LISP跳棋程序与启发式搜索

本文叙述了在IBM-PC个人计算机上,研制成功的LISP跳棋智能程序中,如何成功地使用启发式搜索进行设计的方法,特别对作者自行设计的顺序递归搜索算法进行了分析和评价。     

神经网络理论在微分对策中的应用

阐述了微分对策理论在实际应用中存在的问题,并从动态冲突的实际过程出发,将神经网络理论与分层式智能控制理论相结合,来模型化微分对策问题.将微分对策的双向优化问题转化成基于神经网络理论的目标机动性辨识和单向优化控制问题,将微分对策的定性与定量结合起来,为有效加入人的经验提供了一种技术途径.并采用自适应分布式学习速率,大大提高了神经网络的学习速度和精度.     

航空燃气涡轮发动机气路故障诊断现状与展望

燃气涡轮发动机在航空、地面和舰船上有着广泛的应用,对其进行性能评估和故障诊断有着重大的现实意义。本文对发动机气路诊断的发展以及当前的主要气路诊断方法如故障方程法,基于非线性模型的诊断方法,基于人工智能等方法进行了综述,最后对航空发动机气路诊断的发展进行了展望。      

基于人工智能方法的传感器故障诊断技术

在液体火箭发动机地面试验过程中,传感器的失效率远高于发动机部件、组件的故障率,因而提出了采用基于人工智能的方法对传感器的故障进行检测与诊断.本文对基于人工智能方法用于传感器故障检测与诊断的特点进行了分析,并分别应用BP神经网络和自适应神经模糊推理系统（ANFIS）对某次传感器的故障进行检测.结果证明基于人工智能的方法稳定可靠,具有良好的工程应用前景.     

智能化雷达对抗情报处理技术研究

随着雷达技术的迅猛发展,雷达信号的密度、复杂程度都大幅度提高,这就增加了雷达信号的不确定性因素。本文讨论了粗糙集理论、模糊集理论、证据理论和可能性理论等人工智能技术在雷达对抗情报处理中的应用。对雷达辐射源的型号和工作模式识别、雷达网信息以及所属平台信息的推理技术进行了探索研究,给出了研究建议。     

飞机故障排除专家辅助系统的设计与开发

简要介绍了飞机故障排除的专家辅助系统设计与开发,该系统以飞机专家在维护飞机过程中所积累的经验知识为例,结合故障隔离手册的内容,通过建立数据库的形式,依据人工智能的理论,使其具有查询功能,自动优选排故方法以及对故障内容的添加、修改、删除功能。     

群智能机制启发的传感器网络能量感知服务质量路由树

提出一种理论优化路由树的启发式算法,实现地理信息辅助的传感器网络服务质量数据收集架构.算法采用群智能蚁群优化机理进行设计:首先通过构造基于流量的能量有效性权将网络划分为不同的功能区域,使得路由的选择过程能够低延时地自适应网内不均衡性的能耗状况;然后,设计了新颖的启发式因子和信息素更新规则,赋予人工蚂蚁代理感知网络局域能量状况和逼近理论优化树的能力,从而提高路由构建的自适应性和能量有效性.仿真实验结果表明,本文提出的路由机制能够在数据收集的应用背景下,有效提高收集质量和降低传输时延,并在健壮性和节能效果方面优于许多经典的传感器网络路由算法.     

基于群智机理的集群防碰撞控制

在执行作战任务以及民用中,无人机集群由于具备高可靠性和高效费比的特点而受到广泛关注;随着城市低空空域的开放,作战环境的动态复杂性剧增,对无人机集群防碰撞提出了严峻的挑战。针对无人机集群执行任务时的编队个体之间防碰撞以及遭遇突发障碍时的集群防碰撞问题,提出了基于群智机理的集群防碰撞控制方法。通过引入力学概念,设计了集群内部吸引力、排斥力以及编队构型力的模型;通过集群个体间的信息共享以及类脑知识发育,构建了基于群信息共享和类脑反射的无人机防碰撞模型。仿真结果表明：所提集群控制方法提高了集群的集结效率,而且在遭遇突发障碍时能够规避动态障碍,再次完成编队重构;群智机理的引入缩短了无人机集群面临突发障碍时的反应时间。     

滑翔飞行器弹道规划与制导方法综述综述

滑翔飞行器以其突出的机动突防能力、高精度打击以及全球快速可达等优势成为当下航空航天领域研究热点。作为控制飞行器可靠执行既定飞行任务的核心部分,弹道规划与制导方法是关注的焦点。概述当前滑翔飞行器弹道规划与制导方法,尤其是基于标准剖面和基于预测校正思想的弹道规划与制导方法的研究现状。进一步,分析当下滑翔飞行器弹道规划与制导方法的研究热点与难点,并结合人工智能,对滑翔飞行器弹道规划与制导方法未来可能的发展趋势进行了展望。     

运载火箭动力系统故障下制导控制技术研究进展

动力系统故障是导致运载火箭发射任务失败的最常见原因,从动力系统故障建模、自主制导和容错控制方面,系统地阐述了动力系统故障下运载火箭制导控制技术的研究进展,为发展新型制导控制算法提供了思路。建立了推力下降故障和执行机构故障的数学建模,并对比了国内外先进运载火箭的制导控制性能;总结了动力系统故障下自主制导所涉及的轨迹优化和制导算法;在被动、主动容错控制框架内,回顾了典型的故障诊断、控制重构、容错控制和震动抑制方法;同时,概述了人工智能技术在自主制导和容错控制方面的应用;结合“会学习”的运载火箭概念,讨论了人工智能技术在促进运载火箭自主化和智能化方面的发展趋势,对未来智慧火箭的制导控制技术进行了展望。