【摘 要】
：
针对红蓝双方无人机集群在平面区域内的协同对抗问题进行了分析和研究.首先,以集群的拦截性能最大化为目的 确定拦截队形;其次讨论了红方拦截集群的最优拦截策略:拦截集群只需要垂直运动,而水平运动是突防机的事.再次我们讨论了蓝方无人机最优突防策略:直线突防和转弯甩开,根据这些策略建立了相关数学模型,并给出了问题一的计算结果.
【机 构】
：
江南大学机械工程学院,江苏无锡214100
论文部分内容阅读
针对红蓝双方无人机集群在平面区域内的协同对抗问题进行了分析和研究.首先,以集群的拦截性能最大化为目的 确定拦截队形;其次讨论了红方拦截集群的最优拦截策略:拦截集群只需要垂直运动,而水平运动是突防机的事.再次我们讨论了蓝方无人机最优突防策略:直线突防和转弯甩开,根据这些策略建立了相关数学模型,并给出了问题一的计算结果.
其他文献
为提高脑电信号的分析和判别的准确率,利用数据挖掘的方法对数据进行处理,并建立脑电信号判别模型.首先,对P300信号标志符进行识别,完成对脑电信号的数据预处理,利用经验模态分解方法(Empirical Mode Decomposition,EMD)降低噪声去除伪迹,使用主成分分析方法(Principal Component Analysis,PCA)进行特征提取.然后,采用合成少数类过采样技术方法(Synthetic Minority Oversampling Technique,SMOTE)扩充样本使正负
2020年第十七届全国研究生数模竞赛C题“面向康复工程的脑电信号分析和判别模型”,主要结合实验设计和实验数据,对两种不同产生方式的脑电信号的特性进行分析,探讨不同应用需求下,分类模型的设计与实现.将从赛题背景、实验数据、解题思路、答题情况等几方面进行赛后综述.
叙述了2020年中国研究生数学建模竞赛D题“无人机集群协同对抗”的命题背景和目的 ,分析了本赛题的建模及求解思路,对评阅中发现的问题进行了综述,最后讨论了本赛题还需继续思考的问题.
建立了基于机器学习和统计学习的P300信号识别模型.由于通道数过多,建立基于组稀疏贝叶斯逻辑回归的通道自动选择模型来提取最佳通道组合;然后针对数据标签成本过高的问题,提出了改进的基于支持向量机的半监督分类模型.最后针对5个健康成年被试的P300脑机接口实验数据进行实证分析.在实证分析中首先对数据进行预处理、特征提取和整合、欠采样等数据分析工作,然后在通道自动选择模型选择出的最优通道组合的前提下,识别并分类预测了P300信号.该识别过程是康复工程发展的重要辅助工具.
针对红、蓝无人机集群在平面区域内的协同对抗问题进行建模研究.首先我们运用非线性规划、平面解析几何、动态博弈理论等知识建立数学模型,求解得到蓝方的成功突防区域与最优突防策略.接下来我们从红方无人机集群拦截策略的初始位置出发,建立基于动态博弈理论的无人机集群突拦模型,通过MATLAB编程计算出蓝方最佳突防通道下限Mmin=79.08 km.
雾与霾的自然现象会显著降低能见度,对道路行车与飞机起降造成巨大的安全隐患,因此,根据观测数据对大雾环境中的能见度准确估计与预测的重要性不言而喻.首先,采用因子分析对七个气象因素的观测数据进行降维,并结合辐射雾形成的物理模型确定因子个数,进而拟合出多元非线性关系式;然后,基于暗通道先验与Lambert-Beer定律,结合高速公路监控图像中车道线的距离等信息,建立透射率、距离与消光系数的关系模型,进而求解能见度变化曲线;最后,使用ARIMA时间序列模型预测高速公路能见度达到150m的具体时刻.
由若干油箱联合供油的飞行器在执行任务时需要制定合适的供油方案,以避免因姿态过大发生失控、坠毁事件.飞行器质心平衡供油规划是一个多约束的优化问题,首先建立质心模型,计算飞行器飞行过程中的实际质心,然后提出一种基于投影的梯度下降算法求解该问题.该算法将油箱的供油速度投影至可行空间寻求最优解.同时为了得到全局最优的供油策略,还提出一种组合供油策略.该策略优先耗剩余油量最多的油箱,然后选择使质心偏差最小的供油速度.最后,通过仿真数据验证模型的有效性和准确性.实验结果表明,质心模型和供油策略模型能够规划出合理有效的
针对第十七届中国研究生数学建模F题展开研究,主要对飞行器质心平衡下的油量分布和供油策略进行分析和建模.首先,探讨飞行器发生俯仰时对质心的影响.对5种形状(矩形、三角形、2种梯形和五边形)进行俯仰角讨论,找到油面切换的临界值θ,得到9个质心公式,从而计算出飞行器的质心坐标.然后,探讨不同供油策略对质心位置每时刻的影响.在飞行器“油箱状态”、“同时供油”、“供油时间”、“供油速度”四个角度所提出的7个约束条件下,设计贪心策略,提出供油策略单目标优化模型.接着,探讨了不同油箱初始载油量和供油策略对质心位置每时刻
雾的形成和消散机理非常复杂,通常认为与近地面的温度、气压、湿度和风速等气象因素有关.因此,探讨雾的大小(能见度)随时间变化,特别是预测雾的消散时机是一个挑战.考虑到雾的大小对视频有较大的影响,我们可以利用雾天连续观测的视频来反演能见度随时间的变化.借助含雾图像的合成模型和暗通道模型,在对视频图像构建特征向量的基础上,我们可以设计机器学习模型利用视频反演能见度的大小.最后,通过Man-Kendall趋势检验法对大雾的发展变化进行检验,再利用带有趋势的函数加上平稳过程预测雾的消散.
能见度是气象、公路行车中常见指标,能见度的准确测量和预测影响着公路安全.由于能见度仪的难以普及,建立基于视频的能见度测量方法和和基于时序相关性的能见度预测方法有着重要的意义.为了直接从高速公路监控图像中测量出能见度值,利用暗通道先验理论以及引导滤波的方法获取整幅图像较为准确的透射率值;利用摄影几何知识的消隐点原理和相对景深知识计算出大气消光系数,返回能见度MOR定义公式估计出能见度值;利用多组透射率和相对景深求取平均值以减小误差;最后得出每张图的能见度值,绘制能见度随时间变化图像.进一步依据ADF检验理论