多对多无人机空战的智能决策研究

针对能够进行自主空战的无人机,设计了一套空战流程.建立了基于双方位置、姿态和能量等的优势函数评价体系,通过改进的混合粒子群优化算法实现了多对多空战的目标分配,结合改进的Double Q-learning算法设计了无人机的机动决策策略,并在4对4空战场景下进行仿真验证.仿真结果显示无人机可以很好地追踪并击败敌方目标,还能够协同其他友方无人机攻击敌方无人机.同时算法具有很好的时效性,表明所提出的方法能够有效地解决多对多空战的问题.     

基于自适应混合粒子群算法的协同多目标攻击空战决策

针对协同多目标攻击过程中的空战决策问题,建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种新的自适应混合粒子群优化算法,并将其应用于协同多目标攻击空战决策问题.该算法利用种群多样性信息对惯性权重进行非线性调整,并结合遗传算法的思想,提出了对粒子进行交叉和变异操作来完成粒子更新的方法.仿真结果表明,该算法具有较高的局部求解精度和全局搜索能力,是一种求解协同多目标攻击空战决策问题的有效算法.     

不确定环境下空地多目标攻击优先权决策

为提高空地多目标攻击的精确性,该文针对不确定环境下空地多目标攻击的决策模型展开研究.首先,深入分析了影响空对地多目标攻击决策的不确定因素,并提出使用区间形式表示各属性的不确定性范围;其次,采用多层值树对空地协同多目标攻击进行决策建模;最后,使用RICH( Rank inclusion in criteria hierarchies)方法对决策模型进行求解.2对4空地多目标攻击仿真实例结果表明,该文所提出的协同优先权方法是有效的,可为空地协同多目标攻击决策提供合理依据.     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。     

基于狼群角色匹配C-劳动分工机制的无人机集群空战策略

针对无人机集群在空战任务中的角色动态切换问题，提出了受狼群启发的无人机集群空战角色匹配C-任务分工方法，提高了应对复杂空战环境的动态任务执行能力。首先，通过分析狼群围捕行为特性，得到三种狼群个体特性，进而给出狼群角色匹配C-劳动分工模型。然后，基于无人机集群和狼群在行为机制上的相似性，将狼群的分工机制映射到无人机集群中，提出了无人机集群角色匹配C-任务分工模型。最后，针对不同任务分工下的目标分配问题，分别建立了攻击和制导任务的目标分配模型。仿真表明所提出的角色匹配C-任务分工方法能够有效解决空战角色动态切换问题，提高了整体空战能力。     

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。     

中距空战下战斗机使用诱饵弹协同攻击策略

以战斗机携带诱饵弹进行一对一中距空战为背景,基于粒子群算法对战斗机与诱饵弹协同攻击策略进行研究.建立战斗机及诱饵弹运动模型；在分析建立诱饵弹欺骗函数及协同函数的基础上,构建了中距协同攻击目标函数；提出了一种基于粒子群算法的战斗机及诱饵弹中距协同攻击决策方法,仿真结果表明:该方法可以利用诱饵弹对载机进行掩护,提高战斗机在攻击过程中的生存力及战斗力.     

超视距多机协同多目标攻击战术决策技术研究

超视距多机协同多目标攻击是现代空战的主要形式,有多项关键技术有待研究,本文针对多机协同多目标攻击的战术决策方法进行了探讨,研究和分析了国内外常用的方法,分析了它们的优缺点,以期为多目标攻击决策的进一步系统性研究提供参考。     

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.     

基于随机策略的无人机巡逻路径规划

多无人机协同巡逻是多无人机协同控制的重要内容之一.在敌对情况下固定周期性的巡逻路径容易被敌方预测到而失去巡逻效果.提出了一种以随机策略为基础的巡逻路径的规划方法,实现了敌对环境下分布式的多无人机协同巡逻.用仿真算例研究了算法的性能.     

UCAV协同攻击多目标的任务分配技术研究

为解决单目标函数构建的任务分配模型不能给火控决策者提供更多有用信息的问题, 将无人机（UCAV： Unmanned Combat Aerial Vehicle）损耗代价和目标毁伤价值作为UCAV协同攻击任务分配的两个目标函数, 对其进行多目标优化, 建立新型任务分配模型。在此基础上, 采用一种改进带精英策略的快速非支配排序遗传算法(NSGAII: )进行求解, 得到多目标协同攻击任务分配的Pareto最优解集, 然后根据决策者的偏好选取最佳的任务分配方案。最后通过仿真算例, 验证了该算法的收敛性及有效性。     

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。     

毫米波制导攻击型无人机攻击机动目标制导律研究

对于攻击机动目标的攻击型无人机而言，其攻击精度受目标机动性的直接影响。为了提高攻击型无人机毫米波末制导系统的制导精度，在目标机动加速度模型的基础上，利用毫米波主动雷达导引头测得的无人机与目标相对距离和相对速度信息，研究了目标机动加速度的估计算法，并根据最小能量控制的指标提出了一种具有较强工程可实现性的攻击机动目标的最优制导律。仿真结果证明了该导引规律具有优良的特性。     

一种飞行器在线航迹重规划算法

提出一种动态稀疏A*搜索（DSAS）算法，该算法能够在具有预先未知威胁的飞行环境中实现航迹在线实时重规划。当飞行器上装备的探测器探测到飞行环境中有预先未知的威胁出现时，DSAS根据新的环境信息局部修正受到影响的航迹段来获得新的航迹。仿真结果证明了该方法的有效性。     

基于颜色不变量和轮廓特征的地面多圆形目标检测

研究了一种室外环境旋翼无人机对地面多圆形目标检测的方法。考虑室外环境光照变化、阴影等自然因素以及无人机飞行高度、姿态变化等因素对目标检测带来的不利影响,首先引入颜色不变量特征;并采用改进K-means算法进行图像分割;其次根据目标轮廓特征,设置面积与圆形度阈值滤除干扰区域;最后,采用基于对称性的最小二乘法与残差度确定目标位置。实际实验及无人飞行器大赛验证了所研究方法的实时性和准确性。     

基于CHCQPSO-LSSVM的空战目标威胁评估

针对传统评估方法存在的模型精度低、结构复杂、无法进行实时动态威胁评估等问题,提出了一种基于最小二乘支持向量机(LSSVM)的空战目标威胁评估方法。首先,对空战特征数据进行威胁指数分析,结合专家评判构建威胁评估样本库;然后,采用交叉杂交的混沌量子粒子群算法(CHCQPSO)对LSSVM中的正则化参数与核函数参数进行寻优,并与经典PSO、BP神经网络、网格法模型进行对比分析;最后,用优化后的LSSVM模型实现空战目标实时动态威胁评估。仿真结果表明,所提方法评估精度高、用时短,为空战目标威胁评估提供了一种新思路。     

基于无人机的大气污染物模糊控制溯源算法的仿真实现

针对无人机的大气污染物溯源问题,提出了一种基于无人机的大气污染物模糊控制溯源算法。该算法结合无人机与模糊控制的特点,根据无人机实际所处环境设计一个模糊控制器并确定模糊控制器的输入、输出变量,模仿人脑的思维构建了模糊控制规则库,从而实现了无人机对大气污染物的智能溯源。算法在MATLAB环境中进行了仿真实验,仿真结果表明了该算法的有效性和可行性,为解决大气污染物溯源问题提供了一种新的思路。     

空基多平台多传感器机动目标自适应跟踪

在空战中，需要基于空中移动平台对机动目标进行自适应跟踪．由于机动目标“当前”统计模型符合实际目标的动力特征，所以文中基于该模型，针对空基多平台多传感器环境，推导了机动目标跟踪的状态方程和测量方程，并给出了机动目标自适应跟踪算法．Monte—Carlo仿真表明，该方法能有效地估计出机动目标的运动状态．     

一种多无人机层次化任务分配方法

针对大规模任务分配问题,为了提高任务分配的效率和合理性,提出了基于任务依赖关系和ISODATA算法相结合的任务分组方法。在任务分组基础上,从无人机负载均衡的角度出发,提出了基于资源福利的任务组级粗粒度任务分配方法,结合粒子群算法提出了任务组内的细粒度任务分配算法。通过实验仿真验证所提方法有效,且性能和灵活性较普通任务分配算法有较大的优势。