简介:针对带有攻击角约束的多导弹同时攻击机动目标问题,提出了一种带有攻击角约束的协同制导律。首先基于平面内的导弹-目标相对运动方程,建立了带有攻击角约束的协同制导模型;其次,把协同制导律的设计过程分离为两个部分:一是基于图论的有关内容,运用有限时间一致性理论设计沿着视线方向上的加速度指令来保证所有导弹与目标的相对距离在有限时间内到达一致,进而保证所有的导弹同时击中机动目标;二是利用非齐次干扰观测器对机动目标的加速度进行估计,并运用滑模控制设计视线法向上的加速度指令来保证每枚导弹与目标间的视线角速率收敛到零和视线角收敛到期望的终端视线角,即每枚导弹以期望的终端视线角成功击中目标;最后,对三枚导弹同时打击同一机动目标的情况进行仿真,仿真结果表明本文设计的带有攻击角约束的协同制导律的有效性和正确性。
简介:为提高攻击导弹同时面对目标飞机及其防御导弹情况下的命中概率,基于微分对策理论,对攻击导弹的制导律进行了设计。应对独立控制的多对象博弈问题,微分对策理论具有天然的优势,且相比于最优制导律,微分对策制导律对于目标机动估计误差和机动策略具有更强的鲁棒性。所推导的微分对策制导律进一步考虑了攻击导弹的控制有界性,且适用于攻击导弹、目标飞机和防御导弹具有高阶线性控制系统动态的情形。为验证制导律性能,进行了非线性系统仿真,结果表明该制导律在成功归避防御导弹的同时可实现趋于零脱靶量的目标拦截。攻击导弹为实现规避和攻击的双重任务,仅需要保持相比于防御导弹两倍左右的机动优势。
简介:首先,研究了Erdos1合著网络的特征属性,一方面使用节点的度、介数、接近中心性来描述Erdos1合著网络节点重要性,另一方面使用特征向量中心性和本文提出的高阶度参数来描述Erdos1合著网络节点影响力;然后,分别用逼近理想解的排序(TOPSIS算法)算法和主成份分析(PCA)对节点重要性和影响力排序;最后,利用修改的网页排名(PageRank)算法讨论了网络科学原创性论文中最具影响力的论文。
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。