基于FCM的多无人机协同攻击决策建模方法

针对复杂不确定战场环境下多无人机协同任务的需求,提出了一种基于模糊认知图(FCM)及其扩展模型的多无人机协同攻击决策建模方法。基于人的决策心智模式,采用智能体模糊认知图(ABFCM)建立了包含感性和理性2种决策模式的多无人机协同攻击决策系统模型框架。采用模糊灰色认知图(FGCM)对多无人机的态势感知和协同攻击决策开展了建模工作。借鉴人脑杏仁核机理建立了态势-决策模板快速匹配的感性攻击决策模型。为降低建模工作对专家知识的依赖,采用直觉模糊集的决策阈值算法提高理性攻击决策模型的客观性,并采用动量梯度下降(MGD)学习算法进一步提高了决策模型的学习进化能力。通过仿真验证分析表明,基于FCM的多无人机协同攻击决策建模方法能够较好地应对复杂不确定战场环境,发挥知识和数据在建模中的综合作用,可为提升多无人机执行任务的决策优势提供理论指导和建模方法参考。     

基于多基因遗传算法的异构多无人机协同任务分配

以异构多无人机对多目标执行侦查、攻击和评估任务为背景,开展协同任务分配问题建模、算法设计和仿真分析。综合考虑异构无人机任务执行能力、任务执行时序和自身运动学等约束,同时考虑各无人机机载弹药毁伤概率因素,建立以任务执行时间和攻击收益为综合性能指标的任务分配优化模型,提出避免产生"死锁"现象的基于多类型基因编码的改进遗传算法,实现对协同任务分配问题的求解。基于任务分配方案和无人机的最小转弯半径,采用Dubins路径协调方法,生成无人机的可飞航迹。仿真结果表明,改进遗传算法可快速有效地求解多约束条件下异构多无人机协同任务分配问题,基于Dubins路径协调可为每个无人机生成完整的可飞航迹。     

非对称机动能力多无人机智能协同攻防对抗

协同攻防对抗是未来军用无人机的重要作战场景。针对不同机动能力无人机群体间的攻防对抗问题，建立了多无人机协同攻防演化模型，基于多智能体强化学习理论，研究了多无人机协同攻防的自主决策方法，提出了基于执行-评判（Actor-Critic）算法的集中式评判和分布式执行的算法结构，保证算法稳定收敛的同时，提升执行效率。无人机的评判模块使用全局信息评价决策优劣引导策略学习，而执行时只需要依赖局部感知信息进行自主决策，提高了多机攻防对抗的效能。仿真结果表明，所提的多无人机强化学习方法具备较强的自进化属性，赋予了无人机一定智能，即稳定的自主学习能力，通过不断演化，能自主学习提升协同对抗的决策效能。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

基于改进贪心算法的无人机集群协同任务分配

无人机集群由于其强大的信息共享与行为协作等优势,在军事、民用及科研等领域发挥了重要作用.然而无人机集群在执行大规模任务时,任务的时间约束、时序关系以及性能要求都对集群任务的协同规划与分配提出了巨大的挑战.针对多无人机协同飞行约束下的任务分配问题,本文提出了一种基于改进贪心算法的无人机集群协同任务分配算法,在保证无人机间...     

基于改进BP算法的长航时无人机效能提升研究

利用思维进化算法建立改进的BP神经网络模型,对无人机巡航时外部飞行环境与发动机工作特性之间建立多变量耦合关系。通过对飞行数据分析,规划无人机飞行策略,并利用模型预测结果辅助完成飞行前和飞行中的方案设计。飞行验证表明,与未经优化的飞行方案相比,优化后的飞行方案明显提升了长航时无人机的任务效能。该预测模型可应用于无人机复杂科目或风险科目的飞行前任务规划设计、任务模拟演练和风险评估等方面。     

基于蚁群算法的无人机协同多任务分配

采用蚁群算法对无人机协同多任务分配问题(CMTAP)进行研究。在通用CMTAP模型的基础上,综合考虑包括动态任务时间约束和无人机任务能力的差别多类复杂约束条件,建立扩展的协同多任务分配模型。在多子群蚁群算法的基础上,提出了基于分工机制的蚁群算法对CMTAP进行求解。根据协同多任务分配的特点,设计了基于任务能力评估的问题解构造策略和基于任务代价的状态转移规则,提高了算法的性能。仿真实验结果表明该方法能有效地解决无人机协同多任务分配问题。     

无人机自主控制发展趋势研究

根据无人机自主控制的定义与内涵,将无人机自主控制关键技术划分为态势感知技术、规划与协同技术、自主决策技术和执行任务技术,并针对这四项关键技术发展所涉及内容分别进行了层级研究,初步给出了我国无人机自主控制层级发展规划和层级发展趋势图,可以为我国建立无人机自主控制能力标准或者开展无人机自主控制研究项目提供参考.     

多无人机协同巡视任务规划方法综述

多无人机协同执行巡视任务是实时精确情报获取的重要手段,合理的任务规划将大幅度提升巡视效能。首先分析了国内外关于多无人机协同控制、任务规划的研究现状。然后介绍了协同巡视任务规划的概念、常用模型及其不足之处,分析了集中式、分布式这两种决策控制系统结构的概念及优缺点,介绍了最优化方法、启发式方法和合同竞拍这三种常用求解方法的特点及应用场景。最后总结了现阶段在建模的精确性、不确定性环境中任务分配的自主性和算法快速收敛性等方面研究中存在的问题及未来发展方向。     

通信约束下异构多无人机任务分配方法

针对异构多无人机协同执行侦察和打击任务中,存在通信距离、时间延迟等约束条件下的局部任务分配问题,提出了一种基于合同网的分布式多无人机任务分配方法。首先建立了异构集群发现新目标时的局部任务分配问题模型,设计了局部无人机通信网络中的信息一致性算法,实现了任务分配过程中任务发布阶段各无人机的冲突消解。设计了任务分配过程中的联盟构建和无人机资源管理方法,使联盟中各无人机能够以更加平衡的方式消耗资源。仿真结果表明,该方法能够解决通信约束下,异构多无人机执行察打任务时,所触发的针对目标打击任务的任务分配问题,且能够获得最大的系统效能。     

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。     

Cooperative task assignment of multiple heterogeneous unmanned aerial vehicles using a modified genetic algorithm with multi-type genes

The task assignment problem of multiple heterogeneous unmanned aerial vehicles （UAVs）, concerned with cooperative decision making and control, is studied in this paper. The heterogeneous vehicles have different operational capabilities and kinematic constraints, and carry limited resources （e.g., weapons） onboard. They are designated to perform multiple consecutive tasks cooperatively on multiple ground targets. The problem becomes much more complicated because of these terms of heterogeneity. In order to tackle the challenge, we modify the former genetic algorithm with multi-type genes to stochastically search a best solution. Genes of chromo- somes are different, and they are assorted into several types according to the tasks that must be performed on targets. Different types of genes are processed specifically in the improved genetic operators including initialization, crossover, and mutation. We also present a mirror representation of vehicles to deal with the limited resource constraint. Feasible chromosomes that vehicles could perform tasks using their limited resources under the assignment are created and evolved by genetic operators. The effect of the proposed algorithm is demonstrated in numerical simulations. The results show that it effectively provides good feasible solutions and finds an optimal one.     

基于CBR的民用飞机维修决策系统研究

基于CBR的智能维修决策技术,可以为新型国产飞机维修大纲制订人员提供有用的决策信息,提高制定飞机维修大纲的智能化水平和效率。研究的核心问题就是基于CBR的维修任务和维修间隔制订方法,它们为维修决策支持系统提供理论指导与核心算法。最后开发了基于CBR、以SQL Server作为后台数据库管理系统的民用飞机维修决策系统,并以新舟600（MA600）飞机ATA32起落架系统组件为实例进行验证,效果良好。     

新型组合预测模型在空中交通流量预测的应用

民航运输业的快速发展使空中交通流量迅猛增加,如何准确预测未来的交通流量是关乎到行业资源高效分配、战略合理部署的一个重要问题。因此,国内外众多专家对空中交通流量的预测进行了大量研究．提出了诸多模型和方法。针对目前空中交通流量预测中存在的缺陷与不足,提出并建立了一种适用于民航的新型组合预测模型。将趋势外推法拟合的结果作为多元回归分析法的复合时间变量组,并利用主成份分析法实现了复合时间变量组与其他影响因素变量的有机结合,建立了趋势外推法和多元回归分析法的组合预测模型。以上海终端区的空中交通流量预测为例,借助SPSS数据统计软件进行研究分析,通过对预测结果的各项精度检验,与传统方法相比较,证实本预测模型的优越性。     

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。     

对流天气空域阻塞概率与阻塞指数模型

管制员高估对流天气的影响,发布不必要的流控指令,会使得航班过度延误;管制员低估对流天气的影响,会造成工作负荷的激增,也会使得航班飞行安全风险增大。为了准确评估空域受天气影响程度,减少管制员高估和低估天气影响次数,建立了特定方向对流天气空域阻塞概率模型和航路交通阻塞指数模型。测试结果表明,特定方向对流天气空域阻塞概率模型,用于衡量对流天气下交通流在各个方向被阻塞概率,为管制员决策是否允许航空器沿特定方向在扇区绕飞提供参考有实际意义;对流天气航路交通阻塞指数模型,用于衡量对流天气下沿航路交通流被阻塞的概率,为管制员决策是否允许航空器沿航路穿越对流天气提供参考是可行的。访谈数据表明,90%的参访者同意在这两个参数可得时,他们获取对流天气影响交通态势感知所需要的时间确实有所减少。     

基于GPM的高超声速飞行器再入轨迹优化

为保证高超声速飞行器具有最大再入距离,应用高斯伪谱方法求取了存在路径约束及终端约束的飞行器最优再入轨迹。首先选取迎角及倾斜角作为最优控制量,并分析再入轨迹的最优控制模型;然后应用高斯伪谱方法将最优控制问题离散成非线性规划问题,并采用SNOPT软件包对非线性问题进行求解,得到最优轨迹。通过仿真证明了该方法求得的最优轨迹对初始值不敏感,且具有良好的实时性。     

知识作业的内涵辨析与界定

借鉴泰勒对工作（task）的定义，结合现代认知科学信息加工、问题解决等理论，在分析比较知识作业与操作作业、知识作业与脑力劳动以及知识作业与问题解决的基础上，适应知识经济时代生产率提高的要求，从管理工程与工效、信息加工、问题解决三个角度给出知识作业的内涵，分别为：知识作业是“一连串的动作”，心智操作是知识作业过程的“动素”；知识作业是人脑的信息加工和计算过程，心智操作是知识作业的“算法”；知识作业是根据作业目标所确定的心智操作序列，包括结果的规范化输出。     

一种基于分枝定界法的串行测试任务调度算法

 目前的自动测试系统中,对于串行任务的测试一般是以整个任务为粒度,这就导致两个任务可能需要重复设置相同的状态或重复测试相同的内容,延长了测试时间,降低了测试效率。针对这个问题,建立了基于图论的串行测试任务时序模型,用“图”来描述串行任务的测试时间与测试顺序的关系,将实际工程问题转化为图论中的数学问题。在任务时序模型的基础上,提出了一个串行测试任务调度算法。对于多个需要串行测试的任务,利用该算法可以得到测试时间最短的串行任务序列。该算法是借助整数规划问题中分枝定界法的思想实现的,通过相关理论和具体实例对算法的正确性和复杂性进行了分析。在实际系统中对该算法进行了实验验证,结果表明给定任务的测试效率提高了40%以上。