基于MAS和RL的舰船设备协同控制方法

在构建舰船设备协同控制多智能体系统(MAS)过程中,各Agent之间存在某种内在的冲突、联系和规律,为了有效地发现和消解这些问题,引入智能控制解决方案和强化学习方法,能为MAS系统的构建提供有效的技术保障.本文提出了基于强化学习(RL)算法即改进的遗传算法并辅之以贝叶斯学习算法,来解决舰船MAS中各Agent中的任务分配问题、实现设备协同控制的优化和学习,并以舰船运动目标下的设备协同控制来具体验证上述算法,从而体现舰船运动控制MAS的可行性.     

无人机在线协同航迹规划时序问题

提出了一种满足时序约束的无人机在线协同航迹规划方法.首先采用按时间推进的协同规划机制解决了 在线协同规划中信息交互存在时间间隔的问题;其次通过设计协同函数,采用自主分布计算协同变量的方法解 决其时序问题,实现了协同无人机按照指定时间间隔先后达到目标区域.仿真选取同时到达和按等时间间隔到 达两类典型时序问题,结果表明该方法可以快速生成符合协同时序要求的协同航迹,且满足实时性要求.     

一种新的综合TF／TA最优航迹算法

综合ＴＦ／ＴＡ是新一代低空突防技术，ＴＦ／ＴＡ最优航迹的计算是其控制系统的核心。文中提出了一种新的综合ＴＦ／ＴＡ最优航迹算法，它用动态规划和树型搜索相结合的方法，实时计算综合ＴＦ／ＴＡ最优航迹。算法考虑了飞机机动能力的约束，使最优航迹在不需要平滑处理时就是一个可实现航迹。另外还考虑了威胁的影响，使最优航迹能有效地进行威胁回避。计算结果表明，所得的最优航迹具有综合地形跟踪／回避和威胁回避的能力。     

基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。      

基于协同优化方法的多学科非概率可靠性优化设计

针对传统多学科优化是基于确定性的优化设计方法,为了获得更为可靠的结构设计,在设计中考虑了不确定因素对结构性能的影响.本文将非概率可靠性优化方法与多学科优化设计方法相结合,引入了非概率可靠性指标,提出了一种新的基于协同优化方法的非概率可靠性多学科优化设计方法.同时采用了基于均匀试验设计的响应面方法来近似学科优化,提高了遗传算法的收敛速度,降低了计算量.最后通过对跨声速机翼气动结构多学科可靠性优化设计算例的计算,验证了本文提出的方法能够保证设计解的可靠性,对工程实践具有一定的指导意义.     

基于动态扰动策略的人工搜索群算法

为了提高人工搜索群算法(ASSA)的整体性能,提出一种基于动态扰动策略的人工搜索群算法.为了增加算法的种群多样性,在算法初期,通过Tent映射的混沌策略产生初始种群.结合反向学习策略,算法在进化过程中对种群进行反向学习扰动,从而增加算法跳出局部最优解的可能性.算法采用动态步长的方式,在初期时能够扩大最优解的搜索范围,在...     

运用低自由度协同优化的机翼结构气动多学科设计优化

 为了解决协同优化方法(CO)协调困难和计算量过大的问题,提出了低自由度协同优化方法(LDFCO)。LDFCO的系统级优化通过调整共享设计变量和辅助设计变量,使系统目标最优,并满足一致性约束条件。子系统优化通过调整局部设计变量,使子系统目标最优,并满足局部约束条件。子系统目标有2种形式：最小化本子系统的一致性约束函数和直接与系统目标有关的状态变量的加权和,或最小化一种不同于前者的一致性约束函数。着重研究了如何利用常规LDFCO/V1和基于代理模型的LDFCO/V1求解机翼的气动/结构多学科设计优化问题,并与CO方法进行了对比,结果表明常规LDFCO/V1和基于代理模型的LDFCO/V1都能成功地应用到机翼的多学科设计优化中,验证了LDFCO/V1的可行性和有效性。     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法（SCA）,利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。