交互重心移动法

对[1]中提出的重心移动法进行了修正及补充,修正后的方法(IMGC)除保持原方法的优点外,还具有适应性广泛,能预防决策者判断前后不一致等功能。算例表明,交互重心移动法是行之有效的。     

弱信息交互条件下的无人机集群决策方法

随着无人系统与智能技术的发展，作为无人系统的典型应用之一的无人机集群，在民用与军事领域的应用前景越来越广阔，当集群规模较大时，传统的组网通信方式会受到带宽、干扰等限制，极大影响无人机集群的协同作战效能。基于此，提出一种弱信息交互条件下的无人机集群决策模型(WIIUSM)，不依赖无人机之间的双向数据交互，仅依靠单向视觉感知的方式实现期望的集群行为。建立了弱信息交互的无人机集群模型，采用改进后的遗传算法(IGA)作为优化方法对决策模型进行优化。以区域搜索任务为例进行仿真测试，将所提方法与基于顶层规划的蛇形方法进行对比，证明了所提方法在搜索效率层面的有效性；测试了不同比例无人机失效条件下搜索效率的下降程度，与蛇形方法进行对比，证明所提方法具有一定的鲁棒性。     

GEO混合推力机动目标跟踪IMM算法

针对交互多模型(IMM)算法求解地球静止轨道(GEO)卫星混合推力机动目标跟踪问题时模型匹配难、模型转移概率近似平均和响应速度慢的问题，从交互模型集构建和模型转移概率自适应设计两个方面出发提出一种改进IMM算法。该方法通过考虑无机动、脉冲机动和有限推力机动三种模式，构建了覆盖目标机动状态的交互模型集，提高了模型与机动目标实际运行状态的匹配度；采用一种基于加速度估计自适应修正的模型交互概率修正方法，提升了算法对目标机动状态的响应速度和跟踪精度。仿真结果表明，所提算法是解决混合推力模式下的GEO机动目标跟踪问题的有效手段，在收敛速度和收敛精度等方面与传统方法相比有较大提高。     

基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境，提出一种基于数字孪生的航班链延误动态预测模型，以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建，采用滑动窗口下的多通道特征建模完成单元级航班延误预测，并提出一种混合优化策略进行模型参数的动态优化，最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验，得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min，低于其他基线模型和静态模型；且引入孪生数据驱动分析和修正后，紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明，模型有利于数字孪生航班链系统实现虚实交互，并具有优良的预测精度和自适应性。     

飞机座舱触控交互的人机工效标准浅析

通过对当前国内外触控交互人机工效标准现状及重点标准分析，总结飞机座舱触控交互的人机工效关键要素，为我国后续飞机座舱触控交互的人机工效标准化提供参考。     

考虑任务分配的无人机信息交互拓扑生成

无人机（UAV）持久编队信息交互拓扑的优化是保证UAV编队结构稳定性和任务执行时效性的重要基础。现有的编队生成算法针对距离因素进行权重赋值和拓扑生成，由于未考虑任务分配因素，可能会引起整体任务执行时间过长甚至任务失败的问题，对UAV的能量也造成了不必要的损耗。以任务消息传输时间和能量损耗为关键优化目标，在保证UAV编队结构稳定的前提下，提出考虑任务分配因素的信息交互拓扑生成算法，优先连接承载实时性要求较高通信任务的关键汇聚链路，对剩余链路通过引入惩罚项，在权重上进一步将任务消息传输量因素考虑在内，生成最终的信息交互拓扑。使用OMNet++进行仿真验证，相比于只考虑距离因素的信息交互拓扑生成算法，所提算法在20架UAVs编队场景下，消息传输时间方面最高降低57.3%，最低降低28.1%，关键任务消息的到达时延降低了45.2%～51.6%，而任务执行过程单UAV的能量损耗总体减少了17.5%，平均每个节点减少损耗16.1%。