为解决海量数据情况下学习贝叶斯网络(Bayesian network, BN)结构的算法性能急剧降低问题, 基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分并行化3个部分。互信息并行计算可以高效减少搜索空间; 在演化前增加对种群信息与选择信息的广播来对全种群执行选择操作。选择与交叉算子共用选择信息以并行执行, 从而高效演化并减少数据落盘时间。对约束和评分两阶段产生的中间数据作记忆化存储, 提升数据复用率和全局执行效率。实验结果表明, 所提算法在执行效率和学习准确率方面均优于对比算法。
出动离场是舰载机作战效能发挥的基础环节, 本文研究其出动作业优化调度, 将作业过程抽象为柔性车间调度问题, 考虑优先序、资源及空间约束建立了混合整数规划模型, 提出了一种基于种群进化搜索与邻域改进能力的混合遗传-模拟退火算法, 并给出了作业扰动时的重调度策略, 通过引入任务表的生成构建了实际作业调度仿真架构。该架构融合了问题输入、动态扰动与算法, 实用推广性强。仿真结果表明, 所提算法收敛性快、解的准确性好、效率高, 可有效解决任务表驱动下的出动调度问题; 灵敏度分析发现, 保障点-军械加工对全局调度影响最为显著。
新一代信息技术的高速发展为制造业的转型与发展提供了机遇, 同时也推动了制造质量管理方式的重大变革。本文结合制造业发展实际情况, 概述了质量4.0的基本理论及关键技术, 并进一步探讨了质量4.0的实施与落地应用。具体而言, 将印制电路板(printed circuit board, PCB)缺陷检测作为研究案例, 设计了基于质量4.0的PCB智能缺陷检测方案, 并提出了缺陷检测的5个关键评价标准; 提出的检测方案可有效帮助PCB制造企业过滤缺陷假点、控制产品良率、获取缺陷解决建议, 并为员工掌握专业检测技能提供学习和培训平台。本文旨在研究质量4.0环境下的智能缺陷检测及其PCB中的应用, 以推动制造业质量管理数字化和智能化转型。
针对云模型在评估方法使用过程容易出现雾化特性差、评估结果不能直接使用的问题, 提出一种改进的高斯云模型。该模型针对相同指标的专家评估结果, 利用相似关系矩阵对专家进行聚类并赋权, 求解每类专家的评估高斯云模型, 并将其与权重结合形成该评估指标的评估云模型; 综合所有指标的评估云模型形成综合评估云; 将综合评估云与云标尺进行比对得出评估结果。运用该方法对装备保障体系能力进行评估, 并与传统云模型所得评估结果进行对比, 证明了改进高斯云模型的可行性和有效性, 为其在评估方法中的运用提供参考。
民机数量是反映民航运输能力的重要标志, 而对民机数量进行预测, 能够研究分析未来民航业的发展趋势。本文重点研究了民机需求预测的模型架构和实施方法, 首先以2013年到2020年民机数量和其他关键因素作为原始样本, 然后把2021年的数据作为检验样本, 最后通过构建灰色-神经网络组合预测模型对未来的民机需求进行预测。从预测结果来看, 灰色模型GM(1, 1)与反向传播(back propagation, BP)神经网络模型结合效果较好, 组合模型预测精度高, 充分证明了该模型的有效性和可行性, 同时预测结果对分析未来航空运输情况也具有一定的参考意义。
基于多机器人系统的区域覆盖中的区域划分问题, 分析现有区域覆盖任务发现, 在任务区域中存在危险区域或优先级更高的特殊区域。针对特殊区域需要分配给最少的机器人的情况, 设计了一种基于Morse分解的离散区域划分方法。该方法用放射状Morse分解来定义离散任务区域的空间结构, 并提出一种改进回溯法来确定最优分割线, 以避免分割特殊区域并保持多机器人工作量均衡。仿真给出了在特殊区域分布不同、机器人数量不同的场景下的区域划分结果, 并与两种现有算法进行了比较。结果表明, 所提方法能够生成稳定的解, 有效减少特殊区域的分割, 合理分配多机器人的工作量。
随着深度学习和强化学习而来的人工智能新浪潮, 为智能体从感知输入到行动决策输出提供了“端到端”解决方案。多智能体学习是研究智能博弈对抗的前沿课题, 面临着对抗性环境、非平稳对手、不完全信息和不确定行动等诸多难题与挑战。本文从博弈论视角入手, 首先给出了多智能体学习系统组成,进行了多智能体学习概述, 简要介绍了各类多智能体学习研究方法。其次, 围绕多智能体博弈学习框架, 介绍了多智能体博弈基础模型及元博弈模型, 均衡解概念和博弈动力学, 学习目标多样、环境(对手)非平稳、均衡难解且易变等挑战。再次, 全面梳理了多智能体博弈策略学习方法, 离线博弈策略学习方法, 在线博弈策略学习方法。最后,从智能体认知行为建模与协同、通用博弈策略学习方法和分布式博弈策略学习框架共3个方面探讨了多智能体学习的前沿研究方向。
针对传统卫星温度预测方法在预测精度和鲁棒性方面表现不佳,难以满足高维度耦合数据预测需求的问题,提出一种针对卫星温度遥测数据的多元时序数据预测模型——改进的时间序列处理模块(advanced time series processing module, ATSPM)-Net。首先,构建了包含一维卷积和门控循环单元(gated recurrent unit, GRU)的ATSPM,以对高度耦合的遥测数据中的时间依赖关系进行多尺度提取。接着,设计了多元时序数据预测模型ATSPM-Net。通过堆叠ATSPM,ATSPM-Net确保模型的灵活感受野,从而实现高准确率和鲁棒性的遥测数据预测。最后,在5个数据集上进行的数值实验结果表明,相较于其他类型的时序数据预测模型,ATSPM-Net在参数量较少的情况下能展现出更优异的温度预测性能。
针对核事故现场的物理屏蔽严重、应急处置作业条件复杂、作业对象不明确等特点, 研究并设计了一款基于动态自组网的机器人遥操作系统。在自组织网络实时Mesh保持良好通讯的情况下, 利用叠加在真实回传视频中的虚拟模型, 提出一种基于空间梯度的人工势场力觉引导算法。操作者可通过观察视觉交互系统中模型的变化和感受施加在自研主手的引导力, 提高时延条件下的操作效率和临场感。实验表明, 核辐射条件下遥操作系统130 m的通讯时延在30 ms以下, 可满足视频传输的带宽要求。力觉引导下的物体避障抓取实验验证了算法的可行性和遥操作系统的工程实用性。因此, 本文设计的基于动态自组网的机器人遥操作系统, 可使操作者以更加直观自然的方式参与到遥操作系统中, 有效提高操作员完成复杂遥操作任务的安全性和操作性能。
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。