模糊特征目标的相对熵识别法

针对模糊特征的目标识别问题，提出了一种结合模糊建模和改进CRITIC方法的相对熵识别方法。计算多个时刻观测值的统计特征，通过模糊建模将观测值转化为模糊数；基于模糊数距离测度，定义并计算目标特征值和观测值之间的相似度；对CRITIC方法进行改进，提出一种目标特征客观权重的求解方法；根据相似度和特征权重，使用相对熵排序法得到识别结果。仿真结果显示：模糊特征能够更好地体现识别中的不确定性，所提方法对模糊特征的目标识别率高，实时性和鲁棒性好，具有一定的应用价值。     

基于多智能体航空公司航班恢复协同决策方法

航空公司进行航班延误恢复时，各种资源之间会通过航班计划产生间接关联，此时各决策单元若独立地考虑本领域内的资源恢复问题，将难以保证恢复方案的整体可行性和全局优化性。为探究航空公司航班恢复过程中各决策部门的决策模型及其协同关系，本文提出了基于多智能体技术的航班恢复协同决策仿真方法。首先，基于航空公司实际组织架构构建了航班恢复多智能体决策系统框架；其次，对部门间协同决策的动态过程进行了分析，将延误恢复的全过程分为了预恢复、可行解协商、均衡解协商3个阶段，构建了三阶段协同决策机制；最后，根据不同资源的恢复特性建立各决策部门的核心决策模型与部门间自动协商模型，并基于多智能体系统进行仿真。仿真结果显示，基于多智能体的协同决策方法能够在3.8 s的极短时间内针对1天中包含3架飞机和12个航班的航班计划做出完整的延误恢复方案，并且能够在保障航空公司整体效益的情况下一定程度地平衡各决策主体的自身利益。     

推进系统选优的定量分析及数值模拟

利用运筹学中的层次分析方法,建立了该问题的层次模型,依据各层元素对上层元素的贡献大小,请专家和用户打分构造判断对比矩阵,形成原始计算数据,在对数据进行校验后,计算得到候选发动机优劣的定量比较结果,不仅使复杂的、难以定量描述的民用航空发动机选优问题变成简便的定量分析和数值模拟,而且可以获得各候选发动机细节方面的优缺点,对发动机生产商改进产品弱点,提高其竞争力亦有重要的意义.     

无人机空中冲突探测与避撞研究

近年来，无人机运输业迅猛发展，其飞行过程中的冲突探测与避撞问题成为亟需解决的关键问题。在无人机周围建立合理的三维空间模型，优化包括紧急避撞区域、一般避撞区域、监视及提前避撞区域的三级避撞区域系统，并利用ADS-B 报文提供的无人机位置、速度等信息，基于无人机一般二维平面上的冲突探测与避撞算法，通过增加垂直方向上的冲突识别来改进冲突探测算法，对比调速、调向两种避让方案在各避撞区域的成功率。结果表明：改进算法能在无人机数量大幅增加的情况下有效识别冲突无人机，同时采用先调速后调向的避让方案，避撞成功率达到99.75%，可为保障无人机的飞行安全提供有效策略。     

飞行器集群协同控制技术分析与展望

系统分析和展望了飞行器集群协同控制技术，对先进的集群飞行器和协同控制技术进行了总结和对比，并提出了当前该领域面临的5个主要科学问题。在此基础上提出了飞行器集群自主控制体系架构以及射前任务规划、在线态势感知、协同制导控制等8项飞行器集群协同核心关键技术。其中，对每项技术进行了简要概括，阐述了它们之间的关系和对于飞行器集群协同控制的作用。最后，从理论研究、技术突破到工程应用方面，对该领域未来发展做出了展望。     

基于支持向量机的抗干扰决策技术

为了应对日益复杂的电磁环境，认知雷达的概念被引入电子战中。认知电子战系统包括认知侦察、认知对抗和认知效能评估3个重要环节。针对认知电子战系统对抗干扰决策技术的需求，为实现自适应的决策抗干扰措施，将支持向量机(SVM)算法运用于抗干扰决策中。仿真结果表明:基于SVM的抗干扰决策技术可以自适应地决策抗干扰措施，进行干扰对抗，该算法完成了认知电子战中的最后的一步，使认知电子战系统实现闭环。     

一种基于攻击距离的对抗样本攻击组筛选方法

黑盒对抗样本生成过程中通常会指定1个攻击组，包括1个原始样本和1个目标样本，使得生成的对抗样本与原始样本范数差别不大，但被分类器识别为目标样本的分类。针对攻击组的攻击难度不同导致攻击不稳定的问题，以图像识别领域为例，设计了基于决策边界长度的攻击距离度量方法，为攻击组的攻击难易程度提供了度量方法。在此基础上，设计了基于攻击距离的对抗样本攻击组筛选方法，在攻击开始前就筛去难以攻击的攻击组，从而实现在不修改攻击算法的前提下，提升攻击效果。实验表明:相比于筛选前的攻击组，筛选后的攻击组的总体效果提升了42.07%，攻击效率提升了24.99%，方差降低了76.23%。利用攻击组的对抗样本生成方法在攻击前先进行攻击组筛选，可以稳定并提高攻击效果。      

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。     

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。