多无人机对地攻击任务分配算法

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.文章基于拍卖机制原理提出了多无人机的动态任务分配算法,给出了算法流程,构建了收益计算函数,并对算法效率进行了分析.仿真试验表明所提出的算法同传统方法相比,大大减少了通信计算量,具有更好的实时性     

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。     

基于DoDAF的装备保障任务建模与仿真的验证

装备保障任务建模与仿真是装备保障性能分析的基础,针对装备保障任务层次结构复杂、结构动态变化的特点,文章采用美国国防部体系结构框架(Department of Defense Architecture Framework,DoDAF),对装备保障任务建模需求进行分析,选取相应的DoDAF产品进行目标、资源、活动及活动间关系描述,探讨装备保障任务的分解原则,对装备保障任务进行逐级分解,建立保障任务模型,采用Telelogic SA(System Architect)软件构建装备保障任务的仿真模型,并以美国"尼米兹"级航母对岸作战航空保障任务为例,分析其任务成功率,对建立的模型进行仿真验证,证明了模型和方法的有效性。     

基于Q-GERT的装备维修保障流程仿真模型

在分析流程仿真主要建模仿真方法特点的基础上,针对维修保障流程的特点,运用Q-GERT对装备基层级维修保障过程进行了建模,并给出了具体的仿真算法,仿真分析了不同维修保障资源配置下的资源利用率、任务成功率等指标,为装备基层级维修保障资源的优化配置提供决策支持,仿真结果证明该方法的实用性和可行性。     

基于隐马尔可夫的航空发动机视情维修研究

针对传统航空发动机维修方式存在的＂维修过剩＂或＂维修不足＂的弊端,研究了航空发动机的视情维修决策模型。采用隐马尔可夫过程对航空发动机劣化过程建模,解决了传统马尔可夫过程中故障率均假定服从指数分布的局限,同时考虑了检测过程中的不完全信息情况,更贴近实际工程,相关结果可为视情维修提供辅助决策支持。通过具体示例,验证了方法的有效性和合理性。     

基于PHM技术的导弹维修保障

为解决传统导弹维修保障方法所存在的问题,加快军队信息化建设,提出了基于PHM技术的导弹维修保障方法。分析了不同维修方式、导弹维修保障及信息化建设与PHM技术的关系,利用PHM技术并结合决策支持的思想,建立导弹健康状态的信息管理系统,初步分析了系统的基本结构组成,并结合实际提出了一些需要重点解决的问题。     

航修系统企业对人才培养质量的评价分析——以长沙航空职业技术学院为案例

选取13家航修系统企业部分中层领导干部作为调查对象,以长沙航空职业技术学院人才培养质量为实证,从毕业生的思想品德、专业知识、业务能力、工作业绩等方面进行评价。研究发现：毕业生人才培养质量整体水平良好。其中,对思想政治素质、职业道德以及工作态度评价最高,其次是工作能力、行政职业能力和专业理论知识,而科研创新能力和外语能力有待加强。     

民用航空发动机维修工程分析平台设计与实现

随着国产民用大飞机的研制和应用,民用航空发动机的研制和应用需求也逐步显现。为了提高国内民用航空发动机的派遣可靠性,需要对其维修工程服务产品进行专业分析,并通过信息化、规范化的方法促进其维修工程服务产品的发展和应用。首先,研究民用航空发动机维修工程分析的技术应用和行业发展,基于发动机维修工程分析和相关标准规范明确平台的核心模块功能和开发需求;在此基础上,开发发动机维修工程分析平台,并通过实际操作测试平台的各项功能;最后,以发动机燃控系统为例验证该平台的可操作性。结果表明：发动机维修工程分析平台各项功能正常、流程完善、数据合理,为后期设计优化和工程迭代工作奠定了重要的数据基础。     

面向星下点轨迹自主维持的星载软件 算法与实现

为实现单星星下点轨迹维持和保持编队卫星间构型关系,提供了星载软件解决方案.给出了卫星漂移模型,并研究了轨控实施策略、轨迹实时匹配等关键技术.依托星务硬件平台,通过软件实现了样本信息处理、控制策略决断、状态自主设置、轨控参数计算等控制过程.以轨道仿真数据为输入,对软件输出与理论结果进行了比较,验证了轨控软件实现的可行性、正确性.自主轨道维持技术将进一步提升卫星的智能化、自动化水平.     

基于Transformer层次预测的多星应急观测任务规划方法

应急观测任务规划是一个强时效性的复杂组合优化问题,必须在规定的时限内完成相应的计算。采用机器学习的方法对规划问题进行初始规划方案预测,可以有效地简化计算复杂度。为此,提出一种基于Transformer层次预测的多星应急观测任务规划方法,将多星任务规划的求解过程分解为3个步骤：首先,利用基于Transformer的任务可调度性预测模型预测待规划任务是否执行,得到预执行任务集合;然后,基于Transformer的任务分配模型对预执行任务集合分配卫星,得到初始规划方案;最后,利用基于随机爬山的约束修正算法对初始规划方案进行优化调整,得到可行规划方案。为验证所提方法的有效性,通过大量仿真实验与CPLEX优化器、标准遗传算法、长短期记忆网络等方法模型进行比较,实验结果表明所提方法计算耗时短,规划收益高,适用于多星观测任务快速规划。