-
公开(公告)号：CN109711678A
公开(公告)日：2019-05-03
申请号：CN201811495205.6
申请日：2018-12-07
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种基于机器学习的异构传感器智能任务规划方法，包括如下步骤：(1)规则设置：采用条件判断的格式，建立开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则；(2)量化处理：将上述开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则分别遍历并量化为参数组；(3)学习模型；(4)场景量化；(5)规则推理；(6)确认反馈。本发明将基于专家知识的规划推理方法与基于机器学习的人工智能方法相结合，提升了专家系统的自学习能力，可实现对知识库以外规则的推理，解决了传统方法对专家系统依赖性过大，缺乏自适应性及相应的自组织、自学习能力的问题，有利于发现新规则、形成新经验。
-
公开(公告)号：CN117744477A
公开(公告)日：2024-03-22
申请号：CN202311702266.6
申请日：2023-12-12
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种面向任务需求的杀伤网动态生成方法，包括以下步骤：S1.构建杀伤网动态生成智能体，建立状态、动作、决策空间，对状态空间、动作空间、决策空间进行建模；S2.基于经验规则和深度强化学习算法实现目标‑拦截装备的动态编配方案生成；S3.利用专家经验规则完成目标‑拦截‑探测‑指控装备的动态匹配。本发明以高效执行快速变化的作战任务为出发点，构建杀伤网动态生成智能体，并对状态空间、动作空间和决策空间进行建模；设计了基于经验规则与深度强化学习相结合的目标‑拦截装备匹配方法，实现目标‑拦截装备的快速动态匹配。
-
公开(公告)号：CN116108618A
公开(公告)日：2023-05-12
申请号：CN202211456154.2
申请日：2022-11-21
Applicant: 江南机电设计研究所
IPC: G06F30/20
Abstract: 本发明公开了一种防空体系策略数据回溯方法和装置，包括以下步骤：获取博弈对抗仿真数据；其中仿真数据的内容包括：感知策略数据、指挥策略数据和行动策略数据；用所述仿真数据构建博弈树，所述博弈树包括三层数据节点，其中，第一层数据节点由感知策略数据构成，第二层数据节点由指挥策略数据构成，第三层数据节点由行动策略数据构成；在所述第三层数据节点指定回溯节点，从所述博弈树中提取回溯路径，输出空情势态图。根据上述技术方案，可以对仿真数据集进行结构化处理、解析、可视化展示，以满足体系博弈对抗仿真过程中指挥策略和推演动态性、对抗性的分析要求。
-
Patent Agency Ranking
公开(公告)号：CN114358558A
公开(公告)日：2022-04-15
申请号：CN202111630854.4
申请日：2021-12-28
Applicant: 江南机电设计研究所
Abstract: 一种基于指挥员经验学习的空袭目标威胁评估方法，包括：获取影响来袭目标威胁评估的因子并进行量化；采用环比评分法得出各影响因子的主观权重向量，采用熵值法得出客观权重向量，然后得到综合权重向量；运用理想解逼近法得到目标对于理想解的相对近似度，并利用近似度从大到小进行目标威胁排序；通过调整影响来袭目标威胁度的权重，对不同目标威胁度进行调整；当调整权重后仍无法满足人工干预时，通过为威胁因素增加隶属度因子，实现对不同目标威胁度的调整。与现有技术相比，本发明将人工干预因素动态引入威胁评估模型中，使空袭目标威胁评估方法具备了对指挥员经验进行学习的能力。
-
公开(公告)号：CN114330862A
公开(公告)日：2022-04-12
申请号：CN202111594859.6
申请日：2021-12-23
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种防空武器作战部署算法，包括如下步骤：①构建损失函数；②确定地理模型；③确定部署模型；④求解部署模型。本发明能够综合考虑防空武器的战场环境、部署位置、掩护能力等约束条件，以获取最优部署方案为目标，给出防空武器部署优化模型，以实现对多要地全方位最大掩护为目标，通过对该模型求解最优解，获得防空武器作战部署方案，自动给出有效的防空武器部署展示图，有益于为指挥员快速提供防空武器系统初始优化部署方案，降低人工操作失误概率。
-
公开(公告)号：CN112749516A
公开(公告)日：2021-05-04
申请号：CN202110147596.8
申请日：2021-02-03
Applicant: 江南机电设计研究所
Abstract: 本发明公开了一种适应多类型数据特征的体系组合模型可信度智能评估方法，实现步骤如下：1.构建网络预训练样本集；2.构建网络训练样本集；3.构建融合循环神经网络和卷积神经网络，适应多类型数据特征的深度学习模型；4.深度学习网络分层训练；5.结合体系对抗仿真应用场景下组合模型输出数据，利用组合模型可信度智能评估网络，直接得出组合模型的可信度及其置信度。本发明采用了长时记忆能力较强的循环神经网络与特征表达能力较强的卷积神经网络智能方法相融合方式，可适应于长时变、短时状态等多类型数据特征的组合模型可信度智能评估，有利于提高组合模型可信度评估正确性与评估效率。
-
公开(公告)号：CN119249878A
公开(公告)日：2025-01-03
申请号：CN202411293914.1
申请日：2024-09-14
Applicant: 江南机电设计研究所
Abstract: 本发明公开了一种杀伤链生成模型的构建方法，包括以下步骤：S1、定义实体，对实体的属性进行实例化，获取人工经验和战场情报，根据人工经验和战场情报构建约束关系知识图谱；S2、根据实体的属性构建杀伤链生成智能体；S3、将约束关系知识图谱抽象为动作空间mask；S4、通过深度强化学习算法和动作空间mask训练杀伤链生成智能体，获取杀伤链生成模型。本发明解决了大规模体系作战情形下可选动作复杂，选择分支组网较多，动作空间庞大的问题，降低智能体模型体量，加快模型训练和收敛速度，提供了智能体持续演进模式；通过杀伤链生成模型生成杀伤链，解决了传统方法计算时间长、决策慢的问题，有利于实现战场态势复杂多变的作战任务。
-
公开(公告)号：CN111061995B
公开(公告)日：2023-06-09
申请号：CN201911191754.9
申请日：2019-11-28
Applicant: 江南机电设计研究所
IPC: G06Q10/0631 , G06Q10/04 , G06N3/126 , G06F17/16 , G06Q50/26
Abstract: 本发明提供了一种作战资源分配方法、第一设备及第二设备，涉及资源分配技术领域，其中，第一设备针对作战资源与作战目标生成第一分配信息，并将所述第一分配信息发送至第二设备，第二设备根据预设约束条件，针对每个所述第一分配信息，分别生成相匹配的第二分配信息，并将第二分配信息发送至第一设备，第一设备根据第二分配信息为所述作战目标分配所述作战资源。本发明实施例通过在第一设备中建立作战资源与作战目标之间的分配关系，增加第一设备进行分配任务的自主性和协同性，降低第二设备工作负荷，提升第一设备与第二设备运行的稳健性。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.027 seconds)
