基于FD-TODIM的混杂空战多目标动态威胁评估

针对传统空战态势威胁评估存在“状态失衡”以及难以体现决策者个体行为差异的问题, 首先针对空战过程中多时刻态势信息, 提出基于变权理论的态势权重解析方法, 并结合基于正态累积分布生成时间序列权重的算法, 解决属性参数与权值动态匹配的问题。其次, 基于混杂态势信息, 综合考虑飞行员有限理性和个体行为存在差异的特点, 提出基于模糊动态交互式多准则决策(fuzzy dynamic interactive multi-criteria decision-making, FD-TODIM)算法的混杂空战多目标威胁评估方法。最后, 进行了仿真验证和分析。仿真结果表明, 该模型可充分挖掘历史信息影响, 有效融合多个时刻混杂空战态势的混杂信息, 并根据不同飞行员个体差异, 生成具有实际意义的空战威胁态势评估结果。     

基于熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在确定权重系数上面的缺陷和不足,提出了基于熵的TOPSIS改进算法,该算法运用熵理论处理空战获取的客观信息,确定目标各个属性权重,将权重运用到TOPSIS法中,研究空战威胁评估问题。建立多目标威胁评估数学模型,并进行了仿真研究。仿真结果表明该算法是合理和有效的。     

基于区间数TOPSIS法的空战目标威胁评估

针对空战目标威胁评估问题,提出了一种新的基于区间数TOPSIS法的评估方法。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,提出了改进的距离威胁模型。给出了区间数特征向量法求解威胁指标权重的计算步骤,克服以往威胁指标权重确定方法的不足,建立了区间数TOPSIS法评估目标威胁的数学模型。给出了仿真算例,仿真结果表明该方法是合理和有效的。     

基于灰主成分的空战目标威胁评估

由于影响空战目标威胁评估的因素复杂多样,且具有矛盾性、相关性、耦合性等特点,因此利用传统的评估方法无法得到准确客观的评估结果.对此,提出一种基于灰色主成分的目标威胁评估方法.首先,利用主成分分析(principle component analysis,PCA)方法,分析指标之间的相关性,生成指标之间的灰色关联系数矩阵...     

基于ELM_AdaBoost强预测器的空战目标威胁评估

目标威胁评估是空战态势感知中的关键问题。针对传统评估方法难以兼具准确性和实时性的缺陷,提出了一种基于自适应推进极限学习机(extreme learning machine_ adaptive boosting, ELM_AdaBoost)强预测器的新方法。结合AdaBoost分类算法对ELM算法进行改进,提出了ELM_AdaBoost算法,构造了ELM_AdaBoost强预测器。在空战训练测量仪中选取空战数据,利用威胁指数法构造了目标威胁评估样本数据。构建了基于ELM_AdaBoost强预测器的空战目标威胁评估模型,在一定范围内确定了使算法预测精度相对较好的ELM网络隐含层节点数和弱预测器个数。通过仿真实验分析了评估的精度和实时性,结果表明该方法在保证较高评估精度的同时减少了评估所用时间,可以准确、快速地进行空战目标威胁评估     

基于直觉模糊TOPSIS和变权VIKOR的防空目标威胁综合评估

针对传统防空目标威胁评估中威胁因素考虑不全、定性指标量化不精确以及属性指标权重固定不变等方面的不足,在综合考虑目标静态和动态属性的基础上,提出了基于直觉模糊理想解逼近(technique for order preference by similarity to an ideal solution,TOPSIS)法和变...     

改进TOPSIS的多态融合直觉模糊威胁评估

针对防空作战中的目标威胁评估问题,提出一种新的多时刻融合直觉模糊集排序模型。首先,依据目标威胁属性的主、客观权重得到综合权重。然后,通过逼近理想解排序法来衡量直觉模糊集信息量的大小,利用直觉模糊熵来表征直觉模糊集信息的可靠性,并结合决策者的风险偏好,构建了基于信息量和不确定性的直觉模糊集排序模型,得出单时刻的目标威胁排序。最后,利用泊松分布逆形式构建了时间序列权重以融合多个时刻的决策信息,得出最终的目标威胁排序。仿真结果表明,所提算法综合了多时刻的决策信息,并可根据决策者的风险偏好进行调整,灵活性强,可靠性高。     

基于直觉模糊博弈的无人机空战机动决策

为解决不确定环境下无人机空战的机动决策问题,将博弈论和直觉模糊集结合,首先对无人机的机动可选方案进行直觉模糊多属性评估,得到机动博弈的直觉模糊支付矩阵,并提出满足直觉模糊全序关系下的纳什均衡条件,建立了求解不确定环境下纳什均衡的规划模型。同时,采用个体控制参数和遗传代数自适应的策略改进差分进化算法,并对模型进行求解。仿真验证模型和算法的合理性和有效性,为不确定环境下空战决策问题的求解提供了新思路。     

基于离散模糊动态贝叶斯网络的空战态势评估及仿真

自动准确地进行空战态势评估是无人作战飞行器（UCAV）自主作战，或有人作战飞行器（MCAV）的辅助作战决策系统必须解决的技术，也是进行威胁评估和战斗决策的基础。为了解决空战态势评估的建模和实现问题，提出了用模糊动态贝叶斯网络实现空战自动态势评估的方法，推导了离散模糊动态贝叶斯网络的推理算法，建立了空战白动态势评估的离散模糊动态贝叶斯网络模型，并进行了仿真验证。仿真结果表明，依据离散模糊动态贝叶斯网络所建立的空战态势评估模型，能够准确地跟踪战场态势的变化，及时发现态势的转换边界，而且在观测值出现偶然误差或者错误时，仍然可以给出正确的评估结果。     

基于区间数雷达图的可视化空战威胁评估

针对传统空战威胁评估方法难以直观地给出目标威胁状况及发展趋势的缺陷与不足,提出基于区间数雷达图的可视化空战威胁评估方法。该方法首先通过区间数与反三角函数确定并归一化目标属性决策矩阵;然后运用区间交叉熵法和群组层次分析法确定目标属性权重,并对威胁进行分级;最后在改进雷达图方法基础上,建立可视化空战威胁评估数学模型。仿真分析表明,该方法能够使决策者在正确的评估结果前提下直观地分析出各目标威胁状况与趋势。     

基于直觉模糊聚类的目标识别

空中目标的正确识别对防空作战具有重要的意义。针对目标识别的特点,提出了基于直觉模糊聚类的识别方法。首先,给出了直觉模糊相似度和相异度的度量方法,并利用目标特征信息计算直觉模糊相似度和相异度。然后,在分析了现有的几种直觉模糊相似矩阵构造方法的基础上,提出了一种新的直觉模糊相似矩阵的构造方法,并给出了直觉模糊相似矩阵转化为直觉模糊等价矩阵的途径;此外,定义了直觉模糊等价矩阵的（α,β）截矩阵,进而实现直觉模糊集的聚类。最后,运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明,提出的方法是可行、有效的。     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

基于空战模式和AHP法的空战效能评估模型

提出了一种空战效能评估模型。根据现代空战模式将战斗机空战能力分解为超视距空战能力和视距内空战能力分别进行评估,然后综合得到战斗机的空战效能。对于超视距空战能力和视距内空战能力的评估采用层次分析法,并给出了计算各项子能力的计算模型。最后以7种机型的空作战效能评估为例计算并验证了模型的可用性。     

基于最大隶属度的目标威胁评估与排序法

对地空导弹将要拦截的目标进行威胁评估。其主要思想是在对目标威胁程度及影响目标威胁程度的因素定性分析的基础上给予了量化处理 ;基于最大隶属度原则 ,建立了目标威胁评估与排序模型 ;通过求解该模型即可获得因素权重信息完全未知或只有部分权重信息的不确定多因素决策问题的方案排序 ,即地空导弹将要拦截的目标威胁程度的排序 ,同时求得威胁程度最大的目标 ,以便于为防空作战决策提供科学依据。最后通过实例说明该模型的合理性和有效性     

一种新的超视距空战威胁评估方法

针对超视距空战以中远距空空导弹为主要武器的特点,提出了一种新的威胁评估方法。该方法针对现有空战威胁评估的非参量法模型不足之处进行扩展和改进,根据参战双方飞机火控系统和武器系统性能参数,分别构造参战双方飞机方位角、进入角、距离、高度、速度等优势函数,从而得出几何态势优势,进而综合双方态势优势、飞机空战效能优势和战术事件优势,聚合为空战优势。通过算例验证了该方法的合理性和有效性。     

#br#基于区间直觉模糊集的空战训练命中评估群决策

为解决空战训练命中评估中存在的评估语言不一致、专家权重未知、多专家集结等群决策问题,提出了仿真模拟、区间直觉模糊集、群决策相结合的方法。利用仿真模拟构建四元命中评估指标集,集合专家经验,建立群决策模型,利用区间直觉模糊集和逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)方法实现专家经验汇总与集结,利用模糊熵原理衡量专家评估结论的模糊度,获取专家权重,最终实现空战训练命中评估。在Matlab M文件中实现了评估模块的封装,并将处理后的数据输出到Excel表格中。结合实际空战训练数据进行验证,此方法可有效解决空战训练命中评估的群决策问题。     

基于模糊评判的新防空威胁评估模型

防空威胁评估是防空作战指挥决策中的关键环节之一。结合现代防空作战的特点,在分析了威胁评估有关因素的基础上,给出了一种新的威胁评估方法———静态威胁和动态威胁相结合的综合威胁,并对静态威胁和动态威胁中的因素进行了分析,对相关的指标进行了量化。根据防空作战中的实际情况建立了相应的数学模型,利用模糊决策和模糊综合评价理论和方法,给出了相应的算例,证明了此模型的有效性。该模型也可为其它兵种的防空威胁评估所借鉴。     

基于改进PSO的加权直觉模糊多目标规划

针对模糊多目标规划不区分各目标重要程度的缺陷,提出了一种加权直觉模糊多目标规划模型.首先,在模糊多目标规划的基础上,进一步定义目标函数和约束函数的非隶属函数;然后,对目标函数的隶属和非隶函数分别加权求和,通过直觉模糊"最小-最大"算子,提出了加权直觉模糊多目标规划模型,并用改进的微粒群算法求解;最后,通过一个算例表明,加权直觉模糊多目标规划的收敛速度很快,既可收敛到可行域中的最优解,又可收敛到容许偏差范围内的最优解,具有较大的实用性.     

基于深度学习的空中目标威胁评估方法

针对空中目标威胁评估因素多、现有评估方法缺乏自学习能力的问题,采用深度学习理论建立了空中目标威胁评估的深层神经网络模型。为了提升模型训练的拟合效果,提出采用对称式的预训练方法,逐层地对模型中的隐含层进行预训练,最后对模型进行整体训练。分别通过样本测试集和空空仿真场景进行验证测试,结果表明：采用对称预训练方法,模型的威胁评估准确率高于其他三种预初始化方法;模型具有较好的鲁棒性,在无噪声下准确率大于90%,10%的正态噪声下,准确率大于70%。     

激光威胁信息模糊评估方法

激光威胁信息判别是对告警设备所传数据最基本的分析与处理,是激光对抗设备的核心技术,所得到的结果将作为干扰决策的依据,直接影响整个设备最终的工作效能。以激光告警设备为基础,基于获取的激光信号技术参数在确定威胁源时具有模糊性的特点,运用模糊推理理论,建立激光能量、波长、重复频率等技术参数的数学模型和激光威胁源识别的模糊决策规则库,提出了一种基于模糊推理的激光威胁源识别方法。其威胁评估的结果能够较准确地反映目标的威胁程度,为决策者提供稳定可信的决策依据。