基于多智能体的多机型协同作战决策系统模型研究

多机型协同作战决策系统开发是一项很复杂的工程,各组成要素之间的活动很难进行定量分析和描述,战场情况也复杂多变,具有不可预见性和不可再现性。文中基于目前多机协同作战仿真的发展现状,运用多智能体(Multi-agent)技术,提出了多机型协同作战复杂系统分析与设计决策仿真模型;介绍了运用群建模和开发工具对基于Multi-agent的多机型协同作战决策系统仿真的实现。     

基于区块链的多先进战机协同作战资源自适应调度

对于多先进战机协同作战资源调度问题,需综合考虑先进战机的攻击能力和防御能力,以作战收益最大和代价最小为目标,给出最优资源调度方案,从而实现作战效能的最大化。本文针对资源调度问题中存在的先进战机间相互不信任进而导致作战效能降低的问题,提出了基于区块链的多先进战机协同作战资源调度框架,并基于智能合约建立了多先进战机协同作战资源调度数学模型,同时利用改进遗传算法进行求解。仿真结果表明,基于区块链的多先进战机协同作战资源自适应调度方法在保证先进战机间相互完全信任的基础上,确保了战场信息交互的安全性和可靠性,间接提升了作战效能。     

航母编队网络化协同反导装备体系建设探讨

随着信息技术的发展,航母编队建设网络化协同作战体系,成为提高其作战能力的必由之路。在借鉴美军网络化作战装备体系建设的基础上,对航母编队网络化协同反导作战装备体系的构成和主要功能进行了阐述,并对未来向着"以网络为中心"的发展方向进行了探讨。     

基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。      

基于采样通信的分布式多智能体系统稳定性分析与协同控制(英文)

研究了基于采样通信的分布式多智能体系统的稳定性分析与协同控制,并采用分布式状态反馈控制器来实现智能体间的协作。推导了一种线性不等式的形成定理,并将其用来分析系统的稳定性。同时提出了针对线性不等式约束优化问题的形成定理,将其用来设计相关的控制器,并给出了相关的算法。仿真实例验证了所提方法的正确性和有效性。     

基于多智能体系统的多航天器编队分布式姿态协同控制

多航天器编队飞行在深空探测及协同对地观测等领域有着重要应用,而多航天器的姿态跟踪及协同控制技术作为其关键技术之一也引起了极大的关注。近年来,随着分布式人工智能技术的发展,多智能体系统(MASs)受到了航天器控制领域学者的关注并将其应用到多航天器编队控制中。本文回顾了多智能体系统协同控制及其在多航天器编队姿态协同控制中应用的研究进展。首先,从多航天器编队不同控制需求出发,分别从一致性跟踪控制、有限时间控制、事件驱动控制方面,回顾了多智能体系统协同控制问题的进展;其次,回顾了多航天器姿态协同控制在上述需求方面的研究进展,并基于多智能体系统的协同控制理论,提出了相应的分布式姿态协同控制策略。     

基于多Agent的机群编队导航系统设计与研究

智能化建模在装备作战仿真领域中独居优势.将多Agent技术程序设计方法引入机群编队导航系统的设计中,对模型进行了顶层设计并分析了Agent子系统之间的信息交互过程,为机群编队导航系统的研发和设计提供了新的思路.     

有人-无人机协同空战机动决策研究

目前，有关无人机空战的研究主要考虑无人机的完全自主决策机动算法，关于有人机有限监督决策下的空战机动决策的研究鲜有报道，更缺乏对有人—无人机协同作战的研究。为实现无人机协同空战过程中的自主机动，设计一种基于路径规划技术的有人—无人机协同空战机动决策模型。首先，引入动态栅格环境，自适应调整栅格规模和分辨率，以弥补静态栅格环境规划空间越大规划效率越低的缺陷；然后，将A star 算法规划路径作为参考路径，提出ACO-A star 混合路径规划算法，以提升ACO 算法的寻优效能；最后，基于均值聚类算法设计有人—无人机协同空战机动决策算法。进行空战对抗仿真模拟，结果表明：所提出的算法具有更好的决策正确性，可有效提升空战胜率。     

改进PointNetLK的点云智能配准与位姿图优化方法

针对空间在轨服务任务中的非合作目标相对位姿测量问题,提出一种目标可测部位点云的智能配准方法。首先,通过Straight Through滤波算法对半物理仿真平台采集得到的点云进行目标提取,以消除背景数据等杂乱信息;其次,改进PointNetLK神经网络点云配准算法,将提取后的点云数据作为输入,从而获得初步配准结果,解决非合作目标先验信息缺失导致的无法配准问题;最后,建立基于位姿图的优化模型,以降低配准误差,提高配准精度。实验结果表明,与传统迭代最近点(ICP)算法相比,配准综合误差从6.3598降低到1.7291,精度提高约 72.81% 单次耗时从33.16 s降低到4.2 s,效率提升约87.33%,与当前SM ICP等其他算法相比,也具有一定的优势。