PR系统中利用规划库建立、修正与更新规划假设

探讨了在规划识别系统中检索规划库内规划的方法，着重研究基于态势索引的检索问题。提出了基于事实及其属性的态势描述方法和建立状态库以便比较态势的相似性。此种方法适合于规划识别系统在初始情况下在规划库中找到较为完整的规划作为初始假设。还就在规划假设的确认、修正与更新中检索动作、动作序列和局部规划的方法进行了初步探讨。     

一种应用规划识别建立自然语言接口的方法

提出了一种应用规划识别来建立制图领域的自然语言接口的方法,使用本体来表示领域知识,拓展了Henry Kautz及Guy Cam illeri的规划识别假设,在EXA、D JA、CUA、ELA等假设的基础上提出同义、合并、构图、确定四个规划识别法则,用PROLOG语言实现了这个自然语言接口,实验结果表明对于特定的领域,应使用特定的规划识别过程才能取得较好的效果。     

基于模糊神经网络的水下机器人局部路径规划方法

该文探讨了基于模糊神经网络理论的实时局部路径规划问题，并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法，设计了水下机器人实时运动规划器结构以及规划器操作过程和相应的算法。仿真实验结果验证了本文所提方法的有效性和可行性。     

基于虚拟势场理论的AUV局部路径规划方法

针对自治式水下潜器（AUV）局部路径规划问题，基于虚拟势场理论研究，提出了虚拟力概念，并设计了一种改进型虚拟势场局部规划算法，解决了经典虚拟势场能算法中存在的零合力与U型障碍的局部极小问题：当AUV陷入局部极小时通过调用相应的逃避算法来摆脱局部极点。仿真结果验证了该算法对于克服虚拟势场能中存在的局部极点的有效性和可行性。     

基于PR-OWL的战术意图识别概率本体建模

网络中心环境下的战术意图识别问题具有不确定性和分布式等特点,如何描述战术意图领域的不确定知识是战术意图识别的基础。考虑到网络中心环境下战术意图识别过程中知识共享和协同识别的需要,论文首先建立一个适合网络中心环境下战术意图识别系统的框架结构;然后提出一种基于PR-OWL的战术意图领域知识的概率本体模型建模方法;最后,给出一个战术意图识别概率本体模型的设计实例。     

基于蚁群算法的AUV全局路径规划方法

在大范围海洋环境中，应用蚁群算法对自主式水下潜器（AUV）的全局路径规划问题进行了研究。基于栅格环境模型建立了蚁群可视图模型，设计了蚁群信息素更新规则；给出了蚁群全局路径规划的操作步骤；针对蚁群规划路径不平滑问题，设计了切割算子和插点算子。仿真实验结果表明，蚁群全局规划算法非常适合于求解复杂环境中的规划问题，规划时间短、路径平滑。     

智能船舶的反应型避碰规划研究

对于多船会遇场景而言，在反应型避碰规划中考虑操船者意图具有明显的优越性，可在紧迫局面下更合理地执行《1972年国际海上避碰规则》（即COLREGs）的背离规则。对此，提出一种基于隐马尔可夫模型的操船意图预报方法，将生成的目标船意图预报结果与经典速度障碍法相融合，产生更合理的碰撞危险评估结果，据此建立的反应型避碰规划算法比经典速度障碍法更安全。依托案例三体船完成的自主避碰试验，验证所提改进算法的有效性、可靠性和实时性，为智能船舶的自主避碰研究提供参考。     

多旋翼无人机航迹规划算法

无人机（UAV）能实现航迹跟踪、定位、遥控、航拍、数据传输等功能，其中航迹规划是实现所有功能的前提条件。结合多旋翼无人机在恒速飞行条件下的最大转弯半径，设计一种在一定曲率约束范围内的航迹规划算法，采用Dubins曲线和B样条曲线，分别对局部障碍物和区域障碍物进行分类避障规划，实现障碍物下不规则作业区域的航迹规划，并通过仿真试验验证了算法的可行性。     

基于改进蚁群算法的水下潜航器安全隐蔽航路规划研究

针对水下潜航器的特点和实际需求,设计潜航器安全隐蔽航路规划模型。首先对水下航路规划的影响因素集进行划分,结合水下潜航器特点,通过改进信息素更新机制及启发因子的设计,建立基于蚁群算法的潜航器全局航路规划模型;其次考虑敌我距离变化量、我方位置与目标点的距离、我方声呐盲区、敌我距离最小量作为代价函数的4个因数,建立单目标动态威胁的局部航路规划;最后通过仿真得到全局规划路径和局部避碰路径结果,说明该方法在水下潜航器航路规划具有实际应用价值。     

基于改进的教与学优化算法的船舶实时路径规划

利用局部逃逸策略（Local Escaping Operator, LEO）对原始教与学优化算法（Teaching Learning Based Optimization, TLBO）的部分解进行替换，使其快速跳出局部最优，提出一种改进的教与学优化算法（Local Escaping Teaching Learning Based Optimization, LETLBO），并将其应用于船舶实时路径规划中。在船舶实时路径规划仿真试验中，利用概率图搭建搜索地图，利用高概率区域模拟目标所在区域，并采用贝叶斯定理设计一个概率函数作为目标函数。同时，为更好地实现实时路径规划，提出以个体为单位，利用在个体探索时高概率区域同时移动的方式模拟船舶在搜索时目标同时移动的情况，成功模拟船舶实时路径规划，保证试验的有效性。通过船舶实时路径规划仿真试验测试2种模拟情况下LETLBO与原算法及其他多种经典算法的性能，结果发现LETLBO在2个情景中找到目标的概率相比原算法分别提升41.88%和43.38%，运算时间分别减少0.978 9 s和0.375 2 s，且综合性能更优，说明改进的算法具有更好的探索寻优能...     

基于改进A*GBNN算法的AUV路径规划研究

针对现有的离散生物启发神经网络(Glasius bioinspired neural networks, GBNN)算法在未知环境下，存在的路径规划时间长、易陷入局部最优等问题，提出一种结合A*与GBNN模型的改进算法。在GBNN活性值栅格网络中，算法将各栅格的活性值作为A*的代价函数进行运算并使用跳点搜索规则优化，实现未知环境下的实时路径规划。仿真实验结果表明，该算法有效改善了自主水下航行器在未知环境下的寻路效率，可以满足自主水下航行器实时路径规划需求。     

基于ANN星识别算法的仿真平台

星敏感器是一种高精确度的姿态测量仪器，它通过对观测到的星点进行识别来计算姿态。为了能够较好地测试和验证星识别系统的性能，设计了一个基于ANN算法的星识别仿真平台。通过对该星识别仿真平台性能的测试，表明该仿真平台能够方便，实时地测试星识别算法的性能与正确性，因此说它是一种具有较好实用价值的星识别仿真平台。     

福建省沿海港口布局规划出炉

本刊从福州港获悉，2009年2月5日，《福建省沿海港口布局规划（2008—2020年）》经福建省政府批准出炉。据规划，该港被定位为国家综合运输体系的重要枢纽、福州市及闽江流域发展外向型经济和连接国际市场的主要支撑、     

基于神经网络的水下机器人运动预测控制方法

将神经网络和模糊理论应用于水下机器人运动规划和控制中，提出了能实现模拟控制规则的基于强化学习的自学习和自调整的规划算法，设计了水下机器人实时运动规划器结构以及规划器操作过程，提出了基于预测模糊控制进行水下机器人运动控制的方法。在计算机仿真状态下，实现了对水下机器人这一复杂非线性系统的预测控制，仿真实验结果验证了本文所提的方法的有效性。     

基于层叠条件随机场的网络入侵识别

为了能够在网络环境中从大量底层入侵警报信息中正确有效地识别其背后隐藏的攻击意图和规划,提出了基于层叠条件随机场模型的网络入侵识别方法.该方法首先在低层条件随机场中解决对简单的入侵识别,并将结果传递到高层的条件随机场模型以进行对复杂的入侵识别,实现了自适应、智能化的入侵检测系统.实验结果表明,该方法有较低的误报率,综合看来比传统方法优越.     

规划

备受关注的《沙田镇、虎门港概念规划》（以下简称《规划》）日前向外界公示。《规划》提出,镇港今后将以港口为驱动核心,以现代服务、高端制造、科技创新为重点突破方向,推进港城联动发展,打造经济、社会协同发展的港口新城。同时,提出了提高城镇地位、做强临港产业、建美城市环境的三大核心战略。     

对敌战场意图识别的若干问题

归纳和梳理了对敌战场意图识别的概念，给出了一种便于对敌战场意图识别理论研究的概念体系，介绍了一些可用于对敌战术意图识别的技术，最后具体分析了两种对敌战术意图识别方法的特点和需要进一步改进的问题。     

具有划时代意义的港口布局规划——解读《全国沿海港口布局规划》

距上世纪80年代末颁布的《全国主枢纽港规划》，全国港口界等了10多年，终于迎来新的港口规划——《全国沿海港口布局规划》（以下简称《规划》）的诞生。因为，10多年对历史来说是一瞬间，但中国港口却发生了巨变，至2005年底，我国已成为世界港口大国。世界经济日益一体化，我国经济自改革开放以来又走上高速发展道路。显然，回过头看原来的港口规划虽然也强调大发展，但那是一种外延式扩张，是粗放型的规划。10多年中，沿海港口缺乏分工合作、缺乏区域协调，港口低水平重复建设、深水岸线日渐稀缺，以及港口出现恶性竞争等等问题久治不愈，因此，对沿海港口重新洗牌，以全新的姿态迎战国民经济全新发展的新需求成为必然。在这一背景下一部具有宏观性指导意义的港口新规划诞生，的确具有划时代的重要意义。     

雷达辐射源识别技术综述

文章介绍了雷达辐射源识别的研究背景,分析了单信源和多信息源雷达辐射源识别系统结构的流程,重点论述了识别系统中涉及到的分类识别算法和身份融合算法,比较了各种算法的优劣。     

基于改进型A*-蚁群混合算法的USV航迹规划

针对高密度复杂环境下的无人水面航行器(USV)航迹规划问题,将A*算法和蚁群算法相结合,提出一种改进型A*-蚁群混合算法。本算法结合A*算法在低密度环境区域航路规划的优势性,同时,当遇到高密度环境区域时引入蚁群算法提高局部规划能力,在传统蚁群算法基础上,改进了信息素的更新模型,增强了可行路径中最优路径的信息浓度,减弱了最差路径的信息浓度,并通过调整信息素浓度总和比例,增强算法的寻优能力。该方法能够有效地平衡全局和局部规划,提高在复杂环境下的USV航迹规划能力。通过仿真,验证了在复杂环境下该算法的有效性和优越性。