OODA智能赋能技术发展思考

随着科学技术的飞速发展,信息化支持下的体系作战将是未来战争的一种主要样式,"基于感知-判断-决策-行动（OODA）以快吃慢"成为未来战争的重要制胜机理。由于战场环境日趋复杂、对抗多域多维,从战场态势到作战策略的映射关系复杂,给OODA环快速解算带来了新的挑战。为确保OODA环解算满足任务需求,将人工智能（AI）技术赋能OODA各环节,驱动各环节高效运行,缩短环路解算时间,为打赢战争提供关键支撑。首先综述了人工智能在军事领域的应用进展,分析了导弹OODA智能化赋能面临的挑战,初步提出了智能赋能OODA环涉及的相关技术的思考,以支撑导弹智能化的发展。     

管制-飞行状态相依网络演化过程

动态、准确的管制系统运行态势预测是航空运输系统各相关单位开展协同决策的关键基础。基于航空器间的冲突情况、管制员对航空器的管控情况以及管制移交情况构建管制-飞行状态相依网络,探究、分析其演化规律,采用相关性分析和主成分分析证明了所选5项指标的合理性。设置自由飞行和固定航线飞行两种仿真场景,通过计算平均节点度、平均点强等拓扑指标的最大李雅普诺夫指数证明各时间序列均具有混沌特性,选择长短期记忆（LSTM）人工神经网络方法对各时间序列的演化规律进行预测,并与其他预测算法进行对比。仿真结果表明LSTM算法能对管制系统的演化过程进行有效的预测,且预测精度高于贝叶斯算法和支持向量机算法;在自由飞行条件下,5项指标的预测误差绝大部分在20%以内,固定航线飞行的预测效果优于自由飞行。     

民用飞机智能飞行技术综述

人工智能已成为民用飞机技术创新发展与竞争的新赛道。在面向民用飞机全生命周期的多种人工智能融合应用中,智能飞行致力于改变传统飞行驾驶模式,重构未来飞行的人机交互模式与空中交通管理架构,成为行业特征最为显著、最具备颠覆性变革的方向,是民用飞机智能化竞争的新焦点。阐述了智能飞行理念,规划辅助智能、增强智能、完全智能三阶段实施路线,以25部、23部、轻型运动类飞机为对象,制定智能飞行推进路线,构建技术体系,提炼影响智能飞行在应用落地过程中需要解决的可信适航与人为因素两项关键应用基础技术,分享对于智能飞行的思考。     

被动成像广域空中监视系统综述

被动成像广域空中监视（Wide Area Airborne Surveillance, WAAS）系统因其良好的隐蔽性和动态监视的实时性、持久性及大面积覆盖,已成为情报监视侦察的重要工具,广泛应用于军事、民用领域。文章结合典型被动成像广域空中监视系统（如自动实时地面全部署侦察成像系统 ARGUS-IS）的特点,从光电传感器设计、数据传输与信息处理等方面阐述被动成像WAAS的系统特点及关键技术环节;重点分析了大视场高分辨率的实现方式、海量数据传输与存储、数据智能分析等制约被动成像WAAS性能的瓶颈技术,为被动成像WAAS的研制与应用提供了参考。     

航空器预测性维修技术研发应用态势分析

以航空器实时数据采集、传输和分析为基础的预测性维修技术已成为业界的发展趋势之一。本文从航空器维修的技术内涵和系统定位出发,以论文和专利数据为表征,提取预测性维修研究热点,系统梳理预测性维修技术的发展现状和趋势,分析人工智能、维修自动化、无人机、工业机器人、智能供应链等新一代信息技术在航空器预测性维修中的应用。在归纳预测性维修框架和关键技术的基础上,给出航空器预测性维修技术自主化策略建议。     

基于智能算法的格栅加筋结构稳健性优化设计

先进复合材料格栅加筋结构有较高的结构效率和较好的设计性能,在航空航天领域有着广泛的应用。本文采用人工神经网络来模拟格栅结构的参数与屈曲载荷之间的映射关系,并在此基础上对结构进行了多目标稳健性优化,使结构质量及其对不确定参数的敏感度都较低。神经网络的训练用到了粒子群优化算法,而最后的结构稳健性优化用到了遗传算法。     

Retrieval of spinach crop parameters by microwave remote sensing with back propagation artificial neural networks: A comparison of different transfer functions

Back propagation artificial natural network (BPANN) is a well known and widely used machine learning methodology in the field of remote sensing. In this paper an attempt is made to retrieve the spinach crop parameters like biomass, leaf area index, average plant height and soil moisture content by using the X-band scattering coefficients with BPANN at different growth stages of this crop. The maturity age of this crop was found to be 45 days from the date of sowing. After 45 days from the date of sowing, this crop was cut at a certain height for production. Then, it is a point of interest to investigate the microwave response of variation in production. Significant variations in all the crop parameters were observed after cutting the crop and consequently made the problem more critical. Our work confirms the utility of BPANN in handling such a non-linear data set. The BPANN is essentially a network of simple processing nodes arranged into different layers as input, hidden and the output. The input layer propagates components of a particular input vector after weighting these with synaptic weights to each node in the hidden layer. At each node, these weighted input vector components are added. Each hidden layer computes output corresponding to these weighted sum through a non-linear/linear function (e.g. LOGSIG, TANSIG and PURLIN). These functions are known as transfer functions. Thus, each of the hidden layer nodes compute output values, which become inputs to the nodes of the output layer. At nodes of output layer also a weighted sum of outputs of previous layer (hidden layer) are obtained and processed through a transfer function. Thus, the output layer nodes compute the network output for the particular input vector. In this paper, output nodes use linear transfer function. Different transfer functions e.g. TANSIG, LOGSIG and PURELIN were used and the performance of the ANN was optimized by changing the number of neurons in the hidden layers. The present analysis suggests the need of critical analysis of the BPANN in terms of selection of the best transfer function and other network parameters for the better results.     

显性质量成本与智力成本的装备有限激励价格模式

在对现行装备定价成本构成分析的基础上,提出了显性质量成本与智力成本,并进而构建了基于显性质量成本与智力成本的装备有限激励价格构成模式。     

基于改进粒子群优化算法的巡航导弹航路规划

粒子群优化(PSO, Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.      

微型飞行器小展弦比薄翼流场中的翼尖涡特性分析

采用虚拟压缩方法求解三维不可压缩N-S方程,数值模拟了无弯度、有弯度两类微型飞行器低雷诺数小展弦比薄翼的流场,将得到的结果与实验进行了对比,数据间吻合较好.然后在此基础上分析了小展弦比薄翼的气动力特性,详细研究了小展弦比薄翼流场中翼尖涡的涡态结构及形成规律,在对小展弦比薄翼流场尾迹区的翼尖涡采用近似模型的基础上,对尾迹区翼尖涡的强度进行了分析.结果表明,翼尖涡是影响小展弦比薄翼气动力和流动分离特性的一个重要因素.