高超飞行器的非线性预测姿态控制

针对高超飞行器姿态动力学模型多约束、多变量耦合和非线性的特点,采用预测控制理论设计了时变自适应控制器.根据奇异摄动理论将复杂的动力学分解为快慢内外环动力学,直接对非线性系统伪线性化建模,把非线性优化问题转化为线性时变系统的次优化;将指标约束、输入约束、稳定约束转化为线性矩阵不等式(LMI)约束,在线滚动优化求解预测反馈控制律.结果表明,该控制方案保证了闭环系统的稳定性.     

水下微分对策协同拦截制导策略

为提高对未知目标的拦截能力,基于博弈理论,研究了一种由水下拦截器和我方舰艇协同防卫来袭目标的微分制导策略。该策略在三方对策关系基础上,结合视线指令构造协同约束,建立三方自导约束模型,以终端脱靶量和最小能量为性能指标进行协同对策制导律设计。利用伴随原理解决终端问题方法导出具有反馈控制的“零效脱靶量”,并以滚动时域法对制导参数进行实时预测。通过对可捕获条件下不同制导方式来袭目标的拦截仿真表明：在相同条件下,该制导策略弹道性能良好,不受目标机动形式的限制,具有较强的鲁棒性和稳定性。     

一体化联合作战的机会约束兵力规划模型

一体化联合作战的机会约束兵力规划模型,通过随机规划与机会约束规划、模型转化,采用随机模拟处理机会约束,以基于随机模拟遗传算法求解模型.步骤含:复制染色体和突变概率;初始生成第一代染色体种群;对各染色体检验其可行性直到可行的染色体数目达到每代染色体总数目;最后对染色体进行相关操作并给出最优解.     

洲际助推-滑翔导弹可达区域优化

分析了洲际助推-滑翔导弹可达区域的形状,给出了求解思路.建立了三自由度弹道模型、推力模型、气动模型与气动热模型.将可达区域优化转化为四类弹道优化问题,在考虑诸多实际约束下,建立了多阶段多约束优化模型.利用直接打靶法将此最优控制模型转化为非线性规划问题,并采用序列二次规划算法进行解算.结果表明,洲际助推-滑翔导弹最佳可达区域可能为不对称的扇形区域,面积可达4430万平方千米.     

基于GA-Q-learning算法的虚拟维修作业规划模型

针对虚拟维修环境中任务执行过程存在的不确定性和随机性问题,提出了一种基于Q 学习算法的作业策略规划模型,该方法将虚拟维修过程转化为选取不同动作参与状态转移的过程。在该过程中,采用试错机制和逆向求解的方法求解动作策略规划问题,并将任务特征匹配机制和顺序约束机制作为启发机制,保证策略学习过程中持续进化可行策略;在进化过程中,将动作因子赋予概率值,并采用遗传算法(GA)进化动作因子的概率分布,避免了策略学习过程中强化早期Q 值较高的动作,为求解虚拟维修的最佳作业流程提供了一种行之有效的解决方法。将该方法应用于轮式挖掘机虚拟维修训练系统中,仿真结果表明,正确的动作在作业策略迭代过程中均能够获得较高的Q 值,验证了方法的可行性和实用性。     

基于Radau伪谱法的临近空间飞行器助推-滑翔段轨迹优化仿真

利用Radau伪谱法求解临近空间飞行器的助推-滑翔段轨迹优化问题。该方法在一组Legendre-GaussRadau点上构造全局Lagrange插值多项式对状态变量和控制变量进行逼近,在动力学方程中状态变量对时间的导数可由插值多项式的导数来近似,故可将动力学方程约束转化为在Legendre-Gauss-Radau点上的代数微分方程约束。因此,可将连续时间的最优控制问题转化为有限维的非线性规划(NLP)问题,之后通过稀疏NLP求解器SNOPT即可对其进行求解。最后利用GPOPS软件对一种多级火箭助推-无动力滑翔的临近空间飞行器进行了上升-滑翔段的轨迹优化仿真研究和规律性总结。     

机动弹头引入段弹道优化设计

建立了机动弹头再入弹道的数学模型,该模型要求在满足热流约束的条件下,寻找一个攻角控制规律作为输入来使得弹道最优.采用遗传算法对此问题进行优化计算,并设计了一种适当的惩罚函数将其转化为无约束问题,提高了求解效率,得到了全局最优弹道和相应的初始伴随变量.实例计算结果表明,数学模型正确,计算方法可行,在满足热流约束的条件下可以求解出最大终端速度弹道.     

三种不确定性条件下的拦截器目标分配模型

为深入研究反导决策的机理和方法,对导弹防御作战中威胁识别结果、落点预报以及拦截器拦截概率的不确定性进行了分析和建模,构建了不确定条件下拦截器对来袭目标分配的规划模型,所建模型与反导作战实际密切相关。针对拦截概率置信水平的两种不同情况,分别将问题转化为带区间参数的非线性规划模型以及三种机会约束规划模型并利用混合智能算法进行求解。     

基于 G-MPSP 算法的非线性制导律研究

针对带有末端多约束的非线性制导问题,运用通用模型预测静态规划（ G-MPSP）算法设计了一种快速求解连续时间系统具有终端落角约束的非线性最优制导律。该算法通过向后迭代求解小维数权矩阵微分方程对控制量进行更新,将动态优化问题转化为静态优化问题,计算效率得以提高。考虑目标以不同的方式机动,仿真结果表明,末端位移偏差小于1.0 m,末端角度约束偏差可控制在0.1°范围内,该制导律能够满足脱靶量和末端角度双重要求,法向过载在整个制导过程中变化平缓。     

随机矩阵对策及其在舰艇作战方案中的应用

根据随机矩阵对策的最优策略和对策值的定义,讨论对策结果（最优策略和对策值）关于随机矩阵中各随机变量分布函数的稳定性,给出了具体的稳定性分析方法。并以舰艇作战方案为例,建立了随机双矩阵对策模型,研究结果对于双方资源分配,提高作战效能具有一定的军事应用价值。     

中远程战术导弹中制导策略

应用现代控制理论以节能的观点研究了中远程战术导弹的中制导策略。文中选择飞行器迎角作为控制变量,以中制导段末速最大为性能指标,按极大原理导出了有约束控制的非线性两点边值问题。以非线性规划法——共轭梯度法进行了轨道优化数值仿真。以爱国者导弹为例给出了数值结果。     

无人机攻防对抗不完全信息动态博弈方法研究

以不完全信息动态博弈理论为基础，无人机攻防对抗问题为背景，建立无人机攻防对抗问题的不完全信息动态博弈模型；针对博弈树的求解问题，设计免疫进化算法，求解问题的贝叶斯纳什均衡解，得到无人机的最优策略序列。仿真结果表明该模型能够合理的应用于无人机攻放对抗问题当中，具有较好的应用价值。     

基于不完全信息博弈的军事信息网络主动防御策略选取

针对军事信息网络的防御策略选取问题,分析军事信息网络的攻防对抗特点,提出一种军事信息网络主动防御策略选取方法。该方法基于不完全信息博弈对网络攻防过程进行建模,从网络安全属性的角度出发对攻防收益进行量化;以防御效能作为策略选取的标准,设计主动防御策略选取算法。与传统基于博弈论的网络防御方法相比,该方法具有如下优势：在模型设计和收益量化方面更加符合网络攻防实际;能够以纯策略的形式进行主动防御策略选取,有效解决当前以概率形式进行防御策略选取不便于理解和操作的问题。通过实验验证了所提方法的合理性和可行性,并通过防御收益分析总结了网络安全防御的一般规律。     

基于 QPSO 的模糊策略博弈的多无人机空战策略

针对无人机作战指挥系统中多无人机空战博弈策略的问题,提出一种采用量子粒子群算法(quantum particle swam optimization,QPSO)在模糊策略下博弈的纳什均衡求解方法.通过对无人机空战态势信息的分析,建立敌我双方多无人机动空战的作战收益函数,根据给出的敌我双方无人机纯策略集中的模糊子集,构建基于模糊策略下的敌我双方无人机博弈支付矩阵,进而求得作战双方获得最优选择策略.仿真验证结果表明,该方法可行、有效.     

基于高斯伪谱法的二级助推战术火箭多阶段轨迹优化

针对二级助推战术火箭在多种约束下的高精度轨迹优化问题,提出了一种基于高斯伪谱法（GPM）的多阶段轨迹优化方法。针对二级发动机的工作特点,将全弹道划分为发射段、爬升段、续航段和制导攻击段4个阶段。为了提高禁飞区或敌方火力覆盖区附近的优化轨迹精确度,引入准接触点概念,将全弹道进一步进行阶段细分,并以连接点确保相邻阶段的顺利连接。利用GPM将轨迹规划问题转化为非线性规划问题进行求解。为了进一步提高计算效率、降低初值设置的难度,设计了基于初值生成器的迭代策略,实现了二级助推战术火箭多阶段轨迹优化。充分考虑飞行器各阶段飞行特点和约束,通过数值算例表明了该方法的优点。仿真结果表明,所提优化方法求解效率高,能够得到可行的最佳轨迹。     

基于不确定信息的无人机攻防博弈策略研究

通过分析实际战场中目标价值和毁伤概率信息的不确定性,提出了不确定信息条件下需要解决的无人机(UAV)攻防博弈问题。以敌我双方发射导弹的价值信息为依据,建立基于不确定信息的多UAV攻防对抗的支付函数,构建攻防双方博弈支付矩阵。将粒子群算法和区间数多属性方案排序方法相结合,给出基于不确定信息下博弈纳什均衡求解方法,为不确定环境下UAV攻防博弈实现最优策略提供了新方法。最后     

打击复杂面目标时导弹瞄准点选择优化方法

分析了复杂面目标的特点,建立了毁伤效果评估模型,采用仿真方法计算给定瞄准点时平均毁伤效果.考虑到打击价值分布不均匀的复杂面目标时瞄准点选择问题是一种多峰极值问题,采用启发式策略与步长加速法相结合,求取最优瞄准点.计算结果表明：该方法可以求得较好的近似解,是打击复杂面目标时导弹瞄准点选择问题求解的一种有效方法.     

Topology Optimization in Damping Structure Based on ESO

The damping material optimal placement for the structure with damping layer is studied based on evolutionary structural optimization （ESO） to maximize modal loss factors. A mathematical model is constructed with the objective function defined as the maximum of modal loss factors of the structure and design constraints function defined as volume fraction of damping material. The optimal placement is found. Several examples are presented for verification. The results demonstrate that the method based on ESO is effective in solving the topology optimization of the structure with unconstrained damping layer and constrained damping layer. This optimization method suits for free and constrained damping structures.     

多阶段平台动态防御的Markov演化博弈模型及迁移策略

为提升持续性和阶段性攻击下平台动态防御效率,提出多阶段平台动态防御的Markov 演化博弈模型和迁移策略。从平台动态防御的网络攻防原理入手,分析平台动态防御的循环性和阶段性特点,进行多阶段平台动态防御的关键参数和收益计算;建立多阶段平台动态防御的Markov 演化博弈模型,针对博弈的阶段性,在总收益计算中引入折现因子和转移概率;在此基础上,研究纳什均衡在多阶段Markov平台动态防御演化博弈中的存在性,给出纳什均衡解和最优迁移策略选取算法。通过示例设计迁移策略的分析流程,仿真结果验证了所提模型和迁移策略的有效性。