XiaoMi-AI文件搜索系统
World File Search System机动模型
限制水道中的机动模型
抽象的自主内陆水容器对于促进智能和可持续的水上运输至关重要。准确的船舶操纵模型可确保可靠的控制策略并增强导航安全性。尽管已经存在数十年的船舶机动性模型，但很少有研究解决浅水和受限水域。这项研究介绍了一个用于内陆水容器的机动模型，这是对船舶运动的构成影响。开放水域中的机动建模组（MMG）模型是基线，并结合了浅水和河岸效应的经验方法。这种方法旨在提供对血管运动响应的快速准确预测。该模型通过在三个水深下转动测试的推动器堡模型的自由运行实验数据验证。其他案例研究强调了与银行效应下有限的水性能相比的浅水影响。最后，提出了课程保存案例研究，将比例衍生的控制器与河流电流和银行诱导的部队相结合。
利用人工智能技术对 3D 运动物体进行目标估计滤波
1.研究目的：为了提高复杂运动目标的跟踪和平滑能力，需要提高地面设备的指挥控制和信息相关功能的性能。特别是需要提高与指挥控制设备配合使用的雷达的性能。作为雷达目标跟踪算法，已经提出了M3（多机动模型）滤波器、IMM（交互多模型）滤波器等。该类滤波器对高机动目标有较高的跟踪性能，有望作为未来指挥控制雷达的滤波器。然而，有许多参数必须提前设置，例如运动模型的转移概率。在本研究中，我们设计了一种融入人工智能技术的过滤器，旨在提高处理三维运动物体的能力。
基于 A3C 深度强化学习的空战机动决策方法
摘要：针对无人战斗机空战中的机动决策问题，本文提出了一种基于深度强化学习的无人战斗机自主机动决策方法。首先，建立敌我双方无人战斗机飞行机动模型及机动库。然后，考虑到无人战斗机俯仰角不同时各动作不同的状态转换效果，将俯仰角等10个状态变量作为状态空间。结合空战态势威胁评估指数模型，设计内部奖励与稀疏奖励相结合的两层奖励机制作为强化学习的评估依据。然后，根据异步优势演员-评论家（A3C）算法，构建全连接层的神经网络模型。通过多线程的方式，UCAV与环境不断交互学习，对模型进行训练，逐步学习到最优的空战机动对抗策略，并指导UCAV进行行动选择。该算法通过多线程异步学习，降低了样本间的相关性。最后，在三种不同的空战场景中验证了该方法的有效性和可行性。