[00833962]基于动态贝叶斯网络的无人飞行器智能自主决策与优化

该项目以无人飞行器自主智能控制的技术要求为牵引，开展以动态贝叶斯网络(DynamicBayesianNetwork，DBN)为基础的智能决策理论与方法研究，以贝叶斯网络(BayesianNetwork，BN)和遗传算法(GeneticAlgorithm，GA)为主线的智能、快速优化的应用基础理论研究，涉及系统工程、智能控制理论、复杂系统建模及航空航天等多个技术领域。在BN学习机理、DBN推理及结构学习、动态优化算法等方面取得了一系列的原始创新成果，其相关理论成果已成功应用于无人飞行器在复杂任务环境(突发任务、不同威胁体、威胁联网)下的任务/路径规划。主要成果包括：(1)贝叶斯网络学习机理系统的建立和完善了BN学习机制和度量机制。以研究图形模型的局部BD(Bayesian-Dirichlet)度量规律为切入点，提出了快速有效的图形模型构建方法。(2)离散动态贝叶斯网络及其推理创造性地提出了离散DBN的直接计算推理算法，建立了离散模糊DBN，分级离散DBN、变结构离散DBN的概念和推理算法。(3)进化算法研究提出了“预先进化”遗传算法，紧致遗传算法；建立了实时性和收敛性皆优的基于DBN的动态贝叶斯优化算法。(4)理论成果的应用以无人机智能自主优化控制为应用背景，研究动态环境感知和任务决策，实现了飞行器在复杂任务环境(突发任务、不同威胁体、威胁联网)下的任务/路径规划。该项目通过近十年的努力，已形成独具特色的DBN研究成果体系，可应用于无人飞行器自主智能决策与优化等这类实时性要求高、收敛性要求更高的实际系统中，寄希望为国家经济建设提供有力的应用基础理论支撑。该项研究成果发表学术论文41篇，EI收录27篇，ISTP收录3篇，他引72篇次，其中一篇代表作被评为2006年度“中国百篇最具影响优秀国内学术论文”。研究成果已应用到中航一集团618所、601所、该校无人机所和国家高新技术(863)等相关项目中，其先进性得到同行的广泛认可，学术价值高，具有很大的潜在应用前景。