摘要：随着人工智能技术的应用领域不断扩大,无人机(unmanned aerial vehicle,UAV)的自主智能化发展成为目前军事领域的研究热点。其中,UAV的武器智能决策能力是其面临舰艇编队剧烈火力打击时能否顺利完成对海侦察任务的关键条件。针对这一军事应用难点,利用改进的遗传模糊树构建UAV武器智能决策模型,以此实现UAV的智能武器决策:通过设计三模糊子集参数编码法改进参数编码方式,克服了无效编码导致的系统紊乱;采用单、组合场景结合的训练方法改进种群训练方式,提高了决策模型在多样化实战中的适应性。仿真结果表明,所提武器智能决策模型具有较好的有效性和灵活性。

摘要：该文设计了基于层次递进式实验教学模式的空中目标威胁等级评估实验案例。首先按照课程内知识点的组织与安排,设计了验证型、综合型与创新型三层次实验项目;然后从实验原理、分层设计、实验评价等方面详细阐述了实验内容;最后结合实验数据梳理了实验案例的应用效果。

摘要：针对飞行模拟训练需求,基于自然云与电磁波束相互作用的统计特性,设计了1种自然云雷达图像仿真方案,给出了多个关键仿真模型的实现方法。通过雷达波束的子波束划分实现雷达波束充塞系数的估算,解决了波束充塞系数计算难度大的问题,并根据云的三维模型设计了雷达回波能量计算模型。通过将三维空间的计算转化到二维平面内以获取雷达波束中心与云团交点位置及参数,以此计算雷达反射率和雷达回波的距离衰减。仿真实验表明:该方法能较好地体现云对回波的衰减效应,以及波束充塞度对远距离云回波计算的影响,具有较好的实时性。

摘要：针对传统的空战威胁评估方法处理单机空战数据时难以兼顾准确率和实时性等问题,文中提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)的空战威胁评估模型。基于作战任务背景对空战要素进行分析,提取主要威胁指标;构建威胁指数函数公式,以威胁要素为输入,输出威胁值,将威胁值量化后生成训练样本数据,利用卷积神经网络模型进行训练。仿真结果表明,该模型在具有实时性、满足实战要求的前提下,同时兼具较高的准确率,三种敌机威胁等级的识别准确率达98.50%。

摘要：针对某型飞机任务系统模拟器的研制需要,结合具体的应用环境,对雷达侦察仿真系统框架进行设计并从工程应用的角度出发建立了信号生成模型、接收机噪声仿真模型和截获能力模型,利用侦察系统截获能力模型和信号生成模型之间的数据关系对信号生成模型进行优化以提高仿真的实时性,进而开发雷达侦察仿真系统。该系统目前已成功应用于基于HLA组网的某型飞机训练模拟器中,满足了系统的功能性和实时性的需求,可为相关工作提供参考。