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。      

面向空域/时域/功能混合模式的目标分组方法

提出了面向空域/时域/功能混合模式的目标分组方法,其结果为任务规划提供了包含空域、时域、功能的目标群体特征.该方法采用标准化方法对属性数据分类和扩展,按照不同类型属性数据分别建立属性差异度,提高了目标分组特征属性的可扩展性,解决了传统属性差异度难以适用于时域及功能属性的问题;在此基础上,综合考虑协同任务对目标分组各项属性的定性/定量要求、阈值约束及重要程度要求,构造了目标综合差异度,解决了某些属性不能直接加权的问题.仿真结果表明该方法能够快速有效地实现满足任务复杂要求的目标分组.     

面向任务的装备维修保障资源配置研究

资源配置是装备维修保障的重要组成部分,为了在装备发生故障后,合理优化资源配置,快速修复故障设备、恢复军队战斗力,本文提出了一种面向任务的装备维修保障资源配置模型,并利用遗传算法进行求解。在算法设计过程中,采用更接近问题空间的实数编码形式,并且通过嵌入有限选择的随机替换模块,良好解决了在明确任务需求以及维修保障资源条件下的任务与资源配置问题,避免了资源的重复分配。本文通过具体实例分析证明了该方法的可行性、有效性和适用性,为该类决策支持系统的设计与开发提供了思路,对于未来信息化战场上的装备维修资源保障辅助决策提供了重要参考。     

基于区间灰色不确定语言的工作类型优化方法

针对飞机维修任务工作类型优化过程中的模糊与灰色问题,采用区间灰色不确定语言变量建立工作类型的评价指标和决策模型,提出了军机维修任务工作类型优化方法.对优化方法进行了实例分析,工作类型排序结果和数据对比结果验证了优化方法的可行性与有效性.在某军机上对优化方法进行了工程应用,完成192项初始维修任务工作类型优化,应用结果表...     

基于飞行任务的飞行品质评估方法

提出一种基于飞行任务的飞行品质的评估方法.介绍了基于飞行任务的飞行品质评估方法的流程,以及常规迎角下机动动作的选取方法与大迎角下机动动作的选取方法,分析了标准评估机动任务库的选取方法.以实际飞行任务和战术要求为依据,建立了标准评估机动任务库,并明确了各机动动作与飞行品质分析的对应关系,飞行品质评估的环境组成.并基于大迎...     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

P-8A反潜机

<正>P-8A"海神"反潜机具有先进的低风险、高灵活性的开放式结构任务系统及下一代传感器的航电配置,从而大大改善了其反潜作战(ASW)或反     

数控机床加工一体化课程改革研究

数控机床加工“一体化”课程主要是从教学内容“一体化”、教师素质“多元化”及教学与管理“一体化”等方面进行改革。课程内容根据工业生产中常见的回转体和结构件为工作任务,根据知识能力的递进关系再细化任务,使学生在学习过程中容易接受。     

任务教学法在ESP阅读教学中的应用

以实证研究的方法来检验任务教学法在ESP阅读课程中的实际教学效果。实验对象是48名大三本科生,为期11周的任务教学法对比实验教学,通过对两组被试者的阅读能力的各项测试结果进行组内对比和不同组对比,分析表明任务教学法能够显著提高学生的阅读能力及其ESP学习的兴趣。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.