作战智能体的机动行为模型研究

作战模型是对部队与武器系统及其作战行动的描述.智能体是在复杂和动态环境中将知识和推理相结合,执行任务的自主或半自主的对象.在基于多智能体的作战模型中,作战智能体模型是参与作战过程的作战单元在模型空间上的逻辑映射,是基本的行为主体.行为是作战智能体进行观察,与其他作战智能体和环境进行交互的过程.考虑作战智能体的机动目的和机动过程,抓住确定机动方向或目标点、确定机动路线、确定加速度和空间状态转移等四个主要环节,建立了作战智能体的机动行为模型,描述了作战智能体在作战空间中的位置变换过程.研究对解决作战仿真中的机动模型问题具有重要意义.     

随机环境下编队协同对地攻防对抗决策方法研究

随着现代军事技术的发展,军事作战指挥中的不确定性决策问题成为军事决策支持系统中迫切需要解决的问题。文章以对策论为基础,编队协同对地攻防对抗作战为背景,建立了动态对抗决策模型;针对不确定性军事指挥决策中的随机问题,提出了随机影响因子概念,反映战场随机环境对各参战单元产生的影响,并建立了随机对抗决策模型。仿真结果表明,该算法能够合理地处理战场随机状况,客观分析作战结果,为作战指挥决策提供有力的决策支持,方法实用、有效,具有良好的应用前景。     

机动目标模型的Monte Carlo仿真研究

该文对机动目标模型进行了Monte Carlo仿真研究。提出了一种描述机动目标运动状态的自适应高斯模型,在这种模型中,机动目标的加速度被认为是具有非零均值、时间相关的随机过程,并假定其概率密度函数服从高斯分布;对机动目标模型进行了Monte Carlo仿真研究,结果表明该模型对机动目标在不同机动方式下的位置、速度和加速度均有良好的跟踪精度。     

具有随机采样特性的网络化系统H∞ 滤波

研究一类具有随机采样特性的网络化系统H∞滤波问题.通过将传感器的随机采样过程建模成马尔可夫链,将数据量化作用转化为模型的参数不确定性,并用二值随机变量描述丢包过程,从而用一个多随机变量的马尔可夫不确定性模型来描述滤波误差系统.应用Lyapunov稳定性理论和随机系统分析方法,导出了滤波误差系统随机稳定且具有给定H∞性能的充分条件,并给出了滤波器的设计方法.仿真结果验证了所提出方法的有效性.     

基于随机兰彻斯特理论的舰载机空战效能分析

针对舰载战斗机空战作战过程建模复杂,作战效能评估困难的现状,论文提出了一种基于随机兰彻斯特作战理论的舰载机空战作战效能评估方法。首先对空战模拟的现状和随机兰彻斯特作战理论进行了介绍,分析了舰载战斗机空战效能分析存在的问题。其次,构建了基于随机兰彻斯特方程的舰载机空战系统模型,对舰载战斗机空战系统的状态转移进行了详细描述,构建了舰载机空战系统的演化方程,给出了舰载机空战系统演化方程求解方法。最后应用实例验证了模型的有效性。仿真结果表明,提升舰载战斗机武器系统的毁伤目标能力,对于提升舰载战斗机作战效能具有重要意义。     

温度场模糊随机有限元法研究

不确定性广泛存在于工程分析和设计过程中,正确估计不确定参数对温度分布的影响,对工程热设计具有十分重要的意义。以飞机刹车装置为例将模糊随机参数模型引入热传导温度场研究中,使用模糊随机参数模型对温度场不确定性进行描述,对随机性进行泰勒展开,建立方程求解温度响应变化区间。最后给出数值算例,说明模糊随机对温度场的影响,分析了各参数具有不确定性时,温度响应的模糊性与随机性,得到了相应条件下温度场响应,证明了使用模糊随机参数所建立的瞬态温度场模型合理、可行,为工程热设计提供了理论支持。     

基于粒子系统的舰船尾流建模与仿真

在尾流自导鱼雷弹道设计与作战使用研究中,需要建立逼真的水面舰船尾流模型,用以进行鱼雷进出尾流的判断。舰船尾流是1种具有较好统计特征的随机物理场,与舰船速度、航向、位置等机动轨迹与海况存在内在的关联。而粒子系统正是解决这种随机物理场的最有效方法。根据舰船尾流的外在特征,采用粒子系统研究建立了舰船尾流模型,实现了舰船各种机动条件下尾流的模拟和鱼雷尾流探测的仿真,为尾流自导鱼雷的弹道研究提供了很好的技术支撑。     

基于自适应卡尔曼滤波的机动目标跟踪算法

在机动目标跟踪过程中,由于目标运动的不确定性,雷达系统接收的数据存在噪声,使预置目标运动模型通常很难得到较高的跟踪精度。为此,以自适应卡尔曼滤波为基础,将直角坐标系和球坐标系相结合,提出了一种混合坐标系下的自适应卡尔曼滤波算法。算法避免了两个坐标系变换引起的噪声统计规律变化问题,并针对目标发生大机动运动的情况,自适应的调整动态模型中机动目标运动参数。蒙特卡洛仿真结果表明,改进算法的收敛速度和对状态的估计精度均得到优化,并对机动目标具有较好的跟踪性能。     

仿真建模中随机值生成技术研究

针对仿真建模中随机数生成的问题,笔者提出了高斯随机值、随机值筛选、柏林噪声三种随机数生成和处理技术,并对其处理流程和算法进行了详细介绍,该技术已应用于某仿真训练系统的探测、指挥等仿真模型的实现上。应用表明,通过该技术生成的随机数较好的实现了作战过程中不确定因素的模拟。     

基于随机动态规划的水库生态优化调度研究

水库中长期生态调度需要考虑天然入库径流的不确定性.首先描述径流的随机过程,接着以修正全年流量偏差(AAPFD)最小为目标函数,建立AAPFD最小且考虑发电量的水库中长期随机生态调度数学模型,并采用随机动态规划进行求解.实例计算表明,水库中长期生态随机调度模型与确定性调度模型相比,随机调度水位变化更平缓,更有利于保证水库生态流量,提高生态效益.     

一种新的雷达和红外融合算法

针对作机动飞行的空中目标,利用目标多普勒信息和红外辐射信息,建立具有Markov跳交参数的红外系统距离估计模型,基于结构随机跳变系统最优滤波理论,提出了一种红外系统距离估计算法.基于交互式多模型算法(IMM),以红外测距为伪距量测,提出了一种新的主动雷达和红外融合算法.对一个高机动目标跟踪进行了仿真,结果表明红外距离估计误差小,融合算法跟踪精度高,性能良好,易于工程实现.     

空间机器人随机故障容错规划的蜜蜂算法

本文为解决复杂的随机规划问题设计了一种基于随机模拟的混沌量子蜜蜂算法,证明了该算法的收敛 性,并分析了算法的收敛速度．分析6 自由度空间机器人系统的不确定性,采用基于微分变换法进行误差分析,建 立了随机数学规划模型．为涉及故障前后运动学与动力学约束限制的容错轨迹规划,以加权最小驱动力矩为优化性 能指标,采用混沌量子蜜蜂算法求解全部工作时间中机械臂故障前后的最优轨迹．通过降低异常关节的运动速度来 降低故障关节力矩,保证机械臂在发生故障后具有较高的操作能力．案例研究验证了该算法的有效性、稳定性及准 确性．     

Parameters Tuning of Model Free Adaptive Control Based on Minimum Entropy

Dynamic linearization based model free adaptive control (MFAC) algorithm has been widely used in practical systems, in which some parameters should be tuned before it is successfully applied to process industries. Considering the random noise existing in real processes, a parameter tuning method based on minimum entropy optimization is proposed, and the feature of entropy is used to accurately describe the system uncertainty. For cases of Gaussian stochastic noise and non-Gaussian stochastic noise, an entropy recursive optimization algorithm is derived based on approximate model or identified model. The extensive simulation results show the effectiveness of the minimum entropy optimization for the partial form dynamic linearization based MFAC. The parameters tuned by the minimum entropy optimization index shows stronger stability and more robustness than these tuned by other traditional index, such as integral of the squared error (ISE) or integral of timeweighted absolute error (ITAE), when the system stochastic noise exists.      

离散系统的鲁棒约束方差估计及应用——模型噪声强度不确定情形

考虑离散随机系统在模型噪声强度不确定及估计误差方差受约束情形下的一类鲁棒状态 估计问题,即希望找到这样的滤波增益,使得当模型噪声强度在一定范围内变动时,每个状态 分量的估计误差方差始终不大于预先指定值.文中给出了这种滤波增益的设计方法,并以一 类机动目标跟踪问题为例,说明这种设计方法的直接性与有效性.     

离散系统的鲁捧约束方差估计及应用──模型噪声强度不确定情形

考虑离散随机系统在模型噪声强度不确定及估计误差方差受约束情形下的一类鲁棒状态估计问题，即希望找到这样的滤波增益，使得当模型噪声强度在一定范围内变动时，每个状态分量的估计误差方差始终不大于预先指定值。文中给出了这种滤波增益的设计方法，并以一类机动目标跟踪问题为例，说明这种设计方法的直接性与有效性。     

基于光伏预测的微电网能源随机优化调度

可再生能源的间歇性和负荷的随机性对微电网能源管理系统（ EMS）产生了巨大的挑战。在随机环境下的能源优化调度问题在微电网的研究中具有重要意义。以微电网中光伏发电系统的功率预测为基础,将光伏预测误差当做随机变量,建立了一种基于期望模型的能源随机优化调度模型。用Monte Carlo模拟方法生成了光伏发电预测误差的情景集,应用粒子群优化算法来解决随机优化调度模型。通过与确定性模型产生的调度方案相对比,证明了随机优化调度模型更加有效。     

Cautious stochastic computer control applied to concrete mixing

An application of direct digital control of a concrete mixing process is presented. The process which is irreversible is modelled as a linear stochastic system. The control problem is formulated as a final value control problem. A general final value prediction problem is formilated and solved. The regulator becomes an adaptive stochastic regulator. Its control actions are based on the uncertainty in the control-error which is calculated as the difference between the setpoint and the predicted final value. The resulting algorithm is implemented on a small minicomputer based control system and is used in every day production since more than a year ago.     

产品设计方案费效权衡的随机机会约束规划模型

针对产品设计方案费效权衡中由于未考虑生产过程中不确定性因素影响而导致的权衡结果易产生偏差的问题, 提出将不确定优化理论引入产品设计方案费效权衡模型中。在对关键设计参数敏感性分析的基础上,将敏感性变量以及费用估算的偏差描述为随机变量,构建基于以产品设计方案费效权衡的随机机会约束规划模型,并采用嵌入蒙特卡洛模拟的遗传算法求解,得到考虑不确定因素影响的最优产品设计方案。最后以混凝土泵车为实例,验证了模型的有效性。研究表明,采用费效权衡随机机会约束规划模型得到的产品设计方案,更能反映生产实际,可以最大程度保证不确定条件下产品设计决策目标的实现。     

An efficient method for stochastic optimal control with joint chance constraints for nonlinear systems

Stochastic model predictive control hinges on the online solution of a stochastic optimal control problem. This paper presents a computationally efficient solution method for stochastic optimal control for nonlinear systems subject to (time‐varying) stochastic disturbances and (time‐invariant) probabilistic model uncertainty in initial conditions and parameters. To this end, new methods are presented for joint propagation of time‐varying and time‐invariant probabilistic uncertainty and the nonconservative approximation of joint chance constraint (JCC) on the system state. The proposed uncertainty propagation method relies on generalized polynomial chaos and conditional probability rules to obtain tractable expressions for the state mean and covariance matrix. A moment‐based surrogate is presented for JCC approximation to circumvent construction of the full probability distribution of the state or the use of integer variables as required when using the sample average approximation. The proposed solution method for stochastic optimal control is illustrated on a nonlinear semibatch reactor case study in the presence of probabilistic model uncertainty and stochastic disturbances. It is shown that the proposed solution method is significantly superior to a standard random sampling method for stochastic optimal control in terms of computational requirements. Furthermore, the moment‐based surrogate for the JCC is shown to be substantially less conservative than the widely used distributionally robust Cantelli‐Chebyshev inequality for chance constraint approximation.