基于模糊动态贝叶斯网络的辐射源威胁估计

针对复杂电磁环境下观测数据的不确定性,建立辐射源威胁评估的离散模糊动态贝叶斯网络模型。对连续观测值通过模糊分类函数进行模糊分类,获得连续观测值属于各个模糊集合的隶属度,结果作为离散模糊动态贝叶斯网络的输入。对动态贝叶斯网络的推理算法进行了改进,使其能处理具有多个状态的观测值。仿真结果表明,依据离散模糊动态贝叶斯网络所建立的辐射源威胁评估模型,能够准确跟踪战场态势的变化,及时发现态势的转换边界,而且在观测值出现大量错误时,仍然可以给出正确的评估结果。     

基于云贝叶斯网络的目标威胁评估方法

将云模型和贝叶斯网络相结合,形成云贝叶斯网络,并建立了基于云贝叶斯网络的威胁评估模型.首先,根据实际应用背景确定贝叶斯网络结构,并对连续型观测节点进行云模型转换;然后,将观测变量值输入云贝叶斯网络,推理得到目标属于各个威胁等级的概率;最后,为消除目标信息的不确定性对总的威胁度的影响,进行了多次重复推理,通过概率合成公式求得最终的威胁程度.以联合防空作战为背景,仿真实现了空中目标的威胁评估,验证了该方法的有效性.     

空战训练模拟系统目标敌机生成问题的研究

空战训练系统是利用空战模拟技术结合航空兵部队指挥自动化系统开发的，该系统具有结构复杂、模型多、实时性要求高的特点，空战训练模拟系统中，目标敌机是计算机生成和控制的仿真实体，生成的敌机仿真实体不需要人的交互而自动地对战场仿真环境中的事件和状态做出反应，因此必须对作战行为进行足够的建模，目标敌机生成的好坏，很大程度上决定了空战战法训练模拟系统的仿真逼真程度，文中论述了建立目标敌机模型的方法，以及应注意的问题。     

贝叶斯网络在战术态势估计中的应用

战场态势估计是指挥决策的基础,如何进行合理的态势估计是当前战场指挥系统中最重要的组成部分;作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中得到了广泛的应用;因果推理是态势估计中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势估计所需完成的功能;根据态势与事件之间不同的连接关系建立态势估计的贝叶斯网络模型,介绍贝叶斯网络推理算法和步骤,并给出实例仿真;结果表明,将贝叶斯网络用于态势估计,能够进行推理得到完整的战场态势信息,为决策提供依据。     

基于贝叶斯优化算法的多机协同空战决策仿真

多机协同空战是未来空空作战的重要形式,空战智能决策是空战研究的核心内容之一.根据多机协同的特点和空战智能决策的要求,首先构造多机协同空战的自主优势矩阵,并在此基础上依据多人冲突理论分别对和红蓝双方以及本机编队进行权重分配,由此得到多机协同空战的整体优势矩阵.然后给出了贝叶斯优化算法并应用此算法对该模型进行了优化分析,实现了多机协同空战的空战智能决策.仿真实例证明贝叶斯优化算法收敛速度快,能够收敛到全局最优解,能有效地解决多机协同空战中的空战决策问题.     

结合模糊逻辑的贝叶斯网络在态势评估中的应用

在对数据融合模型和态势评估方法研究的基础上,提出了用模糊逻辑和贝叶斯网络技术结合的方法来处理随机环境中的态势评估。利用传感器获取的信息对整个战场态势作出全面的评估,为在不确定性的动态环境中指挥控制决策提供支持,并对关键技术进行了仿真实验。     

多实体贝叶斯网络在态势估计中的应用研究

介绍了多实体贝叶斯网络(MEBN)理论,给出了实体片断及多实体规则形式化的定义,分析了在态势估计中使用多实体贝叶斯网络进行知识表示和态势推理的问题.给出一个具体的实例,演示了使用多实体贝叶斯网络进行态势估计的过程.     

无人机编队超视距空战决策及作战仿真

以无人机的超视距空战为研究背景,建立一种综合态势评估、目标分配和损耗裁定的协同空战仿真模型。首先,综合友机位置和敌方战机威力对我机的态势影响,提出一种基于人工势场的态势评估方法;然后,利用文化基因算法进行目标分配,分别采用离散差分进化算法和邻域搜索算法作为其全局和局部搜索策略;最后,用两步裁定法模拟空战双方的相互攻击,实现超视距空战中的损耗裁定。仿真结果验证了所提出模型的合理性和算法的有效性。     

基于模糊规则和动态蚁群贝叶斯网络的无人作战飞机态势评估

为解决无人作战飞机复杂环境下的态势评估难题,阐述了蚁群优化和贝叶斯网络基本原理和数学模型,设计了一种基于模糊规则和动态蚁群贝叶斯网络的无人作战飞机态势评估方法.该方法通过蚁群贝叶斯网络把不完备数据转换成完备数据,从而大大简化了学习的复杂度, 并保证算法能够向好的结构不断进化.利用模糊逻辑改进动态蚁群贝叶斯网络算法,引入基于模糊语言和规则的专家经验,结合单值评估结果与概率向量,评价了不同时刻无人作战飞机的行为能力等级,能够提高态势评估方法的智能性并应用于工程实际.通过仿真实验验证了该方法在解决复杂作战环境下无人作战飞机态势评估问题时的可行性和有效性.     

一种基于云模型的贝叶斯网络EM参数学习算法

针对贝叶斯网络连续节点离散化后,概念知识表达存在模糊性和随机性的问题,提出一种将云模型与EM(Expectations Maximization)算法相结合的贝叶斯网络参数学习算法。首先运用启发式高斯云变换算法(Heuristic Gaussian Cloud Transformation)和云发生器将连续节点定量样本转换成定性概念,并记录下样本对所属概念的确定度,运用确定度概率转换公式将确定度转换成相应概率;随后复制扩充样本并按概率选择所属概念;样本更新后结合EM算法进行参数优化,实现贝叶斯网络的参数学习。仿真实验结果表明,通过云模型表征概念得到的参数学习结果更加符合实际情况,参数学习精度和网络推理准确性得到了提高。     

基于GRU-Attention神经网络的空中群组态势识别方法

现代空中战场中，对敌方空中作战群组意图判定的结果将直接影响我方对局势的掌握和决策的下达，因此空中群组态势的评估识别是现代战场的重要任务。空中作战群组通常会根据飞行任务执行相应意图，监测相关过程并从获取的数据中挖掘相应的特征，再通过智能化的方法进行学习预测。基于此，本文提出一种基于GRU-Attention神经网络的识别方法，将获取的行为事件库预处理后输入门控循环(GRU)神经网络挖掘事件中深层特征；注意力机制(Attention)为深层特征自动计算相应的权重分配；最后利用softmax层对输入的信息进行态势意图分类。实验结果表明GRU-Attention态势识别方法的准确率达到96.10%，验证了该方法的准确性、高效性和稳定性。该方法的提出对丰富神经网络识别方法体系和提高空中群组态势的评估识别准确率具有重要的理论意义和实践意义。     

空战战法训练系统目标机飞行轨迹实现

空战战法训练系统是运用仿真手段对指挥员和飞行员进行空战战法训练的虚拟系统,在该系统中,目标飞机的运动及其飞行轨迹生成是关系到系统成败的关键环节。首先分析确定了生成基于现有战法的目标飞机飞行轨迹的步骤;然后针对敌方飞机数据缺乏的实际状况,结合训练系统设计,在保证系统要求的前提下给出了考虑飞行极限参数的简化目标机仿真模型;根据现代空战特点选定了空战机动动作集,并设计了动作库;最后给出了根据时间步长推算的飞行轨迹简化计算模型。经实际检验,该模型可以有效地满足空战战法训练系统的需要。     

直升机任务效能评估系统的态势估计方法研究

现代战争环境越来越复杂,态势瞬息万变,针对战场的复杂性和信息的不确定性,迫切需要实时的,准确的信息来辅助指挥员进行决策.为此阐述了态势估计的内容和实现方法,并应用贝叶斯网络技术建立了态势估计模型,对当前战场态势进行了初步评估,通过对已建立的网络模型进行态势推理,演示了应用贝叶斯网络进行态势估计的过程,为直升机任务效能评估系统提供了有利高效的估计结果,为指挥者提供了有效的决策信息.     

贝叶斯网在态势评估中的应用

作为一种知识推理和进行概率推理的框架,贝叶斯网络在具有内在不确定性和决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用贝叶斯网找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能。根据态势与实践之间不同的连接关系建立了态势评估的贝叶斯网络模型,并分别介绍了相应的信息传播算法,最后一个实例来说明该网络的计算过程。     

基于贝叶斯网络的军事工程毁伤评估模型研究

应用贝叶斯网络理论在解决不确定性事件方面的推理优势,提出了基于贝叶斯网络的军事工程毁伤评估新方法。根据军事工程毁伤评估的系统特征与要求,提出了分解、转换、综合的系统建模规则,并引入贝叶斯网络原理,建立了运用贝叶斯网络进行军事工程毁伤评估系统建模的分析框架;在确定军事工程毁伤评估网络节点变量的基础上,以仿真计算数据为样本,确定网络结构和网络参数,寻找隐含的概率依赖关系和知识表达,构建军事工程毁伤评估置信模型。通过实例验证了用贝叶斯网络进行军事工程毁伤评估与推理的有效性。     

基于网络中心战的空战仿真多Agent理论实现

概述了基于网络中心战的空战网络结构和系统特性,讨论了基于网络中心战空战多Agent系统结构,分析了基于网络中心战的空战想定、组织结构和空战过程,利用分布式多Agent系统理论对其进行了描述,实现了多Agent系统理论的空战过程仿真模型;仿真结果表明,基于网络中心战的空战飞机的作战效能优于基于平台中心战的蓝方作战飞机,赢得了先发射导弹的机会,提高了导弹武器系统的杀伤概率。