制导规律研究现状及展望

系统地论述了古典和现代的一些制导规律的研究现状，分析了它们的优点和不足、适应范围和局限性，并讨论了它们的发展前景，其中郑重论述了比例导引、最优导引、微分对策和近年来热门研究的神经网络控制，可供从事导弹制民垢科研人员对现有制导规律有一个全面的认识，以便于更深入地研究。     

关于多目标气动优化设计中伴随方法与对策理论的耦合研究(英文)

本文研究了多目标气动优化设计中伴随方法和对策理论的耦合问题,给出了伴随方法在每个对策策略中的具体应用和数值方法。在合作对策中伴随方法被并行地执行以共同得到Pareto阵面上的最优解;相反在Nash对策中伴随方法在Nash策略的最后被耦合起来以互相竞争的形式得到各自目标的最优解;而在Stackel-berg对策中伴随方法被分层耦合进"领头人"和"跟随者"的策略中以求解他们相互依赖的平衡解。文末的优化算例表明了本文耦合算法及其数值过程在求解多目标气动优化设计问题中的有效性。     

农村合作组织的经济学分析

发展农村合作组织,可以增加组织化收益,提高农民收入。农村合作组织的收益不但表现在价格上,而且可以在规模经济中表现出来。通过对农村合作组织的经济博弈分析,我们发现,农村合作组织就是基于合作后能够给多方主体共同产生效益最大化,从而共同分享合作剩余,也为政府引导地方经济发展提供了有效的激励制度范式。农村合作组织的制度绩效主要体现在制度激励、克服“农户＋公司”模式弊端、实现小农经济与市场经济的有效对接以及降低交易费用等方面。     

应用博奕理论的多目标分布式气动优化设计

应用博奕理论研究了最优气动外形优化设计方法。采用的基本的优化器为基于控制理论的约束优化设计方法,通过引入标量伴随变量来执行约束条件,进而将上面的方法和对策论结合起来处理多目标翼型优化设计问题,根据各种不同的气动标准(可以是互为冲突的)来优化翼型形状。在对称Nash策略中,每一个“player”都力图优化自己的目标,而Nash平衡则提供了多个目标之间的一种解。不同的翼型分裂和设计算例表明了本文虚拟和真实Nash竞争策略在多目标翼型优化设计中的能力。成功的设计结果表明了本文方法的有效性。     

影响图对策在多机协同空战中的应用

为了解决不确定环境下空战机动决策问题,将影响图和对策论引入到多机协同空战中,提出了协同影响图对策模型.首先确定群机空战转化为多个小编队作战的原则,然后在协同的思想下把多对多空战模型转化为多个一对一空战模型,最后在不确定环境下,运用影响图对策理论解决一对一空战.针对影响图对策模型计算量大的问题,采用移动平均控制法进行求解.空战仿真结果表明该模型的有效性.      

基于博弈论的自由空战指挥引导对策问题研究

博弈论是解决空战对抗问题的有效方法之一,针对目前自由空战筹划困难、指挥引导对策单一的现状,在现有空战博弈问题研究的基础上,扩展了机动动作库和控制参数,加入了雷达开机时机这一关键决策,分别从静态博弈和动态博弈角度出发,提出了构建自由空战指挥引导对策模型的思路,为下一步指挥引导对策模型的研究奠定了基础.     

飞行综合控制系统空战决策方法

控制决策方法是飞机综合控制系统根据空战对策状态、双方的运动及性能参数等信息产生出机动策略的一种数学方法,是飞机综合控制系统决策层数学模型的重要组成。以空战攻防力学准则建立起的捕获临界条件作为评价函数,采用矩阵博弈数学方法求出离散化机动策略。主要内容：相对运动方程的建立;矩阵博弈策略算法;评价函数的建立等。     

失效航天器姿态接管的SDRE微分博弈控制

针对燃料耗尽的失效航天器姿态接管控制问题,提出多颗微卫星协同实现姿态稳定的状态相关黎卡提方程(SDRE)微分博弈控制方法。首先,将姿态接管问题转化为多颗微卫星的微分博弈问题,基于组合航天器的姿态模型和微卫星的性能指标函数建立多颗微卫星的非线性微分博弈模型,微卫星通过独立优化各自的性能指标函数得到控制策略。其次,引入状态相关系数矩阵,将非线性博弈转化为状态相关线性二次型博弈,采用SDRE方法更方便地逼近微卫星的博弈均衡策略。最终通过李雅普诺夫迭代法求解耦合状态相关黎卡提方程组得到微卫星的状态反馈控制器,实现微卫星的自主决策。数值仿真验证了多颗微卫星采用微分博弈控制方法实现姿态接管的有效性和容错性。     

基于学习自动机的雷达干扰资源分配研究

综合考虑干扰机干扰频率、干扰功率、干扰时机和干扰样式等干扰效果评估指标,构建干扰效益矩阵,建立目标函数,构建干扰资源分配博弈模型,并基于学习自动机原理提出了分布式干扰资源分配算法,求解出干扰分配决策。仿真结果表明,提出的分布式干扰资源分配算法能以很低的复杂度来获得很好的干扰性能,有效地解决了干扰资源分配问题,对实际作战指挥有一定的指导意义。     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。