神经网络在广义经典分配问题中的应用

在两节点分布式多传感器系统中,一些航迹关联算法可以化为广义经典分配问题。广义经典分配问题是一个组合优化问题。当目标数目较多时,很难得到问题的最优解,而且其计算量容易呈现指数爆炸现象。文章提出了用Hopfield神经网络和平均场网络解决此问题的方法。仿真结果表明,采用文章提出的人工神经网络模型求解广义经典分配问题,不仅使航迹关联具有较高的关联正确率,而且计算时间不会出现指数爆炸现象。仿真结果还表明,平均场网络相比Hopfield神经网络更易于得到问题的最优解。     

基于领域专家知识的发动机模糊可靠性分配方法

提出了一种基于多领域专家知识的发动机模糊可靠性分配方法,以降低决策者主观偏好以及分配过程中模糊和不确定因素对分配结果的影响.基于对影响发动机可靠性因素的分析,建立了发动机模糊可靠性分配的数学模型,并以三角模糊数代替常规层次分析法中的标度,提出了一种模糊评判矩阵方法来确定影响可靠性因素的权重.在可靠性分配过程中,充分考虑多领域专家的意见和产品开发过程的风险性.以应用实例对提出方法的有效可行性进行了验证.      

气氦热沉结构优化设计

气氦热沉是月球超低温环境试进行设计,运用flowmaster软件,根据气氦热沉的结构进行建模仿真.在给定热负荷的条件下,得到热沉内氦气的流量分配和温度分布规律,并对初步设计提出两种优化方案.计算出气氦热沉的翅片最高温度,最后提出气氦热沉结构的设计方法和原则.     

噪声干扰Link-16数据链的干扰功率分配方法

在建立对Link-16数据链的干扰模型和接收机模型的基础上,分析了噪声干扰下接收机的误码性能,研究了干扰功率分配问题,并得到了对Link-16数据链的干扰功率分配方程,最后进行了仿真分析。     

具有异构多操纵机构的飞行器复合控制技术

提出了具有异构多控制机构的飞行器复合控制决策与管理系统结构,建立了具有气动力/推力矢量/直接侧向力的异构多操纵机构的飞行器动力学模型,提出了模糊自适应控制分配与复合控制器优化集成设计方案。设计了基于参考模型的模糊自适应控制分配策略,使气动力/推力矢量/直接力任意形式组合及动态分配过程中复合执行机构等效动态特性与参考模型一致。采用进化策略对导弹复合控制系统参数进行了多目标优化设计。分别针对不同的组合形式进行了仿真研究,证明了具有异构多操纵机构的飞行器复合控制系统具有很好的快速大机动跟踪能力,实现了飞行器气动力/推力矢量/直接侧向力之间不同形式组合控制系统的自适应控制分配。     

MIMO系统功率比特自适应算法研究

发射功率受限的自适应调制系统,由于调制方式有限,实际使用的发射功率通常小于受限的发射功率,对这一部分剩余功率进行再分配和利用,能够提高频谱效率。文章对M IMO系统中功率和比特自适应算法进行了研究,提出对剩余功率在空域进行再分配的自适应算法。仿真结果表明,在空域采用等功率分配,再进行空域剩余功率再分配,能够提高频谱效率,并且复杂度低,易于实现。     

基于信息素启发狼群算法的UAV集群火力分配

无人机（UAV）集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势，得到最优武器-目标分配（WTA）方案，使得UAV集群在火力分配中既能够满足任务要求，又能够较少作战单元消耗，建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型，采用带有游走、召唤算子的改进狼群算法（WPA）对模型进行求解。为提高算法全局寻优效率，避免陷入局部最优，引入蚁群优化（ACO）算法中信息素启发规则，对游走行为及狼群更新机制进一步改进，提出了基于信息素启发狼群算法（PHWPA）的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的，相比较于其他算法，PHWPA具有更高效的寻优能力，能够为UAV集群作战火力规划提供支持。      

面向订单的航空制造业多工厂生产与运输综合计划模型

在多个异质性离散型生产工厂的航空零部件集成制造环境下，以最小化生产与运输总成本为目标，研究了订单的分配以及零部件加工和成品装配、产品运输的综合计划制定问题，构建了整数规划模型。所建模型既不需要单独引入订单分配决策变量，也不需要在生产量和运输量的决策变量中添加订单维度，而是通过成品配送约束解决了订单分配决策问题，大幅度减少了决策变量数量，显著降低了模型的复杂度，提升了模型的实用性。以某航空制造企业为例验证了模型的有效性。      

基于序列趋势和集合距离的UAV态势相似性度量方法

在无人机（UAV）自主作战与智能决策的过程中，无人机获取的新态势与历史态势的相似性度量是态势评估与作战决策的重要环节，而现有的相似性度量方法主要处理离散时刻态势，采用的欧式距离等方法对数据敏感，不符合作战态势特性，且处理效率低下，针对该问题，提出基于序列趋势和集合距离的UAV态势相似性度量方法。该方法首先选取UAV作战态势要素并以时间序列形式表征数据；然后，使用经验模态分解方法提取历史态势与新态势的序列趋势以度量序列趋势的相似性；最后，对趋势相似的每条态势序列进行自组织映射聚类，得到若干聚类中心构成集合，利用最优子模式分配距离度量集合间的距离，提取集合距离较小的部分获得与新态势相似的历史经验态势。通过公用数据集的分类效果比对实验以及作战仿真态势的相似性度量实验，表明该方法能够有效度量两序列之间的相似性程度，度量效果好，分类实验中分类精度较传统方法最高提高18%，且方法简便，具有一定的实用价值。