基于MFO-HTN的超视距空战战术机动组合规划

针对超视距空战机动决策问题，提出基于战术机动组合的超视距空战决策模型。首先，利用参数化语言将超视距空战机动描述为两种典型形式，作为超视距空战战术的基本战术动作。其次，引入层次任务规划网络(HTN)模型，利用空空导弹攻击区描述空战态势，构建带参数的空战HTN模型。最后，将机动时间、可发射距离、可发射时间作为目标函数，构建多目标优化模型，采用飞蛾扑火算法对HTN网络参数进行优化求解。仿真实验表明，飞蛾扑火算法能够快速解算当前态势下的最优参数，所得到的空战战术机动序列能够达到战术目的。该算法模型可以为飞行员提供辅助决策，也为研究智能超视距空战提供了新的思路。     

基于实现预期空战机动的飞机运动模型

在研究空战战术和作战效能时,往往先确定期望的机动动作,继而解算预期动作的飞机动力学参数.针对如何建立既具有准确动力学特性又能适应空战机动研究的空战机动模型的问题,建立了实现预期空战机动的简化飞机动力学模型,用机动过载大小和方向、发动机状态或速度作为机动动作的输入量,较好地将飞行员的机动意图转换成机动控制的输入.同时,考虑飞机的实际限制,确定了飞机六自由度参数,并以飞机刚体六自由度模型为参照进行了机动仿真,比较了仿真结果.结果表明文中模型仿真精度高,简单实用,适用于空战仿真研究.     

基于蒙特卡洛树搜索方法的空战机动决策

针对空战中双方的机动决策问题,考虑角度、距离、速度变化以及高度优势函数,以赢取最大空战优势期望为目标,建立了空战双方机动决策模型,并引入蒙特卡洛树搜索方法进行求解,搜索策略采取极大极小搜索算法。针对双机对抗,通过仿真给出空战态势及空战优势变化曲线,结果表明:我机在整个空战过程中绝大部分是处于优势地位的,验证了使用蒙特卡洛树搜索方法进行空战机动决策的可行性,同时对算法的实时性进行了仿真,计算机动动作所用时间众数位于50~100ms区间内,达到了实时性要求。     

基于Q-network强化学习的超视距空战机动决策

考虑到空空导弹对空战胜负的重要影响,针对空战态势状态特征连续、多维的情况以及传统方法缺乏对空战对抗中敌方策略的考虑,将强化学习应用到1vs1超视距空战机动决策。首先,建立了同时为对抗双方进行机动决策的强化学习框架,提出ε-纳什均衡策略来选取机动动作,并通过导弹攻击区优势函数来修正奖赏函数;其次,基于记忆库和目标网络训练Q-network,形成超视距空战机动决策的"价值网络";最后,设计了Q-network强化学习决策模型,并将机动决策过程分为了学习阶段与实战阶段。仿真结果表明:智能体可以感知空战的态势并作出合理的超视距空战机动决策。     

无人机指令生成器设计

如何将以时间、位置描述的期望航迹或战术机动转化为可以实时跟踪的以速度、姿态指令描述的期望机动轨迹,是无人机设计的难点之一.针对这一问题,提出了一种采用三自由度质点动力学飞机方程,通过建立机动动作规则库,利用机动动作设计指令生成器方法,将描述航迹的时间、位置信息或战术需求转化为无人作战飞机期望的油门、法向过载、航迹角、滚转角信息,直接作为轨迹跟踪回路的期望指令.在机动动作的设计过程中考虑了飞机的飞行性能以及飞行动态的影响,生成的期望控制指令合理可实现.仿真结果表明:该方程实时有效,生成的控制指令易于跟踪,可应用于无人机指令生成器设计.     

基于随机决策准则的改进多级影响图机动决策方法

针对传统影响图机动决策方法需要由飞行员预先给出空战态势评估难于准确确定的先验似然函数,将随机决策理论引入到影响图机动决策当中,提出了基于随机决策准则的改进多级影响图机动决策方法. 该方法仅需在决策时刻评估潜在空战态势,依据决策准则便可以产生机动决策. 为了优化该方法,基于典型随机决策准则,分别设计了5种机动决策准则,在典型空战想定条件下仿真分析了各机动决策准则的特点. 仿真结果表明:在态势劣势时,后悔值准则决策效果较好;在态势优势时,悲观准则、乐观准则、折中准则、等概率准则决策效果较好.      

迎头抢攻飞行轨迹数学建模及评估

为提升飞行员空战对抗训练水平,提出了对迎头抢攻空战训练建模评估.通过对迎头抢攻空战战术基本过程进行分解,建立了迎头抢攻空战战术飞行轨迹数学模型,确定了迎头抢攻空战战术的理想飞行轨迹.利用灰色关联度分析,根据实际轨迹与理想轨迹相似性,对迎头抢攻空战战术飞行轨迹进行评估.结合迎头抢攻战术在关键时刻对飞机轨迹的特定要求,综合得到飞行轨迹评估结果.案例验证该方法符合实际,可以有效反映航空兵空战训练对飞行轨迹的战术要求.     

战术飞行机动动作仿真设计与实现

针对数据链飞机模拟器中飞行平台轨迹的终端实时显示问题,以飞机动力学运动方程为基础,构建了盘旋机动和斤斗机动过程的轨迹方程,并给出了机动动作设计的一般流程。通过建立基于时间戳的自适应交互多模(AIMM)时延补偿模型,使飞机动作显示与实际作战网络负载下的飞机状态保持同步。最后设定2种机动动作场景,对飞行机动轨迹予以演示，验证了所设计的可视化平台能有效模拟飞机进行盘旋和斤斗机动,实现了地面指挥所对模拟飞机飞行状态的实时监视,为空战仿真模拟训练奠定基础。     

基于CS-CL两层嵌套模型的强机动目标跟踪算法

针对强机动目标的跟踪问题,提出了一种基于两层嵌套模型的强机动目标跟踪算法,以改进"当前统计"(current statistical,CS)作为内模型;利用滤波残差构造统计量,对目标机动进行检测,根据检测结果在线修正"CS"模型参数以适应目标的机动;以"曲线"(curve linear,CL)模型为外模型,它以改进的"CS"模型的目标加速度估计值作为输入参数,利用CL模型可以较好近似目标曲线运动的特点,实现对强机动目标进行高精度稳定跟踪。仿真验证了算法的有效性。     

基于GA-AHP算法的多目标威胁评估

威胁评估是空战中不可或缺的一环。为了准确描述多目标威胁程度,首先,建立威胁指标模型,采用遗传算法和层次分析法相结合的GA AHP算法,通过威胁判断矩阵建立一致性指标函数,将求解特征向量的问题转换成求解一致性比值的问题;其次,调整算法参数并与其他方法进行对比,根据一致性比值筛选出最优的特征向量;最后,根据指标威胁函数,以2v4的多目标空战环境为背景,计算敌机对我机的各个指标威胁值,并根据最优特征向量,得到多目标威胁排序。实验证明,GA AHP算法能够产生更加优化的一致性指标值和特征向量,准确描述了多目标的威胁程度。     

基于雷达导引头角度跟踪特性的战斗机机动控制方法

通过分析导弹导引头角度自动跟踪系统的跟踪特性,明确了跟踪误差产生机理及对跟踪系统的影响,提出了战斗机规避导弹攻击的机动控制目标。以二维平面内导弹攻击为例,建立了导弹与战斗机的相对追逃运动模型。基于动态逆理论,对中断导引头角度跟踪的机动控制方法进行分析,推导了战斗机的规避机动控制律。通过仿真验证了该方法的有效性。     

基于新特征参数的再入滑翔飞行器机动模式智能辨识

再入滑翔飞行器的机动模式辨识问题是拦截方实现对其轨迹预测的关键。提出了一组与飞行器轨迹机动特点贴合的特征参数,根据构建的RGV 机动模式轨迹库,搭建了LSTM 深度学习神经网络,实现了对RGV机动模式的智能辨识。与传统模式辨识方法和其他典型特征参数的辨识网络进行对比,结果显示文中所提特征参数在LSTM 机动模式辨识网络训练中具有收敛速度快、辨识精度高和鲁棒性好的特点。     

空战模拟中飞行晶质的引入

指出了空战模拟中一个重要但是经常被忽略的因素——飞行品质。在对现代空战分析的基础上首次阐述了飞行品质对空战模拟的影响。讨论了将飞行品质引入空战模拟的量化方法：引入飞行品质的影响系数F和将飞行品质作为辅助机动动作判据；并给出了引入影响系数F的具体步骤。     

过失速机动的优化

基于飞机质点非线性动力学模型建立了过失速机动的优化模型，并进行了数值优化，其中用罚函数处理约束条件，用共轭梯度法寻优。计算结果表明，近距空战中，进入超大迎角并绕速度欠滚转有利于飞机快速改变航向，过失速机动中应注意能量耗散问题。     

基于L-Kshape-HACA的空战态势分割聚类

在近距空战中,实时获取可靠的空战态势信息对于决策指引是非常重要的.针对近距空战态势变化剧烈以及评估参数多维耦合的问题,提出了一种基于L-Kshape-HACA的多元空战态势分割聚类方法.以分层时序聚类分析为框架,利用拉普拉斯中心性方法确定聚类数目,同时采用Kshape对多元时间序列进行聚类分析,解决了多维参数下的态势信息提取问题.利用12组近距空战数据进行测试,并与14种聚类算法进行比较,结果表明L-Kshape-HACA在聚类中心确定和态势分割准确性上与实际空战态势更加符合.     

基于动态聚类分析的空袭编队判断模型

空袭编队是由担负不同作战任务的飞机组成的战术机群,其分布是防空作战指挥员分析空袭企图和定下作战决心的重要依据。空袭编队具有数量多、分布范围大,空情分析要求实时性强的特点,依据空中目标的数据特征,首先建立了基于动态聚类法对空中目标群进行分类的方法和步骤,该算法具有较好地收敛性,能够满足防空指控系统的高实时性要求。在此基础上提出了目标群内和目标群间作战参数的计算方法,并依据空袭编队数量分布及航路捷径给出了主要来袭方向和攻击企图分析模型。最后给出了一个具体算例,其运行结果与指挥员的判断基本吻合。工程实际应用表明,该模型能对空中目标进行快速聚类,可为区域防空指挥员准确掌握空情和快速决策提供量化依据。     

航空器智能引导机动决策奖励重塑方法

针对使用深度强化学习进行航空器智能引导研究中存在的飞行轨迹质量差、训练效率低等问题,对应用于机动决策生成的奖励重塑方法进行了研究。首先,构建了航空器引导机动决策生成的深度强化学习模型;其次,从指令连续性和相对姿态两个角度设计了奖励重塑函数,并证明了使用重塑函数前后的策略一致性;最后,在不同类型目的地场景中进行了仿真实验。仿真结果表明,奖励重塑方法对航空器飞行轨迹质量和智能体训练效率有明显的提升。使用本方法快速训练的智能体,可以准确、高效地生成机动决策,引导航空器完成任务。     

基于多影响因素的反导拦截区域仿真

针对传统的反导防御系统拦截区域算法考虑因素单一,难以满足导弹攻防对抗对反导防御系统精确描述的需求,对拦截区域的主要影响因素进行了分析总结,提出并建立了一种考虑多影响因素(包括拦截武器最大拦截距离、多功能雷达方位角及探测角)的毁伤目标拦截区域计算模型。采用该模型对不同部署阵地和雷达探测角下的反导防御系统拦截区域求解,并给出仿真实例。结果表明,在一定条件下拦截区域面积随拦截武器系统最大拦截距离、多功能雷达方位角和探测角的增大而增大。该模型能够更加精确地计算出反导拦截区域的特性参数,可供导弹攻防对抗中防御方模型设计和参数设置引用与参考。