对流天气空域阻塞概率与阻塞指数模型

管制员高估对流天气的影响,发布不必要的流控指令,会使得航班过度延误;管制员低估对流天气的影响,会造成工作负荷的激增,也会使得航班飞行安全风险增大。为了准确评估空域受天气影响程度,减少管制员高估和低估天气影响次数,建立了特定方向对流天气空域阻塞概率模型和航路交通阻塞指数模型。测试结果表明,特定方向对流天气空域阻塞概率模型,用于衡量对流天气下交通流在各个方向被阻塞概率,为管制员决策是否允许航空器沿特定方向在扇区绕飞提供参考有实际意义;对流天气航路交通阻塞指数模型,用于衡量对流天气下沿航路交通流被阻塞的概率,为管制员决策是否允许航空器沿航路穿越对流天气提供参考是可行的。访谈数据表明,90%的参访者同意在这两个参数可得时,他们获取对流天气影响交通态势感知所需要的时间确实有所减少。     

群体多属性决策方法及其应用

针对甄选员工这类群体多属性决策问题,将评价属性划分为主观评价属性和客观评价属性,并且假设方案在主观评价属性下的评价值采用区间数的形式来表示专家评价值的不确定性和模糊性。针对每一主观评价属性设定一组与之对应的专家重要性权重值,反映决策者在不同评价属性中的重要性程度,同时考虑到专家评价值的相似度,将专家评价值进行集结得到专家群体关于方案集的决策矩阵。通过计算各方案与理想方案的相似度,据此对方案进行优劣排序。最后给出该方法在员工甄选决策中的应用实例。     

结构与纯度结合的新型决策树分裂准则

决策树（Desision tree， DT）生长关键步骤的分裂或分叉准则通常根据纯度和误分类误差等实现，分裂生长分为轴平行和非轴平行方式。这些分裂准则一般与数据内在结构（如类别是否是多簇或单簇组成）无关。为了弥补这一缺失，本文提出了两种混合分裂准则，分别用加权和两步法将同类内的节点间距（Between-node margin within the same class，BNM）和同一节点内的类紧性（Within-class compactness and between-class separation in the same inner node，CSN）与纯度度量相结合。由于传统决策树以贪婪方式生长，仅能确定出当前的一个局部最优分裂点，为改善这个缺点，本文首先根据纯度确定出前k个候选分裂点，然后通过最大化BNM和最小化CSN确定最终的分裂点，不仅缓和了纯度上的局部最优性，而且引入了数据结构的全局性，因此能较大程度地改进后代节点的分裂，增强树的泛化性和可解释性。将上述两种分裂准则组合还可以进一步提升性能。在21个标准验证数据集上的比较结果表明：新准则下的决策树不仅提高了预测性能、降低了复杂性，而且相比于其他采用混合分裂准则的DTs更具竞争力。     

拦截大气层内机动目标的深度强化学习制导律

针对大气层内高速机动目标的拦截问题，提出了一种基于双延迟深度确定性策略梯度(TD3)算法的深度强化学习制导律，它直接将交战状态信息映射为拦截弹的指令加速度，是一种端到端、无模型的制导策略。首先，将攻防双方的交战运动学模型描述为适用于深度强化学习算法的马尔科夫决策过程，之后通过合理地设计算法训练所需的交战场景、动作空间、状态空间和网络结构，并引入奖励函数整形和状态随机初始化，构建了完整的深度强化学习制导算法。仿真结果表明：与比例导引和增强比例导引两种方案相比，深度强化学习制导策略在脱靶量更小的同时能够降低对中制导精度的要求；具有良好的鲁棒性和泛化能力，并且计算负担较小,具备在弹载计算机上运行的条件。     

基于 PDPC-EMV模型的装备研制方案优化设计

将全面质量管理的过程决策程序图法(PDPC)与决策分析技术的期望值法(EMV)有机结合,构建了PDPC-EMV理论模型,并将该模型引入到武器装备研制方案的设计环节中,用风险评估的思维解决全面质量管理的问题,为武器装备研制方案的设计工作开辟了一种先期质量控制思路。     

直升机无障碍机场A类性能起飞决断点试飞研究

A 类性能是运输类直升机的典型特征，A 类性能飞行试验是表明符合性的最佳途径。以CAAC 颁布的相关A 类性能适航文件为基础，分析A 类起飞性能产生的背景，研究相关规章条款的要求和符合性方法，探讨极限高度—速度包线、A 类起飞航迹、A 类继续起飞和中断起飞以及最终起飞决断点确认等试飞技术，制定无障碍机场A 类性能起飞决断点试飞风险管控措施。构建的直升机无障碍机场A 类性能起飞决断点试飞方法及试飞风险管控措施，有效地指导完成了AC312E、AC313 等直升机的局方审定飞行试验工作，为其获得CAAC 型号合格证奠定了基础。