自适应模糊PID技术在发射场供气系统的应用

针对发射场加注供气系统压力控制非线性、大时滞、变参数问题,设计了一种基于自适应模糊PID技术的闭环压力控制系统。该系统通过对控制器的比例系数Kp、积分系数Ki和微分系数Kd的在线调整,实现了压力的高精度控制。依据试验现场数据采取曲线拟合方法建立系统二阶滞后惯性模型并进行了仿真。通过仿真验证了模型的有效性,效果优于常规PID控制,有效地改善了系统的动态性能和稳态精度,在以PLC控制为核心的发射场自动化控制系统中可推广使用。     

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

基于速度障碍法的飞行冲突解脱与恢复策略

针对飞行中的冲突解脱和航迹恢复问题,在速度障碍法模型的基础上提出了一种几何优化的方法,并对这个问题进行了严格的数学描述。首先根据飞机之间的相对位置和速度关系,确定其冲突类型,以及是否满足各解脱策略的条件,选取相应的解脱策略,待冲突解脱完成后,飞机恢复至原航线飞行。然后通过几何分析,理论推导,该模型能够有效解决飞行冲突,并且具体给出冲突解脱和航迹恢复的位置。最后在仿真中,所提方法根据不同场景能够自主选择冲突解脱策略,结果显示该方法简单高效,并且在航迹恢复过程中不引入新的飞行冲突。      

区间不确定性下的空中作战行动过程优选方法

针对空中作战行动过程（COA）设计问题,根据动态影响网（DINs）理论和改进快速非支配排序遗传（NSGA-Ⅱ）算法,提出一种基于DINs和区间多目标优化的空中作战过程优选方法。首先,分析空中作战过程基本概念,分别进行静态和动态建模,并对参数不确定性进行分析。然后,基于改进Kendall协和系数检验法确定一致性检验后的关键参数,设计DINs概率传播算法。随后,分析期望效果实现概率与各关键参数的相关关系,在分析行动过程优选效果评价指标基础上,采用改进NSGA-Ⅱ算法对模型进行求解。最后,通过多组仿真案例,验证了模型的合理性,以及算法的有效性和优越性。     

降维分析与中低轨预警星座设计

中低轨天基红外星座是一种新型的能对自由段目标进行跟踪的导弹预警星座,基于深空背景的空域覆盖性能是表征其对自由段目标跟踪能力的重要指标。文中分析了星座基于深空背景的空域覆盖性能的特点和规律;在此基础之上提出一种对导弹预警任务针对性很强的降维研究方法,得到单星全空域覆盖环的概念;并将降维法应用于空域连续覆盖星座设计,提出了单轨道全空域连续覆盖带的概念;还对降维法在非连续覆盖星座设计当中的应用进行了初步探索。     

基于Agent与元胞自动机的无人机集群混合式控制

高效有序的集群控制方式是集群顺利完成作战任务的前提。针对无人机集群控制问题，结合集中式与分布式2种控制方式，提出基于Agent与元胞自动机的集群混合式控制。从无人机集群作战流程出发构建了无人机集群控制体系框架、通信拓扑结构及集群控制规则，将集群个体由上至下分为中心长机、小组长机、个体无人机3个层次，高层级对低层级采用自上而下的集中式控制，同层级采用自下而上的分布式控制。在此基础上，利用Agent模型的层次性与元胞自动机模型的同质性，设计了基于Agent与元胞自动机的集群混合式控制模型，实现2种控制方式有效结合，元胞自动机模型实现集群基本的聚合、分离、速度一致规则，Agent模型实现不同层级个体间的协同交互规则。在编队集结与保持任务背景下，对分布式、集中式与混合式3种控制进行对比仿真，结果表明:基于混合式控制的集群在编队可控性、跟随性、一致性以及降低通信负载等方面具有明显优势，验证了混合式集群控制方法的有效性。      

基于信息素决策的无人机集群协同搜索算法

针对无人机(UAV)集群在未知环境中无先验信息条件下的搜索问题，提出了一种以信息素为决策机制的无人机集群协同搜索算法。首先，考虑无人机通信约束，建立了有外部节点的星型网络通信和无外部节点的自组织网络通信2种形式的搜索模型。其次，通过环境地图向信息素地图映射的方法建立任务环境模型。将任务过程分为3个阶段，在搜索阶段，无人机通过不断地移动实现本机信息素地图的更新；在通信阶段，通过通信网络实现多机信息素地图的融合；在决策阶段，根据局部信息和全局信息做出决策，并将栅格信息素浓度作为决策函数来引导无人机的位置更新。基于信息素地图覆盖率来定量描述搜索效果。最后，仿真结果表明，所提算法能够对区域进行覆盖搜索，表现为搜索效率高、抗毁性强、受集群的初始位置影响小。      

基于情景分析的航空集群决策规则库构建方法

针对传统的规则学习算法很难解决顶层决策，以及现阶段航空集群作为一种新兴的作战样式，没有太多现成的数据和案例可供参考，暂不具备"从战争中学习战争"条件等难题，从战争设计的角度出发，探讨性地提出了一种基于情景分析的规则库构建方法。首先，从系统演化的外部触发条件和内部驱动机制出发，提出了基于事件触发-规则驱动的自主决策机制；然后，将航空集群决策规则拆分为事件、条件、动作3部分，并采用事件-条件-动作（ECA）描述机制进行规范化表达；最后，借鉴情景分析理论的思想，通过详细分析作战过程的逻辑关系、状态变迁，实现对象、事件、行为的关联，并以无人机自主察打任务规则提取为例进行了验证分析。     

基于经验移植的自主空战对抗学习方法

现有的机器学习方法大多是交互式的学习模式，这类方法在训练过程非常依赖与环境之间的交互数据。空战对抗任务是一种奖励非常稀疏的训练任务，智能体在学习开始的很长一段时间内，都在探索能够获得奖励的动作。如果每一个新的任务都重新训练，是非常浪费计算资源的。因此，设计了一种基于经验移植的学习方法，使得经过训练的智能体能够将知识分享给新的智能体，提高其在新任务上的学习效率。首先，借鉴人类通过经验进行快速学习的现象，构建了基于经验移植的学习的模型；其次，兼顾知识分享和新任务的特征，明确了经验的内涵，建立了"知识+任务→经验"的融合认知方式；再次，设计了借鉴学习方法，将外部经验与任务相结合，进而转化为新个体的知识；最后，使用经验适用度作为筛选指标，分析了经验适用度对借鉴学习效率的影响，确定了执行借鉴学习的筛选边界。新个体通过借鉴学习后能够获得关于新任务的初步知识，在新任务中更快地找到能够获得奖励的动作策略，从而提升在新的任务中的学习速度。     

基于多层多级天际线选择方法的威胁评估

传统的威胁评估均采用加权求和方法，最终得到的单一威胁度序列缺少各目标特征，且权值设定过程复杂。在天际线选择理论的基础上，提出了多级天际线选择方法，结合多层次威胁评估建模思想，建立了基于多层多级天际线选择方法的威胁评估模型，有效消除了权值设定过程中个人喜好等因素的干扰，并将每个目标在各评价维度上的属性特征呈现出来。仿真实验结果表明，获得的威胁评估结果全面直观，为指挥员依据不同情况进行后续决策提供了重要依据。