基于MAX-MIN自适应蚁群优化的无人作战飞机航路规划

为了保证无人作战飞机(UCAV)以最小的被发现概率和最优的航程到达目标点,在敌方防御区域内执行任务前必须进行航路规划。蚁群优化(ACO)算法的并行实现机制适合于复杂作战环境下的UCAV航路规划,但是基本ACO算法有易陷于局部最优解的缺点。在对基本ACO算法采用精灵策略保留每次迭代最优解的基础上,提出了一种适用于航路规划的MAX-MIN自适应ACO算法,并给出了改进后ACO算法的实现流程,最后采用改进前后的ACO算法对某UCAV的任务态势分别做了仿真实验。实验结果表明改进后的ACO算法可更加有效地应用于UCAV航路规划。     

基于合同机制的多UCAV分布式协同任务控制

 针对集中式控制的不足，采用基于合同机制的分布式控制方法对多无人作战飞机（UCAV）协同任务控制问题开展研究。设计了有限中央控制下的分布式控制体系结构，以支持UCAV在任务控制站的监控下实现不同级别上的自治。在通过合同网协议实现动态任务分配的基础上，建立条件合同机制对任务执行过程进行协调，提高了多UCAV协同作战的效能。采用时间约束网络对UCAV的任务计划进行量化表达，保证了多UCAV战术行为配合的准确实现。仿真结果验证了方法的有效性。     

基于启发式自适应离散差分进化算法的多UCAV协同干扰空战决策

 研究了多无人作战飞机(UCAV)协同干扰空战决策(MUCJAD)问题,在干扰效能评估指标量化方法的基础上为该问题建立了优化模型。为有效求解该模型,提出一种启发式自适应离散差分进化(H-SDDE)算法。在H-SDDE算法中,设计了包含4种候选解产生策略的候选策略池,引入了候选解产生策略及其参数的自适应学习过程。此外,结合实际问题为算法设计了基于威胁度的扩展型整数编码方案、基于威胁度的启发式个体调整操作、基于约束满足的个体修复操作。在12个测试实例上进行了仿真验证,结果表明,H-SDDE算法与其他同类算法相比在求解质量和求解速度上具有明显优势,能够更好地发挥多UCAV协同干扰整体效果。     

敏捷成像卫星多星密集任务调度方法

 面向应急观测需求,对敏捷成像卫星多星密集点目标观测任务调度问题进行研究。针对敏捷成像卫星观测特点,综合考虑卫星可观测时间窗口、任务间卫星姿态调整时间、卫星最长连续工作时间、星上存储容量、卫星能量等约束,建立多星任务调度模型。提出了一种改进的蚁群优化(ACO)算法对调度模型进行求解。该算法借鉴了蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想,结合调度相关约束设计寻优策略和信息素更新策略。引入任务优先级、最早及最晚可观测时间等因素来控制转移概率。仿真结果验证了模型和算法的有效性。     

基于Radau伪谱法的无人作战飞机四维轨迹规划

针对无人作战飞机(UCAV)打击时敏目标和多机协同攻击问题,提出一种基于Radau伪谱法(RPM)的无人作战飞机四维攻击轨迹规划方法。在综合考虑UCAV气动力特性、大气环境特性基础上建立了高精度UCAV(3-DOF)质点模型,并设计了约束条件和目标函数;基于动态RCS建立威胁模型,构建了最优控制理论框架的UCAV四维攻击轨迹规划模型;通过RPM将动态RCS威胁下的四维攻击轨迹规划问题转换为非线性优化问题,然后利用SNOPT软件包进行求解。仿真结果表明,该方法能够以较快的速度和较高的精度生成满足多种复杂约束条件的四维攻击轨迹。     

一种新的并行测试任务调度算法

 并行测试的任务优化调度是并行测试技术的核心问题。为了解决现有调度方法耗时、实际应用范围有限以及缺少对资源冲突和系统死锁的形式化分析等问题,采用赋时有色Petri网(TCPN)建立并行测试任务调度的TCPN模型,基于TCPN模型的可达标识图利用改进蚁群算法求解最优任务调度序列。算法搜索过程中,采用多目标优化,目标函数综合了测试时间、仪器成本和负载平衡度,使得算法更符合工程应用。采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟。仿真实例证明该算法是有效的。     

基于自适应连续蚁群算法的卫星星座设计(英文)

蚁群算法是一种解决多变量问题的新型启发式仿生算法。本文分析了卫星对地面的覆盖条件,提出用——/(n 1)重覆盖率来评价星座的覆盖性能,建立了以覆盖性能为目标函数的卫星星座参数优化模型。采用蚁群算法对卫星星座参数进行优化,为星座优化问题提供了一种新方法。在连续蚁群算法的基础上对算法进行改进,提出蚂蚁种群数量的自适应准则,有效的提高了搜索范围与收敛速度。通过仿真表明,与其他方法相比,蚁群算法在星座参数优化有着明显的效率。     

威胁联网下无人作战飞机突防作战航迹规划

以复杂战场环境下无人作战飞机(UCAV)的自主突防作战为研究背景,以防空单元为威胁建立威胁联网模型,针对威胁联网的指挥控制组织结构和信息交互关系的特点,建立了一种威胁联网的信息交互数学模型,并且通过网络模拟器NS-2(Network Simulator Version 2)仿真验证了该数学模型的合理性与适用性,同时基于此提出了一种UCAV威胁代价评估模型;然后,结合UCAV动力学约束与制导武器攻击区约束,给出一种基于改进稀疏A*算法的自主突防与攻击航迹规划算法。仿真结果表明,该算法能够快速获得UCAV突防作战航迹,且由于采用了动态的威胁评估方法,对突发威胁有较好的适用性。     

基于改进蚁群算法的无人机侦察航路规划研究

蚁群算法是一种新的源于大自然生物界的仿生随机优化方法,在一系列组合优化问题求解中取得了成效。本文将蚁群算法引入无人机侦察航路的规划,对基本蚁群算法提出了改进,提供了一种新的有效的航路优化算法,并对无人机的侦察航路进行了仿真计算。仿真结果表明改进的蚁群算法克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,仿真结果验证了该算法的有效性。     

基于改进狼群算法的多无人机协同多目标分配CSCD

针对现代空战多无人机协同多目标任务分配问题,结合标准狼群算法,提出了一种改进狼群算法的多目标任务分配方法。根据狼群的不同分工以及搜索属性,建立了基于自主游走机制的头狼产生规则、基于多策略知识库的探狼游走机制和基于自适应步长的猛狼奔袭及围攻方式,从而对传统狼群算法的随机性进行智能化约束与控制,以解决多无人机协同多目标任务分配问题。数值仿真结果表明,该方法能够快速有效获得任务分配方案,避免陷入局部最优。     

Mission decision-making method of multi-aircraft cooperatively attacking multi-target based on game theoretic framework

Coordinated mission decision-making is one of the core steps to effectively exploit the capabilities of cooperative attack of multiple aircrafts. However, the situational assessment is an essential base to realize the mission decision-making. Therefore, in this paper, we develop a mission decision-making method of multi-aircraft cooperatively attacking multi-target based on situational assessment. We have studied the situational assessment mathematical model based on the Dempster-Shafer (D-S) evidence theory and the mission decision-making mathematical model based on the game theory. The proposed mission decision-making method of antagonized airfight is validated by some simulation examples of a swarm of unmanned combat aerial vehicles (UCAVs) that carry out the mission of the suppressing of enemy air defenses (SEAD).     

双平台交叉定位去除虚假点方法研究

针对测向交叉定位方法在多辐射目标源的情况下存在的虚假定位,提出了一种去除虚假点的新方法——结合时差去除法。该方法通过计算双平台间测量数据的相近度来进行最优匹配,去除虚假定位。该方法无需先验信息,只需两个测量平台,降低了平台间数据传输和时间同步的复杂性。仿真结果表明,该方法运算速度快,对水平编队目标群定位精度高。     

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。     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

Stochastic game approach to air operations

A command and control (C/sup 2/) problem for military air operations is addressed. Specifically, we consider C/sup 2/ problems for air vehicles against ground-based targets and defensive systems. The problem is viewed as a stochastic game. We restrict our attention to the C/sup 2/ level where the problem may consist of a few unmanned combat air vehicles (UCAVs) or aircraft (or possibly teams of vehicles), less than say, a half-dozen enemy surface-to-air missile air defense units (SAMs), a few enemy assets (viewed as targets from our standpoint), and some enemy decoys (assumed to mimic SAM radar signatures). At this low level, some targets are mapped out and possible SAM sites that are unavoidably part of the situation are known. One may then employ a discrete stochastic game problem formulation to determine which of these SAMs should optimally be engaged (if any), and by what series of air vehicle operations. We provide analysis, numerical implementation, and simulation for full state-feedback and measurement feedback control within this C/sup 2/ context. Sensitivity to parameter uncertainty is discussed. Some insight into the structure of optimal and near-optimal strategies for C/sup 2/ is obtained. The analysis is extended to the case of observations which may be affected by adversarial inputs. A heuristic based on risk-sensitive control is applied, and it is found that this produces improved results over more standard approaches.     

基于多核并行计算的超燃冲压发动机一维模型实时性研究

在发动机控制系统设计中,为了缩短设计周期、降低研发成本,需要建立面向控制的、较为精确的、实时性高的超燃冲压发动机性能计算模型,以保证模型精度、提高计算速度为研究目标,基于多核高性能计算仿真平台,开展了面向控制的超燃冲压发动机一维模型实时性优化工作。运用简化计算流程、改进C语言程序、开拓缓存区等方法有效提高了一维模型计算速度。创新性地尝试了计算流体力学并行化方法,对隔离段和燃烧室一维模型进行结构分解。计算网格平衡分配至多个中央处理器,并借助核间数据通讯实现多核并行计算。与串行模型计算结果对比,七核并行计算模型性能参数偏差不超过0.1%,全工况仿真时间小于30ms,计算耗时较优化前缩短了75%以上。实时性优化后的多核并行模型计算精度高、速度快、收敛性好,可以作为超燃冲压发动机控制系统设计和半实物仿真验证平台。     

无人战斗机空战对策研究综述

关于无人战斗机空战对策的研究已经随着无人机技术的发展与完善成为热门研究课题之一.介绍了空战对策理论的主要研究方法以及国内外学者的研究成果,同时对空战博弈模型的建立以及混合策略下期望支付函数的求解方法进行了描述,最后对无人机战斗机空战对策理论的未来发展趋势作了分析.     

一种无人机局部路径重规划算法研究

提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型V orono i图”表示出来,采用D ijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用V iterb i解码算法确定突发威胁体的实时位置及威胁等级,再依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径,并用M atlab仿真验证了算法的有效性。     

基于神经网络的广义经典分配航迹关联算法

在序贯航迹关联算法的基础上提出了一种广义经典分配航迹关联算法。此算法实际上是求约束条件下的函数最小值问题,属于组合优化问题,其计算复杂度随着目标数的增加而发生爆炸现象。根据Hop field神经网络模型解决此类问题的能力对此广义经典问题进行了求解。仿真实验结果表明,广义经典分配算法能够有效地解决航迹关联问题,而且用神经网络求解此问题降低了计算复杂性,并具有很高的关联正确率。