计算机生成兵力模型的实时调度技术

针对计算机生成兵力系统在采用步长法推进逻辑时间时其实时性易受影响的问题,提出了将时间同步和模型调度进行解耦的实时推进方法,其中同步过程使用独立的线程读取本地时钟并通过运行支撑环境(RTI)驱动逻辑时间推进.同时提出了一种适合兵力模型的新的静态调度算法.该算法根据模型运行周期和系统步长划分调度表,并基于负载均衡的原则为模型分配仿真步长,具体包括3个处理过程:为仿真实体分配节点、产生初始调度表、运行时调整调度表.实验结果表明所提出的方法在保证良好的实时性基础上具有较小的开销和较高的处理器利用率.      

基于模糊基函数网络的系统故障检测

给出了基于T-S模型的模糊基函数网络(FBFN),并提出了一种基于FBFN的未知系统故障信息检测通用方法.将未知系统分为已知部分和未知部分.系统的实际输出包括已知部分输出、未知部分输出和故障信息等三部分.已知部分用数学模型描述.未知部分包括系统的建模误差、噪声干扰等不确定性,用FBFN逼近.因此,根据系统的实际输出、数学模型输出和FBFN输出可估计出故障信息.最后给出了某飞机的微波着陆系统故障信息检测仿真实例.      

采用等高线地图的CGF地域表示和推理

采用等高线地图作为分布交互仿真环境中计算机生成兵力的地域表示.介绍等高线电子地图下计算机生成兵力系统地域表示和推理的一种方法.通过对地域显示、通视性检测和地形检测等几个基本问题的分析,表明采用该方法是可行的.具有地域表示范围大、地域推理简单明了的特点,并且地域数据真实、修改方便.这种方法比多边形地域表示法更适用于海上和空中大范围训练作战环境的仿真.     

采用BP算法的模糊自适应控制

在对不熟悉的过程进行模糊控制时,由于对过程的不了解,很难得到合适的控制规则.基于模糊控制器的一种解析结构,提出了将模糊控制器与神经网络相结合的方法.由神经网络对系统进行辨识,并为学习系统提供必要的信息,将控制对象视为神经网络的输出部分,采用BP算法根据神经网络提供的信息对经验规则进行修改,从而改善模糊控制系统动态响应.仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入.     

过失速机动的模糊逻辑建模仿真

对模糊逻辑建模方法进行了深入的研究,讨论了非定常气动力的模糊逻辑建模与参数辨识方法,针对其在飞机非定常气动力建模与辨识中的应用提出新的思路,使之更具有实用性,并应用于实际算例的计算分析中.利用振荡三角翼的试验数据建立了非定常气动力的两种模糊逻辑模型:一种采用减缩频率进行建模,另一种考虑时间历程对非定常气动力的影响.结果表明,所建立模糊逻辑模型的计算结果与实验数据结果符合较好.采用这两种不同的模糊逻辑模型对飞机的眼镜蛇机动进行了模拟、仿真,检验了模型的实用性.      

基于不完全语言信息的航天研制项目风险决策

针对航天研制项目风险管理的复杂性,提出了一种基于现代多属性语言决策方法的航天研制项目风险评价模型.给出了不完全语言信息下基于不确定扩展有序加权平均算子的决策方法.将项目风险标度进行了拓展,一方面使得风险度量更加准确;另一方面能够很好地与决策模型中的语言信息合理匹配.以航天研制项目风险决策为例说明了该方法的实用性和有效性,为项目风险评价提供了一种新思路.      

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.     

采用等高线地图的CGF地域表示和推理

采用等高线地图作为分布交互仿真环境中计算机生成兵力的地域表示．介绍等高线电子地图下计算机生成兵力系统地域表示和推理的一种方法．通过对地域显示、通视性检测和地形检测等几个基本问题的分析，表明采用该方法是可行的．具有地域表示范围大、地域推理简单明了的特点，并且地域数据真实、修改方便．这种方法比多边形地域表示法更适用于海上和空中大范围训练作战环境的仿真．     

Jobshop问题中动画仿真模型的 自动生成系统1)

对于给定目标，仿真过程可大致分为仿真建模、程序实现、仿真结果的统计分析三大部分.其中仿真建模是最基础的、关系整个仿真成败的环节.如果能够在仿真建模完成后自动生成相应的仿真程序，不仅可大大减少工作量，还可使工作者集中精力于仿真建模，使模型更准确、更优化.本文以Jobshop问题为例，给出了一种基于SIMAN/CINEMA软件的动画仿真程序自动生成系统，但该系统整体设计思想并不局限于SIMAN/CINEMA软件，只要做少量修改即可应用于其他仿真软件程序的自动生成.该系统可方便地生成标准的Jobshop问题的动画仿真模型程序，并可推广到其他生产管理、交通运输、邮电等领域，具有相当的通用性.     

改进模糊综合评判法在复合材料构件成型工艺决策中的应用

通过对原始模糊综合评判法的改进,使其能转化为计算机可操作的决策算法以解决飞机复合材料构件的成型工艺决策的问题,并且评判结果更加符合生产实际.将隶属度计算法引入评价矩阵确定环节,实现了计算机代替人力完成评价矩阵的确定,采用为评价范围增加安全裕度的方法规避了原始模糊综合评判法的评价范围划分界限太绝对的问题,利用动态权重分配法和比率标度法相结合的方法实现了计算机自主进行权重分配,并且保证了分配结果切实符合用户实际偏好;以改进模糊综合评判法作为核心算法开发了复合材料构件计算机辅助成型工艺设计系统,并利用该系统进行了实际成型工艺决策,系统决策结果符合实际生产情况,表明了该方法在计算机辅助成型工艺决策应用方面的可行性和准确性.     

基于规则灵敏度的模糊逻辑系统结构简化方法

基于规则灵敏度给出了模糊逻辑系统结构简化的一种方法.首先引入规则灵敏度的概念,在此基础上构造一个新的函数,并将其作为罚函数加入目标函数作为新的性能指标.通过优化性能指标来调整模糊逻辑系统的参数,使其输出在逼近期望输出的同时,有尽可能多的规则灵敏度接近于0.通过消去灵敏度接近于0的规则可达到简化系统结构的目的.仿真结果证实了所给方法的有效性.     

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.     

基于人机合作的无人机实时航迹规划

针对复杂多变的战场环境,无人机(UAV)在执行任务遇到突发威胁时,提出了一种人机合作的实时航迹规划方法。由人决策和分析威胁信息,给出规避方向和任务紧急程度,无人机据此采用模糊推理的方法,自主解算得到引导点的位置,牵引无人机改变航向,规避突发威胁。仿真结果表明,采用人机合作的实时航迹规划可以将人的智能决策和无人机的快速计算能力有机结合起来,规划更加优化的航迹,能动态调整引导点的位置,可根据任务的紧急程度灵活选择规避路径。     

一种基于模糊控制的平稳滑翔再入制导律

针对升力式高超声速飞行器(LHV)再入滑翔过程中的周期性振荡现象,提出了一种基于模糊推理与控制的反馈调节方法以抑制振荡实现平稳滑翔。纵向制导在落点误差预测及指令校正的基础上,在倾侧角外环控制回路增加以高度变化率及空速作为输入的模糊控制器对倾侧角指令进行调节,横侧向制导通过航向角误差走廊约束及倾侧角反转逻辑实现大横程条件下的侧向控制。所提方法不依赖于准平衡滑翔条件(QEGC),同时避免了参数化反馈控制律中的反馈项参数设计问题,具有较强的自适应能力。LHV制导实例仿真表明,所提方法可有效抑制振荡现象,满足终端约束及再入走廊约束,方法的鲁棒性也通过Monte Carlo仿真得到了验证。      

复杂威胁环境下无人机实时航线规划逻辑架构

面向高对抗、强拒止的战场环境,实时航线规划是确保无人机（UAV）完成作战任务并提高自身生存概率的重要保障。为使无人机在面临不同程度的复杂威胁环境时能够选择合适的实时航线规划模式,提出了一种基于模糊推理机制的无人机实时航线规划逻辑架构。首先,对实时航线规划模式进行分类,从自主性的角度,重新划分人机权限分配等级,建立了实时航线规划模式与人机权限之间的联系;其次,针对典型观察—判断—决策—行动（OODA）循环存在“信任危机”的风险,构建了一种基于可变自主的实时航线规划体系架构,并对其逻辑进行了说明;最后,利用模糊推理机制实现了无人机系统动态人机权限分配,通过评判人机权限分配等级,进而确定实时航线规划模式。仿真结果表明:验证了实时航线规划逻辑架构的合理性和可变自主方法的有效性;经过综合分析,实时航线规划模式决策结果也比较符合实际作战需求;与模糊综合评价法相比,所提方法降低了人的主观性、实用性更强,得出的结果更加令人信服。      

基于LMI的模糊增益调参控制器的设计

利用线性矩阵不等式(LMI)技术将增益调参的控制律设计转化为相应的LMI凸优化问题,结合 模糊控制和H_∞方法,给出了一种基于LMI的模糊参数化的飞控系统增益调参控制器的 设计方法,该方法解决了传统增益调参设计中以经验设计的弊病,并保证了系统的全局 稳定性及鲁棒性能要求.将该方法应用于某型飞机模型上,仿真结果表明该设计方法简便有 效,且控制器鲁棒性较好.     

基于模糊逻辑的再入RCS控制方法

针对 RLV (Reusable Launch Vehicle)的再入控制提出了一种基于模糊逻辑的RCS(Reaction Control System).详细分析了RCS控制特性,建立了基于效率系数以及继电特性的RCS模型,提出了一种基于Mamdani模型的模糊逻辑三通道RCS控制器,该控制器利用专家控制经验,根据姿态角及角速率的偏差,产生不同的RCS控制指令输出给三通道对飞行器进行姿态控制.通过六自由度非线性仿真,验证了该控制系统与PID(Proportional-Integral-Differential)控制器相比具有更好的跟踪性能,且RCS的控制输出效率也更高.      

Glacier mapping based on rough set theory in the Manas River watershed

Precise glacier information is important for assessing climate change in remote mountain areas. To obtain more accurate glacier mapping, rough set theory, which can deal with vague and uncertainty information, was introduced to obtain optimal knowledge rules for glacier mapping. Optical images, thermal infrared band data, texture information and morphometric parameters were combined to build a decision table used in our proposed rough set theory method. After discretizing the real value attributes, decision rules were calculated through the decision rule generation algorithm for glacier mapping. A decision classifier based on the generated rules classified the multispectral image into glacier and non-glacier areas. The result of maximum likelihood classification (MLC) was used to compare with the result of the classification based on the rough set theory. Confusion matrix and visual interpretation were used to evaluate the overall accuracy of the results of the two methods. The accuracies of the rough set method and maximum likelihood classification were compared, yielding overall accuracies of 94.15% and 93.88%, respectively. It showed the area difference based on rough set was smaller by comparing the glacier areas of the rough set method and MLC with visual interpreter, respectively. The high accuracy for glacier mapping and the small area difference for glacier based on rough set theory demonstrated that this method was effective and promising for glacier mapping.