反舰导弹8字形二次攻击目标搜索效能评估模型

针对反舰导弹在一次攻击时未搜索到目标或搜索到目标后受电子干扰等因素,导致丢失目标而失去攻击机会的问题,通过分析反舰导弹的目标搜索过程,从充分利用剩余航程的角度出发,探讨了8字形二次攻击目标搜索的问题,研究了采取该方式搜索的效能影响因素,构建了8字形二次攻击搜索效能评估模型。通过仿真计算验证,论证了该模型的准确性,对研究反舰导弹二次攻击相关问题有一定的参考价值。     

载人登月着陆器奔月窗口搜索方法

对环月轨道共面交会的载人登月任务中,着陆器(LM)奔月零窗口与轨道参数精确快速设计方法进行了研究。任务采用人货分离奔月模式,着陆器于载人飞船到达环月轨道前抵达环月共面交会轨道,着陆器近月点一次共面减速完成近月制动。提出一种三层快速精确奔月窗口搜索方法:第一层采用地心二体轨道理论解析计算月窗口及奔月轨道参数初值,作为正确性基本参考;第二层采用改进的双二体解析动力学模型求解月窗口内奔月轨道参数变化规律;第三层采用高精度轨道动力学模型和SQP_Snopt优化求解奔月零窗口及轨道参数精确解。仿真结果表明,本文提出的三层逐级奔月窗口搜索方法能快速精确求解载人登月任务中着陆器奔月窗口及精确轨道参数,也揭示了影响着陆器奔月窗口的主次因素和规律,为中国未来载人登月工程提供参考。     

多智能体动态目标协同搜索策略研究

针对目前多智能体集群搜索采用的分区域巡逻策略在搜索具备躲避能力的动态目标时,在分区边界地带搜索效果不佳、巡逻规律易被掌握、无法应对单体故障导致的其管辖区域成为盲区等问题,提出了一种运用强化学习框架的协同搜索策略.该方法通过对作为搜索者的多智能体和随机生成并具有躲避策略的目标进行对抗训练,最终训练出能指导智能体行为的协同...     

改进的快速蚁群系统求解二次分配问题

二次分配问题(QAP)是经典的组合优化问题之一,广泛应用于许多领域中.针对 QAP,提出了一种新的蚁群算法—改进的快速蚁群系统(IFANT).该算法通过限制迭代最优解与当前解的信息素升级的速度,拓宽了快速蚁群系统解的搜索范围,提高解的寻优能力.     

星际小推力转移任务发射机会的快速搜索方法

结合小推力与借力飞行技术可为星际探测任务提供更多行之有效的转移方案。现针对此类探测任务的发射机会搜索问题,基于Shape-Based理论,提出了一种新的快速搜索算法。该算法通过引入目标星体的状态约束,建立起初始飞行角与转移时间之间单调映射关系,从而实现了可行性轨道的快速解算;然后,综合考虑任务及轨道动力学约束条件,给出了搜索参数的合理搜索域。与传统搜索算法相比,该算法有效降低了搜索维数,减少了搜索空间,提高了计算效率。最后,以近地小行星1627Ivar为例,搜索了其在2010～2016年采用火星借力进行探测的发射机会,验证了本文方法的有效性。     

蚁群算法在DGPS动态整周模糊度解算中的应用

在基线长度已知的情况下,利用零空间约束动态求解GPS双差整周模糊度,进行解的去相关后,应用蚁群算法在整周模糊度空间内寻优。根据实测算例解算结果,蚁群算法在很少的解样本数内获得了很好的搜索结果,与遗传算法结果相比较,证明了蚁群算法在相同搜索率的情况下,具有更高的搜索可靠性。     

长BCH码的编码和译码设计

第二代卫星数字广播系统标准DVB-S2的信道编码采用了LDPV-BVH码级联的形式,LDPC的性能非常优越,但是存在误码平台,BCH码的作用就是消除LDPC在低BER(10-6)时的误码平台.根据DVB-S2的标准,采用二进制的BCH(14400,14232).文章重点讨论了其编码器、解码器的速度与资源的优化;采用并行方式提高编码、译码速度,并且利用递归匹配、群组匹配及流水线的方法降低硬件复杂度,降低资源的消耗.     

威胁联网下无人作战飞机突防作战航迹规划

以复杂战场环境下无人作战飞机(UCAV)的自主突防作战为研究背景,以防空单元为威胁建立威胁联网模型,针对威胁联网的指挥控制组织结构和信息交互关系的特点,建立了一种威胁联网的信息交互数学模型,并且通过网络模拟器NS-2(Network Simulator Version 2)仿真验证了该数学模型的合理性与适用性,同时基于此提出了一种UCAV威胁代价评估模型;然后,结合UCAV动力学约束与制导武器攻击区约束,给出一种基于改进稀疏A*算法的自主突防与攻击航迹规划算法。仿真结果表明,该算法能够快速获得UCAV突防作战航迹,且由于采用了动态的威胁评估方法,对突发威胁有较好的适用性。     

图像边缘提取的启发式搜索算法

常规的图像边缘提取方法容易受到噪声的影响,导致了大量不连续边缘的产生。本文试验了一种基于边缘分段自增强的启发式搜索(EdgeDetectionalgorithmbasedonHeuristicSearchED-HS)算法,该算法通过对边缘检测后图像的遍历搜索获得各种可能的边缘轨迹,然后对每条搜索轨迹进行分段自增强,最后根据增强程度的积累决定图像边缘。文中阐述和分析了算法的机理,并以加入了高斯噪声的“Lena图像”作为样本进行了计算验证。结果初步证明了该算法能够在较高的噪声条件下有效的提取到连续、清晰的边缘。     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。