CN113326573A - 一种基于智能体的无人机集群综合保障效能评估方法 - Google Patents

一种基于智能体的无人机集群综合保障效能评估方法 Download PDF

Info

Publication number
CN113326573A
CN113326573A CN202110717982.6A CN202110717982A CN113326573A CN 113326573 A CN113326573 A CN 113326573A CN 202110717982 A CN202110717982 A CN 202110717982A CN 113326573 A CN113326573 A CN 113326573A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
vehicle cluster
guarantee
task
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110717982.6A
Other languages
English (en)
Inventor
冯强
海星朔
任羿
王自力
杨德真
孙博
樊冬明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110717982.6A priority Critical patent/CN113326573A/zh
Publication of CN113326573A publication Critical patent/CN113326573A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于智能体的无人机集群综合保障效能评估方法。步骤如下：1.基于智能体的无人机集群要素抽象与封装。2.建立分层分块的无人机集群综合保障柔性仿真模型框架。3.基于多智能体的无人机集群综合保障过程行为建模。4.基于蒙特卡洛算法的无人机集群保障效能评估。

Description

一种基于智能体的无人机集群综合保障效能评估方法
所属技术领域
本发明提供一种基于智能体的无人机集群综合保障效能评估方法，尤其使用了一种基于智能体的方法，能够支持跨层级功能耦合的无人机集群综合保障效能评估，属于可靠性工程领域。
背景技术
无人机集群作战已成为现代化战争的重要形式之一。无人机集群保障效能是对无人机集群在预期使用环境和条件下有效满足战备完好和任务持续能力的综合度量，它反映了保障系统对无人机集群在日常训练、作战使用中的支持能力。作为军事领域中一个非常重要的组成部分，保障效能评估对于指导武器装备的军事行动具有重要意义。针对无人机集群开展保障效能评估可以辅助无人机集群的能力度量，对于为提升无人机集群的保障效能水平，确保无人机集群在论证、研制和使用的全寿命周期中都能满足保障效能指标。
无人机集群在结构上存在“集群-整机-关重分系统”的跨层级耦合和时空动态特征，且在任务执行过程中要求“机-站-链”异地协同一体化保障，解析法和传统的离散事件仿真方法均难以有效支持其保障效能的分析与评估。
基于此，本发明提出一种基于智能体的无人机集群效能仿真评估方法，为有效评估无人机集群综合保障水平提供支撑。
发明内容
本发明提出了一种基于智能体的无人机集群综合保障效能评估方法，目的是解决传统方法难以支持无人机集群保障能力分析与评估的问题，以提高实现无人机集群综合保障效能评估的科学性和有效性。
具体步骤如下：
步骤一：基于智能体的无人机集群要素抽象与封装。具体包括：
步骤1.1：无人机集群任务、维护保障流程与功能分析；
步骤1.2：无人机集群任务、系统、保障以及环境智能体抽象与封装。
步骤二：建立分层分块的无人机集群综合保障柔性仿真模型框架。
步骤三：基于多智能体的无人机集群综合保障过程行为建模。具体包括：
步骤3.1：基于智能体协同的功能行为建模；
步骤3.2：基于跨层级时钟清除的故障行为建模；
步骤3.3：基于自适应维护的恢复行为建模。
步骤四：基于蒙特卡洛算法的无人机集群综合保障效能评估。具体包括：
步骤4.1：配置并运行仿真模型；
步骤4.2：进行单次仿真统计，以无人机集群任务成功和战备完好为依据，通过计算任务成功次数St和能执行任务时间To评估无人机集群保障效能；
步骤4.3：重复运行仿真模型，统计N组仿真输出数据，基于任务成功次数St和能执行任务时间To，计算无人机集群的任务成功率DMont-carlo和使用可用度AMont-carlo，输出无人机集群综合保障效能均值。
附图说明
图1是本发明中所述方法的整体流程示意图
图2是依据本发明中所述方法建立的分层分块的无人机集群综合保障柔性仿真模型框架
图3是依据本发明中所述方法建立的功能行为模型
图4是依据本发明中所述方法建立的故障行为模型
具体实施方式
本发明提出了一种基于智能体的无人机集群综合保障效能评估方法，可为无人机集群在战场环境下的保障效能分析与评估提供支撑，从而保证无人机集群在任务执行中可靠、稳定运行。
本发明的整体流程，如图1所示，下面结合附图和实施例作详细说明，但并不用来限制本发明的保护范围。
步骤一：基于智能体的无人机集群要素抽象与封装。具体包括：
步骤1.1：无人机集群任务、维护保障流程与功能分析；
步骤1.2：无人机集群任务、系统、保障以及环境类智能体抽象与封装，其中任务类智能体为虚拟智能体，负责无人机集群的运行逻辑；系统类智能体和保障类智能体为无人机集群综合保障过程中的主体部分，负责描述各要素以及相应的功能、故障和恢复行为；环境类智能体则是对任务过程和保障过程中不确定因素的抽象。
例1，以某固定翼无人机集群连续多波次执行攻击作战任务为例，集群中的无人机以编队形式从不同前沿机场起飞至敌区执行作战任务。其中，每4架无人机为1组进行编队，每组编队由1个地面基站进行控制，无人机之间通过无线电波完成信息传递。任务执行过程中，一旦某一无人机发生故障，立即从其所属前沿机场调配1架无人机前去作战，故障无人机则返回所在机场进行维修保障，编队内其他无人机正常执行任务。待编队中的所有无人机配备的弹药发射完毕后，即返回所属前沿机场，此波次任务完成。
无人机等待任务出动时，首先需要确定每架无人机的使用保障类型，包括首次出动保障和再次出动保障，保障项目具体包括放轮挡1分钟、飞机外观检查10分钟、接地检查1分钟、卸载任务数据加载卡1分钟、接通地面电源1分钟、通电自检1分钟、充氮4分钟、充氧3分钟、加油10分钟、任务数据加载10分钟、惯导正常对准6分钟、挂弹30分钟、发动机开车1分钟、动检7分钟、清点2分钟、收轮挡1分钟，各类保障项目之间存在并行关系，保障时间以最先进行的项目开始时刻为初始时间点，以最后完成的保障项目结束时刻为结束时间点。
使用保障完成后，需判断此时是否存在故障无人机，若存在故障，则转入维修保障流程；若无故障，则完成保障，开始执行任务。任务完成后，返回前沿机场。对于任务过程中出现故障的无人机，直接进行维修保障，对于未发生故障的无人机，则开展返回后保障。维修保障的基本流程包括：调动无人机至维修区域、进行故障检测与定位、调动相关维修人员和维修资源、开始维修、判断备件供应是否充足：若充足，继续维修；若不充足，等待备件补充、维修完成，进入待命状态、维修失败，退出任务序列。
基于上述任务与维护保障流程分析，对涉及的要素进行抽象，可抽象为4类智能体，结果如表1所示。其中，任务类智能体负责无人机集群的运行逻辑，包括任务分配过程和数据传输过程；系统类智能体和保障类智能体为无人机集群综合保障过程中的真实组成部分，前者包括以无人机、地面基站、数据链路以及各要素功能、故障行为，后者则包括保障设施/设备、物资、维修人员、维修资源以及相应的恢复行为；环境类智能体可描述任务执行过程和保障过程中的不确定因素，包括自然环境、气象条件以及敌方攻击等。
表1无人机集群要素抽象与封装
序号 智能体类型 要素
1 任务类智能体 任务分配过程、数据传输过程
2 系统类智能体 无人机、地面基站、数据链路
3 保障类智能体 保障设施/设备、物资、维修人员、维修资源
4 环境类智能体 自然环境、气象条件、敌方攻击
步骤二：建立分层分块的无人机集群综合保障柔性仿真模型框架。
例2，接例1。
结合对固定翼无人机集群连续多波次执行攻击作战任务时的任务与维护保障流程分析以及智能体要素抽象，可建立分层分块的多智能体仿真模型框架，如图2所示。
从层次上来看，首先，任务类智能体可发挥全局主控协同作用，向系统类智能体分配起飞、作战、降落任务，向保障类智能体分配保障任务、保障人员前往保障单位执行作业、返回待命位置；其次，系统类智能体、保障类智能体和环境类智能体可发挥局部自主协同作用，系统类智能体可向保障类智能体发送维护请求，并接收保障类智能体的保障作业、维修作业，也可接收环境类智能体的自然环境变化、气象变化以及外部冲击信息；此外，系统类智能体包括集群、整机、关重分系统3个层级，各层级在功能、故障行为上存在关联性，并可影响系统类智能体的任务执行。在向任务类智能体申请保障请求、维修请求；其次，环境类智能体可分别向集群
分块则体现在模型运行过程中，即以任务类智能体为牵引，根据系统分布式协同特征，对包括机、站、链及其下层关重分系统进行分布式部署；然后，根据系统类智能体的部署方式，安排相应的保障类智能体、环境类智能体进行搭配，以体现协同特征。
步骤三：基于多智能体的无人机集群综合保障过程行为建模。具体包括：
步骤3.1：基于智能体协同的功能行为建模，包括定义4类智能体的属性、行为和协同规则。
步骤3.2：基于跨层级时钟清除的故障行为建模，由无人机集群结构中最底层的关重分系统开始，设置其寿命时钟并设初始寿命时钟存量为1，根据关重分系统所服从的寿命分布
Figure BDA0003135721720000051
通过随机抽样获得其故障时间Sij，并将其作为动力学消耗的故障时钟，设定时间消耗率为vij＝1/Sij，当时钟存量为0时，转为故障状态；对于整机级，通过其与关重分系统1到n之间的结构函数φ(Yi1,Yi2,…,Yin)获取，即结构函数为1时，表示整机可用，为0时，表示不可用；对于集群级，通过设置任务判据M对特定任务需求进行判定。故障行为模型如图4所示。
步骤3.3：基于自适应维护的恢复行为建模，系统类智能体发生故障后，通过自适应维护恢复整个无人机集群的任务执行能力。首先，系统类智能体将破坏情况传递给任务类智能体，由任务类智能体确定损失情况；然后，任务类智能体判断如果故障的系统类智能体不具备维修条件，将其转为死亡状态，否则转入维修环节，激活其维修流程，由任务类智能体制定相应维修策略并向相关的保障类智能体发出信号，指导其对处于故障状态的系统类智能体进行维修。最后，根据维修成功率P判定维修是否成功，如果成功，按照维修时间所服从的分布抽样获取维修所需时间；如果失败，则转入死亡状态。
例3，接例2。
无人机集群在作战任务周期内包含任务前保障、起飞、协同作战、故障、降落、维修保障等阶段。如图3所示，以无人机智能体功能行为为例，其在任务类智能体的指导下，保障类智能体对无人机智能体任务阶段提供保障服务以满足其各阶段任务要求。
假设执行作战任务的无人机集群中包含20架无人机(A1，A2，…，A20)，其中无人机A1下层有3个关重分系统A11、A12和A13，其故障服从指数分布，失效率分别0.01/小时，0.02/小时和0.03/小时，对无人机智能体故障行为进行建模。首先对关重分系统进行故障时间抽样，假定获得故障时间分别为S1＝6.2小时，S2＝5.6小时，S3＝5.0小时，将抽样获得的故障时间作为故障时钟存量，其时间消耗率分别为v1＝1/6.2，v2＝1/5.6，v3＝1/5小时，当任务时间进行到5小时时，A13的故障时钟存量消耗完毕，该关重分系统处于故障状态，此时，A12和A13为正常状态。假设各关重分系统并联，根据结构函数φ可知，无人机A1此时状态为可用。同理，可得到集群中其他无人机的状态，进而得到集群状态。
对于由3个关重分系统A11、A12和A13所构成的无人机A1，各关重分系统的维修分布服从正态分布(2,0.2)，(1.5,0.15)，(1,0.25)，各关重分系统的维修成功概率分别为0.9,0.85和0.95。对系统恢复行为进行建模。当无人机发生故障后，假定经任务类智能体评估该架无人机处于可修状态，则转入维修流程，假定判定维修成功并且经抽样获得维修时间为2.4h，系统仿真时钟推进2.4h后，维修结束。
步骤四：基于蒙特卡洛算法的无人机集群综合保障效能评估。具体包括：
步骤4.1：配置并运行仿真模型；
步骤4.2：进行单次仿真统计，以反映无人机集群任务成功和战备完好的两个指标为依据，即多波次任务中的任务成功次数St和能执行任务时间To，评估无人机集群保障效能；
步骤4.3：重复运行仿真模型，统计N组仿真输出数据，计算无人机集群的任务成功率DMont-carlo和使用可用度AMont-carlo：
Figure BDA0003135721720000061
Figure BDA0003135721720000062
Figure BDA0003135721720000063
Figure BDA0003135721720000064
其中，Dt为单次仿真的任务成功率，A为单次仿真的使用可用度，k为单次仿真的任务波次，To为集群在单次仿真时能执行任务的时间，TU为相应的使用保障时间，TR为维修时间，TD为环境延误时间；由此，输出无人机集群综合保障效能均值。
例4，接例3。
假设每4架无人机为1组进行编队。第一波次作战时，集群规模为20，即5组无人机以编队形式同时从不同前沿机场起飞至敌区，持续轰炸15分钟，攻击任务完成后(所有弹药发射完毕)返回所属机场，无人机的战损率为30％。第二波次作战时，1组无人机在敌区飞行45分钟后发现目标，将所有弹发射后返回所属前沿机场。第三波次及之后的波次与第二波次相同，连续作战30天，每天作战12小时(从早上6点到下午6点)，每个编队从起飞到完成作战任务共3小时(第一波次：出航80分钟，作战15分钟，返航85分钟；其余波次：出航1小时，任务1小时，返航1小时)。
建立基于智能体的无人机集群综合保障仿真模型后，进行蒙特卡洛仿真试验，设置仿真次数N＝1000，可依据公式(1)-(4)计算得到无人机集群的任务成功率DMont-carlo＝65％，使用可用度AMont-carlo＝75％。

Claims (5)

1.一种基于智能体的无人机集群综合保障效能评价方法，其特征在于：包含以下步骤：
第一步：基于智能体的无人机集群要素抽象与封装；
第二步：建立分层分块的无人机集群综合保障柔性仿真模型框架；
第三步：基于多智能体的无人机集群综合保障过程行为建模；
第四步：基于蒙特卡洛算法的综合保障效能评估。
2.根据权利要求1所述的一种基于智能体的无人机集群综合保障效能评估方法，其特征在于：在第一步中所述的“基于智能体的无人机集群要素抽象与封装”中，首先，开展无人机集群任务、维护保障流程与功能分析；然后，进行无人机集群任务、系统、保障以及环境智能体抽象与封装。
3.根据权利要求1所述的一种基于智能体的无人机集群综合保障效能评估方法，其特征在于：在第二步中所述的“建立分层分块的无人机集群综合保障柔性仿真模型框架”中，从层次上，首先，任务类智能体发挥全局主控协同作用，其次，系统类智能体、保障类智能体和环境类智能体发挥局部自主协同作用，此外，系统类智能体还包括集群、整机、关重分系统3个层级；分块体现在模型运行过程中，首先，以任务类智能体为牵引，系统类智能体分布式部署，然后，其余智能体进行搭配。
4.根据权利要求1所述的一种基于智能体的无人机集群综合保障效能评估方法，其特征在于：在第三步中所述的“基于多智能体的无人机集群综合保障过程行为建模”中，首先，进行基于智能体协同的功能行为建模；然后，进行基于跨层级时钟清除的故障行为建模；最后，开展基于自适应维护的恢复行为建模。
5.根据权利要求1所述的一种基于智能体的无人机集群综合保障效能评估方法，其特征在于：在第四步中所述的“基于蒙特卡洛算法的无人机集群综合保障效能评估”中，首先，配置并运行仿真模；然后，进行单次仿真统计，以无人机集群任务成功和战备完好为依据，通过计算任务成功次数St和能执行任务时间To评估无人机集群保障效能；最后，重复运行仿真模型，统计N组仿真输出数据，基于任务成功次数St和能执行任务时间To，计算无人机集群的任务成功率DMont-carlo和使用可用度AMont-carlo，输出无人机集群综合保障效能均值。
CN202110717982.6A 2021-06-28 2021-06-28 一种基于智能体的无人机集群综合保障效能评估方法 Pending CN113326573A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110717982.6A CN113326573A (zh) 2021-06-28 2021-06-28 一种基于智能体的无人机集群综合保障效能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110717982.6A CN113326573A (zh) 2021-06-28 2021-06-28 一种基于智能体的无人机集群综合保障效能评估方法

Publications (1)

Publication Number Publication Date
CN113326573A true CN113326573A (zh) 2021-08-31

Family

ID=77424956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110717982.6A Pending CN113326573A (zh) 2021-06-28 2021-06-28 一种基于智能体的无人机集群综合保障效能评估方法

Country Status (1)

Country Link
CN (1) CN113326573A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673907A (zh) * 2021-09-02 2021-11-19 北京航空航天大学 一种基于多智能体的保障体系运行能力评价方法
CN114037281A (zh) * 2021-11-10 2022-02-11 北京理工大学 一种基于进化的集群算法综合体
CN114326806A (zh) * 2021-12-29 2022-04-12 北京航空航天大学 一种考虑任务体系下的无人机集群维修方法
CN114397907A (zh) * 2021-12-20 2022-04-26 北京航空航天大学 一种基于多智能体的集群自适应重构行为建模方法
CN118095903A (zh) * 2024-04-23 2024-05-28 中国人民解放军海军工程大学 一种考虑保障资源的任务可靠性建模和仿真方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180139276A1 (en) * 2016-11-16 2018-05-17 Intel Corporation Enhancing wi-fi aware protocol and algorithms for drone cluster formation
CN108983747A (zh) * 2018-06-27 2018-12-11 北京航空航天大学 一种基于多智能体的复杂系统可靠性评估方法
CN109190995A (zh) * 2018-09-18 2019-01-11 北京航空航天大学 一种基于多智能体的维修资源双向联合调度策略决策方法
CN110866335A (zh) * 2019-11-05 2020-03-06 中国航空工业集团公司沈阳飞机设计研究所 一种基于AnyLogic的综合保障仿真方法及设备
CN112464555A (zh) * 2020-11-10 2021-03-09 北京航空航天大学 一种基于多智能体的多态系统动态可靠性仿真评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180139276A1 (en) * 2016-11-16 2018-05-17 Intel Corporation Enhancing wi-fi aware protocol and algorithms for drone cluster formation
CN108983747A (zh) * 2018-06-27 2018-12-11 北京航空航天大学 一种基于多智能体的复杂系统可靠性评估方法
CN109190995A (zh) * 2018-09-18 2019-01-11 北京航空航天大学 一种基于多智能体的维修资源双向联合调度策略决策方法
CN110866335A (zh) * 2019-11-05 2020-03-06 中国航空工业集团公司沈阳飞机设计研究所 一种基于AnyLogic的综合保障仿真方法及设备
CN112464555A (zh) * 2020-11-10 2021-03-09 北京航空航天大学 一种基于多智能体的多态系统动态可靠性仿真评价方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673907A (zh) * 2021-09-02 2021-11-19 北京航空航天大学 一种基于多智能体的保障体系运行能力评价方法
CN114037281A (zh) * 2021-11-10 2022-02-11 北京理工大学 一种基于进化的集群算法综合体
CN114397907A (zh) * 2021-12-20 2022-04-26 北京航空航天大学 一种基于多智能体的集群自适应重构行为建模方法
CN114397907B (zh) * 2021-12-20 2024-03-26 北京航空航天大学 一种基于多智能体的集群自适应重构行为建模方法
CN114326806A (zh) * 2021-12-29 2022-04-12 北京航空航天大学 一种考虑任务体系下的无人机集群维修方法
CN118095903A (zh) * 2024-04-23 2024-05-28 中国人民解放军海军工程大学 一种考虑保障资源的任务可靠性建模和仿真方法及系统

Similar Documents

Publication Publication Date Title
CN113326573A (zh) 一种基于智能体的无人机集群综合保障效能评估方法
Esperon-Miguez et al. A review of Integrated Vehicle Health Management tools for legacy platforms: Challenges and opportunities
CN112295229A (zh) 一种智能博弈对抗平台
CN110781614A (zh) 基于深度强化学习的舰载机出动回收在线调度方法
CN113919068B (zh) 一种基于任务的航空装备保障体系仿真评估方法
CN113110603B (zh) 基于集群故障的无人机集群任务可靠度分析方法
CN106991861A (zh) 分布式模块化嵌入式战术训练系统
Tundis et al. Dependability assessment of a deicing system through the RAMSAS method
CN113111440B (zh) 基于逻辑关系的集群无人机任务模型构建方法
Gao et al. On modelling, simulating and verifying a decentralized mission control algorithm for a fleet of collaborative UAVs
Kasser et al. Simplifying solving complex problems
JPWO2022176894A5 (zh)
Jiang et al. Application of prognostic and health management in avionics system
CN116736695B (zh) 一种面向运行时不确定性的航天器控制软件自适应方法
Roelen et al. Aviation causal model using Bayesian Belief Nets to quantify management influence
Mura Stochastic Modeling and Analysis of Phased-Mission Systems Dependability
Chen et al. Research on model-driven analysis method of testability verification requirement
Schagaev Cassa-Concept of Active System Safety for Aviation
Wang et al. Simulation Analysis Evaluation of Support Capability for Unmanned Aircraft Systems
EP4123458A1 (en) In-flight integrated modular avionics (ima) reconfiguration
Faas et al. Vehicle health management research for legacy and future operational environments
CN118052444A (zh) 一种复杂人机系统的人因工程设计验证方法
Mimgzhe et al. Simulation based research on complex equipment task modelling
Liu et al. Simulation based research on complex equipment task modelling
Wang et al. Research on Architecture Modeling of Aviation-guided Munitions System Based on MBSE

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210831