带时间参数的面向agent的程序语言AOPLID

对面向ａｇｅｎｔ的程序设计语言ＡＯＰＬＩＤ进行时态扩充,使之能表达并处理带时间参数的并发行动。对经典情境演算进行适当改造,使之能描述含时间变元的行动,因为持续行动一般可认为是具有瞬时开始行动和瞬时终止行动的过程,因此可以将一个持续动作分解为两个时间上互不相交的瞬时动作,再引入一个新的关系流刻画这两个瞬时动作的执行情况,从而可在扩充后的情境演算中表达带时间参数的并发行动;对已有的ＡＯＰＬＩＤ离线解释器进行了适当改造与扩充,使之能执行带时间变元的ＡＯＰＬＩＤ程序;通过实例说明了该方法以及扩充后的一些语言特色。     

基于近似动态规划的目标追踪控制算法

在目标跟踪问题中,针对飞行器控制算法难以适应目标大机动飞行甚至与我方博弈等难度较大任务的问题,提出了基于近似动态规划的目标追踪控制算法。该算法通过使用博弈策略对我方无人机进行训练形成经验,将双方位置等状态作为已知量,滚转方向作为控制量,利用两物体的相对位置得出其特征,并形成近似值函数;最终利用rollout算法进行最优跟踪决策求解,实现对跟踪目标甚至是博弈目标的灵活有效精确跟踪。仿真结果验证了近似动态规划用于控制算法的有效性。      

基于MPSP的次优滑模制导律

针对导弹拦截机动目标的问题,提出了一种能满足多终端约束的次优滑模制导律(Sub-OSMG).该算法将模型预测静态规划(MPSP)与滑模控制(SMC)相结合,解决了MPSP在系统模型不精确时由于依赖模型预测而导致的控制量发散问题;基于三自由度相对运动方程建立所提出的制导律,其鲁棒性通过Lyapunov稳定性理论进行了证明;在滑模控制的设计中引入一种较为新颖的滑模面,巧妙地继承了两种方法的优点,其区别于传统扩展比例导引(APN),在仅知机动幅值的情况下,能精确地击中目标.仿真结果表明,所提出的Sub-OSMG能够有效地抵消外部扰动,具有更高的精度、更好的鲁棒性、更小的控制代价.     

自适应压电桁架形状控制中作动器优化配置

以压电作动器为控制元件,建立了自适应桁架形状控制基本方程.考虑结构性状约束和电压限制,建立了以作动器位置和控制电压为设计变量,以形状精度、控制能量和作动器数目的加权表达式为目标函数的作动器优化配置数学模型.由于作动器和普通杆具有不同的单元刚度,作动器每一种不同的位置配置都会导致结构总刚度矩阵的变化,因此单独采用遗传算法需要进行大量的结构计算.为了减少结构分析次数,提出了多点近似、遗传算法和二次规划相结合的优化方法.算例结果表明本文方法具有很高的求解效率.      

软件主动性及其实现技术

提出一种软件主动性概念，并讨论它的实现技术。主动性将改变一般应用程序系统只能提供遥惯列，可使一个具有主动性的应用系统中种主动服务功能，使得诸如实时监控和报警功能，安全保障功能，系统冗错功能，通信和同步功能，灵活的实时处理能力，以及其它军用需要的功能等等，都可以一种统一而方便的机制得以实现。     

基于演化计算的线性规划原对偶内点法中的初始点选取算法

采用原对偶内点法求解线性规划问题,对初始点要求严格。根据初始可行内点的准则,定义了相应的达成度函数,并由达成度函数定义了适应值函数,从而提出了基于演化计算的线性规划原对偶内点法中的初始点选取算法。该算法基于和声搜索演化算法实现,经数值实验测试,结果表明,对所选取测试的典型线性规划问题,算法都能求得大部分问题的初始可行内点。     

基于固体微推力器阵列的卫星控制一体化算法

为了使固体微推力器阵列更具实用性,提出了一种适用于一体化控制的推力器布局方法;对基于固体微推力器阵列的推力器姿轨控分配算法问题分别进行了建模,引入了成本概念,保证推力器使用个数最少;将动态规划及贪心策略思想引入到了推力器分配问题求解中,建立了求解数学模型,进行了算法实现;对用于一体化控制中的推力器分配问题以及信息共享问题进行了分析。经过算法分析及仿真验证,该方法能有效快速求解该问题,有利于实现实时控制,能满足一体化控制的要求。     

基于数据驱动的弹性高超声速飞行器控制方法

高超声速飞行器存在气动非线性强、复杂振动干扰等特点,参数不确定性大条件下传统依赖于精确模型的控制方法品质下降明显,需要进一步提高控制系统在线适应能力。针对弹性高超声速飞行器过载跟踪性能在线优化和弹性振动影响下的控制参数优化问题,提出了一种基于数据驱动的自学习控制方法,首先将高超声速飞行器输出反馈控制问题转化为状态反馈形式,采用鲁棒自适应动态规划算法设计了适用于过载跟踪问题的无模型控制参数在线优化方法,然后针对飞行器复杂弹性振动干扰的问题,提出了基于陷波滤波器的自适应动态规划控制方法,从而保证了振动影响下的控制参数在线优化效果。仿真结果表明,在不依赖于准确模型参数的条件下,所提的方法能够有效实现弹性振动干扰下的控制参数在线优化,并提高过载跟踪控制品质。     

海杂波背景下小目标检测及其运动信息的提取

介绍了在基于Hough变换的检测前跟踪算法检测海杂波背景下的低可观测目标的基础上,将动态规划方法引入其中,从每一条“特征直线”所包含的数据点迹中提取最可能构成目标点迹的数据点的方法。仿真结果表明,将Hough变换与基于动态规划的航迹搜索相结合,能够提高低信噪比条件下的目标检测概率,并能比较准确地提取出目标点迹。然后对提取出来的目标点迹进行Kalman滤波,以估计目标的速度,从而为后续的检测与跟踪提供比较准确的目标信息。