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.      

基于任务映射的暗硅芯片功耗预算方法

暗硅系统功耗预算问题可被归类为一种NP-hard问题，针对其存在的提高芯片均温与降低通信成本2个对立优化目标，提出了一种基于任务映射的暗硅芯片功耗预算方法。为降低计算复杂度，基于率先映射高通信量并对后续映射影响较小的任务的规则建立模型，将任务图转换为最大生成树的形式，以优先级值的大小决定任务进行映射的先后顺序。在稳态情况下逐个进行核心寻优，将排序后的任务放置于合适的核心位置，并以凸二次规划问题形式对已确定映射核心位置的功耗预算进行求解。实验表明:针对12开启核心的36核心系统，与经典的热安全功耗预算方法相比，所提方法将总功耗预算提高了11.8%，通信能耗降低了38.2%。      

直接力/气动力复合控制导弹 自适应模糊滑模控制

针对采用直接力/气动力复合控制导弹所具有的强耦合非线性等特性,提出了一种基于自适应模糊滑模控制的自动驾驶仪设计方法.该方法利用自适应模糊系统所具有的万能逼近特性,对大攻角飞行过程中导弹动力学系统存在的非线性特性进行逼近,并利用变结构控制对外界干扰的强鲁棒性,构造误差系统滑模面,克服了逼近误差和外界干扰对控制系统的影响,实现了对大机动指令的精确跟踪.仿真结果表明,所设计的控制方法对大过载指令有较好的跟踪效果,对模型不确定性和外界干扰也具有较好的鲁棒性.由于采用直接力/气动力复合控制,有效的减小了气动舵偏角,避免了气动舵的饱和.      

面向条件受限环境的动态可重构异构计算平台

在体积、功耗等条件和资源受限的场景下,承载异构计算资源的嵌入式计算设备之间如何实现异构资源的接入和自适应协同管理,进一步联合形成具有足够规模“算力”的智能空间“云”计算平台,是实现平台“算力”的跨越提升、实现更多功能、更优性能和更高智慧应用的关键.本文提出了一种任务驱动的嵌入式可重构异构计算平台,通过集群构建的方式,对多个分布式的、承载各种不同异构计算资源的嵌入式计算板卡统一调度管理;利用容器化技术,构建任务驱动的、可重构的任务执行的虚拟计算环境;开发了基于B/S模式的平台可视化用户界面,实现了用户对平台的随遇接入和全网资源可见.本文提出的嵌入式计算平台能够提供高可用的任务接入、任务下发与任务执行;实现了异构计算资源的自组织协同和统一化管理;基于容器化的任务执行方式细化了资源管理粒度,在不损失计算能力的前提下提高了资源利用率和任务并发度.本文提出的嵌入式动态可重构计算平台解决方案是对未来嵌入式“云”计算平台架构研究设计的有益探索.     

一种基于FPGA的深度神经网络硬件加速器系统

深度神经网络目标检测算法计算复杂度高、模型复杂,对硬件平台的算力有很高需求,针对以上问题,设计了一种基于现场可编程门阵列(field programmable gate array, FPGA)芯片的硬件专用加速器.通过软硬件协同方法,设计具有高并行度及深度流水的片上架构,并使用模型量化、结构优化等方法对神经网络模型进行优化.在所设计的加速器系统中进行神经网络目标检测算法的部署,实现了高数据吞吐率、低功率消耗的FPGA神经网络计算,且模型精度损失低于1.2%,为在低能耗嵌入式平台上部署深度神经网络目标检测算法提供了有效解决方案,可广泛应用于机载、星载智能计算设备.     

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后通过仿真分析,验证了该方法的有效性.      

无人机全包线模糊T-S建模

针对无人机大包线一体化飞行控制要求,提出全包线模糊T-S(Takagi-Sugeno)建模方法.该方法根据非仿射系统的局部线性化原理,将模糊T-S建模转化为仅对模糊规则中隶属度函数的中心和宽度的优化过程,优化的代价函数为模糊T-S模型对无人机全包线稳定性和操纵性的逼近误差的加权值.基于敏感度逐步扩展前件变量的模糊集以实现全局优化,确定模糊规则的数量和隶属度函数的初值.采用对正则因子启发式调整的Levenberg-Marquardt算法进行快速的局部优化.算例表明,建模算法收敛迅速,所建立的模糊T-S模型采用少量模糊规则实现了对无人机全包线稳定性和操纵性的高精度逼近,适用于无人机全包线一体化控制.     

飞机飞行控制律/操纵效率器多学科优化设计

基于近似模型和遗传算法,针对多操纵面布局飞机提出一种对全包线飞行控制律和操纵效率器几何形状与位置进行多学科优化的设计方法.该方法采用力矩控制方式进行控制,应用鲁棒增益调参方法设计全包线飞行控制系统,利用试验设计方法和径向基神经网络响应面获取近似的气动学科模型和控制学科模型,在近似模型基础上由遗传算法获得优化的设计参数并最终获得优化的控制律和操纵效率器.以某多操纵面布局无尾飞机为例进行计算机飞行仿真验证,结果表明该方法具有可行性.      

基于遗传算法的高速飞行器模糊飞控一体化

以高超声速飞行器通用模型的俯仰通道为控制对象,针对其6自由度非线性模型设计了一体化飞控系统.飞控系统由1个模糊控制器和2个PD控制器组成.基于遗传算法实现了模糊控制规则和PD反馈参数的自动优化,无需先验知识和训练数据.仿真表明,该方法可以同时满足飞行控制系统鲁棒性和优化过程收敛性的要求,特别是鲁棒性优于同样采用模糊控制的经典双回路飞控系统.     

飞翼布局飞机控制/气动/隐身多学科优化设计

飞翼布局是先进飞机广泛应用的布局形式.飞翼布局飞机总体设计阶段不仅要考虑其隐身和气动要求,还必须高度重视控制系统的影响.以飞翼布局飞机为对象,研究控制、气动与隐身多学科优化的策略和方法.建立了适合在各学科的子空间进行多目标优化的流程,基于学科分析分配各个子空间的设计变量,并通过变量综合形成系统级的设计变量.在优化过程中,综合采用了改进的遗传算法和近似模型构造方法.针对飞翼布局飞机的特点,采用基于控制分配的控制系统结构,以时域指标作为控制学科的优化目标和约束条件.优化结果验证了所用方法的有效性,为将控制学科纳入飞翼布局飞机多学科优化提供了可行的途径.     

考虑能量最优的集群航天器避碰规划

针对传统集群聚集算法在航天器集群规划应用中存在燃料消耗大、不均衡以及耗时过长等问题,提出了向心聚集的能量最优聚类避碰算法。该算法首先基于集群相对运动方程与有限时间的能量最优模型,建立了自适应的向心聚集的能量最优模型;在此基础上,对于耗时较长且碰撞的问题,提出一种基于能量最优的聚类避碰算法,以模块间安全距离矢量作为避碰约束,将能量消耗作为聚类算法指标进行改进。仿真验证表明,该算法可以自适应选取集群聚类的中心,有效避免碰撞,减少集群聚集总能量的消耗以及模块间能量消耗的不均衡性,使得工质消耗达到全局最优,且耗时仅有常规遗传算法的万分之一。该算法为集群快速安全聚集提供了思路。     

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。      

基于遗传算法的运载火箭总线消息调度优化设计

运载火箭控制系统采用1553B总线、按照预先设计的调度表传输周期性消息。针对当前总线消息调度表的设计方法对负载均衡考虑较少的缺陷,在构建1553B总线消息周期调度表数学模型的基础上,引入遗传算法进行最优化设计。该算法将负载率参数的多目标优化问题转换为遗传个体适应度的单目标优化问题,采用“精英保留”遗传策略,有效避免了个体退化,算法稳定高效。数学仿真计算结果表明,总线消息周期调度表求解高效,负载均衡大幅提高,验证了优化设计方法的有效性。     

基于能耗最优的多足机器人综合步态优化方法

为综合研究步态参数、摆动腿足端轨迹和机身运动轨迹对多足机器人步态稳定性和能耗的影响,文章提出一种基于能耗最优的多足机器人综合步态优化方法,将步态优化过程转换为两个嵌套的子优化问题。首先,采用一种基于零力矩点稳定性理论的机身运动轨迹规划方法,针对给定的下一步落足点和支撑多边形,规划机身运动轨迹,在保证机身轨迹连续平滑的同时,确保机器人在迈步过程中的稳定性。其次,提出一种基于能耗指标的周期性步态优化方法,建立足式机器人虚拟样机模型作为步态优化模型,对步态参数、摆动腿足端轨迹和机身运动轨迹同时进行优化,保证机器人的步态稳定性,得到使机器人前进单位距离能耗最小的步态。最后,搭建足式机器人虚拟样机仿真平台,仿真结果表明,采用本文的步态优化方法,在保证机器人平稳前进的同时,机器人前进单位距离能耗与优化前相比降低了约14%。     

基于深度神经网络的多星测控调度方法

卫星规模的急剧扩大给传统多星测控调度方法带来了巨大挑战.传统调度方法面临调度时间长、任务满足度低等问题,难以适应大规模卫星调度.为此,引入了支持大数据和并行计算且具有自主学习特性的深度神经网络(DNN)算法,提出了一种基于DNN的多星测控资源调度方法.根据多星测控资源调度的特点以及DNN算法的要求,对调度过程中影响调度...     

倾转旋翼无人机最优过渡倾转角曲线

建立了典型三点式倾转旋翼无人机动力学模型,针对过渡过程,开展最优倾转角曲线研究以减小横侧控制耦合对纵向运动影响和过渡过程能耗。基于倾转角曲线对过渡过程的影响分析,提出了改进运动剖面算法对倾转角曲线进行参数化设计;并提出两阶段优化方案来对参数进行优化。第1阶段,综合考虑横侧控制耦合度最低和过渡过程能耗最小目标,以曲线参数为优化变量,构建了最优倾转角问题模型,采用遗传算法进行优化求解。第2阶段,引入舵机动力学模型,考虑过渡时间和系统超调进一步优化以减小结束阶段的超调。与2种现有典型倾转角曲线对比结果表明:给定过渡时间,设计的最优倾转角曲线有效地降低横向控制耦合程度和过渡过程的能耗,且减小结束时超调。      

基于高斯伪谱法的空天飞机上升段最优轨迹设计

针对复杂多约束条件下空天飞机上升段燃料最优轨迹优化问题,提出一种基于高斯伪谱法的上升段轨迹优化策略.依据发动机的推力特性将上升轨迹合理分段,使原最优控制问题转化为多段最优控制问题后,采用高斯伪谱法进行并行优化计算.数值仿真结果表明采用这种轨迹优化策略能够满足组合动力系统工作模态转换时对飞行状态的约束条件,可以在较短的时间内完成高精度的上升段轨迹优化任务,从而验证了该方法的有效性.     

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CE-PF算法的舰载机离场调度优化问题

甲板作业调度研究是提升航母战斗力的关键技术,而其具有时间、空间与资源受限的复杂约束调度问题已被证实为NP-hard。根据舰载机出动离场调度优化问题的特点,将其抽象为零缓存区混合流水车间调度模型,建立包含飞机避碰等约束的混合整数规划模型。提出一种交叉熵与作业剖面匹配(CE-PF)算法用于问题求解,并给出了算法流程架构。交叉熵算法通过高斯采样完成启发式规则下的工件分组,作业剖面匹配算法完成分组工件的任务排序、作业编排及约束检查等调度设计,Gap逼近算法进行目标值评估、精英种群选择、抽样参数更新及收敛判定。通过算例仿真,验证了CE-PF算法求解离场调度优化问题的有效性;灵敏度分析表明起飞模式和空间约束对出动效能影响较大。