The characteristics of edge computing make it have broad military application prospects.FL(Federated Learning)is introduced into edge computing.Considering the limited resources of IoT devices,FL accuracy and device energy consumption need to be taken into account.A framework combin-ing deep reinforcement learning,federated learning,and self attention mechanism(DRL-FLSL)is pro-posed to select devices and allocate resources to them,with the goal of balancing FL accuracy and device energy consumption.This framework introduces LSTM(Long Short Term Memory)to predict network state and adds a multi head self attention mechanism for more accurate information extraction.The simulation experimental results show that DRL-FLSL has super training effects and can effectively balance FL accu-racy and equipment energy consumption.
针对装备在役考核任务中部队适用性评估困难的问题,提出一种基于直觉模糊集的定量定性相结合的多属性评估方法.以卫星装备为研究对象建立部队适用性评估指标体系,划分指标评估等级.通过主客观赋权给出基于直觉模糊数的组合权重,建立直觉模糊评价矩阵,计算综合评估结果.通过实例仿真分析,验证了基于直觉模糊集的装备部队适用性评估方法的可行性和有效性.
战场车联网为车辆间通信协作提供基础平台,但车辆隐私安全、数据真实性等问题突显.针对上述问题,提出基于区块链及信任管理的战场车联网隐私保护协议.引入基站联盟链为通信提供安全分布式平台,引入信任值,一方面作为部分假名生成参数,保证假名安全性,并抵抗女巫攻击等;另一方面可判断信息可靠性,最终协议整体使用SM2 椭圆加密曲线,优化通信格式,降低计算复杂度、通信开销,为未来军用战场车辆协作奠定安全基础.
针对城市环境下无人机战场目标搜索问题,提出基于环境地图的搜索航路规划算法,解决了未知环境中无人机边感知边探测的航路规划问题.在环境地图的基础上,提出了一种矩阵计算的环境地图快速更新方法.以探测、感知奖励和障碍惩罚为搜索目标函数,提出基于模型预测控制的搜索航路规划方法,采用贪婪搜索进行优化求解.所提出的方法能够实现无人机在城市环境中安全高效地搜索目标,具有一定应用价值.
军事法律法规对战场军事行动意义重大,而查阅文本的方式已无法满足辅助决策需要,传统知识图谱三元组知识表达能力有限、层次性弱,难以适用于结构严谨、层次鲜明、语言精炼、语义丰富的军事法律法规.针对上述问题,设计了军事法律法规元知识网络构建的一般方法,将文档结构信息融入元知识网络,改善了传统知识图谱层次感不强、邻接关系弱化的缺陷,可对问答结果形成完整解释,从而更好地为指挥员提供军事决策辅助.
针对传统蚁群算法在三维路径规划时初期搜索盲目性强、累计俯仰角度过大、信息素更新没有针对性的问题,提出了基于地形约束的改进蚁群算法.针对前期搜索盲目性,考虑重力因素对履带车的影响,根据地形高度对初始信息素浓度进行不均匀分布;为解决路径规划只以距离最短为目标的局限性,充分考虑地形坡度的影响,添加引力、斥力和俯仰角因素构造多元启发函数;利用狼群分配原则对最优路径上信息素浓度进行加强,最差路径上信息素浓度进行减少,并且对信息素进行限幅,有效避免陷入局部最优.在Matlab中通过栅格法建立三维空间进行试验,仿真结果证明优化算法的有效性,并且当环境越复杂时,改进算法优越性越明显.
美军从二战开始就认识到"人"的因素在武器装备功效发挥中的关键作用,从二战到后续多场美国参与的现代化战争中,美军装备制造企业一直在探索如何更好地发挥"人"在武器装备交互回路中的效能.人机交互作为一门复杂的交叉学科、系统工程,做好人机交互工作,要将"人"作为首要研究对象.在 20 世纪 80 年代,人机交互概念正式提出之前的几十年时间里,人机功效或人因工程一直是提高"人"与机器综合效能的关键研究问题.随着计算机技术的发展,新的交互技术不断涌现,牵引美军人机交互技术的研究进入快速发展期.通过文献调研的方法,总结提炼了美军人机交互 4 个主要方面:认知系统工程、交互可用性、VR/AR交互和人/无人机交互,并分别总结叙述美军人机交互相关研究的技术认知、应用案例和发展趋势,为我国相关领域的发展提供借鉴参考.
结合移动机器人的运动方式和控制思想,提出了一种具状态补偿项的PD型开闭环迭代学习控制算法,以提高机器人轨迹跟踪性能.该算法具有适应性强,收敛速度快且跟踪误差小的特性,有较好的工程应用价值.通过仿真结果可知该系统稳定收敛,该算法对移动机器人的轨迹跟踪具有较高的控制精度.
为了解决窄带雷达空中 3 类飞机目标难以细分类的问题,提出了一种基于改进辅助生成对抗网络(aux-iliary classifier generate adversarial networks,ACGAN)方法,将卷积神经网络(convolutional neural networks,CNN)结合堆叠的双向长短期记忆网络(bidirectional long short-term memory,Bi-LSTM)嵌入到ACGAN中,使ACGAN具有处理目标频域内部时序特征的能力.通过对X波段对空警戒雷达实测数据对比实验表明,提出的方法能够有效地对空中目标进行细分类,并具有较高的识别正确率.
针对现有自抗扰控制器使用的扩张状态观测器抑制谐波扰动能力差的缺点,提出一种基于无差扰动跟踪观测器的改进型自抗扰控制方法,该方法消除了传统扩张状态观测器的状态跟踪误差对系统的影响,显著地抑制谐波扰动引起的系统振动,提高了系统控制精度,并证明了提出的方法对系统参数和自抗扰控制参数在大范围内变化保持控制的稳定性.仿真实验表明,提出的观测器具有跟踪精度高、抗扰能力强、频率稳定性好等优点,具有良好的控制性能.
随着装备体系越来越复杂,传统的树状指标体系不能完整表征装备体系的作战效能,需构建网状指标体系.常用的层次分析法不能解决网状指标体系作战效能评估问题,提出了基于深度学习的作战效能评估方法,将装备体系的效能评估结果分为不同的效能等级,装备体系的效能评估问题转换为效能等级的分类问题.将该方法应用到某数据中心的作战效能评估中,利用历史数据和仿真系统生成的 5 000 组数据训练神经网络模型,测试准确率为 99.3%,预测准确率优于Bagging分类法、随机森林分类法等机器学习分类算法.将某次作战试验实测数据输入模型,预测结果为该数据中心的作战效能为"好",与实际作战使用情况较为一致.
近年来基于视觉的无人平台广泛应用于军事战争中的侦察、打击、运输等方面.双目视觉系统可以为无人平台提供深度信息.针对现代战争需求,设计了一种双目视觉系统,该系统基于FPGA实现了图像的采集、滤波以及畸变矫正,并为多种代价计算、代价聚合方法留出冗余.结果证明,该系统以较低的功耗完成图像的采集矫正,后续可适配多种算法.
针对多无人机飞行时需要规避与其他无人机相撞的问题,提出了一种模拟四旋翼无人机(UAV)产生的气流下冲效应及其对邻近无人机影响的模型,该模型推导了下冲力和扭矩,并考虑无人机的姿态,每架无人机由一个虚拟结构塑造,用于无碰撞路径规划,形状从标准球形体修改为建议的圆柱体,以更好地减少下冲冲击.为分析所提出的圆柱形无人机模型的下冲效应和性能,应用基于成群结队的路径规划算法和最优交互避碰(ORCA)算法.仿真实验证明:圆柱形模型可以提高路径规划性能.
针对传统主客观赋权方法没有从系统学的角度评估武器装备系统存在的"木桶效应"和"反木桶效应",提出在模糊层次分析法基础上结合偏离度确定评估指标动态权值的方法,并构建了系统效能评估权重配置模型.该模型继承了主客观赋权法的优点,不仅弥补了其他赋权法确定权值时不具备自适应性的缺陷,还解决了目前系统效能评估指标体系中权重配置不准确、不合理的问题.将权重配置模型应用于察打一体型无人机作战效能评估.仿真结果表明,该模型在评估指标上具有比对比方法更高的准确度,指标值更加具有合理性和科学性,且评估误差和绝对误差相对稳定且较小,模型比较可靠.
为更好解决作战中的无人机路径规划问题,从运动中的路径规划算法入手,考虑传统蚁群算法存在过度依赖参数选择、收敛速度慢等问题,在原有算法基础上引入改进的萤火虫算法,对影响蚁群算法性能的主要核心参数进行优化,并在构建的栅格环境下,通过无人机路径规划仿真实验加以验证.实验表明,相比以往依靠单一算法,通过多种算法进行组合,得到的规划效果有明显提升.此外,结合无人机作战实际,提出将上述基于组合优化算法得到的结果与无人机作战任务紧要度相结合的路径规划调整策略,使决策结果更具可操作性.
随着国内外政治经济形势的日益变化,实现核心技术的自主可控显得尤为重要.深度学习被应用到生活以及军事领域中,实现深度学习模型训练及推理的国产化具有重要意义.设计了一种基于全国产软硬件的深度学习平台,实现目标识别领域模型的训练,并搭建目标跟踪系统,对深度学习训练平台的实用性进行验证.
军事标图是军队参谋人员一项重要的指挥技能训练内容.提出基于知识推理和兴趣区域过滤的标图评判方法,用于实现军事标图作业的自动化评判.阐述了知识推理的一般原理,以及针对标图要素的知识表示,分析基于Rete算法的知识推理网络运用;采用兴趣区域过滤的方式,提高评判精准度,阐述标图作业智能化评判的具体实现流程.通过在标图训练系统中的运用,证实了方法的有效性.
采用数值模拟手段分析轮式战车导弹行进间发射的动力学特性以及可行性.基于Matlab编程获得标准路面谱数据,并在Adams中进行数据转换,形成不同等级的路面模型;创建系统的多刚体动力学模型,分析轮式战车在不同运动速度、不同等级路面下导弹发射的初始扰动参数;仿真结果表明:行进间发射具备一定的可行性,但需要受到路面等级和行进速度的限制.
针对于当前无人作战装备体系节点异质、数量较多、结构复杂等特点,提出超网络的建模方法,将作战装备和信息关系抽象为节点和连边,构建包含侦察预警层、指挥通信层和火力打击层的超网络模型,并对作战体系时间和能力两方面的权值进行分析,得到了无人作战装备体系的性能特点,同时对某作战装备体系的全连接、非全连接和简单连接网络模型进行分析,为作战体系结构优化和装备体系效能提升提供了理论依据.
针对传统火力分配方法只能输出单个回合局部最优火力分配结果的问题,提出一种基于深度强化学习的无人战车分队多回合火力分配方法.分析了无人战车分队作战问题,建立了基于马尔科夫决策的火力分配模型;采用DQN算法进行火力分配模型求解,计算出整个作战过程中多回合火力分配结果;对该方法的可行性进行了仿真验证,仿真结果表明:该方法可以输出无人战车分队整个作战过程全局最优的火力分配结果,更加适应高动态强对抗的实际战场环境,未来可以应用到无人战车分队作战中.
