基于复杂多阶段连续决策问题的动态窗口蚁群算法研究

本文研究非线性的大规模复杂多阶段连续决策问题,研究了一种结合遗传优化的动态窗口蚁群算法。该算法将各阶段容许决策值映射为一个层状构造图中的有限节点集,其中每一层节点对应某一阶段容许决策集的子集,该子集用实数编码遗传优化进行动态筛选,以减小算法的搜索空间。     

圆弧风挡的抗鸟撞分析计算

叙述了圆弧风挡抗鸟撞分析计算的必要性，并详细地介绍了风挡结构的受力分析，模型简化及计算方法，最后以某型飞机为例验证了该方法和计算结果，即风挡的变形，应力分布规律与试验结果吻合的非常好，该方法对今后圆弧风挡的设计和试验具有一定的指导意义。     

结合跳点引导的无人机随机搜索避撞决策方法

针对无人机在城市空域环境和密集交通流下的避撞决策问题，提出马尔科夫决策过程（MDP）和蒙特卡洛树搜索（MCTS）算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限，容易陷入局部最优，导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势，建立离散路径点引导无人机并改进奖励函数来权衡飞行路线，在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真，其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中，改进后的算法相对于原始的蒙特卡洛树搜索算法，其冲突概率降低了36%并且飞行时间缩短47.8%。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

绕月微卫星精确撞月轨道设计

为实现约束条件下的精准可控撞月,提出了基于Lambert问题的精确撞月轨道设计方法。通过求解Lambert问题,可得到撞月轨道轨控时刻的速度脉冲初值解,然后通过打靶法迭代得到撞月轨道的精确解。以"龙江二号"微卫星轨道为例,对撞月点经纬度的覆盖性,以及燃料约束下同一撞月点可行的轨控弧段进行全面分析。最后,通过月球南极水冰探测的撞月轨道设计案例,以验证本文提出的轨道设计方法的有效性。     

地下原油无缆电加热系统可靠性措施的计算机仿真与优化决策

本文根据给定的油井地质资料,用计算机对其进行拟合再现,着重讨论了井下原油无缆电加热系统的可靠性措施及其计算机仿真与优化决策方法。     

宽弦空心风扇转子叶片鸟撞损伤数值仿真

为解决航空发动机宽弦空心风扇转子叶片抗鸟撞设计问题,对宽弦空心风扇转子叶片鸟撞损伤进行了数值仿真。采用光滑质点流体动力学（SPH）算法建立鸟体模型,采用J-C本构模型和失效模型定义材料冲击下动态性能,建立旋转状态下叶片鸟撞数值仿真方法,经过试验验证能够较准确预测叶片损伤。开展相同条件下鸟撞击宽弦空心和实心风扇转子叶片仿真,对比鸟撞击叶片过程、撞击时叶片叶尖最大轴向和径向变形、撞击后叶片永久变形,研究被鸟撞击后空心叶片相比实心叶片的损伤特征。结果表明：空心和实心叶片鸟撞击过程相同;空心叶片被鸟撞击后叶尖轴向和径向变形更小;空心叶片被鸟撞击后前缘卷边变形更严重,对风扇气动性能和稳定性影响更大;在结构设计时应适当增加前缘空心区域局部刚度,或者适当增大前缘实心区域范围,用于提高空心叶片的抗鸟撞能力。     

一个自主Agent框架及其决策

自主性是Agent的最重要的特征。本提出一个自主Agent的框架及其相应的决策机制。首先介绍了用于描述自主Agent的语言;然后基于BDI模型和情境演算理论,提出一个自主Agent的框架;最后给出自主Agent的一种决策过程。     

基于变换域优选的航天器多域联合智能抗干扰决策方法

利用传感器采集航天器飞行参数,构建航天器多传感器分布式通信网络,并利用全局奖励确定最佳通信信道。通过变换域优选方法对信道频域实现抗干扰处理,在干扰较为严重时使用Stackelberg的功率域抗干扰方法,确定最佳传输功率,完成航天器多域联合抗干扰。实验结果表明,该方法可以针对不同干扰类型做出抗干扰决策,令航天器通信网络维持在稳定通信状态。