术

针对网络协同预装配的特点,提出基于多Agent的协同数字化预装配系统体系结构,利用面向对象Petri网对组成系统的各智能Agent进行了行为建模,分析各Agent之间的通信关系。对所组建的系统Petri网进行死锁和冲突分析,在此基础上设计了Agent结构并开发了网络协同数字化预装配原型系统。     

基于UKF-IMM的双红外机动目标跟踪算法

为了有效解决红外机动目标跟踪精度问题,提出基于UKF的交互式多模型IMM红外机动目标跟踪算法.该方法采用Markov过程描述多个目标模型间的切换,同时导出滤波器输入输出均加权的交互式算法.滤波器采用UKF,避免计算扩展卡尔曼滤波EKF所需的Jacobi矩阵,适用于非线性、非高斯的目标系统模型和观测模型,同时UKF可供多个模型共用,便于软、硬件实现.最后,用双红外探测器对S型机动目标进行仿真实验,给出应用该方法的具体步骤,验证了IMM-UKF的稳定性、有效性和精确性.     

一类非均匀采样系统最小二乘迭代辨识

阐述了非均匀多率采样方案,利用提升技术推导出非均匀多率采样系统的提升状态空间模型,进一步获得了对应的输入输出表达.针对辨识模型信息向量中存在未知中间变量的困难,基于交互估计理论与迭代搜索原理,提出了非均匀多率系统的最小二乘迭代辨识方法.最后进了仿真比较研究,以说明提出算法的优点.     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

不完全指标权重信息下的语言多指标决策方法

研究了不完全指标权重信息下且指标值为语言评价信息的多指标决策问题,给出了一种基于二元语义信息处理和TOPSIS的决策分析方法.首先将规范化的语言评价信息转化为二元语义形式,然后应用TOPSIS方法和二元语义集成算子建立并求解线性规划模型,得到未知的指标权重值,再通过二元语义加权平均算子计算得到各方案的综合评价值.最后通过算例说明了该方法的有效性和实用性.     

一种基于自适应网格IMM的自适应采样周期算法

提出一种自适应网格交互多模型下采样周期自适应的算法。在自适应网格交互多模型算法中,中心模型参数变化率反映了系统模型与目标机动水平间的匹配程度,而两者的匹配程度直接影响目标的跟踪精度。利用中心模型参数变化率对采样周期进行控制,并引入可控参数对平均采样周期进行灵活调整。仿真结果表明在自适应网格交互多模型下,提出的自适应采样周期算法比固定采样周期算法及基于预测协方差的自适应采样周期算法具有更好的性能。