基于威胁规避的战斗机网络瞄准攻击引导轨迹优化

针对网络瞄准攻击对战斗机精确引导的需求,研究威胁规避下的战斗机攻击引导轨迹优化问题。以战斗机过载为控制量建立引导状态模型;以目标威胁建立引导路径约束模型;以导弹发射瞄准条件为终端约束;以引导的快速性和控制经济性为性能指标,将轨迹优化建模为具有非线性边界约束、状态约束和路径约束的最优控制问题,并采用高斯伪谱法将其转化为非线性规划问题进行求解,为了保证算法的实时性,采用滚动时域策略进行在线滚动优化。仿真结果表明:所提出的方法能在有效规避目标威胁下达成导弹攻击的瞄准条件,基于RHC策略的优化单次计算时间小于1s,算法实时性能满足战斗机的引导需求。     

基于LPI的相控阵雷达辐射控制方法

相控阵雷达可通过合理配置工作参数优化其性能。针对雷达在电子对抗环境中需要具备低截获概率（low probability of intercept, LPI）的要求,从低截获原理出发,对两种辐射能量控制策略：最小功率策略和最小驻留策略的实现方法进行了理论推导。在此基础上,建立以检测概率为目标的探测性能优化模型,并给出了两种能量控制策略下的最优辐射控制方案。     

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。     

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。     

基于威胁规避的战斗机网络瞄准攻击引导轨迹优化

针对网络瞄准攻击对战斗机精确引导的需求,研究威胁规避下的战斗机攻击引导轨迹优化问题。以战斗机过载为控制量建立引导状态模型;以目标威胁建立引导路径约束模型;以导弹发射瞄准条件为终端约束;以引导的快速性和控制经济性为性能指标,将轨迹优化建模为具有非线性边界约束、状态约束和路径约束的最优控制问题,并采用高斯伪谱法将其转化为非线性规划问题进行求解,为了保证算法的实时性,采用滚动时域策略进行在线滚动优化。仿真结果表明:所提出的方法能在有效规避目标威胁下达成导弹攻击的瞄准条件，基于RHC策略的优化单次计算时间小于1 s,算法实时性能满足战斗机的引导需求。