基于MBSE的导弹突防联合设计和仿真系统的设计与开发
这是一篇关于MBSE,虚拟样机,人在回路,导弹突防,模型驱动的论文, 主要内容为近年来,钓鱼岛、台海、南海等周边地区安全形势严峻,再加上“一带一路”的推动,我国需要建立强大的海上军事力量。而反舰导弹作为海上战争中必不可少的一环,研发作战距离更远、突防能力更强、毁伤效能更高的反舰导弹武器更是刻不容缓。本文通过引入MBSE、虚拟仿真等新一代的信息技术实现传统的导弹研发模式的转变。本文首先根据基于统计学理论结合导弹运动学方程,研究了导弹伴随机动时间、反舰弹末端机动频率、不同飞行弹道与拦截弹发射时机对突防概率的影响,提出了一种基于蒙特卡洛的导弹突防概率计算与仿真方法;其次,研究了基于MBSE的交互式仿真技术,提出一种以系统模型驱动虚拟样机模型的导弹突防任务设计和联合仿真框架,构建了与导弹系统级模型相映射的三维作战场景及武器装备行为模型,开发了一套导弹突防概率仿真平台,平台基于导弹突防概率数值解算与模拟仿真的方法再结合蒙特卡洛法引入随机量,进行多次仿真计算得出反舰导弹突防概率;再次,引入了人在回路的仿真思想,通过在系统级模型中加入“人在环”的设计,模拟了反舰导弹的实际作战过程,使得指挥人员可以参与到仿真流程中并控制关键节点来影响作战进程,增强了仿真进程的可控性;最后,以海上战争中反舰导弹打击敌方舰队的导弹突防效能评估为例,验证了联合设计与仿真框架的可行性。通过将MBSE方法、虚拟样机技术、人在回路和模型驱动的思想相结合,利用本文提出的联合任务分析设计和仿真框架,能够提高导弹及其他武器装备的研制效率、降低研制成本、提升武器装备的性能,为武器装备系统的研发提供了一种新的数字化手段。
基于人在回路的强化学习算法的研究与应用
这是一篇关于强化学习,人在回路,人机协作,共享自主,深度学习的论文, 主要内容为强化学习算法已被证明在具有精心设计的奖励函数和易于与环境交互的场景中有效。然而,在现实世界的一些应用中,任务的奖励函数难以直接设计,而且在一些应用场景中环境与具体的硬件设备相关,智能体与环境的频繁交互会产生昂贵的成本,在一些对安全性要求较高的场景中甚至会引发灾难性的故障。为了解决上述问题,基于人在回路的强化学习算法使人类可以在训练过程中,以提供额外的奖励函数和任务知识的方式来引导强化学习智能体的策略生成,减少智能体与环境的互动频率,并且安全塑造智能体的行为,本文对基于人在回路的强化学习算法及其应用进行了研究,主要内容如下:(1)本文基于无模型共享自主系统框架,提出了一种基于干预奖励的共享自主系统,该系统使用基于人在回路的强化学习算法中的奖励塑造方法,对干预奖励进行设计,使智能体通过干预奖励学习对人类输入的处理策略,使其能够在保持人类一定控制权的前提下提高任务奖励,本文在干预奖励的基础上还提出了两种干预奖励函数优化方法,分别为基于时间的干预奖励函数和基于动作相关度的干预奖励函数。在LunarL ander实验场景中对系统性能进行实验,结果表明本文提出的共享自主系统在协作性能表现上优于现有系统。(2)为了能够使更多领域中的非强化学习专家用户对强化学习算法进行应用,本文设计并实现了一种对人在回路强化学习智能体进行管理的HITL-AI平台,根据用户需求对主要模块进行设计,并对各模块的功能进行划分;使用Vue框架和SpringBoot框架分别搭建平台的前端和后端,在前端对用户界面进行设计使用户能参与强化学习智能体的创建、训练、部署流程,在后端以Service的形式建立各模块之间的联系,并基于MySQL数据库构建持久化层对模型和数据进行保存,通过前后端交互流程的方式对平台各功能模块进行展现。(3)为了验证HITL-AI平台的可用性和场景适应性,分别在经典的强化学习场景GridWorld以及两个实际应用场景:网络场景和无人机对抗场景对平台功能进行测试和验证,根据场景的不同分别从应用流程设计和应用效果展示两个方面体现了平台的可用性和可扩展性,并为后续基于平台的研究提供一定思路。
冬奥小镇主动学习与条件匹配行人再识别系统设计与实现
这是一篇关于行人再识别,人在回路,主动学习,微服务,云原生的论文, 主要内容为为提升冬奥智慧小镇多场景活动、跨业态运营的智慧运营平台服务能力,冬奥小镇拟对小镇资源进行数字化分析建模。为构建公交乘客数字化模型,本文基于行人再识别算法分析行人图片,实现了乘车行人的识别。进一步地,本文设计了行人再识别条件匹配方法,该方法可以关联行人身份和行人上下车动作,实现对行人乘车轨迹的追溯。考虑到行人再识别深度模型部署时广泛存在的数据分布偏移问题,本文研究了基于主动学习的开放数据集行人再识别,以较少样本量纠正部署域数据和训练域数据间的分布偏移。并且,为有效评估主动学习在行人再识别中的效果,减少主动学习评估过程中的手工标注操作,本文设计了一种行人再识别主动学习仿真测试框架。此外,本文提出了一个基于微服务的行人自识别分布式系统设计和架构方案,优化了微服务架构中接口权限认证困难的问题,并实现了主动学习与条件匹配行人再识别。该行人再识别系统基于面向对象设计,为行人再识别主动学习中的数据采样、数据标注、模型评估等步骤设计了独立的模块并满足里氏替换原则,可以为行人再识别主动学习和应用研究提供支撑。主要工作如下:1.设计了一种可以结合行人再识别和行人上下车动作检测结果的行人再识别条件匹配框架。本文基于分布式微服务实现该框架,可用于检索具有特定乘车行为的行人。2.设计了一种行人再识别主动学习框架。考虑到开放世界行人再识别的数据分布偏移问题,本文研究了基于主动学习的行人再识别模型迭代机制。通过消融实验,主动学习条件下行人再识别模型性能相较于随机采样提升更快,节约了手工标注量。3.设计了一种行人再识别主动学习仿真测试框架。基于掩盖部分真值数据集的主动学习仿真测试方法,本文设计了一种无需重复手工标注即可模拟人在回路的行人再识别模型迭代方法,可用于评估主动学习算法的部分性能。4.开发了一个基于微服务架构的主动学习与条件匹配行人再识别系统。为保护接口安全,本文实现了 RBAC热更新响应式API网关,对不同身份的用户提供不同的开放API操作权限,并通过响应式编程、分布式缓存等方式优化网关性能。在系统部署过程中,本文使用开发运维一体化方法,简化服务运维操作,有助于敏捷开发和快速迭代。并且,业务和算法分别在多个微服务中实现和部署。相比较单体架构,所提方案具有更良好的伸缩性和可扩展性。
基于人在回路的强化学习算法的研究与应用
这是一篇关于强化学习,人在回路,人机协作,共享自主,深度学习的论文, 主要内容为强化学习算法已被证明在具有精心设计的奖励函数和易于与环境交互的场景中有效。然而,在现实世界的一些应用中,任务的奖励函数难以直接设计,而且在一些应用场景中环境与具体的硬件设备相关,智能体与环境的频繁交互会产生昂贵的成本,在一些对安全性要求较高的场景中甚至会引发灾难性的故障。为了解决上述问题,基于人在回路的强化学习算法使人类可以在训练过程中,以提供额外的奖励函数和任务知识的方式来引导强化学习智能体的策略生成,减少智能体与环境的互动频率,并且安全塑造智能体的行为,本文对基于人在回路的强化学习算法及其应用进行了研究,主要内容如下:(1)本文基于无模型共享自主系统框架,提出了一种基于干预奖励的共享自主系统,该系统使用基于人在回路的强化学习算法中的奖励塑造方法,对干预奖励进行设计,使智能体通过干预奖励学习对人类输入的处理策略,使其能够在保持人类一定控制权的前提下提高任务奖励,本文在干预奖励的基础上还提出了两种干预奖励函数优化方法,分别为基于时间的干预奖励函数和基于动作相关度的干预奖励函数。在LunarL ander实验场景中对系统性能进行实验,结果表明本文提出的共享自主系统在协作性能表现上优于现有系统。(2)为了能够使更多领域中的非强化学习专家用户对强化学习算法进行应用,本文设计并实现了一种对人在回路强化学习智能体进行管理的HITL-AI平台,根据用户需求对主要模块进行设计,并对各模块的功能进行划分;使用Vue框架和SpringBoot框架分别搭建平台的前端和后端,在前端对用户界面进行设计使用户能参与强化学习智能体的创建、训练、部署流程,在后端以Service的形式建立各模块之间的联系,并基于MySQL数据库构建持久化层对模型和数据进行保存,通过前后端交互流程的方式对平台各功能模块进行展现。(3)为了验证HITL-AI平台的可用性和场景适应性,分别在经典的强化学习场景GridWorld以及两个实际应用场景:网络场景和无人机对抗场景对平台功能进行测试和验证,根据场景的不同分别从应用流程设计和应用效果展示两个方面体现了平台的可用性和可扩展性,并为后续基于平台的研究提供一定思路。
基于MBSE的导弹突防联合设计和仿真系统的设计与开发
这是一篇关于MBSE,虚拟样机,人在回路,导弹突防,模型驱动的论文, 主要内容为近年来,钓鱼岛、台海、南海等周边地区安全形势严峻,再加上“一带一路”的推动,我国需要建立强大的海上军事力量。而反舰导弹作为海上战争中必不可少的一环,研发作战距离更远、突防能力更强、毁伤效能更高的反舰导弹武器更是刻不容缓。本文通过引入MBSE、虚拟仿真等新一代的信息技术实现传统的导弹研发模式的转变。本文首先根据基于统计学理论结合导弹运动学方程,研究了导弹伴随机动时间、反舰弹末端机动频率、不同飞行弹道与拦截弹发射时机对突防概率的影响,提出了一种基于蒙特卡洛的导弹突防概率计算与仿真方法;其次,研究了基于MBSE的交互式仿真技术,提出一种以系统模型驱动虚拟样机模型的导弹突防任务设计和联合仿真框架,构建了与导弹系统级模型相映射的三维作战场景及武器装备行为模型,开发了一套导弹突防概率仿真平台,平台基于导弹突防概率数值解算与模拟仿真的方法再结合蒙特卡洛法引入随机量,进行多次仿真计算得出反舰导弹突防概率;再次,引入了人在回路的仿真思想,通过在系统级模型中加入“人在环”的设计,模拟了反舰导弹的实际作战过程,使得指挥人员可以参与到仿真流程中并控制关键节点来影响作战进程,增强了仿真进程的可控性;最后,以海上战争中反舰导弹打击敌方舰队的导弹突防效能评估为例,验证了联合设计与仿真框架的可行性。通过将MBSE方法、虚拟样机技术、人在回路和模型驱动的思想相结合,利用本文提出的联合任务分析设计和仿真框架,能够提高导弹及其他武器装备的研制效率、降低研制成本、提升武器装备的性能,为武器装备系统的研发提供了一种新的数字化手段。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设海岸 ，原文地址：https://m.bishedaima.com/lunwen/50091.html
