基于机动预测的强化学习无人机空中格斗研究

在无人机空中格斗过程中,由于无人机自身状态以及空战态势,敌我双方机动动作及行为策略的选择具有极强的不确定性。针对这个问题,将强化学习方法引入无人机空中格斗过程,建立无人机机动模型及动作集;将空战态势评估函数作为强化学习中的信号函数;采用概率神经网络(PNN)作为对敌机动预测单元;在敌我双方战场信息完全感知条件下,该算法能够不断学习,使无人机通过与环境的交互来掌握其最佳机动行为策略,实现无人机的一对一空中对抗。     

基于方向约束的A*算法

实际机器人路径规划问题经常需要考虑路径的转弯约束以及路径起始/目标角要求,为此提出一种基于方向约束的A*算法.新算法区分同一路径点处不同方向的各条路径,通过定向扩展机制来满足路径方向约束,并采用节点合并策略和不一致队列降低算法复杂度.理论分析和典型地图集上的实验结果证明,所提算法总是能够保证给出符合转弯约束和起始/目标角约束的最短路径,且相比于现有算法,能够有效提高方向约束路径规划问题的求解能力.     

基于PHM 的作战飞机可用度和任务可靠度计算

针对传统的可用度和可靠度计算模型不利于理论分析和针对性制定改良措施的问题,使用决策树法建立了采用故障预测与健康管理(prognostics and health management,PHM)技术的下一代作战飞机,在执行连续循环飞行任务时的可用度和任务可靠度计算模型,仿真计算并与现有非PHM系统军机进行对比。仿真结果证明:PHM系统能有效提高作战飞机的整体效能。通过对新模型下影响作战飞机整体效能的因素进行分析,可为新一代作战飞机的效能评估和作战及保障决策提供依据。     

基于事件驱动的多智能体有限时间分群一致控制

针对二阶线性多智能体系统的分群一致控制问题,考虑智能体通信拓扑同时包含协作和对抗关系,提出一种基于事件驱动控制的有限时间分布式领航跟随分群一致性算法,该算法可使多智能体系统在有限时间内实现分群一致,即各子组内的智能体实现状态一致,不同子组收敛至不同一致状态.采用事件驱动控制机制,设计事件驱动函数及事件触发条件,降低智能体控制器更新频率,减少系统能耗.基于代数图论和李雅普诺夫稳定性理论推导出系统的有限时间稳定性条件,通过巧妙构造Lyapunov函数,给出系统有限收敛时间的显式估计,同时证明在所提出的事件驱动机制下,每个智能体相邻触发时间间隔有严格的正下界,即避免了芝诺行为.仿真实验验证了所提出的有限时间事件驱动分群一致控制算法的有效性.     

有人/无人机编队打击时敏目标任务分配

针对有人/无人机编队协同打击地面时敏目标的任务分配问题,利用有人/无人机编队系统总体框架和时敏特性函数,构建有人/无人机编队协同打击地面时敏目标的任务分配模型。采用改进的遗传算法,通过引入矩阵型编码提升任务效率,通过引入针对死锁问题的解码方法来解决任务分配的时序问题,最后运用该算法进行了仿真计算。结果表明该算法具有良好的任务分配效率。     

基于新的证据冲突衡量的加权证据融合方法

对冲突证据使用Dempster-Shafer 证据理论进行融合的前提是对冲突证据作出正确衡量, 确定证据之间冲突的程度. 在分析现有的冲突衡量方法基础上, 提出一种基于新的证据冲突衡量的加权证据融合方法. 该方法通过相似性测度来衡量证据间的冲突程度; 然后确定各证据的可信度, 再加权修正证据; 最后用Dempster 组合规则进行融合. 算例表明, 该方法能正确衡量证据冲突程度, 有效地解决冲突证据的融合问题, 提高收敛速度和精度.

     

基于公共品博弈的无人机集群自主协同机制

无人机集群自主协同作战是未来战争的重要作战样式，自主协同机制研究有利于揭示无人机集群协同形成与演化规律，为无人机集群作战应用提供理论支撑。首先构建无人机集群信息交互网络，定义基于拓扑势的无人机交互等级。通过分析无人机集群自主协同与演化博弈的映射关系，建立基于公共品博弈的无人机集群演化博弈模型，设计基于交互等级的无人机集群总体期望收益函数、平均期望收益函数和愿景更新动态策略更新机制。利用马尔可夫链定量描述无人机集群演化过程，并理论推导了表征无人机集群演化博弈平稳分布的平均丰度函数。通过仿真验证基于公共品博弈的无人机集群自主协同机制的可行性和有效性，并分析选择强度、交互收益系数、增益因子与愿景水平等参数变化对无人机集群协同行为的影响，为无人机集群自主协同参数调控设计提供理论支持。研究结果表明：所提自主协同机制相较于提供点机制、惩罚机制能更大程度促进无人机集群合作涌现，为无人机集群自主协同理论向作战应用提供技术支持。