空中斗法的现代空战武器

现代空战武器主要是指各种作战飞机和武装直升机,可装载各种导弹、航炮、制导炸弹和电子战装备,通常也称作空中作战平台。随着高新技术广泛应用。空中作战平台不仅具有很强的机动能力和突防能力,能够进行全空域、全天候和全天时的作战,而且耗油率低,结构简单、可靠性和维修性好。能保证在各种飞行条件下都具有优良的气动特性,可实现真正的人机对话,使驾驶员更多地成为决策管理者而不仅仅是操纵员。现代作战飞机普遍采用脉冲多普勒雷达,使飞机具有了良好的下视下射能力;     

再论高速运动物体的视觉图像

研究了自左至右高速运动物体,左侧图象的极限位置及左侧图像的规律.     

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.     

基于区间AHP法与粗糙集的飞机空战效能评估

考虑到视距内空战和超视距空战2大现代空战模式的特点,构建了飞机空战效能评估指标体系。针对以往效能评估模型中单一权重系数确定方法的不足,应用区间AHP法确定主观权重系数，用粗糙集确定客观权重系数,然后将主观和客观权重进行有机集成,得到基于区间数的最优组合权重,充分吸收了主观赋权评估法和客观赋权评估法的优点,同时又克服了2类方法各自的缺陷,实现了二者的优势互补,使评估结果更为合理、科学。最后,建立了空战效能的综合评估模型,通过实例计算验证了该模型的可行性和有效性。     

基于粗糙集理论与贝叶斯网络的超视距空战战术决策

基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种超视距空战战术决策的新方法.利用粗糙集理论实现对专家知识的约简和空战态势信息集的压缩,提取了超视距空战战术的最小决策信息集,基于最小决策信息集的贝叶斯网络模型可以降低网络结构的复杂性;同时利用贝叶斯网络实现了超视距空战战术的概率决策推理.最后,进行了实例分析,决策推理结果表明该方法的正确性以及在不确定环境下的有效性.     

前方交会在近距目标测量中的应用

本文主要针对试验场测量中特殊情况下的近距目标测量方法进行探讨,运用了前方交会的方法,并进行了精度估计。     

基于RBF神经网络的Q学习飞行器

基于马尔科夫决策过程框架研究了三维空间内隐蔽接敌策略的强化学习方法,定义了环境模型中的优势区域和暴露区域。针对高维状态空间策略学习所面临的维数灾问题,给出基于径向基神经网络（radial basis function neural network, RBFNN）的Q学习算法,说明了训练样本的分级采样方法,并针对不同情况下的接敌机动策略学习进行了仿真分析。仿真结果表明,借助于合理的分级采样方法,基于RBFNN的Q学习算法能有效生成隐蔽接敌策略。     

基于眼动指标和熵权-TOPSIS空战控制能力评估

为了更加科学、精准地评估指挥控制人员的空战控制能力，采用眼动追踪技术，基于眼动、时间、准确率等指标建立了量化评估模型，并利用熵权-逼近理想解排序(technique for order preference by similarity to an ideal solution, TOPSIS)法对空战控制能力进行了综合评估。该模型以眼动指标作为重要评估依据，将客观赋权的熵权法与多属性决策TOPSIS法相结合，解决了传统评估方式受主观影响较大的问题，并结合实例分析验证了其有效性和可行性，为今后指挥控制人员的训练评估提供了合理的手段。     

基于体系结构设计的空战系统任务元模型建模

作战体系结构设计可以解决由于空战系统本身的复杂性和涌现性导致难以建模描述的问题, 随着未来空战新概念发展, 需要从基于模型的系统工程思想角度, 在统一的结构框架下构建空战系统任务元模型以适应体系架构的更迭变化。首先, 描述了任务元模型内涵。然后, 提出了一种基于体系结构设计的任务元模型构建方法, 根据该方法选取并设计美国国防部体系结构框架的视图产品。最后, 选取超视距(beyond visual range, BVR)空战想定进行作战体系结构建模, 根据标准语义关系抽取描述任务关键特征的BVR空战系统任务元模型数据组, 生成任务元模型数据库。结果表明, 所提方法能够实现作战概念需求引导下作战任务模型架构的快速组合、验证和复用。     

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.