【摘 要】
：
提出了智能无人机集群作战建模应当遵循的基本理念。在总体上将“面向体系仿真的智能无人机集群作战建模”视为一个“概念设计—模型建立—分析应用”的完整过程,而非一个孤立的建模仿真活动。为此,提出了涵盖“体系设计―模型训练―想定生成―探索仿真―结果分析”5个基础阶段的建模总体框架,以及包含支撑层、运行层、分析层和应用层在内的能够支撑该框架使用的系统体系架构。该建模总体框架,有助于解决智能无人机集群作战建模中作战概念不清晰、应用场景不明确的问题,同时可以将基于机器学习的智能实体建模技术集成到建模框架当中
【机 构】
：
国防大学研究生院,国防大学联合作战学院,中国人民解放军66133部队
论文部分内容阅读
提出了智能无人机集群作战建模应当遵循的基本理念。在总体上将“面向体系仿真的智能无人机集群作战建模”视为一个“概念设计—模型建立—分析应用”的完整过程,而非一个孤立的建模仿真活动。为此,提出了涵盖“体系设计―模型训练―想定生成―探索仿真―结果分析”5个基础阶段的建模总体框架,以及包含支撑层、运行层、分析层和应用层在内的能够支撑该框架使用的系统体系架构。该建模总体框架,有助于解决智能无人机集群作战建模中作战概念不清晰、应用场景不明确的问题,同时可以将基于机器学习的智能实体建模技术集成到建模框架当中
其他文献
针对装备体系作战试验效能指标设计问题,提出一种基于能力的作战效能指标框架设计方法。在对装备体系作战能力与作战效能指标进行分析的基础上,通过能力建立作战任务与装备体系间的抽象关系,按照作战能力需求分析、被试装备体系构建、效能指标框架建立、效能指标体系分解四个环节,对基于能力的装备体系作战试验效能指标框架设计过程和方法思路进行了阐述。陆军数字化合成部队装备体系作战试验情报侦察效能指标体系设计实例表明,该框架具有较强的操作性与实用性。
从不同战略背景对军力的要求出发,提出基于需求的军力评估框架,可对当前军力建设发展状态与需求的满足情况进行综合分析评估,为不同目的的军力评估提供方法支撑。对美国传统基金会发布的《美国军力指数》中的军力评估进行了完整再现和改进,验证了框架的可操作性、适用性和科学性。
复杂环境下的中低空飞行器航路规划和目标选择问题近年来受到了越来越多的关注。根据地面威胁分布情况,将飞行空域进行网格化处理,划设常规空域与威胁空域,并基于空间搜索算法规划中低空飞行器的飞行航路。为分析地面威胁目标在飞行器突防过程中的重要程度,通过节点移除法求解不同目标破击后带来的飞行代价变化。将飞行器突防过程中的航路规划与目标选择有机结合,为任务驱动的关键目标选择排序研究提供了有价值的参考。
在对作战指挥方式影响因素进行分类的基础上,基于ISM构建了作战指挥方式影响因素的结构化模型,将作战指挥方式诸多影响因素之间的复杂关系层次化,确定了影响作战指挥方式的关键因素,为指挥员选用合适的指挥方式提供重要参考。
针对军队建设项目中长期规划编制中的任务安排问题,探索运用项目调度理论和方法提供一种辅助的定量分析手段。以传统资源受限项目调度问题模型为基础,考虑军费预算定期划拨的特点,增加资源可用时间区间作为约束条件,构建了带资源时间约束的多项目调度模型,提出了一种集成动态遗传算法和启发式算法的逐阶段迭代多项目调度算法。该模型和求解算法能够在有限时间和预算条件下,充分利用各年度预算并达成项目规划预期收益。仿真实验表明,本文提出的逐阶段迭代多项目调度算法能够快速求解大规模算例,避免早熟并获得满意解,在求解速度和质量方面具有
针对多型部队、多类装备、多目标类型、多毁伤要求等组合消耗实验方案空间巨大的问题,采用稀疏化设计方法,实现对实验因素、实验水平进行选择、控制和优化。通过分支定界的方法对所要实验的关键因素进行筛选,采用均匀设计的方法对实验方案样本进行抽取,最大限度减少实验次数,并基于回归分析方法对实验条件和范围进行优化,极大压缩实验方案样本空间,提升了实验效率。
复杂气象对武器装备效能发挥有重要影响,因此基于历史气象数据,评估气象因素对武器装备的影响、分析任务的气候窗口具有现实意义。针对气象要素对直升机行动影响的不确定性和复杂性特征,引入贝叶斯网络模型,采用西藏自动站40年逐3小时气象观测资料,逐旬开展气象条件对直升机行动影响评估,根据影响的概率分布,寻找有利的气候窗口期,为中长期作战筹划和指挥决策提供支撑。
临江工程土质多以砂卵石层为主,水资源丰富,水层渗透能力强,对于基坑工程施工来说挑战性很大.基坑降水能够有效防止基坑抗突涌现象,达到降水效果,从而提高工程质量.具体以某
工程造价管理是现代社会非常常见的管理内容,不仅具有显著的技术和专业特点,而且在工程项目的 投资和决策中起着重要的作用.因此可以说,项目成本控制是影响项目效益和项目价
在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径。为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制。利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61%,同时模型预测性能在长时间预测中优于离线模型。