团队CGF行进研究

分布式虚拟环境中,团队CGF的行进问题是CGF研究的基本问题,而行进中的队形保持问题又是行进问题研究的重点。该文在提出的团队组织模型CTOM的基础上,给出了一种团队CGF行进中队形保持方法。     

一种保持Agent团队队形的路径规划方法

Agent团队能够在动态环境中完成复杂的任务,路径规划同题是Agent团队研究的主要问题之一.对Agent团队的路径规划问题进行了分析,提出了一种保持Agent团队队形的规划算法(ATPP).该算法是一种集中式的全局规划方法,使用改进的A*算法得到Leader的路径,通过对Leader路径的优化得到关键点表和队形转换表,利用关键点表和队形转换表得到团队中非Leader成员的路径.队形转换表可以使行进中的队形变换更合理,并且减少了队形维护时需要的通信量.通过调整算法中的两个影响因子,可以分别得到侧重于队形和侧重于距离的路径,改进了Hao的方法.     

CGF队形形成及避障行为研究

计算机生成兵力(CGF)在模拟战术级兵力仿真时,多个兵力实体要按照一定的队形行进。首先对基本队形的分布式控制方法进行分析;然后,将leader-follower算法思想应用其中,简化了算法模型;其次,为了满足底层仿真的需要,对兵力实体的避障行为进行了研究,引入了切线避障法。增加follower与leader之间的距离对leader速度的反馈,在follower避障过程中,动态地改变leader的速度,避免掉队现象。实验表明,该方法能很好地适用于底层战术级仿真模型。     

自行高炮CGF实体智能机动行为仿真

CGF系统是未来作战仿真所必备的技术支持,在介绍CGF系统的基础上,提出了以智能仿真为依托,兼顾底层机动自主和高层决策可控的设计思路。研究了自行高炮连CGF实体在机动性能方面的仿真,通过对高炮机动性能中物理行为和认知行为的研究,运用BP神经网络实现CGF实体智能机动行为的建模,并建立了动态障碍的规避模块。较好解决了中各车行进中出现的实体碰撞问题,结合实际应用对模型进行了可行性验证。     

团队CGA行进中的动态避障方法

提出一个团队CGA行进中的动态障碍规避方法,利用非零和2人对策来讨论两个CGA之间的碰撞问题,通过对每个CGA的特征分析得到对策的解,使CGA成员获得期望的效用。该方法很容易地实现了团队队形依据环境的动态改变及处理掉队问题。     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader-following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader-following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader-following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader-following算法可以用于机器人的避障控制。     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader—following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader—following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader—following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader—following算法可以用于机器人的避障控制。     

动态环境下的多机器人编队控制方法的研究

多机器人编队控制是研究机器人协调合作问题的基础.在诸多的编队方法中,传统人工势场法以其算法简单,易于实现等特点被广泛应用于机器人避障.但上述方法无法适应动态未知环境,并且存在着局部极小问题,为解决上述问题,提出一种改进的人工协调场方法,即在排斥力的垂直方向增加一个协调力,从而消除零势能点,克服局部极小.同时与领航—跟随法结合,将编队信息预先存储在领航机器人中,通过队伍行进中领航者所发出的位置信息,跟随者保持队形,不仅可以达到灵活躲避动态障碍物,同时可以保持队形稳定.最终在TEAMBOTS平台上进行了仿真,结果证明了改进方法的有效性,实现了动态环境中的多机器人编队的灵活控制.     

基于行为的机器人部队队形控制方案

提出了一种适用于实时动态环境下机器人力队的基于行为的分布式实时队形控制算法。研究了这种基于行为的方案在遇到大体积障碍物时行为,仿真过程表明该法既能使机器人动态分组、各自规划,又能机器人部队作为一个整体维持队形。该算法可使机器人形成和保持任意队形,同时集成了避障和导航的能力。最后指出了算法在控制机器人团队转向或避障运动时的问题出现的原因以及改进方法。     

基于手眼双模态人机接口的移动机器人编队共享控制

传统的基于手控器单模态人机接口的移动机器人编队控制系统在进行队形变换和局部避障等复杂运动控制时效果较差。本文针对此问题提出了一种基于力反馈手控器和眼动仪双模态人机接口的编队共享控制方法。首先,将操作员的手部输入信号和视线跟踪信号分别映射为编队行进和队形切换命令。然后,设计一个由主端遥操作控制器和从端自主控制器组成的共享控制框架。主端遥操作控制器负责接收分发操作员的控制命令并接管编队行进运动控制和队形切换控制,从端自主控制器负责根据系统状态自主完成队形保持、外部避障和内部避碰等任务。最后,通过避障实验、队形切换实验和单双模态对比实验来证明该控制方法的有效性。实验结果表明,相对于传统的单模态双边遥操作控制,本文提出的控制方法降低了操作负荷,控制效率提升了17.42%。     

基于Bézier曲线的队形保持算法研究

为了在计算机仿真中减少CGF实体用于保持战斗队形而产生的计算量,并使得每个CGF实体的自动跟进路线更为光顺逼真,可采用三次Bézier逼近样条曲线的方法来模拟CGF实体的跟进路线。在计算时,只要求实时给出CGF实体运动的起点、终点位置及其运动方向,利用Bézier曲线的端点特性,用de Castljau递推算法就可以快速拟合出一条CGF实体的运动轨迹。算法使得采用较少的特征点拟合整条曲线,拟合出的CGF实体行进路线较为平直、平滑,且算法的计算量小、计算速度快,能够满足CGF系统对仿真逼真性和实时性的要求。     

Adaptive computer-generated forces for simulator-based training

Simulator-based training is in constant pursuit of increasing level of realism. The transition from doctrine-driven computer-generated forces (CGF) to adaptive CGF represents one such effort. The use of doctrine-driven CGF is fraught with challenges such as modeling of complex expert knowledge and adapting to the trainees’ progress in real time. Therefore, this paper reports on how the use of adaptive CGF can overcome these challenges. Using a self-organizing neural network to implement the adaptive CGF, air combat maneuvering strategies are learned incrementally and generalized in real time. The state space and action space are extracted from the same hierarchical doctrine used by the rule-based CGF. In addition, this hierarchical doctrine is used to bootstrap the self-organizing neural network to improve learning efficiency and reduce model complexity. Two case studies are conducted. The first case study shows how adaptive CGF can converge to the effective air combat maneuvers against rule-based CGF. The subsequent case study replaces the rule-based CGF with human pilots as the opponent to the adaptive CGF. The results from these two case studies show how positive outcome from learning against rule-based CGF can differ markedly from learning against human subjects for the same tasks. With a better understanding of the existing constraints, an adaptive CGF that performs well against rule-based CGF and human subjects can be designed.     

CGF地形数据库格式研究

CGF地形数据库对于开发高质量的CGF仿真系统，提军事训练效果起着至关重要的作用。该文在对CGF需求进行分析的基础上，确定CGF地形数据库中包括地形表面、物理特征、抽象特征和线性拓扑在内的基本格式。通过分析仿真需求，选择了适合于CGF地形数据库的GCS坐标系统。     

虚拟战场环境中一种CGF系统开发①

战场环境仿真是作战仿真和模拟训练系统的重要组成部分,计算机生成兵力作为战场环境仿真中的一部分,是战场环境仿真中的关键技术之一。以保障某型飞机模拟训练系统的战术训练、作战任务与战术协同训练以及战法研究为目标,利用作战仿真平台VRForces提供的基于实体参数数据库的CGF实体框架结构,采用基于组件工厂机制的CGF实体建模技术开发了CGF系统。该CGF系统提供以虚拟蓝方兵力为主的战场环境仿真,为飞机模拟器提供了逼真的模拟作战环境,较好地满足了某模拟训练系统的训练需要。     

网络内部链路报文丢失率的推测

提出了一种网络内部链路报文丢失率的推测方法。利用端到端测量得到的路径累积生成函数,可以推测链路的累积生成函数,从而得到链路的报文丢失率。基于链路累积生成函数保留的统计信息,运用切尔洛夫界限定理,可以判断报文丢失严重的链路,从而判断链路瓶颈。仿真实验结果验证了方法的有效性。     

计算机生成兵力研究进展

计算机生成兵力（ＣＱＦ－Ｃｏｍｐｕｔｅｒ Ｇｅｎｅｒａｔｅｄ Ｆｏｒｃｅｓ）是分布交互仿真中的关键技术之一。该文详细地介绍了国内外ＣＧＦ研究与的现状,并在综合分析的基础上,对ＣＧＦ领域的研究方向及我国ＣＧＦ研究中注意的问题提出了自己的看法。     

舰艇CGF系统智能推理决策研究

CGF实体智能化的研究是CGF领域的一个研究重点和难点。而CGF推理决策模型设计是CGF建模的关键环节,为了使舰艇CGF实体在仿真环境中具有智能,采用了人工智能技术。该文在设计舰艇CGF系统推理决策模型过程中,使用了模糊理论来实现敌方实体威胁程度的决策,使用了人工神经网络来实现武器开火的决策。这些人工智能技术在舰艇兵力模型设计中的应用表明,它们能够有效地提高仿真实体的智能水平。     

通用型计算机生成兵力开发系统

计算机生成兵力是分布交互仿真中的一个重要组成部分。文章研究的通用型计算机生成兵力系统为计算机生成兵力系统的设计、开发和应用提供了一种综合解决方案,以实现计算机生成兵力系统的统一建模管理和仿真运行管理以及对武器系统的综合评估。同时,提高计算机生成兵力系统的通用性、灵活性、可重用性和互操作性。     

坦克CGF系统的火力仿真探讨

CGF是合成演练环境中的关键技术之一。该文在介绍CGF系统的基础上,研究了坦克CGF系统在火力性能方面的仿真;探讨了AI技术特别是专家系统在坦克CGF系统中的火力方面的应用;通过对坦克火力性能中物理行为和认知行为的研究,模拟了炮长在虚拟战场环境中目标探测、目标选择、弹种选择以及瞄准射击等一系列的动作流程,初步建立了一个坦克CGF系统的火力仿真模型。