基于灰色层次分析法的多种载荷侦察效能评估

针对无人机携带多种侦察载荷执行侦察任务协同效能评估需求,用层次分析法逐层比较分析多种载荷的侦察能力、协同能力、生存能力,建立了侦察效能评估体系。通过专家评分确定指标权重,将认知的灰色性和层次分析理论结合,用灰色系统理论实现评估指标从定性到定量的转化,使层次分析法的判断矩阵扩展为灰色判断矩阵,给出了无人机多种载荷两两协同方案的侦察效能评估的一种方法。该方法在不同任务背景下比现有模型适应性更强。

车辆路径问题的双重进化蜂群算法求解研究

针对传统人工蜂群算法局部搜索的低效性,提出了双重进化人工蜂群算法。在需要两点进行操作的搜索过程中,采用一点随机选取,另一点通过遍历可行解,以其中最优解确定位置的半随机式搜索策略。用该策略改进插入点算子和逆转序列算子,分别在两对以及三对城市间距离之和的解空间维度上交叉搜索,并应用到局部搜索中构成双重进化过程,提高了搜索效率和适应值引导性。实验结果表明,该算法较已有方法提高了收敛速度,优化了目标解,并可通过合理设置终止阈值提高时效性。

基于改进卷积神经网络的航空发动机剩余寿命预测

航空发动机结构复杂,状态变量多且相互之间存在着严重非线性特征,传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命(RUL)。针对此问题,采用改进的卷积神经网络(CNN)方法对发动机剩余寿命进行预测。预测过程通过建立退化模型,给每个训练样本添加RUL标签;为了更好地提取发动机使用过程中状态变量与剩余寿命之间的相关关系,使用不同的一维卷积核提取序列趋势信息特征;将特征输入构建的卷积神经网络得到剩余寿命的预测值。为了验证方法的有效性,在NASA提供的涡轮风扇发动机仿真数据集(C-MAPSS)上进行了测试,并与深度信念网络等方法对比,结果表明改进的卷积神经网络拥有更高的精度。

不确定条件下多无人机侦察调度问题

结合动态目标的不确定性,构建了动态环境下多无人机协同搜索问题模型,并基于半随机式搜索策略的人工蜂群算法求解该模型。利用双重进化的特点,改进了插入点算子和逆转序列算子,在需要进行两点操作的搜索过程中,随机选取一点,另一点通过遍历可行解来确定最优解的位置。最后在某海域岛礁间距离之和的解空间维度上进行交叉搜索,并应用到局部搜索过程中构成双重进化,实验结果验证了所提出算法的有效性以及解决多无人机调度问题的可行性。

带有专家信度的无人机任务分配最小风险问题

战场环境中不确定因素的存在往往导致确定条件下获得的无人机任务分配方案不可行或者非最优,而传统期望值模型通常适应于长期规划,难以考虑不确定变量波动对某次决策的影响.针对目标价值不确定的无人机任务分配问题,首先,基于不确定理论建立以信度函数为目标的最小风险模型;然后,通过引入不确定向量的两种假设,将上述模型转化为带有分式目标函数的优化问题;最后,定义以比率为特征的辅助函数,并推导其单调性等性质,提出求解最小风险解的比率一维搜索直接算法.实验结果表明,与期望值模型相比,所提出的最小风险模型及其算法能规避不确定变量标准差较大的侦察目标点,并可通过调整预设收益获得多种不同信度水平的供选择方案.

不确定条件下速度时变VRPTW问题

构建了不确定条件下速度时变的VRPTW问题模型(UTDVRPTW),设计了一种改进的双重进化人工蜂群算法求解该模型.在需要两点进行操作的搜索过程中,采用一点随机选取,另一点通过遍历可行解,以其中最优解确定位置的半随机式搜索策略改进插入点算子和逆转序列算子,分别在两对以及三对城市间距离之和的解空间维度上交叉搜索,并应用到局部搜索中构成双重进化过程.实验结果验证了所提出算法的有效性以及解决UTDVRPTW的可行性.