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.     

基于机动动作元的敌机战术机动在线识别方法

敌机战术机动动作的在线识别可为空战态势感知、任务规划和辅助决策提供重要参考信息.针对雷达数据不能提供敌机姿态信息,导致战术机动动作难以直接描述的问题,提出了一种基于空战机动动作元的两级识别方法.首先分析了雷达传感器提供的特征信息;其次根据战术动作的航迹曲线,将空战战术动作分解为11种基本的机动动作元,降低了动作描述的复杂度;然后采用随机森林和支持向量机设计了两级识别方法,层级1利用航迹参数识别机动动作元,层级2根据动作元序列和运动参数识别战术动作.通过对仿真飞行数据进行验证,表明机动动作元能有效描述典型机动动作,提出的方法能够实现敌机战术机动的准确在线识别.      

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。     

空战过程中行为决策研究

歼击机空战过程通常表现为搜索、接敌、攻击和退出战斗等阶段，空战各阶段活动有不同的目的、内容和方法，但其效果都对空战的胜负具有重要影响。作战双方都希望选择一个最合适的时机发射（射击），过早或过晚都对已方不利，先对一对一空战接敌到击阶段作出定量与定性分析，再对二对二空战决策模型进行了讨论。     

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...     

基于集对分析的预警机指挥多机编队空战态势评估

多机编队空战态势评估是预警机指挥多机群协同空战战术决策的重要组成部分。分析了预警机指挥下的多机编队空战态势评估。结合态势评估的常用方法建立了一种综合距离优势、角度威胁因子、速度威胁因子的集对分析的态势评估模型。该方法在既定编队间进行态势评估不仅考虑双方的各个态势因素,还考虑敌方友机编队、我方友机编队等因素对态势评估结果的影响。态势评估的组合方式表明态势评定是在敌我双方所有的编队中进行的,仿真结果表明:集对分析中势的概念可以直观反映空中态势的优劣,对不确定值i的分析全面反映了态势变化。     

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。     

基于LSTM-PPO算法的无人作战飞机近距空战机动决策

近距空战中环境复杂、格斗态势高速变化,基于对策理论的方法因数据迭代量大而不能满足实时性要求,基于数据驱动的方法存在训练时间长、执行效率低的问题。对此,提出了一种基于深度强化学习算法的UCAV近距空战机动决策方法。首先,在UCAV三自由度模型的基础上构建飞行驱动模块,形成状态转移更新机制;然后在近端策略优化算法的基础上加入Ornstein-Uhlenbeck随机噪声以提高UCAV对未知状态空间的探索能力,结合长短时记忆网络（LSTM）增强对序列样本数据的学习能力,提升算法的训练效率和效果。最后通过设计3组近距空战仿真实验,并与PPO算法作性能对比,验证所提方法的有效性和优越性。     

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.     

空战实时仿真系统研究

为了评估空中作战对抗效能,建立了虚拟空战实时对抗网络仿真系统,给出了系统设计的思路、框架和功能,详细介绍了视景仿真系统的实现方法和关键技术,采用最小二乘拟合算法解决了仿真实体的轨迹不连贯,画面有抖动等现象;基于Vega仿真软件环境开发了战场中的各种复杂场景特效,解决了非视觉物理量的可视化问题,可在不同的场景环境下,动态演示导弹对相应目标的打击过程,包含特效、声音等各类仿真信息,画面流畅、系统稳定,具有良好的交互能力;利用Visual C 开发了视景仿真程序,解决了视景驱动和自动视点切换等具体问题。仿真结果表明视景系统可以实时逼真地演示虚拟空战作战过程,并给出了作战效能的直观评估。     

基于模糊动态贝叶斯网空战敌方作战企图识别

文章对空战中敌方目标作战企图的各个因素进行了分析,建立了敌方目标作战企图识别的动态贝叶斯网模型,根据连续变量的不同特点,通过构造和设置不同的隶属函数和参数,对连续变量的观测值进行模糊分类,通过引入可能性概率转换理论转换为贝叶斯网能够利用的证据信息用于推理,使对敌方目标作战企图的推理过程具有前后连续性,更加符合客观实际,有效地减少了主观判断带来的误差。仿真实验表明,该方法的推理结果与理论分析一致,为识别敌方目标作战企图提供了一种可行且有效的方法。     

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。     

基于遗传算法的目标优化研究

根据快防空作战的节奏、强对抗、多批次入侵特点，提出了武器目标分配模型．并通过分析遗传算法的原理解决武器目标分配的问题．用MATLAB语言进行优化设计，具有语言简单、函数丰富、用法比较灵活、编程效率高等特点．经过仿真验证，该方法可行且有效．     

基于UML的电子支援下截击空战建模与仿真

针对未来空战中新的作战样式和作战对象，研究了电子支援下截击空战仿真的关键问题。以歼击机、无人机和电子战飞机组成的空中联合编队为主要研究对象。采用面向对象建模技术，利用UML的用例图、类图研究了截击空战的静态功能结构，通过序列图、活动图建立了截击空战的交互模型和活动转换模型，系统地描述了作战流程，重点突出了电子对抗建模，最后实现了截击空战仿真系统。仿真实验证明：该系统能为航空电子对抗系统作战效能评估提供实验平台。     

三维威力场在空战态势评估模型中的应用

针对现有空战态势评估模型中缺乏对战斗机总体性能分析的问题,借鉴态势优势函数并考虑三维空间特性,改进威力场理论,以战斗机攻击、探测、生存、干扰、告警能力为主要研究对象,根据已有模型装备变化情况,计算攻击能力,改进雷达体制系数,以体现雷达多目标跟踪能力,并考虑雷达下视的影响,突显三维空间特性,借此重新构造威力势函数,进行态势评估与作战引导。仿真算例验证该三维威力场模型可以直观地反映空战态势,并为作战引导提供决策基础。     

基于胜率预测的空战关键节点确定方法

以提高空战训练评估效率为目标,着眼于确定影响战局走向的关键节点,提出了一种基于胜率预测的空战关键节点确定方法。首先,基于长短期记忆网络设计并训练胜率预测模型,以实时评估空战态势;其次,引入最大类间方差法确定关键节点阈值,并将相邻时刻胜率差绝对值大于阈值的时间点确认为关键节点。实验结果表明,所设计的胜率预测模型预测胜率准确,所采用的关键节点阈值选择方法合理,总体方案具有可行性和泛化性。