-
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。
-
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：CN115878953A
公开(公告)日：2023-03-31
申请号：CN202211419398.3
申请日：2022-11-14
Applicant: 江南机电设计研究所
IPC: G06F17/16 , G06F17/15 , G06F17/12 , G06N3/0499
Abstract: 本发明公开了一种作战对策模糊决策方法，包括步骤S101：分析作战博弈对抗问题，确定并量化策略集合，设计效用矩阵，构建矩阵对策模型，并将混合策略的求解转化为线性规划问题求解；步骤S102：构建能量函数，给出混合策略解输出；步骤S103：建立带混合策略的对策矩阵，由理想优劣策略向量得出相对偏差值构成的模糊矩阵，计算加权相对偏差距离以得出最优策略。本发明采用了一种基于Hopfield神经网络的作战对策模糊决策方法，实现了高运算效率、高准确性下处理策略数量较大的的作战决策问题，给出了作战模糊决策方法，通过对该方法流程步骤的实现可求解最优解，获得最优策略输出，为研究人员准确判断敌方作战方案，选用有效反制策略提供可靠支撑。
-
公开(公告)号：CN119471667A
公开(公告)日：2025-02-18
申请号：CN202411409634.2
申请日：2024-10-10
Applicant: 江南机电设计研究所
Abstract: 本发明公开了一种基于虚拟领导者模型的群目标跟踪方法，包括以下步骤：获取状态空间X内k‑1时刻的N(k‑1)个目标的量测值；加载随机标签集，加载随机标签集，为状态空间X内的目标建立基于量测空间#imgabs0#的观测RFS，建立k时刻状态空间X内的多目标状态合集Xk；为在状态空间#imgabs1#中各目标的状态xk,i绑定识别身份的标签，标签信息包括目标产生的时刻；获取状态空间X内的多个目标之间的关系，根据所述关系确定子群目标；计算子群目标在k时刻的状态和数量。根据上述技术方案，可以显著地提高可分辨群目标的跟踪精度；为状态空间中不同目标分配航迹，显著提高可分辨群目标跟踪的精度和鲁棒性。
-
公开(公告)号：CN110889207B
公开(公告)日：2023-08-22
申请号：CN201911088404.X
申请日：2019-11-08
Applicant: 江南机电设计研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明提供一种基于深度学习的体系组合模型可信度智能评估方法，包括以下步骤：获取参考学习样本集‑获取参考学习样本集‑评估不确定性影响程度‑评估噪声影响程度‑评估可信度。本发明应用深度学习方法，综合考虑不确定性和噪声的影响，对待检验模型的可信度评估更加可靠，并通过应用从仿真学习样本(待检验模型)到参考学习样本(参考模型)到逆向映射关系，避免正向映射时可能出现的模糊现象，提高可信度评估的准确性，通过深度学习方法和基于损失函数的优化模型，降低体系作战仿真可信度评估的实施难度，实现自适应智能评估和模型筛选。
-
Patent Agency Ranking
公开(公告)号：CN119358211A
公开(公告)日：2025-01-24
申请号：CN202411327285.X
申请日：2024-09-23
Applicant: 江南机电设计研究所
IPC: G06F30/20 , G06Q10/0637 , G06Q50/26
Abstract: 本发明公开了一种基于功能的防空装备体系的构建系统，包括：装备关系定义模块：用于定义防空装备的基本信息，根据基本信息建立防空装备的可视化结构；装备功能定义模块：用于定义防空装备的功能函数，根据功能函数的参数建立功能流视图；功能函数的参数包括执行装备ID、目标装备ID和任务指令；需求确认模块：用于从管理接口获取作战需求，生成防空装备体系；作战需求包括防空作战任务和体系作战能力需求；体系逻辑构建模块：用于根据作战需求提取防空装备的基本信息，可视化防空装备和作战任务，构成防空装备体系。根据上述技术方案，可以验证体系装备要素承接体系作战能力的完备性，提高防空装备系统结构的紧凑和功能实现的可靠性。
-
公开(公告)号：CN112749516B
公开(公告)日：2023-08-25
申请号：CN202110147596.8
申请日：2021-02-03
Applicant: 江南机电设计研究所
IPC: G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
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：CN119830714A
公开(公告)日：2025-04-15
申请号：CN202411842129.7
申请日：2024-12-13
Applicant: 江南机电设计研究所
IPC: G06F30/27 , G06N3/006 , G06F111/06 , G06F111/04
Abstract: 一种基于组织权变理论的指控适变建模方法，包括：获取防御体系内部的组成要素，基于组织权变理论设置防御体系节点，结合OODA作战环理论和组织权变理论设置指控适变模型约束；根据所述指控适变模型约束，确定优化目标，所述优化目标为指控适变模型优劣的指挥控制节点负载均衡RMSAll与装备负载均衡E；获取所述指挥控制节点负载均衡RMSAll的最小值与装备负载均衡E的最大值，完成指控适变模型的构建，用改进麻雀搜索算法进行解算，获得适变后的指挥控制关系矩阵。将组织权变理论与多目标优化设计有机融入了体系架构设计过程，提高了防御体系适变能力，从指挥控制关系重构的角度实现防御体系动态适变，满足防御体系面临的资源即时动态重组的需求。
-
公开(公告)号：CN114298414A
公开(公告)日：2022-04-08
申请号：CN202111633346.1
申请日：2021-12-28
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种装备体系效能预测与指标优化方法；包括如下步骤：S1，根据作战想定确定作战体系的指标范围，并进行仿真；S2，利用仿真数据对效能预测模型进行训练；S3，采用粒子群算法，以效能预测模型为适应度函数，在指标范围内计算得到优选指标。本发明通过机器学习模型学习了仿真评估过程中的机理，以机器学习模型代替了原有的复杂仿真评估过程，实现了以机器学习模型的快速评估，大大缩短了评估时间，提升了设计效率；同时在已有效能评估模型的基础上能够启发式地快速生成若干可行解，并利用效能评估模型对可行解进行评估，选择效能结果最优的可行解，从而实现了对体系的快速优化。
-
公开(公告)号：CN110889207A
公开(公告)日：2020-03-17
申请号：CN201911088404.X
申请日：2019-11-08
Applicant: 江南机电设计研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明提供一种基于深度学习的体系组合模型可信度智能评估方法，包括以下步骤：获取参考学习样本集-获取参考学习样本集-评估不确定性影响程度-评估噪声影响程度-评估可信度。本发明应用深度学习方法，综合考虑不确定性和噪声的影响，对待检验模型的可信度评估更加可靠，并通过应用从仿真学习样本(待检验模型)到参考学习样本(参考模型)到逆向映射关系，避免正向映射时可能出现的模糊现象，提高可信度评估的准确性，通过深度学习方法和基于损失函数的优化模型，降低体系作战仿真可信度评估的实施难度，实现自适应智能评估和模型筛选。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
