针对当前均匀分布的仪表着陆系统(instrument landing system, ILS)信号无法反映出真实安全性变化的问题, 提出了基于高斯量化的ILS安全性信号设计方法。首先, 基于运行安全性确定安全范围并在此基础上进行逆向设计, 对飞行安全性进行高斯量化。然后, 从提高飞行员情景意识出发, 提出在安全范围内的不同偏移角度下, 仪表刻度变化率与安全性变化率保持一致的安全性信号设计方法。最后, 构建了飞行员认知模型, 在民机最后进近场景中, 对不同初始偏航角度进行了仿真实验。仿真实验结果表明, 所提方法提升了民机进近着陆阶段的安全性。
针对航空母舰飞行甲板上舰载机弹药保障面临的调度效率不高的问题, 提出了一种改进灰狼优化(grey wolf optimizer, GWO)算法。根据甲板上多升降机多运输车的场景特点, 建立了由多车场出发、向多目标转运的问题模型。融合遗传算法算子交叉思想实现了对灰狼种群初始解的初步优化, 并通过直线转运路径中间点定义、整数编码、负整数标志分组等方法实现了对GWO算法求解过程的改进。同时, 增加了灰狼个体自由狩猎流程, 有效克服了结果陷入局部最优和早熟的问题。最终, 通过对场景实例的优化求解, 验证了所提方法的有效性和可行性。
针对无人集群自主作战体系设计中的关键问题, 提出基于Multi-Agent的无人集群自主作战系统设计方法。建立无人集群各节点的Agent模型及其推演规则; 对于仿真系统模块化和通用化的需求, 设计系统互操作式接口和无人集群自主作战的交互关系; 开展无人集群系统仿真推演验证。仿真结果表明, 所提设计方案不仅能够有效开展并完成自主作战网络生成-集群演化-效能评估的全过程动态演示验证, 而且能够通过重复随机试验进一步评估无人集群的协同作战效能, 最后总结了集群协同作战的策略和经验。
针对空间机械臂系统执行器鲁棒故障诊断问题, 提出一种基于改进的自适应超螺旋观测器故障诊断方法。为抑制复杂空间环境引起的外部干扰对故障诊断结果的影响, 在经典超螺旋观测器的基础上引入观测器参数自适应调整算法, 同时解决观测器参数过估计问题与噪声扩展问题。此外, 引入小于1的分数幂和线性比例项来提高观测器的平滑性和快速性, 进一步改善故障诊断效果。基于Moreno-Lyapunov函数算法分析了观测器的有限时间稳定性, 证明了观测器的估计误差可以在有限时间内收敛至包含原点的邻域内, 提出残差生成方法并设计了基于自适应阈值的故障诊断策略。最后, 结合小行星采样空间三连杆机械臂算例, 通过仿真验证了所提方法的有效性。
随着大数据、云计算、物联网等一系列新兴技术的大量涌现, 人工智能技术不断取得突破性进展。深度强化学习(deep reinforcement learning, DRL)技术作为人工智能的最新成果之一, 正被逐渐引入军事领域中, 促使军事领域走向信息化和智能化。在未来战争作战模式及军队发展建设中, 网络化、信息化、智能化和无人化形成重要特征, 已经成为不可逆转的趋势。因此, 在回顾了DRL基本原理和主要算法的基础上, 对当前DRL在武器装备、网络安全、无人机(unmanned aerial vehicle, UAV)编队、智能决策与博弈等方面的应用现状进行了系统的梳理与总结。最后, 针对实际推进DRL技术在军事领域应用落地所面临的一系列问题和挑战, 提供了未来进一步研究的思路。
费用预测是复杂装备成本管理的核心内容。在同类型复杂装备仅有少量样本信息的情况下, 为提高估算预测精度, 解决贫信息下费用影响要素筛选困难、要素间由于协同效应导致的权重分配不合理、费用预测误差较大等问题, 提出了一种基于灰色关联协同效应贡献度分配的要素权重配置方法。首先通过灰色关联度分析筛选相似样本及费用关键影响要素; 然后, 依据各要素在协同效应下对灰色关联度提高的贡献程度大小, 参考Shapley值思想计算各要素的灰色比较关联重要性, 以此确定权重; 最后, 构建相应的异阶参数灰色分数阶预测模型, 对目标装备进行费用预测。通过与已有文献中的方法进行对比, 结果表明所提方法有较高的预测精度且具有一定的适用性, 能够挖掘小样本下费用影响要素间的潜在信息, 更可以合理地分配要素权重, 提高费用预测精度。
为增强指挥信息系统韧性, 提升资源使用效费比, 必须把有限资源投入到对系统韧性影响最为显著的重要节点上。分析指挥信息系统韧性过程, 以攻击发生后指挥信息系统在规定恢复时间内的平均功能水平来评估其韧性; 建立指挥信息系统模型和节点模型, 根据各个节点韧性增加/减少相同比率时, 对系统韧性的影响程度来度量节点重要性, 提出基于蒙特卡罗仿真的节点重要性计算方法; 通过仿真实验对指挥信息系统韧性过程, 节点重要性度量方法及其性能、应用场景等进行验证。实验结果表明, 该度量方法能有效区分指挥信息系统节点的重要性, 且在单调性和精确性方面具有一定优势, 可应用于指挥信息系统规划设计、运维管理、应急抢修等阶段的韧性增强。
针对相控阵雷达作战效能评估中战场环境等不确定因素的影响, 采用改进Dempster-Shafer(D-S)证据理论对其进行作战效能评估方法的优化。首先, 通过构建相控阵雷达作战效能评估指标体系, 明确评估指标并赋值权。其次, 引入Kulsinski差异和模糊熵方法, 对传统的D-S证据理论进行改进, 减少指标在融合过程中的融合权重不确定性的影响。最后, 通过改进D-S证据理论对评估指标进行数据融合, 建立评估准确性较高的相控阵雷达作战效能评估模型。通过算例验证分析, 所提方法能够有效减少融合过程中的不确定性影响, 可实现相控阵雷达作战效能评估的目的, 提高作战效能评估精度。
针对舰载机机群出动离场效率问题, 提出了一种改进的粒子群优化(improved particle swarm optimization, IPSO)算法。首先,基于舰载机的出动离场流程及约束建立了舰载机出动离场数学模型,并根据出动离场问题特点设计了一种连续编码形式以表示出动规划方案。然后, 通过在参数自适应粒子群优化算法的基础上引入基于莱维飞行扰动的模拟退火机制, 提出了将IPSO用于对出动离场规划问题进行求解。最后, 分别针对8、10、12机的出动离场规划场景进行了仿真验证。仿真结果表明, 所提算法较已有的优化算法而言具有更好的寻优能力。
为提高规划主体在复杂环境中运动的通过可行性和安全可靠性, 解决路网环境通常不连续和主体大小普遍未计算的问题, 基于连续路网环境提出了一种实体化主体路径规划算法。首先根据环境信息和主体大小, 采用融合膨胀的策略构建实体化主体连续环境模型(model continuous environment with subject objective, MCESO), 然后采取路网优先(road network priority, RNP)策略, 在实体化主体连续环境下利用骨架提取技术得到路网信息, 最后以经典A* 算法为例, 将上述模型融合改进, 提出一种路径规划MCESO-RNP-A* 算法。仿真实验结果表明, 建模方案和规划算法能够使得实体化主体在连续路网环境下安全顺利到达规划指定目标点, 并且在大范围环境下相较MCE-A* 算法生成路径的时间可降低约30%, 验证了算法的可行性和有效性。
针对天基信息支援体系效能评估中存在的准确性与实时性无法兼顾的问题, 以体系仿真为基础, 提出一种基于离散事件仿真的效能评估模型构建方法。首先, 基于仿真工具建立离散事件仿真模型, 对体系的结构与运作流程进行模拟, 并基于仿真模型构建评估指标体系, 生成效能评估数据样本。之后, 利用深度学习对复杂映射的强大表现能力基于深度置信网络构建效能评估代理模型, 结合无监督预训练和有监督调优实现网络的训练和参数优化。最后, 对仿真生成的测试集样本进行评估模型验证实验。结果表明, 所提方法在计算快速的同时对原评估模型有很高的还原度。
面向地球同步轨道(geosynchronous Earth orbit, GEO)空间目标碎片清除、燃料加注等不同在轨服务需求, 研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先, 建立了多任务混合的燃料最优双层任务规划模型, 外层为目标服务序列规划, 内层为轨道机动规划。随后, 针对该连续-离散混合变量组合优化问题, 提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm, MGCGA), 采用混合编码表征决策变量, 引入立方混沌映射算子提高初始种群质量, 多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后, 参考实际GEO目标构建了典型算例, 规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。
任务分配是无人机集群实现高效遂行作战任务的关键技术。随着无人机集群技术的发展和作战样式的转变, 无人机集群的作战任务领域不断拓展, 任务分配所涵盖的范围不断扩大, 任务分配问题的规模和复杂性不断增加, 这都对无人机集群任务分配技术提出了新的挑战。本文对无人机集群作战理论、任务分配建模、任务预\重分配算法、异构无人系统联合应用下任务分配的研究现状进行了全面的总结, 凝练了目前无人机集群任务分配技术面临的通用化建模、面向多任务的任务预分配算法最优解求解、有限时间下面向突发事件的任务重分配算法寻优、路径规划紧耦合下面向大规模异构无人系统的协同任务分配等问题, 并针对性地论述了未来无人机集群任务分配技术的若干发展方向, 为提升无人机集群任务分配的求解质量和求解速度提供新的研究思路和解决途径, 对于全面了解无人机集群任务分配技术具有重要参考意义。
为了度量底事件发生概率不确定性对顶事件的影响程度, 在建立故障树概率组成函数的基础上, 基于矩独立重要性测度提出了考虑底事件发生概率不确定性情况的故障树重要度分析方法。以某飞机结冰探测系统为例, 利用所提出的重要度方法分析了底事件发生概率不确定性对该系统故障的影响程度, 设计者可根据重要度结果更有针对性地开展分析与设计, 同时也验证了所提方法的合理性。
为提高无人机集群执行自组织区域覆盖任务成功率, 提出一种基于个体相互作用力、边界排斥力、重点区域吸引力3种虚拟力的分布式自组织覆盖算法。在此基础上, 进一步考虑无人机个体自身故障或毁伤等失效的影响, 将集群韧性指标纳入到覆盖关键阈值调节机制中。仿真实验结果表明, 该方法能有效使无人机集群对目标区域及重点区域进行覆盖, 且能在集群发生故障或遭受毁伤后迅速进行自组织恢复, 获得较高的任务成功率。
现代战争中, 跨平台武器单元的协同利用, 是合同编队体系的重要内容, 作战方式也正由平台级协同向着能力要素级协同转变, 这对武器目标分配问题的解决提出了更大挑战。本文将武器单元的最小划分单位细化到能力要素级, 以毁伤概率与成本消耗为优化目标, 面向多种来袭目标的编队防空场景, 提出了跨平台武器目标分配算法。同时, 基于混沌映射提出了混沌种群重构(chaotic population reconstruction, CPR)机制, 并结合带存档的自适应差分进化(adaptive differential evolution with optional external archive, JADE)算法提出了CPR-JADE算法, 利用CPR机制可以帮助算法在解决高维复杂约束问题时跳出局部最优。再将其运用到武器目标分配模型上, 实现了对模型的高效求解。最后, 通过在多种数据规模下与其他进化优化算法的仿真对比试验分析, 验证了所提方法的正确性与有效性。
针对航天器试验任务过程监控的在轨故障诊断状态检测、健康状态评估与航天器寿命预测等多个环节中, 海量试验数据在传输、共享、处理、分析、存储等过程中面临的巨大压力, 构建面向航天器多源异构数据管理的分布式大数据发布/订阅系统(big-data publish/subscribe system, BPSS)框架。借助大数据与云平台技术, 设计了一套航天器海量在轨试验数据传输、管理与缓存方案, 对云节点实现主从调控与弹性扩容, 并通过基于消息一致性的动态选举算法完成大规模发布/订阅任务, 保证数据传输的安全性、一致性与计算效率, 具备大数据订阅响应迅速、多源异构数据高吞吐稳定性、分布式组件部署灵活等优点。实地航天器数管实验结果表明, BPSS数据订阅的平均响应时延为0.05 s/GB, 同时在单日吞吐量达到85 GB量级时, 数据丢帧率控制在0.025%、数据破损率控制在0.018%, 与其他开源的发布/订阅系统相比具备一定竞争力。
针对复杂多任务下的异构无人机(unmanned aerial vehicle, UAV)集群分组调配问题, 提出一种基于改进K均值和延迟接受(deferred-acceptance, DA)算法的先聚类后匹配方法。在任务聚类分组环节, 通过离群点检测和固定初始聚类中心的方法来提高K-means聚类的精度, 并设计余量裕度下的分组均衡性调整策略, 在最优性的前提下提高分组的均衡性。在集群匹配分组环节, 改进了DA算法, 通过任务倾向的偏好列表快速生成预中选方案, 并设计两阶段冲突消除来保证匹配的稳定性和收敛性。仿真实验表明, 所提方法能够快速有效地解决复杂多任务下的UAV集群分组调配问题, 具备良好的最优性和时效性。
针对属性间相互关联, 评价信息为毕达哥拉斯犹豫模糊信息的多属性决策问题, 首先通过研究犹豫度对决策结果的影响, 提出一种新的毕达哥拉斯犹豫模糊集得分函数, 解决了现有得分函数中存在的不足。其次, 提出一种最小公倍数规范化原则, 解决了现有方法容易引入误差的缺陷。最后, 针对属性关联的多属性决策问题, 基于λ-模糊测度与Choquet积分, 提出了一种拓展交互式多准则决策(interative multi-criteria decision-making, TODIM)方法, 既解决了属性关联的问题, 又通过前景理论反映了决策者的心理行为特征。实例分析与敏感性分析验证了所提算法的正确性与有效性。
针对指挥信息系统历史状态样本有限的特点, 基于支持向量机(support vector machines, SVM)设计了一种面向不平衡数据的SVM增量学习方法。针对系统正常/异常状态样本不平衡的情况, 首先利用支持向量生成一部分新样本, 然后通过分带的思想逐带产生分布更加均匀的新样本以调节原样本集的不平衡比。针对系统监控实时性要求高且在运行过程中会有新样本不断加入的特点, 采用增量学习的方式对分类模型进行持续更新, 在放松KKT(Karush-Kuhn-Tucker)更新触发条件的基础上, 通过定义样本重要度并引入保留率和遗忘率的方式减少了增量学习过程中所需训练的样本数量。为了验证算法的有效性和优越性, 实验部分在真实系统中获得的数据集以及UCI数据集中3类6组不平衡数据集中与现有的算法进行了对比。结果表明, 所提算法能够有效实现对不平衡数据的增量学习, 从而满足指挥信息系统状态监控的需求。
面向对流层飞艇起降过程复杂、气象适应能力弱等特殊性, 传统基于文本的运行概念分析方法具有设计一致性较差、设计无法有效追溯、验证困难等局限性。基于此, 提出了基于模型的系统工程的对流层飞艇运行概念设计方法。首先, 建立系统用例与利益攸关者需求的关联关系, 保证了设计可追溯性。然后, 基于活动图、时序图与内部块图建立对流层飞艇运行场景模型, 详细梳理了飞艇运行的执行逻辑与外部交互关系。通过执行状态机对飞艇运行概念模型进行验证, 并进一步补充完善利益攸关者需求。最后,通过执行状态机验证了该无人飞艇系统能够满足任务飞行、飞行控制和应急情况响应等利益攸关者的需求。
针对装备试验鉴定领域数据复杂性带来的数据治理难题, 提出通过构建知识图谱辅助相关试验鉴定机构开展数据治理的技术思路。分析试验鉴定任务与领域数据特点, 在斯坦福本体构建流程的基础上, 设计了一种具有试验鉴定领域普适性的本体构建方法。基于该方法构建的知识图谱本体模型, 具有明确的业务针对性与体系拓展性。最后,通过典型示例验证了该方法构建知识图谱, 对试验鉴定领域数据治理工作具有一定的支持能力。
保障系统结构建模是发展和构建新一代航空装备智能保障系统的重要基础。航空装备保障系统涉及保障要素多、交联关系复杂, 需从系统工程的角度开展顶层设计, 并采用统一的结构框架对其体系结构进行建模表征。引入美国国防部架构框架(Departmeant of Defense Architecture Framework, DoDAF)体系结构框架, 提出基于“概念-任务-能力”的体系结构开发序列, 构建航空装备智能保障系统的能力、保障活动、各保障要素的信息交互及组织关系等视图模型, 得到“能力层-需求层-技术层”之间的对应关系。该方法能够全面地描述航空装备智能保障系统体系结构, 提高不同保障要素之间的互操作性, 并将其转化为具体的设计要求, 可为航空装备智能保障系统开发提供支持。
为提升深空探测任务中巡视器动态规划处理效率,从航天工程实践经验出发,结合分层任务网络(hierarchical task network,HTN)理论研究成果,提出巡视器领域知识建模方法以及动态规划流程。针对经典动作规划系统不能处理时态约束关系的问题,在建模中引入受限状态事件的表示方法。针对动态规划中的时态约束关系,拓展Allen区间代数的定义,提出事件、全局时间点和虚拟事件的时序逻辑判断方法。针对动态规划中存在的状态空间一致性问题,提出虚拟指令继承原有状态空间的方法。研究结果完善了HTN在航天领域的知识建模方法,解决了经典动作规划缺少时间信息约束的缺陷。所提出的虚拟事件、虚拟指令解决动态规划状态判定方法,可有效提高深空探测任务中巡视器遥操作的工作效能和地面中心进行事件处理的灵活性。
针对当前装备体系(system of systems, SoS)任务建模研究深入程度不足问题, 提出装备SoS使命任务的概念模型和描述模型, 在此基础上, 首先对各层级任务的任务线程进行分析与规划, 改进传统Petri网, 提出一种基于层次确定与随机Petri网(hierarchical deterministic and stochastic Petri nets, HDSPN)的装备SoS任务线程建模方法, 构建面向多层级使命任务的装备SoS任务线程模型。然后, 结合基于可达性分析算法(reachability analysis algorithm, RAA)的装备SoS总体任务成功性仿真评估算法, 启动仿真模型运行, 实现对装备SoS总体任务成功性的有效评估, 并通过案例分析, 验证了模型的适用性。
针对电子对抗的非合作性和传统干扰效能评估方法的主观性, 围绕舷外有源诱饵, 提出了一种基于概率推理的干扰有效性评估方法。首先, 由导弹末段制导动态过程推导干扰有效性判据, 从信号层面与态势层面分析非合作参数作用。然后, 基于概率推理原理, 构建干扰有效性推理模型, 阐述了干扰有效性评估内容。最后, 通过数值仿真分析了正向推理和反向推理结果, 并对不同诱饵干扰策略进行评估。仿真结果表明, 利用概率推理可从未知参数中得到干扰有效性判据的概率分布, 为舷外有源诱饵提供了量化且可扩展的干扰评估框架。
针对体系建设发展过程中国防资源有限、分配困难问题, 考虑国防总经费预算受限、年度资源平均分配、体系能力满足能力需求等方面的约束, 首先采用数学规划法, 构建基于能力的国防资源静态分配模型, 将资源分配到不同能力领域的体系建设发展中。其次, 给出了基于遗传算法的模型求解算法。最后, 通过示例验证所构建的资源分配模型能够合理地进行国防资源分配, 且计算结果高效、可行,为体系建设发展中的资源分配问题提供了一定的理论支撑。
现有基于贝叶斯网络的威胁评估采用专家经验确定的朴素结构, 其推理评估结果精度欠佳。为此,提出一种融合专家经验与数据观测的基于Stacking策略的集成贝叶斯网络(ensemble Bayesian network, EBN)。首先使用不同搜索空间内的评分优化算法获得数据观测模型集并进行模型平均; 然后使用专家经验朴素模型对平均网络进行修剪, 形成威胁约束集合; 最后以动态规划为基础, 通过该集合限制节点序图扩展, 以求取全局最优威胁评估网络。在作战想定中, EBN模型单目标威胁概率推理精度比朴素贝叶斯模型高出10%, 在多目标威胁排序任务中, 其Spearman系数分布亦优于朴素模型。
试验评估是促进装备系统作战能力生成和实战化应用的重要手段。无人集群依靠自组网实现复杂交互, 具备典型的智能性和涌现性, 开展无人集群试验评估研究面临着指标不清、标准模糊、技术方法落后等难题。为了进一步推动无人集群试验评估理论研究, 对国内外已开展的无人集群试验评估相关规划和项目实践现状进行了概述。面向评估指标设计和评估方法研究两个试验评估关键环节, 首先对已有无人集群评估文献中使用的指标进行了分类梳理, 并分析了现有研究在指标选取和构建方面的特点与不足; 然后, 结合不同无人集群关键技术研究中涉及的评价指标, 提出了面向无人集群关键技术能力的评估指标设计思路。在此基础上, 根据具体含义及计算方式, 将已有指标划分为基础指标和综合指标2类, 分类介绍了可用的评估方法, 期望为后续无人集群试验评估的指标构建和评估方法选取工作提供一定借鉴。
为了以较小的代价快速提升对空探测雷达系统的综合效能, 首先搭建了对空探测雷达系统综合效能的评估指标体系, 在此基础上完成了综合效能评估模型的建立。选择两种基于方差原理的全局敏感性分析方法, 即傅里叶幅度敏感性测试(Fourier amplitudes sensitivity test, FAST)和Sobol指数法, 分别从频域和时域对建立的评估模型进行敏感性分析。在基于FAST进行敏感性分析时, 提出了21维输入指标所对应的特征频率集的选取方法; 在基于Sobol指数法进行敏感性分析时, 考虑了二阶及高阶敏感性指数的影响。对比FAST和Sobol指数法的分析结果, 两种方法获得的敏感性分析结果具有较好的一致性。其中, 功率和频率为对空探测雷达系统的主要影响指标, 为雷达系统的研发和升级提供了可靠性依据。