一种多目标随机决策方法及其应用

本文通过引进决策方案的可行度和决策者参考目标水平的满足度等概念,提出了一种不确定条件下的多目标随机决策方法——交互式参考目标满足度与可行度决策分析中,取得了较好的效果。     

基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波（SRCKF）算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明：相比鲁棒多渐消因子容积卡尔曼滤波（RMCKF）等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。     

多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时,存在特征提取不足及细节重构丢失等问题,提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息,增强特征关联性;采用自注意力机制及特征融合模块构建多尺度特征生成器,以获取丰富的上下文信息,提升网络的修复能力;引入最小化对抗损失与均方误差促进判别器的残差反馈,从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明,所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息,并且主观视觉效果及客观评价指标均优于比较算法。     

基于组合优化算法的空面导弹全空域弹道优化

针对空面导弹全空域弹道优化问题,提出基于多岛遗传算法和序列二次规划法的组合优化算法,充分发挥多岛遗传算法对初值不敏感、全局收敛性强及序列二次规划法收敛速度快、精度高等特点。采用代理模型技术,在保证拟合精度的前提下,极大的降低了全空域弹道优化的计算量。算例结果表明：组合优化算法收敛速度较快,可以得到高精度的全局最优解;代理模型拟合精度较高,可以满足工程要求;且优化结果和所建立的代理模型可以为全空域制导律设计提供有力的支撑。     

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题,提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束,建立集群的动态交互图,通过引入二维网格状态特征编码的方法,构建维度不变的智能体观测空间;采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构,分别设计策略网络和价值网络的状态空间和动作空间,定义收益函数;构建编队集结仿真环境,经过训练,所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中,均能成功实现快速集结,其灵活性和鲁棒性得到验证。     

多点源诱偏系统对抗反辐射导弹效能分析

基于有源诱偏系统对抗反辐射导弹(ARM,Anti-Radiation Missile)的理论,导出诱偏误差公式,以3种典型布局方案(三点源布局1、三点源布局2及四点源布局)为例,对误差公式进行简化处理,通过数值计算得到诱偏误差曲线,分析不同布局方案下辐射源功率比对诱偏误差的影响;同时分析ARM的实际攻击过程,引入ARM机动修正,通过仿真分析得到ARM落点图和雷达保护概率曲线,对比不同布局方案下的诱偏效果,结果表明四点源布局为最优方案,对研究多点源诱偏系统对抗ARM的作战效能具有指导意义.     

基于多尺度时间卷积网络的航空发动机寿命预测

剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度.