自主空战技术中的机动决策:进展与展望

自主空战（AAC）是指飞机依靠机载等相关设备，自主进行战场感知、决策及控制，以执飞空战的技术，其核心是机动决策模块。针对该模块的研究，调研了国内外的现有方法，并按照有关方法的核心内涵，将其分为基于数学求解、机器搜索、以及数据驱动3类分别简要概述；针对每一类方法列出了具有代表性的示例技术，并讨论了其优缺点。指出了自主空战决策的研究应立足现有相关方法及技术基础，同时积极吸纳机器学习、人工智能等新兴技术，合理利用各类方法的优点，取长补短，实现自主空战决策的长足发展；有关于该研究设想的关键科学问题及其潜在解决方案也在文中进行了初步讨论。希冀基于针对自主空战决策研究框架及实现方法的概念性讨论，促进其技术发展，推广相关思路在有关国家安全、国民经济建设等领域的应用，以满足国家重大需求和工程实践。     

Threshold Selection Method Based on Reciprocal Gray Entropy and Artificial Bee Colony Optimization

Since the logarithmic form of Shannon entropy has the drawback of undefined value at zero points,and most existing threshold selection methods only depend on the probability information,ignoring the within-class uniformity of gray level,a method of reciprocal gray entropy threshold selection is proposed based on two-dimensional（2-D）histogram region oblique division and artificial bee colony（ABC）optimization.Firstly,the definition of reciprocal gray entropy is introduced.Then on the basis of one-dimensional（1-D）method,2-D threshold selection criterion function based on reciprocal gray entropy with histogram oblique division is derived.To accelerate the progress of searching the optimal threshold,the recently proposed ABC optimization algorithm is adopted.The proposed method not only avoids the undefined value points in Shannon entropy,but also achieves high accuracy and anti-noise performance due to reasonable 2-D histogram region division and the consideration of within-class uniformity of gray level.A large number of experimental results show that,compared with the maximum Shannon entropy method with 2-D histogram oblique division and the reciprocal entropy method with 2-D histogram oblique division based on niche chaotic mutation particle swarm optimization（NCPSO）,the proposed method can achieve better segmentation results and can satisfy the requirement of real-time processing.     

蚁群算法的改进设计及在航迹规划中的应用

将蚁群算法与人工势场算法相结合，提出了一种新的寻优算法。在算法的设计过程中，首先引入人工势场法进行蚁群算法初始信息素的分配，避免了在迭代初始阶段，信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上，从而陷入局部最优的问题。其次，通过引入势场引导函数改进蚁群算法的状态转移函数，避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素，从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解，并通过仿真验证了有效性。     

基于Multi—Agent的空中交通流量仿真研究

针对传统空中交通流量仿真过程中灵活性和智能性的不足，将分布式人工智能Multi—Agent的理论和方法应用到空中交通流量管理领域中，提出了基于Muhi-Agent的空中交通流量仿真方法。介绍了空中流量管理的体系结构和流量管理的具体措施，详细设计了与流量仿真相关的重要Agent，包括航班Agent、航路Agent、机场终端区Agent和区域流量管理Agent等，探讨了各Agent的内部运行机制和在流量管理中的职能，构建了基于Multi．Agent的空中交通流量仿真子系统的整体框架．为实际空中交通流量管理系统的建设提供重要的指导和拳者。     

人工免疫木马检测中动态克隆选择算法的改进

针对人工免疫木马检测中检测器的冗余,检测过程中成熟检测器和记忆检测器在检测到自我抗原或年龄过大时,被直接删除造成的非我信息资源丢弃等问题,引入限次变异对检测器的生成进行改进,提出将随机生成的检测器在自我耐受后,再与已有合格检测器匹配,对与已有合格检测器匹配的检测器进行限次变异;而检测到自我抗原或年龄过大的检测器同样进行限次变异的方法。实验结果表明,这种方法能准确而快速地检测已知和未知木马。     

人工神经网络在板料拉深成形中的应用研究

在反向传播网络的基础上提出了一个圆筒件拉深成形的辅助工艺设计方案,对BP网络在拉深工艺中的应用进行了尝试。结果表明:该方法与传统的设计方法相比,计算工作量较少,可靠性好。     

一种多任务驾驶员模型的层次结构

针对现代飞机操作中的驾驶员行为特征．研究了多任务情况下的驾驶员模型。首先对多任务驾驶员行为进行了层次划分．提出了一种基于技能、规则和知识三个层次的驾驶员模型框架结构，分析了各层的功能及模型实现的基本思路。然后，将经典的驾驶员模型与智能控制理论相结合，探讨了一种多任务驾驶员模型底层结构的实现模式。最后，以某型民航飞机为例，对其降落航线进行了仿真。结果表明，模型是合理的。     

新型人工转捩技术及风洞试验验证

给出了一种新型分布型人工转捩粗糙元设计技术,该技术解决了传统人工转捩方法在跨声速风洞试验中存在的效率低、可靠性和重复性差等问题。通过理论研究确定了该转捩技术的形式,包括粗糙元形状、高度和排列方式等技术参数以及针对不同模型的设计方案;同时对翼型模型(NACA0012)和全机模型(GBM-01或AGARD-B标模)在不同马赫数和迎角下分别进行了测压和测力风洞试验,借助升华法,对人工转捩技术的边界层转捩效果进行了验证研究。结果表明:在不同模型上使用不同的设计方案,该转捩技术可以得到可靠的固定转捩效果,并获得具有大气飞行中高雷诺数特点的气动力结果。     

基于改进人工蜂群算法的无人机实时航迹规划

为了适应现代战争战场环境的复杂性,针对所建立的突发威胁模型,提出了一种基于改进人工蜂群算法的无人机航迹规划方法,对无人机进行动态航迹寻优,并通过MATLAB进行了仿真验证。仿真结果表明,所设计的方法能够根据实时出现的威胁状况进行动态航迹规划、评价和选优,同时满足实时性要求。     

基于离线状态监测的复杂装备预知维修决策及优化

基于免疫粒子群优化算法,对可进行离线状态监测故障呈现渐发特性的复杂装备预知维修决策问题进行了研究。分析了维修决策的必备条件,包括研究对象的前提假设、决策内容、剩余维修时间预测以及维修相关费用;将复杂装备维修决策问题转化为带有约束条件的目标函数求最小解的问题,并构建了数学模型;运用结合粒子群优化算法明确方向性搜索和免疫系统多样性保持能力优势的免疫粒子群算法,对模型进行求解;通过某航空机电设备的实例应用验证,该方法可以有效地解决复杂装备预知维修决策的问题,结果与实际情况基本一致。