近距空战训练中的智能虚拟对手决策与导引方法

针对近距空战训练中智能虚拟对手攻防博弈的自主决策与占位导引问题，提出了基于动态贝叶斯网络(DBN)和约束梯度法的智能虚拟对手决策和导引一体化方法。结合空间占位态势、火控攻击区和机动动作识别结果等信息，建立近距空战决策动态贝叶斯网络模型，实现根据战场动态环境变化的占位导引指标决策。针对在线识别的各类目标机动动作，建立轨迹预测模型，实现目标轨迹的实时预测。根据占位导引指标和目标预测轨迹，考虑飞行性能约束，采用约束梯度法计算智能虚拟对手的优化占位导引量。实现了近距空战智能虚拟对手空间占位决策与导引量计算的无缝结合。近距空战仿真实验结果表明:所提方法能够实现智能虚拟对手的合理化自主决策和占位导引，克服了传统方法实现机动动作方式固化的问题，具备较好的实时性和优化性。      

非完备信息下的超视距空战双机协同战术识别

针对超视距（BVR）空战过程中,受探测装置性能限制和敌方干扰等原因,导致目标信息易缺失,从而难以实时准确地识别敌方协同空战战术的问题,提出了一种基于动态贝叶斯网络（DBN）与参数学习的超视距空战双机协同战术识别方法。分析了超视距空战条件下的双机协同战术特征,根据长机和僚机的职能分工、当前态势及机动动作,构建了识别网络模型;为提高模型对双机协同战术的识别概率,采用期望最大参数学习方法优化网络参数;基于自回归模型对缺失目标信息进行修补,提出非完备信息下的双机协同战术识别推理算法。通过开展空战对抗仿真实验,验证了双机协同战术识别方法对于非完备信息下的超视距空战双机协同战术具有较高的识别概率和较好的实时性。     

基于CIDBN的战术活动识别模型及在线精确推理

战术活动识别是战场态势感知的重要研究内容。为提高战术活动识别的准确性与实时性，提出了一种基于上下文独立动态贝叶斯网络（CIDBN）的战术活动识别模型及在线精确推理。通过对战术活动机制的分析，采用动态贝叶斯网络（DBN）理论，建立了一个初始战术活动识别模型。该模型引入了威胁指数节点来影响战术活动的终止与选择，并采用模糊隶属度函数对连续变量进行离散化处理。依据上下文独立关系对该模型进行简化，获得了一个基于CIDBN的战术活动识别模型。将接口算法扩展于该模型上，提出了在线精确推理算法。仿真结果表明，所提出的战术活动识别方法，具有识别精度高、较低不确定性和实时性高的优点。      

飞机载荷谱实测数据双缓冲视景仿真系统设计

飞机载荷谱实测数据视景仿真是飞机机动动作识别和实测数据有效性验证的重要手段.针对飞机实测数据源的不同数据结构,提出了逻辑数据通道的数据存储方法,解决了不同实测对象形成的不同数据源结构差异问题;针对大数据量实测数据进行飞行视景模拟时模型复杂性造成的性能问题,建立了物理通道和逻辑数据通道解析模型;基于数据双缓冲和绘图双缓冲机制,构建了飞行器模型和实测数据视景仿真系统环境,对不同试验用机的飞行实测数据进行了分析和验证.该视景系统完全满足Gigabyte级别的不同机型载荷谱飞行实测试验数据的验证和机动动作识别要求,完整地再现整个飞行历程,为飞机飞行历程机动动作识别、数据有效性验证和数据后期处理提供可视化平台.      

基于复杂网络的空中交通复杂性识别方法

在空中交通管理中，识别空中交通复杂性是一项重要工作。目前的算法多采用飞机密度、机群、滞留程度等宏观指标对复杂性进行评价。利用复杂网络理论描述空中交通状况，将空域中的飞机视为节点，飞机与飞机之间距离小于彼此的机载防撞系统（ACAS）通信距离时开始构成连边，以此构建飞行状态复杂网络模型，可以更好地描述网络内部的微观特征。选取环边数、节点强度、平均聚类系数、介数中心性和网络效率等拓扑特性指标，对动态空中交通状况进行了研究。在此基础上，采用独立主元分析（ICA）在线识别空中交通复杂性，将交通顺畅的情况作为训练数据集进行处理，根据SPE统计量、I2统计量和I_e2统计量的变化来识别复杂性情况。仿真结果表明，所提方法可以较好地识别空中交通复杂性。      

基于改进共生生物搜索算法的空战机动决策

针对现代空战机动决策问题,提出了一种基于改进共生生物搜索（SOS）算法的空战机动决策方法。首先,分析了传统基本机动动作库存在的不足,对其进行了改进和扩充,设计了11种常用的基本机动动作;然后,综合考虑角度、距离、速度、高度和战机性能优势,构造了战机机动决策优势函数;最后,针对传统共生生物搜索算法在收敛速度、收敛精度以及局部最优上存在的缺陷,将轮盘赌选择方法、动态变异率和梯度思想引入到传统算法当中,对算法有效性和算法性能进行了仿真分析。仿真结果表明,改进的共生生物搜索算法在收敛速度、收敛精度以及跳出局部最优上更具优势,能够满足空战机动决策需求。      

基于Faster R-CNN的精密零部件的识别方法

在航空航天领域中，惯性陀螺等精密器件装配精度要求较高，目前大多采用人工装配的方法，装配效率低、装配过程受人主观影响大。针对上述存在的问题，采用基于Faster R-CNN模型的目标识别算法，通过VGG16特征提取网络提取特征信息，在模型训练过程中利用COCO数据集的深度网络模型进行迁移训练，防止模型过拟合并加速参数的训练过程。同时，该方法还与其他深度学习模型以及传统的目标识别算法进行了对比，在自建的数据模型测试集上进行试验。结果表明，基于VGG16的Faster R-CNN目标识别模型在复杂环境及物体发生遮挡的情况下对于惯性陀螺的识别具有明显的优势，准确率可达到87.80%，召回率80.30%，识别速度可达到15FPS，能够满足实时性要求。     

三维重建的飞机机动动作库设计与可视化

机动动作库是飞机空战仿真的重要基础，可靠的、具有针对性的机动动作库能够提高空战仿真的真实性和应用价值。为了建立具有针对性的机动动作库，提出了一种通过三维逆向建模进行气动特性计算再建立飞机机动动作库的技术途径，对气动参数未知飞机的空战仿真问题提供了技术支撑。首先，对飞机的几何外形进行了三维重建，计算分析了其纵向气动特性；然后，将气动数据加入飞行仿真的限制环节，设计了针对该型飞机典型战术动作的机动动作库；最后，基于MATLAB函数进行了机动动作的可视化研究。研究结果表明:机动动作库体现了对于飞机类型的针对性和可靠性，可视化实现了飞行轨迹和飞机姿态的三维显示及参数游标，为空战决策、空战仿真模拟训练和提高作战效能奠定了基础。      

基于飞行数据的无人机平飞动作质量评价模型

针对无人机（UAV）操纵质量高低多依赖专家主观评判、不同飞行动作缺乏针对性评判标准的问题,建立了根据飞行数据客观评价无人机平飞动作质量的模型。首先通过建立平飞判别规则识别无人机飞行数据中的平飞动作数据段,然后根据布林通道理论计算各平飞数据段内多个飞行参数的得分值,最后通过"熵权法"确定各参数的权重,进而得到反映不同无人机操控手平飞动作质量的指标数据。将一次四边平飞训练任务中4组不同无人机操控手操纵和1组无人机自主控制的飞行数据输入该模型,计算结果表明,模型可以较好地识别平飞动作并区分不同操控手平飞动作质量的高低,可以为无人机操控手的训练提供参考。      

强电磁脉冲下柴油发动机系统薄弱环节识别

为识别强电磁脉冲环境下柴油发动机系统的薄弱环节，提出了一种加权故障树和分层贝叶斯网络相结合的柴油发动机系统薄弱环节识别方法。该方法综合考虑同层单元失效的相关性，加权故障树的局部应用解决了部分条件转移概率表不易获取问题。运用贝叶斯网络双向推理功能，首先，通过柴油发动机辐照试验和电磁仿真软件获得的各部件敏感度阈值及电磁应力数据，计算出强电磁脉冲下部件级到系统级的先验失效概率；然后，依据贝叶斯概率公式计算在发动机失效条件下各部件故障的后验概率，并排序以识别其薄弱环节，为电磁防护方案的设计提供参考和建议。以宽带高功率微波(WBHPM)辐照为例，说明了柴油发动机系统分层贝叶斯网络故障模型参数获取与概率计算过程。结果表明:执行器和凸轮轴位置传感器、曲轴位置传感器既为柴油发动机系统的重要部件，也为较薄弱环节，是需要重点防护的对象。      

新一代战斗机机动作战决策与仿真

近距空战要求新一代战斗机具有较好的机动性能.根据基本的空战机动模式进行机动作战决策的建模,在综合飞行/火力/推进分布式计算机实时仿真系统中,运用大机动非线性鲁棒飞行控制律进行了典型的机动作战仿真.仿真结果表明,具有大机动性能的飞机在空战过程中显示出了很好的效益优势.      

综合飞行轨迹指令跟踪控制器设计

运用多重尺度奇异摄动理论，结合动态逆解耦理论和动态平衡点邻区域优化线性化系统的优化解耦控制律理论，研究了战术任务综合飞行管理系统的综合飞行轨迹指令跟踪控制器系统化设计方法。对Ｆ－１５飞机，设计了综合飞行轨迹跟踪控制器。数字仿真结果表明，设计的跟踪控制器能够控制飞机精确跟踪不同时标集的飞行指令。     

过站航班地面保障过程动态预测

过站航班地面保障过程预测是机场协同决策系统的重要功能。针对目前无法实现过程精细化动态预测且精度较低的问题，提出了一种基于贝叶斯网络的过站航班地面保障过程动态预测方法。建立了地面保障过程贝叶斯网络模型，设计了基于航班属性的初始样本空间生成算法，结合高斯核概率密度估计构建了地面保障过程动态预测方法。某枢纽机场实际数据的仿真结果表明:所提方法在充分考虑航班运行属性的基础上实现了各保障节点的动态预测，其平均绝对误差仅为2.224 1 min，均方根误差相比其他方法低近2 min，能够为机场运行短时战术组织提供客观的决策依据。      

输入饱和情形下战斗机大机动动态面控制

针对战斗机大机动飞行输入饱和问题，提出了一种自适应神经网络动态面控制方法。采用径向基(RBF)神经网络逼近飞机系统的不确定性，利用双曲正切函数处理系统的输入饱和问题，根据饱和受限后的实际控制输入与期望控制输入之差定义新误差变量，结合该误差变量设计大机动飞行控制律，并构造鲁棒项抵消神经网络逼近误差、外部干扰和建模误差的影响，利用动态面控制技术避免对虚拟控制器的复杂求导并减小计算量。根据Lyapunov稳定性定理证明了闭环控制系统所有信号有界，且通过选择合适的设计参数能够使姿态角跟踪误差收敛到原点的任意小邻域内。通过仿真结果的分析，验证了所提方法具有较好的鲁棒性和稳定性。      

基于任务评定的战斗机大迎角飞行控制律设计方法

针对现代战斗机大迎角机动的飞行控制设计问题,在角速率指令非线性动态逆控制律基础上,引入表征期望飞行品质的理想参考模型,构成了模型参考动态逆飞行控制律,并借助基于任务的飞行品质评定方法完成了控制参数的整定,从而实现了对飞机大迎角机动的控制.对设计结果进行了时域和频域仿真,并使用基于任务的飞行品质评定方法对闭环系统的飞行品质进行了评定,验证了控制律设计的有效性.通过不同任务下评定结果的对比,说明了这一方法在揭示飞机大迎角飞行品质特性和特定任务对飞行控制律的特殊要求这两方面的优越性,可用于战斗机大迎角机动的非线性飞行控制律设计与飞行品质的评定.      

面向空中威胁的无人机动态碰撞区建模与分析

针对现有方法一般是基于时间或距离的定值来确定碰撞区域的问题,提出了一种基于入侵机和无人机(UAV)运动信息的无人机动态碰撞区建模方法.首先,根据无人机与入侵机的运动状态、两机之间的最小安全距离等信息,通过几何方法得出无人机不采取任何规避机动时两机将发生碰撞区域的解析表达式,即无机动碰撞区数学模型;其次,考虑无人机的机动能力约束,计算了无人机采取最大过载转弯机动(左转或右转)时两机恰好避免碰撞发生的边界,即最大机动碰撞区数学模型;在此基础上,提出了不可规避区的概念;进而定义了安全飞行包络,它是无人机能够规避入侵机威胁的分界线;最后通过理论和仿真结合分析了影响各区域的主要因素.仿真与分析结果表明所建碰撞区不仅可以帮助无人机选择规避机动方式,而且能够帮助无人机判定常规避撞机动是否失败,并使无人机及时采取最大过载转弯机动,对无人机安全避撞决策具有实际参考价值.