基于回访机制的无人机集群分布式协同区域搜索方法

为高效引导无人机（UAV）集群搜索未知任务区域内的动态目标，同时兼顾最大化覆盖搜索效能，提出一种回访机制驱动的UAV集群分布式协同搜索决策（RM-DCSD）算法。首先，基于栅格化方法构建了包含3种属性的综合态势信息图模型及其更新机理，为UAV进行实时在线搜索决策奠定基础；其次，以最大化搜索效率为优化目标，同时兼顾UAV的飞行安全与能耗代价，建立了UAV搜索效能函数，在此基础上，基于滚动优化思想进一步构建了UAV局部有限时域滚动优化模型；然后，综合考虑动目标的实际搜索需求以及传感器虚警和漏检情况，分别设计了信息素引导的回访机制与权系数动态切换引导的回访机制；接着，借鉴分布式模型预测控制思想，设计了基于信息融合的UAV集群分布式协同搜索决策机制，在确保集群分布式协同最优决策的基础上实现了对UAV成员态势信息图的解耦式更新，进一步增强了系统鲁棒性；最后，通过数值仿真实验对所提算法的有效性进行全面验证。仿真结果表明，RM-DCSD算法对动态未知搜索环境表现出良好的适应性，能够在引导UAV集群对未知区域进行最大化覆盖搜索的同时，通过回访机制驱动，有效兼顾对地面动目标的搜索需求。     

基于决策不确定性的多目标跟踪传感器管理

针对高杂波、电子干扰环境,在量测驱动的多目标滤波框架下提出了一种基于决策不确定性的传感器管理方法。首先,根据部分可观测马尔科夫决策过程的理论,给出了基于Rényi信息增量的传感器管理一般方法。其次,综合考虑决策过程的信息完整性、信息质量、信息的内涵等因素,在量测驱动的自适应滤波框架下,基于目标运动态势评估多目标决策不确定性水平,并选取最大决策不确定性目标。最后,以最大决策不确定性目标的信息增量最大化为准则进行传感器分配方案的求解。仿真实验表明所提方法能够有效抑制电子干扰、杂波对多目标跟踪及传感器分配的影响,与基于威胁的传感器管理方法相比,所提方法的平均最优子模式分配（OSPA）距离及平均计算时长均显著降低,且在高杂波、电子干扰情形下具有较高的可靠性。     

基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题，结合目标机动轨迹时间序列的混沌特性，提出一种基于相空间重构理论和Volterra泛函级数的目标机动轨迹预测模型。该模型首先采用0-1检测法验证了目标机动轨迹时间序列具有混沌特性；其次，利用C-C法确定嵌入维数和时间延迟，对目标机动轨迹时间序列进行了相空间重构；然后，引入Volterra泛函级数预测模型，为了克服高阶Volterra核函数求解复杂的难题，提出一种混沌变异自适应粒子群算法，构建一种基于改进粒子群算法辨识的Volterra级数预测模型，并将其应用于目标机动轨迹预测；最后，将所提算法与卡尔曼滤波算法以及机器学习算法进行单步和多步预测对比，同时将改进粒子群算法与其他智能算法进行性能比较。仿真结果表明：所提预测模型具有良好的单步和多步预测性能，改进的粒子群算法具有参数辨识精度高、收敛速度快的优点。     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标，考虑传感器探测概率与虚警概率，提出了重访机制驱动的协同搜索规划（RMD-CSP）方法，以降低目标遗漏与误判概率。考虑无人机飞行性能约束，以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图），利用无人机实时探测信息，基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制，通过增加长时间未被重访区域的环境不确定度，引导无人机搜索该区域，降低移动目标的遗漏概率；定制基于目标函数权重更新的重访机制，引导无人机快速重访发现新的疑似目标的区域，对疑似目标进行再次确认，减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构，将搜索规划问题分解为一系列短时域规划问题，提升了求解效率。在典型任务想定下，通过数值仿真试验验证了所提方法的有效性。仿真结果表明，RMD-CSP能够在秒级时间内生成每个时域的搜索航迹，相比于光栅式搜索方法与标准的概率启发式搜索方法，能够引导无人机捕获更多的移动目标，同时减少误判次数，有效提升了多无人机协同搜索的任务效能。     

基于PCA-MPSO-ELM的空战目标威胁评估

目标威胁评估是空战对抗过程中的关键环节。由于影响空战目标威胁评估的因素复杂多样，且指标之间存在相关性，导致传统的评估算法无法得到准确客观的评估结果。由此，提出了一种基于主成分分析法和改进粒子群算法优化的极限学习机（PCA-MPSO-ELM）的目标威胁评估算法。首先，综合分析了影响目标威胁程度的指标，利用主成分分析法对原始评估指标进行线性变化处理得到综合变量，消除了评估指标之间的相关性，实现了对评估数据的降维；在此基础上，构建ELM神经网络并利用改进的粒子群算法优化极限学习机的输入权值和阈值，提高了目标威胁评估模型的精度。最后，在空战训练测量仪中选取空战对抗数据，利用威胁指数法构造了目标威胁评估样本数据，通过仿真实验分析了PCA-MPSO-ELM算法的精度和实时性，结果表明所提算法可以快速准确地进行空战目标威胁评估。     

联合截获威胁下的雷达射频隐身目标搜索算法

针对基于射频(RF)隐身需求的机载雷达目标搜索问题进行了研究。通过分析实际作战中射频辐射面临的截获威胁,提出了一种基于联合截获威胁的射频隐身性能表征方法,并给出了具体的值估算方法;对机载雷达搜索任务中辐射参数的优化问题进行了建模,并采用优化算法对目标函数进行求解。通过分析典型情景下解集的分布特点,给出了从最优解集中选取最终解的方法。结果表明,提出的射频隐身性能表征方法能更好地反映截获实现过程的多域需求,提出的雷达搜索方法能够在保证探测性能的同时,提高射频隐身性能和搜索速度,能够为相控阵雷达搜索任务中参数的优化控制提供方法和依据。     

基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.     

区间不确定信息下可修系统基于幂律过程的贝叶斯可靠性评估方法研究

贝叶斯方法常用于小子样场合下航空航天等领域中可修系统的可靠性评估，由于一些不确定因素影响致使无法精确收集先验信息和/或可修系统的故障信息，但却可获得其上下界信息。针对区间不确定信息情形，本文提出多台可修系统当其失效过程服从幂律过程（PLP）时的贝叶斯可靠性分析方法，将信息先验下PLP模型基于区间信息的贝叶斯分析转化为所求目标函数恰是该先验下PLP 模型传统贝叶斯分析的约束优化问题；具体工程实例对本文所提方法的可行性，有效性进行验证。结果表明：本文所提贝叶斯可靠性分析方法能够为小子样场合下，考虑不确定性因素影响时可修系统的可靠性评估问题研究提供一种值得参考的方法。     

基于多目标模糊优化方法的无人机航迹规划

针对以雷达威胁和燃油消耗为多目标的无人机航迹规划问题,采用多目标模糊优化方法建立航迹性能指标,并利用启发式A*搜索算法,提出基于动态权值的启发函数方法。最后结合实际算例,在基于Voronoi图的状态空间内搜索航迹,验证了采用多目标模糊优化和启发式搜索方法进行航迹规划具有合理性和有效性。     

基于非精确计算的空间探测相控阵雷达任务规划算法

针对空间探测相控阵雷达系统，提出了一种新的基于非精确计算模型的观测任务规划算法。首先，建立了目标观测的实时任务模型，并分析了观测任务所占用传感器的资源；其次，基于非精确计算模型，提出一种多任务并行的实时容错调度算法来解决观测任务规划问题，该算法综合考虑相控阵雷达的搜索任务与跟踪任务，来进行系统资源的分配。对于跟踪任务，算法结合目标的过境时间以及当前系统的负载情况，以此来确定雷达对该目标的观测时间段；最后给出了算法的评估方法。利用2886个低轨空间目标进行仿真验证，结果表明，基于非精确计算模型的任务规划算法，可显著提高系统调度成功率以及时间资源利用率．比传统方法更稳健。     

Sensor Optimization Selection Model Based on Testability Constraint

Sensor selection and optimization is one of the important parts in design for testability. To address the problems that the traditional sensor optimization selection model does not take the requirements of prognostics and health management especially fault prognostics for testability into account and does not consider the impacts of sensor actual attributes on fault detectability, a novel sensor optimization selection model is proposed. Firstly, a universal architecture for sensor selection and optimization is provided. Secondly, a new testability index named fault predictable rate is defined to describe fault prognostics requirements for testability. Thirdly, a sensor selection and optimization model for prognostics and health management is constructed, which takes sensor cost as objective function and the defined testability indexes as constraint conditions. Due to NP-hard property of the model, a generic algorithm is designed to obtain the optimal solution. At last, a case study is presented to demonstrate the sensor selection approach for a stable tracking servo platform. The application results and comparison analysis show the proposed model and algorithm are effective and feasible. This approach can be used to select sensors for prognostics and health management of any system.     

基于威胁网的飞行器航迹快速搜索算法

提出了一种基于威胁网的飞行器航迹快速搜索算法。该方法能够在具有未知威胁的飞行环境中在线进行实时航迹规划。首先根据获得的先验信息建立威胁网．其次在建立的威胁网上确定出一条安全走廊，最后在安全走廊的基础上进一步细化从而得到一条最优航迹。当飞行环境中有预先未知威胁出现时．该方法可根据更新后的信息局部修正受影响的航迹来获得新的全局最优航迹。仿真结果表明，该算法能够有效地进行实时规划，获得较满意的航迹。     

A strategic flight conflict avoidance approach based on a memetic algorithm

Conflict avoidance （CA） plays a crucial role in guaranteeing the airspace safety. The cur- rent approaches, mostly focusing on a short-term situation which eliminates conflicts via local adjust- ment, cannot provide a global solution. Recently, long-term conflict avoidance approaches, which are proposed to provide solutions via strategically planning traffic flow from a global view, have attracted more attentions. With consideration of the situation in China, there are thousands of flights per day and the air route network is large and complex, which makes the long-term problem to be a large-scale combinatorial optimization problem with complex constraints. To minimize the risk of premature convergence being faced by current approaches and obtain higher quality solutions, in this work, we present an effective strategic framework based on a memetic algorithm （MA）, which can markedly improve search capability via a combination of population-based global search and local improve- ments made by individuals. In addition, a specially designed local search operator and an adaptive local search frequency strategy are proposed to improve the solution quality. Furthermore, a fast genetic algorithm （GA） is presented as the global optimization method. Empirical studies using real traffic data of the Chinese air route network and daily flight plans show that our approach outper- formed the existing approaches including the GA .based approach and the cooperative coevolution based approach as well as some well-known memetic algorithm based approaches.     

基于改进证据网络的空战动态态势估计方法

针对无人机空战态势估计既需要综合考虑多类型因素影响,又需要具有不确定性推理能力的特点,建立了一种基于改进证据网络的动态态势估计模型并设计了威胁等级评估推理方法。首先,考虑空战决策时间较短的特点,提出变量框架等级缩减方法以提高网络运行效率;然后,针对空战态势信息具有大不确定性的特点增加冲突数据自适应融合算法以及网络证据的时间序列预测,提高证据的合理性;最后,引入时空融合思想和变权机制将前一时刻的威胁信息作为评判后一时刻威胁的重要标准,应用威胁在时间维度上的递归合成增加信息在时间方向的传递,改善了由于证据失真引起的评估结果的不合理性问题,并通过仿真验证了该方法的有效性。     

基于分解策略的SSO发射轨道遗传全局优化设计

提出了基于轨道分解优化和遗传算法（GA）的SSO发射轨道优化设计策略。针对多个轨道段相互耦合问题,基于分解优化策略,将整个发射轨道设计问题分解为两个轨道段设计问题。为了高效可靠地获得全局最优解,对基本遗传算法进行了改进。首先提出了基于多变异操作等改进措施的改进遗传算法;此外,结合遗传算法的全局搜索特性和Powell算法的局部搜索特性,设计了一种串行混合遗传算法。一个二级SSO运载火箭的计算结果表明,轨道分解优化策略确保了问题的成功求解,改进遗传算法和混合遗传算法均可稳定地获得全局最优解,但是混合算法更有效地提高了GA性能。     

随机型多目标决策的新方法

设计了一种多目标随机型决策分析新方法——交互式参考目标满足度与可行度法(IRGSD-FD),讨论了随机型决策分析的希望水平原则、解及替代模型的定义和确定性等价等问题,并对IRGSD-FD的应用结果进行了讨论。     

预警机指挥编队协同空战分层决策模型

分析了预警机指挥下的机群多编队协同空战过程,根据空战决策特点分别以编队和单机为研究对象,提出了分层决策模型,将预警机指挥下的空战决策分解为战役层决策和战术层决策。针对战役层决策,建立编队目标威胁评估和初始兵力分配模型;针对战术层决策,建立单机目标威胁评估和目标分配模型。通过算例分析,验证了决策模型的有效性和实用性。