非完备信息下的超视距空战双机协同战术识别

针对超视距（BVR）空战过程中,受探测装置性能限制和敌方干扰等原因,导致目标信息易缺失,从而难以实时准确地识别敌方协同空战战术的问题,提出了一种基于动态贝叶斯网络（DBN）与参数学习的超视距空战双机协同战术识别方法。分析了超视距空战条件下的双机协同战术特征,根据长机和僚机的职能分工、当前态势及机动动作,构建了识别网络模型;为提高模型对双机协同战术的识别概率,采用期望最大参数学习方法优化网络参数;基于自回归模型对缺失目标信息进行修补,提出非完备信息下的双机协同战术识别推理算法。通过开展空战对抗仿真实验,验证了双机协同战术识别方法对于非完备信息下的超视距空战双机协同战术具有较高的识别概率和较好的实时性。     

智能化战术任务管理系统研究

从感知、评价、决策的认知过程研究了现代军机战术任务管理系统的结构、组成和功能,重点研究了态势评估和任务规划两个关键子系统.建立了基于贝叶斯网络和模糊逻辑推理的态势评估算法及威胁评估模型,采用贝叶斯网络对威胁级别进行了评估,运用模糊逻辑对各威胁源的相对重要性进行了推理,实现了对威胁源威胁级别和相对重要性的连续动态评估.研究了基于动态A^*算法的战术飞机飞行路径在线实时规划问题,实现了态势评估与路径规划两子系统之间的集成.研究结果表明了该系统方案和算法的有效性,任务规划系统能够自适应战场态势的变化.     

自动化飞行训练评估中的战机机动动作识别

针对战机飞行员自动化飞行训练评估对于机动动作的在线识别需求,提出了一种改进的基于动态贝叶斯网络的机动动作识别方法。首先,分析了仪表、简单特技和复杂特技飞行科目的机动动作特征。然后,根据战机飞行过程中机动动作与特征参数的因果关系,建立了机动动作识别动态贝叶斯网络模型,克服了传统方法需要滚转角信息,在实际飞行训练中难以通过雷达探测实时获取的缺点。同时,通过设计模型在线调用机制,有效降低了计算复杂度。实验结果表明,所提方法对于战机机动动作识别率高、实时性好,能够满足在线应用需求。      

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。     

飞机地面除冰保障过程动态预测

针对冰雪气象下除冰保障过程的精细化管理及预测精度低下的问题,提出了一种基于时空关联动态贝叶斯网络的飞机地面除冰保障过程动态预测方法。在系统性分析除冰保障过程的基础上,设计了面向离港除冰队列的时空关联节点判别方法,基于K最近邻算法简化关联节点并构建了变结构动态贝叶斯网络模型。基于核注意力机制的除冰保障节点先验概率密度估计方法,结合条件概率更新结果构建了面向不同状态的飞机地面除冰保障过程动态预测方法。实验结果表明：所提方法在考虑除冰保障演化不确定性的基础上实现了各节点的动态预测,平均绝对误差为2.34 min,整体精度相比静态贝叶斯网络方法最大提升8.66%,为地面除冰运行战术组织及决策控制提供了有效依据。     

近距空战训练中的智能虚拟对手决策与导引方法

针对近距空战训练中智能虚拟对手攻防博弈的自主决策与占位导引问题,提出了基于动态贝叶斯网络(DBN)和约束梯度法的智能虚拟对手决策和导引一体化方法。结合空间占位态势、火控攻击区和机动动作识别结果等信息,建立近距空战决策动态贝叶斯网络模型,实现根据战场动态环境变化的占位导引指标决策。针对在线识别的各类目标机动动作,建立轨迹预测模型,实现目标轨迹的实时预测。根据占位导引指标和目标预测轨迹,考虑飞行性能约束,采用约束梯度法计算智能虚拟对手的优化占位导引量。实现了近距空战智能虚拟对手空间占位决策与导引量计算的无缝结合。近距空战仿真实验结果表明:所提方法能够实现智能虚拟对手的合理化自主决策和占位导引,克服了传统方法实现机动动作方式固化的问题,具备较好的实时性和优化性。      

基于灰色区间关联的UCAV自主决策方法

为解决信息不完备条件下的无人作战飞机（UCAV,Unmanned Combat Air Vehicle）战术决策问题,提出一种基于灰色区间关联的UCAV自主战术决策方法.依照作战任务要求选取决策要素,建立UCAV决策推理的规则库.构建不完备信息模型,并基于灰色区间关联理论给出UCAV战术决策模型;设计冲突消解算法,有效解决不完备信息导致的推理失效问题.仿真实例模拟了决策过程,验证了该方法在解决UCAV战术决策问题上的可行性和在化解规则匹配冲突方面的有效性.仿真结果表明,该方法能够应对决策要素不确定性较大的情况,并给出合理的战术行为推理结果.     

基于动态贝叶斯网络的可修GO法模型算法

GO法是评价复杂系统可靠性和安全性的有效方法,除了能描述多状态时序特性外,还能表达系统的复杂动态维修行为.针对这种带有动态可修特性的系统GO法模型,提出一种基于动态贝叶斯网络的新算法.首先将GO法模型中的可修操作符和不可修操作符转换成动态贝叶斯网络,然后将整体模型通过贝叶斯软件进行模型求解.新方法结合贝叶斯网络理论的成熟算法和软件,可得到系统可用度随时间变化的曲线和给定时间点的瞬时可靠性指标,并且无需考虑共有信号问题.基于动态贝叶斯网络理论的新算法规则简单统一,便于工程应用.      

过站航班地面保障过程动态预测

过站航班地面保障过程预测是机场协同决策系统的重要功能。针对目前无法实现过程精细化动态预测且精度较低的问题,提出了一种基于贝叶斯网络的过站航班地面保障过程动态预测方法。建立了地面保障过程贝叶斯网络模型,设计了基于航班属性的初始样本空间生成算法,结合高斯核概率密度估计构建了地面保障过程动态预测方法。某枢纽机场实际数据的仿真结果表明:所提方法在充分考虑航班运行属性的基础上实现了各保障节点的动态预测,其平均绝对误差仅为2.224 1 min,均方根误差相比其他方法低近2 min,能够为机场运行短时战术组织提供客观的决策依据。      

一种网络环境中的故障诊断模型

结合故障诊断的需求和存在的问题,提出了一种以故障症状、故障假设、诊断操作和观测操作节点为基本元素,并具有网络结构的诊断模型.在该模型基础之上,遵循诊断过程独立的假设,解决实际诊断过程中操作依赖关系的问题,提出了一种基于诊断贝叶斯网络DBN(Diagnosis Bayesian Network)的故障诊断算法.同时通过引入观测操作,加快诊断的速度并且降低诊断代价.试验表明,与P/C更新算法比较,该算法能更有效地降低诊断代价,实现快速故障诊断,较好解决了操作依赖的复杂故障诊断问题.      

A robust star identification algorithm with star shortlisting

A star tracker provides the most accurate attitude solution in terms of arc seconds compared to the other existing attitude sensors. When no prior attitude information is available, it operates in “Lost-In-Space (LIS)” mode. Star pattern recognition, also known as star identification algorithm, forms the most crucial part of a star tracker in the LIS mode. Recognition reliability and speed are the two most important parameters of a star pattern recognition technique. In this paper, a novel star identification algorithm with star ID shortlisting is proposed. Firstly, the star IDs are shortlisted based on worst-case patch mismatch, and later stars are identified in the image by an initial match confirmed with a running sequential angular match technique. The proposed idea is tested on 16,200 simulated star images having magnitude uncertainty, noise stars, positional deviation, and varying size of the field of view. The proposed idea is also benchmarked with the state-of-the-art star pattern recognition techniques. Finally, the real-time performance of the proposed technique is tested on the 3104 real star images captured by a star tracker SST-20S currently mounted on a satellite. The proposed technique can achieve an identification accuracy of 98% and takes only 8.2?ms for identification on real images. Simulation and real-time results depict that the proposed technique is highly robust and achieves a high speed of identification suitable for actual space applications.     

基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

一种改进的固液火箭发动机故障诊断方法

针对固液火箭发动机的可靠性问题，设计了一种改进的贝叶斯网络故障诊断方法，可以通过网络化自主逻辑推理，对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征，提出将步进法与核主成分分析(KPCA)相结合的分析方法，并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络，实现对观测信号尺度的模糊处理，提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明，改进的算法能够实现对固液火箭发动机常见故障的有效诊断，并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比，故障诊断的平均准确率提高了20.9%。     

一种参数区间交叉类型的目标识别方法

针对参数区间为交叉类型的目标识别问题,提出了基于直觉模糊集和云模型的逼近理想点（TOPSIS）识别方法。构建了包含个体类和交叉类的目标数据库模型,根据云模型的多步估计算法,得到未知目标相对已知目标类的确定度,提出了确定度向隶属度和非隶属度的转化方法,基于直觉模糊熵计算特征属性的动态权重,形成了去模糊距离测度的TOPSIS识别方法,应用于辐射源信号识别。仿真结果表明,所提方法对参数区间交叉类型的目标正确识别率较高,具有一定的实际应用价值。