基于TOPSIS算法的空间快速响应发射方案评估

针对空间快速响应发射方案评估优选问题,通过分析空间快速响应发射任务规划过程得到发射方案组成要素,在此基础上构建了三级评估指标体系;综合考虑专家主观喜好和客观事实,同时为了有效避免个别专家个性意愿对于权重分配的影响,采用信息熵权法和群决策层次分析法相组合的方式完成了指标赋权;针对方案指标数据的多样性,通过逼近理想解排序法对方案进行了综合评估及优选排序.典型算例证明了该方法的科学性和实用性,可为空间快速响应发射方案评估优选提供理论支撑.     

基于强化学习的在轨目标逼近

从强化学习的角度,对在轨目标逼近问题进行研究,设计了一种整合制导与控制的端到端的算法.首先对在轨目标逼近问题进行数学建模;然后对强化学习算法原理进行简介,根据问题特点分析不同强化学习框架的优劣,确定以DDPG作为算法框架,并设计了基于强化学习的在轨目标逼近算法;最后通过仿真验证,分析了基于强化学习逼近算法的优劣性.     

空战格斗飞行机动数据库建立及应用

空战格斗任务面临环境高复杂性、博弈强对抗性、响应高实时性、信息不完整性、边界不确定性等多项挑战。为此，已建立人类飞行员空战格斗飞行机动数据库ACED(Air Combat Engagement Database)，系统采集人类优秀飞行员空战格斗飞行机动数据。基于该数据库，首先分析了空战格斗飞行机动方程，提出应重点分析飞行员在空战任务中的滚转角及法向过载决策指令；研究确定了近距空战格斗任务中的人类飞行员飞行机动决策时间窗，并采用能量谱分析方法确定了飞行员在近距空战格斗飞行机动中的滚转角决策频率；针对采用航炮作为主武器的近距空战格斗任务，研究了近距空战格斗敌机轨迹预测算法。相关方法可有效预测航炮炮弹生命周期内的敌机未来轨迹，有力支撑了航炮自动火控算法的研发，助力在相关空战竞赛中取得优异成绩。本文系列应用示例验证了已建立的空战格斗飞行机动数据库的有效性。     

基于工业物联网的混流车间机器人自适应调度

随着工业物联网技术与人工智能技术深度融合,物料机器人已广泛应用于物联网车间中。针对车间存在实时动态变化和状况不确定等诸多复杂因素,本文提出以组分层建树和以实时状态为根节点的SP–MCTS(Singleplayermonte-carlotreesearchalgorithm)搜索方法实现车间自适应调度决策。该方法将机器人调度问题转化为马尔科夫决策过程(Markov decision process,MDP),并详细描述车间状态、动作、奖励和策略的表示方法。在实时调度过程中,该搜索方法依据工件组分层建树,搜索中只考虑相邻两组间的状态关系,从而简化计算难度。在子树搜索中,应用SP–MCTS以实时状态为根节点进行搜索,同时应用扩展方法和剪支方法进行策略探索和信息累积,使得在子树内实时状态节点越深,就越能够快速精准获取最优策略。最后,通过实际案例模拟分析,验证了该方法的有效性和优越性。     

航天器姿态大角度机动有限时间控制

针对航天器姿态大角度机动控制问题，在存在外部扰动的情况下，基于航天器姿态跟踪系统的标准级联特性，利用反步法和自适应控制设计有限时间控制器。提出的控制方法可以严格保证姿态大角度机动系统是全局有限时间稳定的。李雅普诺夫理论推导和仿真结果表明，系统在控制器的作用下可以快速机动到平衡点并保持稳定，全物理仿真试验进一步表明了所提出的控制方法的有效性和优越性。     

基于空间两点的视觉自主着陆导引算法设计

为提高无人机着陆效率，从着陆速度向量场和导引律设计两方面研究改进。首先，基于椭圆设计速度向量场，实现飞行路程更短、机动性能要求更低的着陆轨迹。然后，基于像素坐标系与机体坐标系的关系，设计无人机的航迹方位角指令；以椭圆切线方向为参考，结合合作矢量特征，设计航迹倾斜角指令；利用图像信息，设计速度大小指令。最后，理论比较了传统轨迹与提出轨迹对方向机动性性能的要求，给出了轨迹参数与无人机方向机动性性能的关系。利用Simulink搭建系统仿真平台，计算满足要求的合作矢量特征。结果表明，无人机以曲线轨迹准确软着陆到目标，满足实际运用的需要。      

输入饱和情形下战斗机大机动动态面控制

针对战斗机大机动飞行输入饱和问题，提出了一种自适应神经网络动态面控制方法。采用径向基(RBF)神经网络逼近飞机系统的不确定性，利用双曲正切函数处理系统的输入饱和问题，根据饱和受限后的实际控制输入与期望控制输入之差定义新误差变量，结合该误差变量设计大机动飞行控制律，并构造鲁棒项抵消神经网络逼近误差、外部干扰和建模误差的影响，利用动态面控制技术避免对虚拟控制器的复杂求导并减小计算量。根据Lyapunov稳定性定理证明了闭环控制系统所有信号有界，且通过选择合适的设计参数能够使姿态角跟踪误差收敛到原点的任意小邻域内。通过仿真结果的分析，验证了所提方法具有较好的鲁棒性和稳定性。      

基于效用价值驱动的旅客出行动力学研究与建模

为了探究交通体系中旅客出行行为的特征与机理，以某机场离港旅客的陆侧出行数据为研究对象，对旅客出行模式进行了统计。分析发现，旅客聚集行为具有强烈的阵发性，不同出行维度旅客群体的聚集时间间隔分布具有幂律特征，且幂指数和阵发性强度呈正相关关系。同时，研究认为旅客出行换乘决策是综合时间、费用、便捷舒适度、突发情况等多因素的期望实现，是一种基于效用价值驱动的人类行为。基于此构建了效用价值驱动模式下的旅客出行行为动力学模型，可输出幂指数为参数可调的幂律分布，且仿真输出和实证数据分析结果相吻合。     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究，将干扰资源调度建模为多目标优化问题，以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型，利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿，以最优解集代替最优解，再根据战场实际情况选择最佳调度方案，使决策方案更加科学合理。实验结果表明，MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷，有较高的搜索效率，算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。