基于动态一致性联盟算法的异构无人机集群协同作战联盟组建

动态未知乃至对抗条件下的异构无人机集群协同作战联盟组建是无人机集群实际作战运用的重要一环。构建以动态一致性联盟算法(Dynamic Consensus-based Grouping Algorithm,DCBGA)为核心的无人机集群决策控制流程框架。为无人机集群设计通信受限条件的通信组网模型,并引入动态自适应机制,以有效应对高动态任务场景;基于“作战环”理论,对网络架构下的异构单元非线性作战效能聚合效果进行描述,并纳入全局效益函数,牵引异构无人机协同作战联盟组建;将联盟组建过程划分为目标选择、一致性和信息与状态更新三个阶段,采用动态一致性联盟算法支撑无人机集群自下而上完成各阶段的信息决策控制。仿真结果表明,新构建的算法体系可以有效推动异构无人机集群实现作战联盟组建,完成协同打击作战任务,具有较好的动态适应性及规模扩展性,在对抗环境下展现出良好的韧性。

基于改进灰狼优化算法的舰载机着舰调度

针对第一类着舰模式下的舰载机着舰调度问题进行了研究,建立着舰调度模型,以最小化加权着舰延误时间和、着舰完成时间为优化目标,考虑舰载机战损程度、剩余燃油量的影响。为减轻人工调度的负担,提出一种改进灰狼优化(IGWO)算法对调度模型进行优化求解,在灰狼优化(GWO)算法的基础上,改进算法选择历史最优解灰狼个体为α狼,引入混沌算子,设置算法参数更新控制变量,以应对GWO算法后期收敛速度慢、可能陷入局部最优解的缺点。通过不同规模着舰调度案例仿真和算法对比,验证了IGWO算法的有效性,所提算法在30、60、90机规模着舰调度案例中的优化效果均优于对比算法,证明其具备一定工程应用价值。

基于模型预测控制算法的精确着舰控制方法

针对舰载机着舰过程中的航母运动、舰尾流扰动等影响,提出一种基于模型预测控制-线性二次型高斯(MPC-LQG)算法的精确着舰控制方法,开展飞机纵向通道的精确着舰控制研究。对飞机纵向动力学、舰尾流、航母运动、轨迹跟踪等,进行建模和分析。对MPC-LQG算法进行融合,以实现轨迹跟踪控制,核心思想是:模型预测控制进行航母运动补偿;设计全维状态观测,实现全状态反馈,以实现最优着舰控制。对不同的着舰情况和初始条件进行算法仿真,并与其他算法进行仿真比较。仿真结果表明,所提方法的轨迹跟踪效果很好,高度偏差0.1~0.2 m;相比传统着舰控制,所提方法动态响应快、着舰精度高。

基于HA算法的舰载机出动作业调度方法

出动离场是舰载机作战效能发挥的基础环节,本文研究其出动作业优化调度,将作业过程抽象为柔性车间调度问题,考虑优先序、资源及空间约束建立了混合整数规划模型,提出了一种基于种群进化搜索与邻域改进能力的混合遗传模拟退火算法,并给出了作业扰动时的重调度策略,通过引入任务表的生成构建了实际作业调度仿真架构。该架构融合了问题输入、动态扰动与算法,实用推广性强。仿真结果表明,所提算法收敛性快、解的准确性好、效率高,可有效解决任务表驱动下的出动调度问题;灵敏度分析发现,保障点军械加工对全局调度影响最为显著。

有人/无人机编队队形集结控制研究

针对有人/无人机(manned/unmanned aerial vehicle,MAV/UAV)编队队形集结控制问题,设计了一种基于航迹规划-跟踪的MAV/UAV编队集结控制策略。首先,考虑编队队形集结边界约束与防碰撞约束条件,设计了一种基于Dubins曲线与协同模拟退火粒子群优化相结合的编队集结航迹规划算法。然后,以规划得到的集结航迹作为期望航迹,设计了一种双回路结构的非线性路径跟踪控制方法。最后,利用Matlab软件对设计的航迹规划与跟踪控制方法进行了仿真对比实验,仿真结果验证了方法的有效性和优越性。

结合启发式与最优控制的舰载机甲板路径规划算法

舰载机甲板调运是机群全周期出动回收作业的关键环节,为提高舰载机调运效率,以得到满足运动学及终端位姿约束的最优路径为目标,结合启发式与最优控制方法,进行舰载机甲板路径规划研究。首先,针对甲板复杂布列环境建立凸壳障碍膨胀模型。其次,在A*算法中引入动态衡量因子,设计轨迹重搜索算法,求解最短路径关键点。最后,解算关键点运动状态,结合最优控制算法,对关键点间分段路径进行规划与整合。开展典型甲板环境下的路径规划仿真实验,通过与最优控制算法仿真实验结果相比较,验证所提算法的优越性。仿真实验结果表明,所提算法有效解决了最优控制算法在复杂障碍环境下初值敏感性问题并有效提升了甲板调运的优化性能。

舰载机甲板机务勤务保障作业调度与资源配置集成优化

针对舰载机甲板机务勤务保障作业调度研究中存在的工序执行模式单一、勤务保障设备考虑不全、作业调度优化与资源配置优化研究相互独立等问题,通过系统分析作业流程、工序执行模式、资源转移与分配等约束条件,将移动保障车纳入保障资源范围,建立了舰载机甲板机务勤务保障作业调度与资源配置集成优化模型。在此基础上,设计了第二代非支配排序遗传算法并对模型进行优化求解。仿真结果表明,保障完工时间随着资源配置数量的递增呈现边际效应。为确保机群保障作业按照既定的甲板作业周期完成,各保障任务存在最低资源配置数量方案。

基于边际-人工蜂群算法的舰载机机群出动保障人员配置-调度联合优化方法

保障人员配置和保障作业调度是舰载机机群出动保障任务决策的2项核心内容。针对复杂甲板作业约束条件下保障人员配置-调度联合优化的实际问题,首先,系统分析舰载机机群出动保障流程约束、出动时限约束、保障人员约束、保障设备约束、工位空间约束和资源供给能力约束。其次,以保障人员数量和负载方差和最小化为优化目标,建立了混合整数规划模型,进而提出了基于边际-人工蜂群(ABC)算法的两层优化决策架构。上层决策模型基于边际优化算法对保障人员配置方案进行迭代优化,下层决策模型采用改进的双向人工蜂群算法对舰载机机群出动保障任务调度进行优化。最后,通过典型算例验证了所提模型和两层优化机制的可行性与有效性。

不确定环境下舰载机保障预反应式动态调度优化

针对舰载机机务勤务保障过程中的不确定性和动态特性,研究舰载机保障预反应式动态调度优化问题。在预调度阶段设计双种群遗传算法,融合左右种群双向对齐迭代技术提高解的全局最优性,结合设定的保障期限求得带有工期保护缓冲的鲁棒性预调度方案。在反应性调度阶段,建立以最小化保障完工时间和最小化调度调整损失成本为目标函数的反应性调度模型,设计针对单一个体的自适应分层双目标变邻域优化算法,对预调度方案进行局部调整,优化反应性调度的效率和稳定性。提出5种不同反应性调度调整策略,对多种扰动类型下的不同保障机组的预调度方案进行局部调整和分析。为不确定环境下舰载机基准预调度计划的制定和反应性调度方案的调整提供了决策支持。

基于EDA算法的航母弹药调度优化研究

针对航母弹药转运流程复杂、调度难度大的问题,通过系统分析航母弹药调度转运流程,梳理清楚弹药在转运过程中所受到的约束。采用弹药转运车为基本运输单元进行调度建模,并使用由双概率矩阵进行种群迭代,结合局部搜索优化精英解的改进EDA算法求解。所建模型解决了武器升降机的合理运用、弹药转运任务的合理分配等问题,并通过实例对模型的合理性进行验证。实验结果表明,该模型可以有效求解航母弹药调度问题,相比标准EDA算法,效果有所提升。

基于CE-PF算法的舰载机离场调度优化问题

甲板作业调度研究是提升航母战斗力的关键技术,而其具有时间、空间与资源受限的复杂约束调度问题已被证实为NP-hard。根据舰载机出动离场调度优化问题的特点,将其抽象为零缓存区混合流水车间调度模型,建立包含飞机避碰等约束的混合整数规划模型。提出一种交叉熵与作业剖面匹配(CE-PF)算法用于问题求解,并给出了算法流程架构。交叉熵算法通过高斯采样完成启发式规则下的工件分组,作业剖面匹配算法完成分组工件的任务排序、作业编排及约束检查等调度设计,Gap逼近算法进行目标值评估、精英种群选择、抽样参数更新及收敛判定。通过算例仿真,验证了CE-PF算法求解离场调度优化问题的有效性;灵敏度分析表明起飞模式和空间约束对出动效能影响较大。

A dual population multi-operator genetic algorithm for flight deck operations scheduling problem

It is of great significance to carry out effective scheduling for the carrier-based aircraft flight deck operations.In this paper,the precedence constraints and resource constraints in flight deck operations are analyzed,then the model of the multi-aircraft integrated scheduling problem with transfer times(MAISPTT)is established.A dual population multi-operator genetic algorithm(DPMOGA)is proposed for solving the problem.In the algorithm,the dual population structure and random-key encoding modified by starting/ending time of operations are adopted,and multiple genetic operators are self-adaptively used to obtain better encodings.In order to conduct the mapping from encodings to feasible schedules,serial and parallel scheduling generation scheme-based decoding operators,each of which adopts different justified mechanisms in two separated populations,are introduced.The superiority of the DPMOGA is verified by simulation experiments.

基于HTLBO算法的舰载机机群机库维修任务调度

舰载机机库维修能力是制约舰载机机群可用度乃至出动、作战能力的关键要素,为提升舰载机机库维修效率并减轻传统人工制定维修计划的负担,研究了舰载机机群机库维修任务调度方法。首先,系统分析了舰载机机群机库维修任务调度的作业流程模式,基于维修资源约束,面向实际维修任务需求,提出了将舰载机机群波次可用度指标和机库维修人员负载均衡性指标作为分层优化目标,建立了舰载机机群机库维修任务调度模型。其次,将模型抽象为多技能资源受限项目调度问题,提出了基于资源约束推进的串行调度机制,并设计了混合教与学优化算法。最后,通过设计仿真案例和算法对比,验证了模型和算法的可行性与有效性,所提出的混合教与学算法具备更好的收敛速度和优化性能,有一定的工程借鉴意义。

两栖攻击舰舰载直升机作战与保障能力评估

以装载投送能力、掩护突防能力、航空保障能力和舰载机维修保障能力为核心,构建了两栖攻击舰舰载直升机作战与保障能力评估指标体系。针对各作战与保障二级能力的特点,提出了结合指数法、解析法、仿真评估法的综合能力评估方法。其中针对航空保障存在的多因素耦合、多约束情况,设计了一类基于解析法的评估模型。最后通过实例对三类两栖攻击舰平台所拥有的舰载直升机作战与保障能力进行评估对比分析,验证模型合理。该方法提升了评估的客观性,为后续两栖攻击舰舰载直升机能力评估问题的解决提供了参考。

基于“人在回路”的舰载机出动任务规划

针对舰载机起降作业保障开展出动任务规划研究,为航空指挥与保障提供辅助决策。结合甲板态势和飞行计划提出一种基于专家经验的态势指标函数的舰载机出动任务规划方法。利用启发式规则给出任务决策的多属性量化指标,建立甲板态势信息的多属性综合指标评估模型;引入专家打分,将指标函数加权系数优化转化为目标优化,采用Lagrange松弛策略进行DE算法下参数寻优,生成当前态势下的任务规划。针对作业中人工监督操控特性,提出“人在回路”的人-机协同决策架构,通过引入附加属性值或调节系数等策略改进综合指标函数,解决人机交互问题。仿真实验证实了指标评估算法的有效性及规划模型的可行性。

舰载直升机保障作业能力评估方法

针对两栖攻击舰舰载直升机保障作业能力评估,构建多级指标体系,采用多专家序关系法确定指标权重,利用模糊评价模型对两栖攻击舰直升机保障作业能力进行评估,并运用建立的模型方法进行实例计算,为舰载直升机保障作业能力评估分析提供了新的思路。

考虑人机匹配模式的舰载机甲板机务勤务保障调度算法

舰载机甲板机务勤务保障是全周期起降保障作业的关键环节,为提升机群保障能力并减轻传统人工制定保障计划的负担,研究了多类人机匹配模式下舰载机甲板机务勤务保障调度算法。首先,系统分析机务保障所采用的单机机组模式、大机组模式和一体化联合保障模式等人机匹配模式,基于保障流程约束、资源转移和保障范围等各类资源约束,面向实际保障需求,以机务勤务作业完工时间、保障人员累积转移时间和闲忙比方差和为优化目标,建立了适用多类人机匹配模式的舰载机甲板机务勤务保障调度模型;其次,将机务勤务保障调度问题抽象为典型的资源受限项目调度问题,基于考虑资源转移的串行调度机制,设计了双种群遗传算法,对调度模型进行优化求解;最后,保障场景案例实验表明,调度模型和算法可实现不同人机匹配模式下的机务勤务保障优化,显著提升各项保障目标。在同等条件下,一体化联合保障模式具有更高的保障效率和较好的人员负载均衡性,且该优势随着转移入场飞机数量的增加而增加,而人员累计转移时间最长;单机机组保障模式的优缺点与一体化联合保障模式相反,大机组保障模式则介于两类模式之间。

不确定性工时下甲板作业的前摄性鲁棒调度

针对舰载机甲板作业流程复杂、资源受限、工时不确定等特点,为提升周期时限约束下机队作业调度的鲁棒性,研究了不确定性工时下甲板作业的前摄性鲁棒调度方法。首先将机队作业抽象为不确定性资源受限下的多项目调度问题,考虑时空及多机间工序交叉耦合约束后构建了混合整数规划模型;其次针对不确定性工时的概率分布特性,提出基于机群按时完成概率、最大完工期望和方差等综合指标的鲁棒性目标函数,建立了甲板集中式保障前摄性鲁棒调度模型,提出了三阶段鲁棒调度生成机制与预约束策略(C^(PC)),并设计了结合双种群遗传优化和自适应变邻域局部优化的I-Memetic优化算法,采用Monte Carlo模拟对鲁棒性基准调度作了验证。实验表明,前摄性鲁棒调度能较好抑制在甲板作业周期内工时不确定性扰动,确保甲板作业鲁棒运行;在确定性与鲁棒性调度仿真中,提出的算法显著优于其它相关智能优化算法,而在鲁棒性调度策略中CPC策略最佳。