面向林火持续侦察的多无人机分布式控制方法

为解决目前面向林火持续侦察多无人机（UAV）协同控制实用性与自主性不足的问题，基于蔓延速度诱导元胞自动机（SVICA）林火蔓延算法、无人机与传感器建模，构建了较为真实的三维多无人机火场侦察仿真环境与侦察效能指标，提出了一种面向林火持续侦察的多无人机双层分布式控制架构，在行动层基于强化学习训练的人工神经网络（ANN），实现了有风条件下无人机自主火场环绕与地形跟随功能，在策略层设计通过时域均匀分布算法进行各无人机空速的离散自主调节，最终达到多无人机林火持续侦察时域分布的均匀性与即时性目的。通过一系列数值仿真实验，验证了所提出的无人机分布控制策略在无人机损失和补充突发情况下的自适应性。基于无人机数量与侦察效能指标关系的实验与研究，定义了无人机出动阈值并验证了无人机长时间出动回收策略。最终实验结果表明，针对林火持续侦察任务，所提出的多无人机分布式控制方法具备一定的有效性与实用性。     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

模糊数学在机械工程材料选择中的应用

介绍了模糊数学中的基本概念、隶属函数及模糊评判的基本理论，并首次提出将模糊数学的理论知识、分析方法与人工智能基本理论相结合，并借助于计算机完成机械工程材料的选择，从而使机械工程材料选择更为科学、更为简单。本文还对此方法进行了实例验证，其效果良好，设计者只需输入工作要求，便可以确定出欲选材料的优先次序。     

人工智能在电火花加工工艺知识库系统中的应用

]在分析电火花加工中工艺参数与加工性能之间关系的基本上，利用人工智能原理建立了电火花加工工艺知识库，并开发了相应的知识库系统，实现了电火花加工的工艺参数和加工性能之间的双向求解，     

放宽静稳定性在空空导弹总体设计中的应用

将主动控制技术引入空空导弹总体设计中，研究了空空导弹放宽静稳定性设计问题，讨论了放宽静稳定性设计对导弹性能的改善，最后给出了静不稳定弹体的系统稳定性判定条件，并着重讨论了静不稳定弹体的人工稳定问题，研究结果对于新一代先进空空导弹的总体设计工作有一定的参考价值。     

基于改进BP网络的手写体汉字识别技术

研究了手写体汉字识别技术，采用改进BP算法进行网络训练，提高了算法的收敛速度。同时，利用神经网络完成了汉字识别系统的实现。实验表明系统较好地回避了汉字结构复杂、变形难以预测等问题，提高了识别效率。     

航空维修宏观管理的人工智能方法

本文将人工智能技术引入航空维修管理工程,从而建立集中专家智慧的宏观管理专家系统。文中提出基于模糊集理论的推理模型,基于随机集落影和集值统计理论获取知识和自适应修正的新方法——特征值法,以及PROLOG的系统实现途径。该方法可定量评估航空维修系统效能,诊断系统异常的原因。     

人工智能系统发动机故障诊断

作为人工智能研究中面向实际应用的课题，本系统综合安２４飞机发动机故障诊断的专家经验和各种典型实例，用基于规则的演绎推理系统，实现了对飞机发动机故障的经验性诊断。并利用人机对话方式，提供推理报告，进行自学习（机器学习）。系统模型由知识库、推理机制、自学习机制及解释机制四个模块构成，它们相对独立，能进行平行处理。有利于调试、修改及扩充新知识。同时本系统还有效地解决了栈空间的问题。其调试结果表明：与ＩＮＳＩＧＨＴ２相比，响应时间短，速度快，功能强。并有较好的用户界面。具有一定的实用性。     

多媒体智能数据库系统MIDS／BUAA

ＩＤＢ（智能数据库）思想的提出，预示着人类的信息处理即将步入一个崭新的时代．ＩＤＢ将计算机科学中近年来日趋发展成熟的五大主要技术，ΟΟ（面向对象）技术、ＤＢ（数据库）技术、ＡＩ（人工智能）、Ｈｙｐｅｒｔｅｘｔ／Ｈｙｐｅｒｍｅｄｉａ（超文本／超媒体）和正文数据库与联机信息检索技术，集成为一体．其中ΟΟ、ＡＩ和ＤＢ是ＩＤＢ中的三大支柱技术．本文论述ＭＩＤＳ／ＢＵＡＡ数据模型（Ｄａｔａｍｏｄｅｌｉｎｇ）的哲学，并介绍ＭＩＤＳ／ＢＵＡＡ系统的设计思想、动机、核心数据模型，系统的功能构成和它的Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ体系结构．