一、最优分配防空火力时编队对地攻击的损伤评估(论文文献综述)
聂俊峰,陈行军,苏琦[1](2021)在《基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化》文中提出火力分配建模与优化作为集群目标来袭防御任务规划的关键环节,对提高防御效果、保证任务完成质量具有重要意义。针对集群目标来袭防御策略呈现出由传统点对点饱和攻击向合理火力覆盖转变的基本趋势,建立以攻击效益最大、自身剩余价值最大、武器消耗最小为目标函数,以毁伤门限、武器资源总数和0-1整数约束为约束条件的集群目标火力分配模型;提出基于非支配排序遗传算法-Ⅲ(NSGA-Ⅲ)的集群目标来袭火力分配优化框架,给出具体的优化流程;面向想定的作战任务进行仿真实现,并通过收敛性指标和间距指标对NSGA-Ⅲ算法与第2代强度Pareto进化算法、NSGA-Ⅱ算法的性能进行对比分析。结果表明,NSGA-Ⅲ算法各项性能更优,能够更有效地解决集群目标来袭火力分配建模与优化问题。
常颖,刘轩铭,刘昊[2](2021)在《联合火力打击智能优化系统设计与实现》文中研究指明从联合火力打击智能优化系统的系统架构分析出发,详细阐述了涉及联合火力打击智能优化的关键技术:战法策略转译算法、对抗推演算法、体系价值评估算法和多智能体协同进化算法,并重点介绍了协同进化算法的设计原理、"协同+竞争"机制构成、智能体内部构造以及变异和优胜劣汰方法,通过系统设计实验内容,分别检验了冗余项、备选任务规划项、歼灭阈值和内外网调节参数等系统内部参数的优化情况,分析了协同进化算法作为智能算法的优势,最后,通过对比算法的结果,证明本系统的有效性和应用性。
郑玉会[3](2018)在《多无人机任务分配算法研究》文中进行了进一步梳理随着无人机技术的迅猛发展,以及日趋复杂的战场环境,无人机任务规划系统已经成为无人机作战领域的热点与难点问题。任务分配是无人机任务规划的基础,针对对敌防空压制和协同侦察两类典型任务,研究了多架无人机组成一个编队执行任务时对编队中各架无人机进行任务分配的方法,并将该方法应用于实际无人机任务规划系统软件的开发中。该方法可进一步推广到多个无人机编队。本文所做的工作主要如下:(1)介绍了无人机任务分配的研究背景和意义,总结了无人机任务分配问题的研究现状。(2)研究了对敌防空压制无人机编队的任务分配方法。针对本文所述的对敌防空压制任务,提出了多架无人机组成一个编队飞行时计算编队集合、解散点的方法,重点研究了无人机编队静态任务分配算法,按照地面目标重要程度、各架无人机总航程、无人机与地面控制站的通讯视距对编队中各架无人机进行了三次任务指派,并为每一架无人机生成一张静态任务分配表。最后,提出了动态环境下编队无人机任务再分配算法,具有较高的实时性。(3)研究了单区域协同侦察无人机编队的任务分配方法。针对基于架数限制和基于时间约束两种模式的协同侦察任务,提出了多架无人机组成一个编队飞行时计算编队集合、解散点的方法,重点研究了两种协同侦察任务模式下无人机编队静态任务分配算法,按照无人机资源、各架无人机总航程、无人机与地面控制站的通讯视距对编队中各架无人机进行三次任务指派,并为每一架无人机生成一张静态任务分配表。最后,提出了动态环境下编队无人机任务再分配算法,具有较高的实时性。(4)利用C++和MFC框架编程,并结合ArcGIS Engine 10.1组件对象库和OpenCV2.4.9库函数将本文所述的任务分配方法应用于无人机任务规划系统软件的工程实践中。
申兴盼[4](2018)在《舰艇编队防空任务规划与毁伤效果评估方法研究》文中研究表明随着现代海洋战场环境日益复杂,对于舰艇编队防空作战提出了更高要求。舰艇编队防空任务规划与毁伤效果评估直接决定着编队的生存和海战的胜负,因此本文针对舰艇编队防空威胁评估、火力分配和毁伤效果评估三个关键技术进行了研究。首先,针对空中来袭目标具有多时刻、多属性等特点,提出了一种基于动态直觉模糊群决策的舰艇编队防空威胁评估方法。该方法首先建立了动态多属性群决策矩阵,并通过指标规范化的方法得到动态直觉模糊多属性群决策评估矩阵;其次分别求取指标属性权重、时间序列权重及决策者权重,并将动态直觉模糊多属性群决策矩阵两次降维后得到待评估的直觉模糊多属性矩阵;最后通过引入直觉模糊交叉熵距离改进了传统的VIKOR方法评估直觉模糊多属性决策矩阵得到威胁度排序结果;仿真结果表明,本文所提出的方法在动态作战环境中有较好的评估效果。其次,针对传统BBO算法学习能力较弱和容易出现“早熟”现象的问题,提出了一种基于改进迁移算子BBO的舰艇编队防空火力分配方法。首先建立了基于作战效能、防御效能以及打击代价的舰艇编队防空火力分配的数学模型;其次证明了传统BBO算法迁移算子的封闭性,并分析了BBO算法易“早熟”的成因,提出了一种具有随机拓扑结构且具有自适应学习能力迁移算子的BBO算法;最后,通过对火力分配仿真表明所提出的改进BBO算法收敛速度更快,寻优效果更明显。然后,针对舰艇编队防空毁伤效果评估问题进行研究,提出了一种基于贝叶斯网络的毁伤评估方法。首先分析了来袭空中目标的特征,提取了毁伤评估指标;其次建立了贝叶斯网络毁伤效果评估模型,并依据概率最大原则确定实际毁伤等级;最后通过仿真表明贝叶斯网络算法可有效评估目标毁伤等级。最后,设计并开发了一款舰艇编队防空辅助决策平台。该平台集成了威胁评估、火力分配、毁伤评估功能于一体,可进行算法仿真研究,也能够为作战指挥人员提供辅助决策支持。
张坤[5](2018)在《不确定条件下无人机三维航迹跟踪控制研究》文中指出无人机在执行各种任务过程中都需要精确跟踪参考航迹。而不确定条件,即风场扰动和模型不确定性,会导致无人机偏离规划航迹,无法成功执行任务。尤其是军事任务中,不确定条件会导致在特定时间、从特定方向攻击目标的任务失败。本文对风场扰动和模型不确定条件下无人机三维航迹跟踪控制进行研究。主要研究内容如下:(1)提出了恒定风场下遗传算法优化的无人机三维航迹跟踪反步控制律。采用反步法推导了恒定风场下无人机三维航迹跟踪反步控制律,设计了基于遗传算法的航迹跟踪控制律参数优化方法。与本文研究对比的方法的比较结果表明遗传算法优化的无人机三维航迹跟踪反步控制律跟踪误差更小、收敛时间更短。(2)提出了未知风场扰动下无人机三维航迹跟踪鲁棒最优控制律。采用线性二次型调节器和鲁棒控制提出了未知风场扰动下无人机三维航迹跟踪鲁棒最优控制律。与本文研究对比的方法的比较结果表明在未知风场扰动下无人机三维航迹跟踪鲁棒最优控制律跟踪误差更小、收敛时间更短。(3)提出了不确定条件下无人机三维航迹跟踪自适应滑模控制律。采用滑模控制和自适应控制提出不确定条件下无人机三维航迹跟踪自适应滑模控制律。仿真结果表明在不确定条件下,本文研究对比的方法得到的跟踪误差未收敛,而无人机三维航迹跟踪自适应滑模控制律得到的位置误差收敛。(4)提出了恒定风场下多机协同三维航迹跟踪一致性控制律。在恒定风场多机协同航迹跟踪过程中,考虑时变网络,提出了多机航迹跟踪一致性控制律;考虑时变网络和输入约束,提出了输入受限多机航迹跟踪一致性控制律;考虑时变网络、输入约束和队形保持,提出了输入受限编队航迹跟踪一致性控制律。三种控制律统称为多机协同三维航迹跟踪一致性控制律。仿真结果表明多机协同三维航迹跟踪一致性控制律能够实现多无人机三维航迹跟踪和队形保持。(5)提出了不确定条件下多机协同三维航迹跟踪一致性鲁棒控制律。在不确定条件下多机协同航迹跟踪过程中,考虑时变网络,提出了多机航迹跟踪一致性鲁棒控制律;考虑时变网络和输入约束,提出了输入受限多机航迹跟踪一致性鲁棒控制律;考虑时变网络、输入约束和队形保持,提出了输入受限编队航迹跟踪一致性鲁棒控制律。三种控制律统称为多机协同三维航迹跟踪一致性鲁棒控制律。仿真结果表明多机协同三维航迹跟踪一致性鲁棒控制律能够在不确定条件下实现多无人机三维航迹跟踪和队形保持。(6)研究了航迹跟踪控制律在多机编队协同攻击中的应用。设计了在特定时间、从特定方向对指定目标实施多机编队协同攻击的想定。在未知风场扰动、模型不确定和不确定条件下分别使用所提出的航迹跟踪控制律使多机编队沿规划航迹攻击目标,并对攻击效能进行评估。评估结果表明考虑不确定性的航迹跟踪控制律相比未考虑不确定性航迹跟踪控制律提升了攻击效能。
游尧[6](2017)在《面向无人机编队空面任务的CNN/BN参数学习与决策方法研究》文中提出无人机(Unmanned Aerial Vehicle,UAV)编队空面任务决策作为编队协同作战的核心环节,战术决策方法则是确保无人机编队协同作战效果的关键。在现代空天地一体化作战背景下,空面任务环境日益苛刻,对无人机复杂动态不确定环境下的应对水平越来越高,需要研究适应性更强、参数学习效果更好、鲁棒性能更强的战术决策方法。本论文以无人机编队执行空面任务为研究背景,以实现编队快速、正确的态势评估与战术决策为目标,从问题建模、解模方法以及模型参数学习三个角度展开具体研究,提出了一些新的研究思路和方法,论文主要研究成果如下:(1)分析了典型空面任务场景要素,对无人机编队突防区域威胁进行建模分析,并在此基础上,对无人机编队空面任务特性展开研究。无人机空面任务区域威胁类型日益多样化,防空作战水平也越来越高,直接威胁到无人机编队安全飞行。论文首先结合典型空面任务场景,分析空面任务中常见要素组成及其特点;然后对雷达、地空导弹、高炮这三类影响无人机编队飞行安全的主要威胁进行建模,并分析三者结合下的弹炮混编防空系统布置特点;最后从信息的分布性、决策的不确定性、过程的动态性三个角度详细研究无人机编队空面任务特性。(2)分析了无人机编队空面任务作战流程,建立无人机编队空面任务过程关键数学模型,最后提出了基于人机协同、成员协同的编队空面任务战术自主决策机制。无人机编队空面任务过程是在有人驾驶飞机、无人机等多武器平台作用下的协同作战行为,编队成员必须合理分工协作,确保协同作战效能的最大化。论文首先对无人机编队空面任务作战过程进行描述,详细分析无人机编队空面任务作战系统及其作战流程,将编队作战流程划分为规划、巡航、突防、突击、汇合、退出等六个阶段;然后从数学建模角度分别建立无人机编队空面任务态势评估、战术决策模型,为研究编队态势评估与战术决策方法提供理论依据;最后提出无人机编队空面任务战术自主决策机制,以增强编队成员之间的协作能力。(3)针对无人机编队空面任务态势评估问题,提出了将空面任务态势可视化方法,以及建立了基于卷积神经网络(Convolutional Neural Networks,CNN)的编队空面任务突防战术决策型,并设计训练环境学习决策模型参数。无人机编队行在突防阶段,面临地面弹炮混编防空系统的实时联合打击,不能盲目实施机动,需要对来自多源的探测信息进行有效融合处理,正确评估战场态势特征,进而采取相应的突防战术。论文首先利用STAGE Scenario 6.0推演平台得到态势评估数据集,将推演平台产生的态势样本信息处理后转化为可视化态势图;然后基于CNN建立编队空面任务突防战术决策模型,以及设计训练环境学习得到模型参数,并通过实验验证了模型的有效性。(4)结合无人机编队空面任务决策的不确定性特点,提出一种面向稀缺数据的贝叶斯网络(Bayesian network,BN)参数学习算法,并将所提算法用于编队空面任务攻击战术决策场景当中,提高编队在空面动态环境下的战术决策能力。无人机编队在空面任务过程中,攻击战术决策水平直接影响到编队能否安全飞行、顺利执行预定作战任务。论文首先结合概率推理理论,详细分析BN及其参数学习特点;然后针对稀缺数据下的BN参数学习问题,提出一种整合定性领域知识和进化策略的BN参数学习算法——CPEL,对比实验结果表明所提算法能够有效提高稀缺数据下的BN参数学习精度;最后提出面向多实体的编队空面任务攻击战术决策网络,并将所提算法用于稀缺数据下的决策模型建模中,取得了良好的学习效果。
闫玉铎[7](2016)在《面向陆军分队级CGF的武器目标分配问题研究》文中研究指明随着计算机生成兵力(Computer Generated Forces,CGF)在作战仿真系统中的广泛应用,CGF行为建模技术发挥了越来越重要的作用。在实际作战过程中,以当前战场态势为输入,特定交战规则为约束的武器目标分配(Weapon Target Assignment,WTA)问题是指挥员必要的决策行为之一。因此CGF的武器目标分配模型是作战仿真系统中CGF决策行为模型的重要组成部分。对WTA进行有效建模有助于提升行为模型的逼真性与智能性,以及仿真结果的可信性和有效性。本文以陆军分队级作战为应用背景,研究分队级CGF的WTA决策行为建模与优化求解问题,主要包括面向陆军分队作战特点的问题要素提取与模型建立,以及面向高实时、高可靠性实际应用需求的算法改进两方面工作。论文首先对研究问题的背景、意义、以及应用前景进行了论述,在充分掌握国内外研究现状的基础之上,针对性地提出了论文研究的主要内容并简要介绍了论文的组织结构。论文研究的第一个大问题是对陆军分队级要素的提取与WTA模型的建立。陆军分队是陆军作战的基本战术单元,针对其作战特点,通过查阅资料以及与相关军事专家沟通,对陆军分队级作战的各项作战要素进行简化与提取,包括敌情、我情、战场地形、气象等战场环境要素,并分析各要素对模型的影响。在要素提取的基础上,论文根据陆军分队级作战的相关特征,有针对性地对WTA基础模型进行改进,建立了面向陆军分队级的WTA概念模型与数学模型。由于WTA问题本质上是一个多输入、多约束的目标优化问题,论文将对我方资源保存最大、对敌方威胁损伤最大作为目标函数来建立WTA优化模型。论文研究的第二个大问题是对WTA求解算法的研究,针对WTA不可微、有约束条件和高度非线性的特点,论文采用求解复杂优化问题的遗传算法来求解。在求解过程中,对于传统遗传算法存在由选择和变异的盲目性引起的求解效率低、收敛较慢以及由于种群的多样性不足导致算法容易陷入局部最优两个问题,本文在传统遗传算法基础上引入了1V1种群竞争机制、差分变异机制以及粒子群算法更新规则,以降低选择变异的盲目性并有效规避算法陷入局部极小值,提出了面向陆军分队级CGF的基于改进遗传算法的WTA问题求解方法并进行了实验验证。为了验证WTA模型与算法的可行性,论文设计了一个要素完备的陆军分队级作战想定并搭建了简单的实验场景,在想定的战场环境中对面向陆军分队级作战的WTA问题进行描述,并获取相应的模型参数,进而应用论文中提出的改进的遗传算法进行求解。在对实验结果分析的基础上,论文验证了WTA模型及算法的可行性与有效性。论文最后对研究工作进行了总结,并对未来的研究方向和需要关注的问题做出了展望。
王皖阳[8](2015)在《基于复杂网络的协同攻击决策算法研究》文中研究表明现代战争是基于网络的体系对抗,战场的每一方都是一个以作战平台中特定方式耦合的动态网络。网络不仅为各级作战单元提供了相关的态势信息和指挥控制信息,而且为武器的发射与制导提供了信息,因此,对敌方指挥控制网络的打击在作战中可起到事半功倍的效果。目前,美国等发达国家在网络侦察与打击研究方面取得了实质性的进展,并运用于实战中,取得了令人瞩目的战果。在国内,一些研究机构在复杂网络拓扑结构分析、网络动力学等方面取得了显着的研究成果,但对于指挥控制功能的结合的研究还不够深入。本文在对复杂网络理论研究的基础上,首先从信息交互特征、节点重要度等方面提出了网络攻击优势这一概念,并建立了网络攻击优势评估指标模型,通过分析军用指挥控制网络的拓扑结构及特点,提出了网络攻击优势评估指标体系。其次,基于复杂网络理论以及攻击优势评估指标体系,应用层次分析法对网络攻击优势进行评估,提出了网络攻击优势评估算法,并进行了仿真实验。仿真结果表明,应用层次分析法所给出的评估算法可有效地计算出节点在网络中的地位,为网络攻击决策提供决策依据。论文最后研究了火力/网络战系统协同作战决策算法,通过研究网络攻击效能的评估方法以及分析精确制导武器的发射特点,在兰彻斯特方程平方律的基础上进行优化和改进。改进算法考虑了现代战争的诸多影响因素,建立了火力/网络战系统一体化作战的对抗模型,应用最优化理论研究了兵力不对等的条件下,敌我双方对抗时的兵力分配算法。仿真实验结果表明,所研究的算法切实可行,符合作战实际,为分析和评估敌方指挥控制网络的脆弱点提供依据和借鉴。
栗晨涵[9](2014)在《基于贝叶斯网络的目标毁伤效果评估方法与建模研究》文中进行了进一步梳理对火力打击的效果进行与标准程度对比的量化,得出毁伤等级的过程我们称之为火力毁伤效果评估。目标毁伤效果评估的准确性在很大程度上影响着指挥员能否对下一步军事行动采取正确的决策。而欺骗、伪装等现代战争手段的出现,令目标毁伤效果的准确评估面临着极大困难。同时,复杂、多样的战争环境令毁伤效果评估模型的设计、开发要经过大量运算且效率低下。因此,针对不确定环境下目标毁伤效果的评估问题,寻找一种行之有效的评估方法以及提出对此评估方法快速高效的模型构建方法将变得十分重要。贝叶斯网络是一种以概率论和图论对不确定知识进行表达和推理的有效模型,对解决随机条件引起的不确定性问题有很强的针对性。因此,本文将贝叶斯网络模型引入到目标毁伤效果评估过程中,解决其中的不确定性和随机性问题。本文也首先介绍了贝叶斯网络法的基础及其相关方法的拓展,并建立了基于贝叶斯网络的毁伤效果评估基础模型;接着在基础模型上展开讨论,鉴于网络节点间存在相互影响的关系,提出加权贝叶斯网络。加权贝叶斯网络可实现更准确的概率传递,同时,根据外界环境因素,对每个节点的权重进行动态分配,依此建立了加权贝叶斯网络的毁伤效果评估改进模型;并对所建立的模型进行了仿真实现,引入朴素贝叶斯网络法对比加权贝叶斯网络法的方式,分析了二者对评估精度的影响,得出加权后的贝叶斯网络。根据实际情况动态加权后的模型,其预测的结果和实际观测结果更加相似,结果的置信度越高。最后,设计并初步实现了以组合建模方法为牵引的目标毁伤评估软件,完成对火力毁伤效果的准确评估。该软件适用于多种作战情况下的目标毁伤效果评估。同时可对模型可以进行需要的修改和拓展,以达成实时、动态、快速、准确的战场毁伤效果评估需求。
张磊,朱琳,顾颀[10](2014)在《基于MAS舰艇编队协同防空作战决策模型研究》文中认为从协作决策的角度重点研究了编队区域防空和点防御区防空火力的协作决策求解模型。其中区域防空火力的协作采用受制的协作方式,应用了"因需设岗"的协作思想,提出了"角色能力匹配+主客观综合赋权+直接命令"的协作机制,并针对权重的不确定性引入了多目标模糊决策理论。点防御区的协作采用自治的协作方式,提出了计划融合冲突消解的协作机制。最后,通过实例对协作决策模型进行计算分析,验证了模型的合理性。
二、最优分配防空火力时编队对地攻击的损伤评估(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、最优分配防空火力时编队对地攻击的损伤评估(论文提纲范文)
(1)基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化(论文提纲范文)
0 引言 |
1 集群目标火力分配建模 |
1.1 模型假设 |
1.2 目标函数 |
1.3 约束条件 |
1.3.1 武器资源数量约束 |
1.3.2 毁伤门限约束 |
1.4 数学模型 |
2 基于NSGA-Ⅲ的集群目标火力分配优化 |
2.1 种群初始化 |
2.2 非支配排序 |
2.3 参考点机制 |
2.4 性能度量 |
2.4.1 收敛性指标 |
2.4.2 间距指标 |
3 仿真计算及结果分析 |
3.1 仿真条件 |
3.2 仿真结果及分析 |
4 结论 |
(2)联合火力打击智能优化系统设计与实现(论文提纲范文)
1 系统架构 |
2 关键技术 |
2.1 战法策略转译算法 |
2.2 对抗推演算法 |
2.3 体系价值评估算法 |
2.4 多智能体协同进化算法 |
3 系统验证 |
3.1 冗余项实验 |
3.2 备选规划项实验 |
3.3 歼灭阈值实验 |
3.4 内外网调节参数实验 |
3.5 优化结果输出实验 |
4 结束语 |
(3)多无人机任务分配算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题来源 |
1.2 论文研究背景与意义 |
1.3 国内外研究现状 |
1.3.1 无人机任务分配模型研究现状 |
1.3.2 无人机任务分配算法研究现状 |
1.4 论文的主要内容与组织结构 |
第二章 对敌防空压制无人机编队的任务分配方法 |
2.1 对敌防空压制任务概述 |
2.2 地理空间距离相关计算 |
2.3 编队飞行 |
2.4 无人机编队静态任务分配算法 |
2.4.1 无人机任务分配模型 |
2.4.2 静态任务分配算法基本步骤 |
2.4.3 实例验证 |
2.5 动态环境下编队无人机任务再分配 |
2.5.1 动态触发条件 |
2.5.2 任务改变时动态任务再分配算法 |
2.5.3 无人机失效时动态任务再分配算法 |
2.5.4 实例验证 |
2.6 本章小结 |
第三章 协同侦察无人机编队的任务分配方法 |
3.1 协同侦察任务概述 |
3.2 编队飞行 |
3.3 基于架数限制的协同侦察无人机编队静态任务分配 |
3.3.1 区域划分原则 |
3.3.2 多目标位置计算 |
3.3.3 侦察载荷的开机时间计算 |
3.3.4 无人机任务分配模型 |
3.3.5 静态任务分配算法基本步骤 |
3.4 基于时间约束的协同侦察无人机编队静态任务分配 |
3.4.1 无人机架数确定 |
3.4.2 起飞时间估算 |
3.4.3 无人机任务分配模型 |
3.4.4 静态任务分配算法基本步骤 |
3.4.5 实例验证 |
3.5 动态环境下编队无人机任务再分配 |
3.5.1 动态触发条件 |
3.5.2 无人机失效时动态任务再分配算法 |
3.5.3 实例验证 |
3.6 本章小结 |
第四章 无人机编队任务分配的工程实现 |
4.1 无人机任务规划系统软件开发环境 |
4.2 无人机任务规划系统软件界面设计 |
4.3 无人机任务规划系统软件程序实现 |
4.4 应用实例验证 |
4.4.1 对敌防空压制无人机编队任务分配 |
4.4.2 协同侦察无人机编队任务分配 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
附录A:任务分配类相关结构体定义 |
附录B:任务分配类成员函数 |
参考文献 |
致谢 |
作者简介 |
(4)舰艇编队防空任务规划与毁伤效果评估方法研究(论文提纲范文)
摘要 |
abstract |
缩略词 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 编队防空威胁评估方法研究现状 |
1.2.2 编队火力分配研究现状 |
1.2.3 编队毁伤效果评估研究现状 |
1.3 论文的主要研究工作和组织结构 |
第二章 基于动态直觉模糊群决策法的舰艇编队防空威胁评估 |
2.1 引言 |
2.2 预备知识 |
2.2.1 直觉模糊集的概念 |
2.2.2 直觉模糊集的基本运算法则 |
2.2.3 直觉模糊距离 |
2.2.4 直觉模糊加权平均算子 |
2.2.5 动态直觉模糊加权平均算子 |
2.2.6 直觉模糊交叉熵距离 |
2.3 威胁评估决策矩阵的建立 |
2.4 混合多属性威胁指标的规范化 |
2.4.1 模糊评价语言的量化 |
2.4.2 实数型指标转化为直觉模糊数 |
2.4.3 区间型指标转化为直觉模糊数 |
2.5 动态直觉模糊群决策权值确定 |
2.5.1 决策者权重 |
2.5.2 目标属性权重 |
2.5.3 时间序列权重 |
2.6 基于动态直觉模糊群决策方法的舰艇编队防空威胁评估 |
2.7 仿真验证及分析 |
2.8 本章小结 |
第三章 基于改进迁移算子BBO算法的舰艇编队防空火力分配 |
3.1 引言 |
3.2 火力分配数学模型 |
3.2.1 我方编队攻击敌方的作战效能 |
3.2.2 我方舰艇编队的防御效能 |
3.2.3 我方舰艇编队打击代价 |
3.3 BBO算法简介 |
3.4 改进的BBO算法 |
3.4.1 BBO算法基本迁移算子搜索空间分析 |
3.4.2 BBO算法易出现“早熟”现象成因分析 |
3.4.3 基于改进迁移算子的BBO算法 |
3.5 基于IBBO算法求解舰艇编队WTA问题 |
3.5.1 WTA优化问题初始化 |
3.5.2 WTA问题的IBBO算法求解步骤 |
3.6 仿真结果及分析 |
3.6.1 作战想定及算法参数设置 |
3.6.2 仿真结果分析 |
3.7 本章小结 |
第四章 基于贝叶斯网络算法的舰艇编队防空毁伤效果评估 |
4.1 引言 |
4.2 贝叶斯网络理论基础 |
4.3 目标毁伤等级和指标的确定 |
4.3.1 目标毁伤等级的评定 |
4.3.2 空中目标毁伤指标的确定 |
4.4 基于贝叶斯网络算法的空中目标毁伤效果评估 |
4.4.1 毁伤指标体系的隶属度函数确定 |
4.4.2 仿真实例 |
4.4.3 仿真结果分析 |
4.5 本章小结 |
第五章 舰艇编队防空辅助决策系统 |
5.1 引言 |
5.2 系统架构 |
5.2.1 总体架构设计 |
5.2.2 系统各子模块的设计 |
5.3 基于Eclipse开发工具的Java与MATLAB混合编程 |
5.3.1 Java与MATLAB混合编程的优势 |
5.3.2 Java与MATLAB混合编程的配置 |
5.4 舰艇编队防空辅助决策平台展示 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文的主要工作 |
6.2 研究展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(5)不确定条件下无人机三维航迹跟踪控制研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 不确定条件下单无人机航迹跟踪控制 |
1.2.2 不确定条件下多机协同航迹跟踪控制 |
1.2.3 研究现状分析 |
1.3 主要内容 |
1.4 本章小结 |
第2章 遗传算法优化的无人机三维航迹跟踪反步控制律 |
2.1 引言 |
2.2 问题提出 |
2.3 航迹跟踪反步控制律 |
2.4 遗传算法优化参数 |
2.4.1 编码方式 |
2.4.2 基本操作 |
2.4.3 适应度函数的确定 |
2.4.4 遗传算法优化参数流程 |
2.5 仿真实例 |
2.5.1 跟踪三维航迹 |
2.5.2 设计参数优化 |
2.5.3 仿真结果分析 |
2.6 本章小结 |
第3章 未知风场扰动下无人机三维航迹跟踪鲁棒最优控制律 |
3.1 引言 |
3.2 问题提出 |
3.3 航迹跟踪最优控制律 |
3.4 航迹跟踪鲁棒最优控制律 |
3.5 仿真实例 |
3.5.1 验证航迹跟踪最优控制律 |
3.5.2 验证航迹跟踪鲁棒最优控制律 |
3.5.3 仿真结果分析 |
3.6 本章小结 |
第4章 不确定条件下无人机三维航迹跟踪自适应滑模控制律 |
4.1 引言 |
4.2 问题提出 |
4.3 航迹跟踪滑模控制律 |
4.4 航迹跟踪自适应滑模控制律 |
4.5 仿真实例 |
4.5.1 参数标称值与实际值一致 |
4.5.2 参数标称值偏离实际值 |
4.5.3 使用航迹跟踪自适应滑模控制律 |
4.5.4 仿真结果分析 |
4.6 本章小结 |
第5章 多机协同三维航迹跟踪一致性控制律 |
5.1 引言 |
5.2 基础知识 |
5.2.1 图论基础 |
5.2.2 饱和函数 |
5.2.3 符号说明 |
5.3 问题提出 |
5.4 多机航迹跟踪一致性控制律 |
5.5 输入受限多机航迹跟踪一致性控制律 |
5.6 输入受限编队航迹跟踪一致性控制律 |
5.7 仿真实例 |
5.7.1 验证多机航迹跟踪一致性控制律对单机跟踪 |
5.7.2 验证输入受限多机航迹跟踪一致性控制律对单机跟踪 |
5.7.3 仿真结果分析 |
5.7.4 验证多机航迹跟踪一致性控制律 |
5.7.5 验证输入受限多机航迹跟踪一致性控制律 |
5.7.6 验证输入受限编队航迹跟踪一致性控制律 |
5.8 本章小结 |
第6章 不确定条件下多机协同三维航迹跟踪一致性鲁棒控制律 |
6.1 引言 |
6.2 问题提出 |
6.3 多机航迹跟踪一致性鲁棒控制律 |
6.4 输入受限多机航迹跟踪一致性鲁棒控制律 |
6.5 输入受限编队航迹跟踪一致性鲁棒控制律 |
6.6 仿真实例 |
6.6.1 验证单机等高度跟踪 |
6.6.2 验证单机三维曲线跟踪 |
6.6.3 单机仿真结果分析 |
6.6.4 验证多机三维曲线跟踪 |
6.6.5 验证输入受限多机跟踪 |
6.6.6 验证编队队形保持和重构 |
6.6.7 多机仿真结果分析 |
6.7 本章小结 |
第7章 航迹跟踪控制律在多机编队协同攻击中的应用 |
7.1 引言 |
7.2 多机编队协同攻击 |
7.2.1 任务设定 |
7.2.2 任务分配与航路规划 |
7.2.3 单机仿真结果分析与评估 |
7.2.4 多机仿真结果分析与评估 |
7.3 本章小结 |
第8章 总结与展望 |
8.1 主要工作总结 |
8.2 本文创新点 |
8.3 进一步工作 |
参考文献 |
致谢 |
攻读博士学位期间发表的学术和参加科研情况 |
(6)面向无人机编队空面任务的CNN/BN参数学习与决策方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文研究背景 |
1.1.1 无人机 |
1.1.2 编队空面任务 |
1.2 国内外研究现状 |
1.2.1 态势评估 |
1.2.2 战术决策 |
1.3 论文研究内容与创新点 |
1.3.1 论文研究内容 |
1.3.2 论文组织结构 |
1.3.3 论文主要贡献 |
第二章 无人机编队空面任务特性分析 |
2.1 引言 |
2.2 无人机编队典型空面任务 |
2.2.1 典型空面任务描述 |
2.2.2 空面任务要素分析 |
2.3 无人机编队威胁空间建模 |
2.3.1 雷达威胁 |
2.3.2 地空导弹威胁 |
2.3.3 高炮威胁 |
2.3.4 弹炮混编防空系统 |
2.4 无人机编队空面任务特性分析 |
2.4.1 空面任务信息的分布性 |
2.4.2 空面任务决策的不确定性 |
2.4.3 空面任务过程的动态性 |
2.5 本章小结 |
第三章 无人机编队空面任务过程建模与决策机制 |
3.1 引言 |
3.2 无人机编队空面任务作战过程 |
3.1.1 无人机编队空面任务作战系统 |
3.1.2 无人机编队空面任务作战流程 |
3.3 无人机编队空面任务过程建模 |
3.3.1 态势评估 |
3.3.2 战术决策 |
3.4 无人机编队空面任务战术自主决策机制 |
3.4.1 人机协同指挥结构 |
3.4.2 空面任务战术自主决策机制 |
3.5 本章小结 |
第四章 基于CNN的无人机编队空面任务突防战术决策方法 |
4.1 引言 |
4.2 CNN |
4.2.1 深度学习网络 |
4.2.2 CNN结构及原理 |
4.2.3 CNN学习训练 |
4.3 基于CNN的无人机编队空面任务突防战术决策模型 |
4.3.1 态势可视化 |
4.3.2 模型结构 |
4.4 Keras平台及框架搭建 |
4.4.1 Keras平台简介 |
4.4.2 Keras框架搭建 |
4.5 战术决策模型参数学习 |
4.5.1 实验数据预处理 |
4.5.2 学习结果分析 |
4.6 本章小结 |
第五章 基于BN的无人机编队空面任务攻击战术决策方法 |
5.1 引言 |
5.2 BN |
5.2.1 基本概念与定义 |
5.2.2 BN表示 |
5.2.3 BN学习 |
5.3 适于稀缺数据下BN参数学习的CPEL算法 |
5.3.1 算法框架 |
5.3.2 性能分析 |
5.4 基于BN的无人机编队空面任务攻击战术决策模型 |
5.4.1 攻击战术决策网络建模 |
5.4.2 基于CPEL算法的决策模型参数学习 |
5.5 实验结果分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 进一步研究方向 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(7)面向陆军分队级CGF的武器目标分配问题研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.1.1 作战仿真与计算机生成兵力 |
1.1.2 陆军分队级作战指挥训练模拟系统 |
1.1.3 武器目标分配问题 |
1.2 研究意义与应用前景 |
1.3 武器目标分配问题研究与应用现状 |
1.3.1 WTA模型研究的现状与进展 |
1.3.2 WTA算法研究的现状与进展 |
1.4 论文研究内容与组织结构 |
1.4.1 研究内容 |
1.4.2 论文组织结构 |
第二章 遗传算法的理论基础 |
2.1 引言 |
2.2 遗传算法的基本知识 |
2.2.1 遗传算法的基本原理与概念 |
2.2.2 遗传算法的基本操作 |
2.2.3 遗传算法的的参数 |
2.3 标准遗传算法 |
2.4 遗传算法解决优化问题的基本流程 |
2.5 遗传算法的改进 |
2.5.1 遗传算子的改进 |
2.5.2 多种群遗传算法 |
2.5.3 优化控制参数 |
2.5.4 基于常识启发的改进 |
2.6 小结 |
第三章 面向陆军分队级CGF的WTA模型研究 |
3.1 引言 |
3.2 现有WTA模型分析与对比 |
3.3 面向陆军分队级CGF的WTA建模 |
3.3.1 陆军分队级作战要素分析 |
3.3.2 WTA概念模型的建立 |
3.3.3 WTA数学模型的建立 |
3.3.4 模型对比分析实验 |
3.4 小结 |
第四章 基于改进的遗传算法解决WTA问题 |
4.1 引言 |
4.2 遗传算法解决WTA优化问题 |
4.2.1 遗传算法解决WTA优化问题的流程 |
4.2.2 遗传算法解决WTA优化问题的结果 |
4.2.3 遗传算法存在的问题及分析 |
4.3 遗传算法的改进 |
4.3.1 差分进化算法 |
4.3.2 粒子群算法更新策略 |
4.3.3 一种适合于WTA问题的遗传算法改进策略 |
4.4 改进的遗传算法对比实验分析 |
4.4.1 算法有效性对比实验 |
4.4.2 算法性能对比实验 |
4.5 小结 |
第五章 仿真实验与分析 |
5.1 引言 |
5.2 仿真实验设计 |
5.3 仿真数据准备 |
5.4 仿真结果分析 |
5.5 小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(8)基于复杂网络的协同攻击决策算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 有关国内外研究现状分析 |
1.2.1 国内外对复杂网络军事应用问题的研究概况 |
1.2.2 已达到的水平 |
1.2.3 存在的主要问题及发展趋势 |
1.3 本文主要研究内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
第2章 复杂指挥控制网络特性研究 |
2.1 复杂网络应用概述 |
2.2 指挥控制网络概述 |
2.2.1 指挥控制网络的功能与组成 |
2.2.2 指挥控制网络网络结构分析 |
2.3 指挥控制网络拓扑结构 |
2.3.1 指挥控制网络模型 |
2.3.2 指挥控制网络的网络特征 |
第3章 网络攻击优势评价体系和评估算法研究 |
3.1 网络攻击优势的评价指标体系 |
3.1.1 网络攻击优势定义 |
3.1.2 网络攻击优势评估指标体系 |
3.2 计算矩阵 |
3.3 权重计算步骤 |
3.4 指标量化解算 |
3.4.1 相对节点度 |
3.4.2 相对节点中间中心度 |
3.4.3 相对链路中间中心度 |
3.4.4 指挥控制度的求解 |
3.4.5 平均距离比率 |
3.5 仿真算例 |
3.5.1 评估因素指标计算 |
3.5.2 网络攻击优势计算结果 |
3.5.3 结果分析 |
第4章 火力/网络战系统协同攻击决策算法 |
4.1 引言 |
4.2 网络攻击/火力打击协同作战样式 |
4.2.1 网络攻击方法分类 |
4.2.2 作战样式分类 |
4.2.3 网络攻击/火力打击协同作战力量构成 |
4.2.4 作战任务阶段划分 |
4.3 网络攻击/火力打击协同作战兰彻斯特方程模型 |
4.3.1 网络攻击/火力打击协同作战系统动力学 |
4.3.2 网络攻击/火力打击协同作战兰彻斯特方程 |
4.3.3 各任务阶段兰彻斯特方程 |
4.4 网络攻击/火力打击协同决策算法 |
4.4.1 任务描述 |
4.4.2 模型分析 |
4.4.3 仿真结果 |
第5章 总结与展望 |
致谢 |
参考文献 |
作者在攻读硕士学位期间发表的学术论文 |
(9)基于贝叶斯网络的目标毁伤效果评估方法与建模研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 目标毁伤效果信息获取手段的发展现状 |
1.2.2 目标毁伤效果评估方法的研究现状 |
1.2.3 国外研究现状 |
1.3 本文的主要研究内容及贡献 |
1.3.1 本文的主要研究内容 |
1.3.2 本文的组织结构 |
1.3.3 研究方法 |
1.4 本章小结 |
第二章 基于贝叶斯网络的目标毁伤效果评估方法研究 |
2.1 贝叶斯网络理论 |
2.1.1 贝叶斯网络的起源与应用 |
2.1.2 贝叶斯网络法简介 |
2.1.3 贝叶斯网络的推理 |
2.1.4 动态贝叶斯网络模型 |
2.2 基础贝叶斯网络毁伤效果评估模型的建立 |
2.2.1 网络节点的选取 |
2.2.2 网络结构的确定 |
2.2.3 节点条件概率的确定 |
2.2.4 目标毁伤效果评估贝叶斯网络模型的建立 |
2.3 本章小结 |
第三章 基于贝叶斯网络的目标毁伤效果评估算法的提升 |
3.1 贝叶斯网络变量分析 |
3.1.1 作战任务分析 |
3.1.2 毁伤效果影响因素选取 |
3.2 加权贝叶斯网络评估模型 |
3.2.1 加权贝叶斯网络的提出 |
3.2.2 基于对地攻击的目标毁伤效果评估加权贝叶斯网络 |
3.3 加权贝叶斯网络的模型精度分析 |
3.4 本章小结 |
第四章加权贝叶斯网络火力毁伤评估模型案例分析 |
4.1 朴素贝叶斯网络精度分析 |
4.2 加权贝叶斯网络精度分析 |
4.3 案例分析 |
4.4 本章小结 |
第五章 基于组合建模方法的目标毁伤效果评估软件设计实现 |
5.1 目标毁伤效果评估软件设计 |
5.1.1 毁伤效果评估软件概述 |
5.1.2 毁伤效果评估软件实现结构 |
5.1.3 毁伤效果评估软件模块构建方式 |
5.2 毁伤模型算法代码框架生成 |
5.2.1 模块代码生成 |
5.2.2 添加算法 |
5.3 毁伤效果评估软件初步实现 |
5.3.1 评估指标体系构建 |
5.3.2 贝叶斯网络的目标毁伤效果评估模型组合化实现 |
5.4 本章小结 |
第六章 结束语 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(10)基于MAS舰艇编队协同防空作战决策模型研究(论文提纲范文)
1 引言 |
2 舰艇编队区域防空火力的协作决策流程 |
3 舰艇编队区域防空火力的协作机制 |
3.1 协作机制的主要内容 |
3.2 编队区域防空火力的协作机制 |
4 多目标时编队区域防空火力的协作决策 |
4.1 模糊多目标决策模型 |
4.2 隶属度线性加权规划方法 |
5 实例分析 |
5.1 情况设定 |
5.2 实例计算 |
1)威胁度排序 |
2)协作群体的形成及演化 |
5.3 实例分析结论 |
四、最优分配防空火力时编队对地攻击的损伤评估(论文参考文献)
- [1]基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化[J]. 聂俊峰,陈行军,苏琦. 兵工学报, 2021(08)
- [2]联合火力打击智能优化系统设计与实现[J]. 常颖,刘轩铭,刘昊. 指挥控制与仿真, 2021(01)
- [3]多无人机任务分配算法研究[D]. 郑玉会. 西安电子科技大学, 2018(02)
- [4]舰艇编队防空任务规划与毁伤效果评估方法研究[D]. 申兴盼. 南京航空航天大学, 2018(02)
- [5]不确定条件下无人机三维航迹跟踪控制研究[D]. 张坤. 西北工业大学, 2018(02)
- [6]面向无人机编队空面任务的CNN/BN参数学习与决策方法研究[D]. 游尧. 国防科技大学, 2017(02)
- [7]面向陆军分队级CGF的武器目标分配问题研究[D]. 闫玉铎. 国防科学技术大学, 2016(01)
- [8]基于复杂网络的协同攻击决策算法研究[D]. 王皖阳. 武汉理工大学, 2015(01)
- [9]基于贝叶斯网络的目标毁伤效果评估方法与建模研究[D]. 栗晨涵. 国防科学技术大学, 2014(03)
- [10]基于MAS舰艇编队协同防空作战决策模型研究[J]. 张磊,朱琳,顾颀. 舰船电子工程, 2014(02)