基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题。在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法。根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验。实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性。

球缺型EFP毁伤混凝土墙试验与数值仿真研究

为深入研究混凝土类目标在聚能装药作用下的侵彻效应和毁伤机理,设计一种大口径Φ120 mm球缺型EFP聚能装药,开展不同炸高下毁伤大尺寸混凝土墙试验。基于修正参数的RHT模型进行数值仿真,仿真结果与试验数据的最大相对误差为9.8%,表明RHT模型的修正效果较好,数值模型可靠。在此基础上,分析炸高对毁伤效果的影响,并对EFP侵彻体与爆炸冲击波的联合毁伤元特性进行研究。结果表明:所设计的EFP聚能装药毁伤混凝土墙时,能够形成具有较大直径和深度的漏斗坑;炸高为20~60 cm时,随着炸高的增大,漏斗坑直径逐渐减小,漏斗坑深度呈先减小再增大再减小,并逐渐稳定的趋势;炸高为20 cm(1.67倍装药直径)时,能够获得直径和深度都较大的漏斗坑,此时漏斗坑直径为6.83倍装药直径,漏斗坑深度为2.30倍装药直径;EFP侵彻对漏斗坑的形成起主导作用,在一定炸高范围内,爆炸冲击波对漏斗坑直径有增大作用,其与EFP侵彻体的耦合能够在一定程度上提高漏斗坑深度。

基于信息素启发狼群算法的UAV集群火力分配

无人机(UAV)集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势,得到最优武器-目标分配(WTA)方案,使得UAV集群在火力分配中既能够满足任务要求,又能够较少作战单元消耗,建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型,采用带有游走、召唤算子的改进狼群算法(WPA)对模型进行求解。为提高算法全局寻优效率,避免陷入局部最优,引入蚁群优化(ACO)算法中信息素启发规则,对游走行为及狼群更新机制进一步改进,提出了基于信息素启发狼群算法(PHWPA)的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的,相比较于其他算法,PHWPA具有更高效的寻优能力,能够为UAV集群作战火力规划提供支持。

空气中集团装药对混凝土墩接触爆炸毁伤研究

为了提高集团装药对混凝土墩的接触爆炸毁伤效果,实现经济高效破除混凝土墩障碍的目标。采用试验与仿真计算相融合的方法,研究集团装药接触爆炸荷载作用下混凝土墩的破坏机理与损伤特征,确定毁伤效能较好的装药长径比。对比1 kg圆柱体集团炸药(装药长径比为1)的接触爆炸的试验结果与仿真计算结果,剩余混凝土墩的最大高度以及侧面高度基本一致,误差为1.9%~8.7%。在此模型基础上,进一步分析装药长径比对混凝土墩的损伤破坏机理。结果表明:对于试验工况,装药长径比对混凝土墩毁伤有明显的影响;对于1 kg圆柱体集团炸药接触爆炸混凝土墩,装药长径比取1/3时,混凝土墩毁伤程度较为严重。

作战实验中大数据技术运用探讨

现阶段,我国军事作战实验数据分析日益重要,基于信息化、立体化现代作战需求,从实现关联分析及精准数据分析出发,结合大数据技术实际应用情况,通过对“大数据技术”在作战实验中发挥进行分析研究,提出其具体方法、步骤,为下一步具体应用提出依据参考。

基于并行蚁群优化的多UCAV任务分配仿真平台

多无人作战飞机(UCAV)协同作战是UCAV参与战斗的主要模式,而多UCAV任务分配是多UCAV协同作战研究的关键问题。针对现有多UCAV任务分配方法中所存在的计算量大、运行时间长等问题,提出了一种基于并行蚁群优化(ACO)的多UCAV任务分配方法。在构建多UCAV空战优势矩阵的基础上,给出了综合态势评估函数;随后阐述了基本ACO算法的基本原理和数学模型,提出了一种用并行ACO算法解决多UCAV任务分配问题的实现方法;最后基于MATLAB图形用户界面(GUI)开发了一种基于并行蚁群优化的多UCAV任务分配仿真平台。实践证明该仿真平台具有良好、开放的可扩展性,且使用方便。

基于MAX-MIN自适应蚁群优化的无人作战飞机航路规划

为了保证无人作战飞机(UCAV)以最小的被发现概率和最优的航程到达目标点,在敌方防御区域内执行任务前必须进行航路规划。蚁群优化(ACO)算法的并行实现机制适合于复杂作战环境下的UCAV航路规划,但是基本ACO算法有易陷于局部最优解的缺点。在对基本ACO算法采用精灵策略保留每次迭代最优解的基础上,提出了一种适用于航路规划的MAX-MIN自适应ACO算法,并给出了改进后ACO算法的实现流程,最后采用改进前后的ACO算法对某UCAV的任务态势分别做了仿真实验。实验结果表明改进后的ACO算法可更加有效地应用于UCAV航路规划。

空中/地面机器人异构协同技术研究:现状和展望

多空中/地面机器人异构协同是一个新的前沿性技术领域,该技术可拓宽空中机器人和地面机器人的应用范围,提高其侦察、搜救及执行其它任务的效率.本文对空中/地面机器人的异构协同技术中的群集运动、编队控制、编队控制稳定性分析、网络控制、实际应用等核心问题进行了系统综述,并分析空中/地面机器人异构协同技术的未来发展趋势.