自适应预测权重的空战鲁棒机动决策方法

针对空战态势变化剧烈的近距空战问题,提出一种具有自适应状态预测权重调整机制的鲁棒机动决策优化方法。首先,为使无人作战飞行器对态势参数的变化波动具有一定的鲁棒性,设计了鲁棒态势函数来表征空战态势。然后,针对目标机动的不确定性问题,利用可达集理论对目标机动意图和状态提前预测,同时采用自适应预测权重系数对无人作战飞行器的攻击和防御进行调整。最后,利用改进的共生生物优化算法对机动决策控制量寻优。仿真结果表明,无人作战飞行器运用该方法能够生成一条理想的近距攻击占位轨迹,实现近距自主空战攻击占位。     

基于协同战术识别的双机编队威胁评估方法

双机组成编队采用协同战术攻击目标是多机协同空战的一种主要形式。针对蓝方为双机编队的超视距空战威胁评估问题,提出了一种基于协同战术识别的威胁评估方法。首先,根据双机编队协同战术的分析、双机的空间占位与机动特性信息,采用动态贝叶斯网络建立目标双机编队协同战术识别模型。然后,根据目标飞行状态信息和目标机动动作识别结果,进行目标轨迹预测。最后,综合空间占位、探测、攻击、协同战术等威胁因子,考虑目标轨迹变化对战场态势演变的影响,建立威胁评估模型。仿真结果表明,所提方法能够准确识别双机编队的协同战术,实现合理化威胁评估。     

基于协同战术识别的双机编队威胁评估方法

双机组成编队采用协同战术攻击目标是多机协同空战的一种主要形式。针对蓝方为双机编队的超视距空战威胁评估问题,提出了一种基于协同战术识别的威胁评估方法。首先,根据双机编队协同战术的分析、双机的空间占位与机动特性信息,采用动态贝叶斯网络建立目标双机编队协同战术识别模型。然后,根据目标飞行状态信息和目标机动动作识别结果,进行目标轨迹预测。最后,综合空间占位、探测、攻击、协同战术等威胁因子,考虑目标轨迹变化对战场态势演变的影响,建立威胁评估模型。仿真结果表明,所提方法能够准确识别双机编队的协同战术,实现合理化威胁评估。     

自主空战决策的试探机动方法及仿真研究

自主决策是无人作战飞机的关键技术之一。在近距格斗自主决策系统中,对试探机动方法进行了改进,提出了决策触发机制,根据实际战场态势确定决策时机,以适应迅速变化的战场态势;并提出逐级淘汰的战术过程评价方法,以挑选最佳机动。仿真结果表明,决策触发机制有效,战术过程评价合理,能有效提高空战效能。     

基于鲁棒优化的无人机空战博弈决策

作为无人机空战过程中较大的不确定性因素,作战双方毁伤概率易受外界因素影响,可能在一定范围波动,针对这一问题将鲁棒优化思想引入无人机空战博弈模型中,结合纳什均衡求解的适应度函数的期望和方差,建立了变权重的自适应目标函数,设计了权重的分配方法。在确保策略解可行的同时,提高了毁伤概率变化因素下混合策略的鲁棒性。仿真实验结果表明,与原博弈模型相比,新模型纳什均衡解下的双方博弈收益受参数变化影响较小,可提供更可靠的策略参考。     

基于深度随机博弈的近距空战机动决策

针对空战中作战信息复杂、难以快速准确地感知态势做出决策的问题,提出一种博弈论与深度强化学习相结合的算法。首先,依据一对一典型空战流程,以随机博弈为标准,构建近距空战中红蓝双方对抗条件下的双机多状态博弈模型。其次,利用深度Q网络(deep Q network, DQN)处理战机的连续无限状态空间。然后,使用Minimax算法构建线性规划来求解每个特定状态下阶段博弈的最优值函数,并训练网络逼近值函数。最后,训练完成后根据网络输出求得最优机动策略。空战仿真实验表明,该算法具有较好的适应性和智能性,能够有效地针对空战对手的行动策略实时选择有利的机动动作并占据优势地位。     

基于鲁棒多目标优化方法的UCAV武器投放规划

研究了无人作战飞机（unmanned combat aerial vehicles, UCAV）对地攻击阶段的武器投放鲁棒性规划问题。针对现有规划方法在处理战场环境扰动、模型不准确、操作偏差等不确定性因素方面存在的不足,提出了一种鲁棒多目标优化求解策略。首先,建立了飞机机动性能、武器装备性能和战场环境等约束条件模型;其次,使用仿真近似法,建立了优化指标模型,并将武器投放规划问题转化为鲁棒多目标优化问题;然后,设计了一种结合蒙特卡罗方法的快速非支配排序遗传算法对问题进行求解,并采用基于基本轨迹片元的机动轨迹生成策略生成武器投放轨迹。仿真结果表明,该方法能够有效提高武器投放规划的鲁棒性。     

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。     

基于顶层滚动优化和底层跟踪的空战导引方法

现代空战环境趋于复杂化，而传统方法对于机动目标难以获得理想的导引效果。因此，针对现代无人机空战导引问题，提出了一种基于顶层滚动优化和底层跟踪的空战导引方法。其中，基于高斯伪谱法的顶层优化以时间为性能指标，快速将无人机导引到目标区域，当目标机动时，对其轨迹进行预测并重新优化导引轨迹。此外，引入对导引视线角的底层跟踪方法，从而完成目标偏航后的快速修正。最后，针对某型作战无人机进行空战环境下的滚动优化导引以及视线角跟踪仿真，验证了所提方法对不确定性机动目标的拦截能力。     

基于BFM方法的1vs1近距自主空战决策

无人机自主空战将是未来空战的主要样式之一。针对当前对于近距自主空战的研究往往假设简单、计算复杂以及受限于使用规模等问题,对以格斗导弹为武器的近距1vs1自主空战的主要研究内容,提出一种基于基本飞行动作的自主空战决策方法以保证空战决策的有效性和实时性。首先,根据导弹的攻击区设计一种得分函数来量化评估空战态势;其次,建立敌机机动位置的几何预测模型。然后,提出基于位置差和速度差的补偿制导方法。最后,在仿真分析中设置了攻击和防御两种典型自主空战态势,实验结果表明了所提方法的有效性和可行性。     

基于RBF网络的UCAV战术机动轨迹快速生成方法

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)战术机动动作数学表征困难,机动生成的计算实时性要求高的主要问题,分析了战术机动轨迹建模的基本原理;提出了战术机动轨迹建模的基本思路;设计了基于UCAV运动动力学模型的机动轨迹最优控制方案;建立了基于遗传算法的飞行操控量求解策略。针对操控量求解的实时性问题,基于径向基核函数神经网络,提出了以适应度函数为预测和评判标准的机动飞行操控量快速求解方法,从而建立了初始状态、性能指标与机动飞行操控量的非线性映射模型,实现了机动轨迹的快速生成和机动曲线的精度控制,并通过仿真验证了该方法的有效性。     

基于混合算法的空战机动决策

针对现代战斗机空战机动决策的复杂性,以红蓝双机一对一空战为背景,结合滚动时域思想对战斗机空战机动决策进行研究。首先借鉴人工势场法构建战斗机空战人工势场,重点分析空战人工势场函数和变权重函数的构建;提出一种基于滚动时域控制-人工势场启发粒子群混合算法的战斗机空战机动决策方法;最后进行仿真验证,仿真结果表明该方法可以有效避免人工势场法局部极小值问题,改善粒子群算法的全局搜索能力,从而在一定程度上提高了战斗机在空战过程中的人工势场值,使战斗机在空战中占据有利态势。     

无人机数据链变结构对抗攻击导引方式研究

无人机在快速接敌的过程中,传统的导引方法很容易将无人机导引到敌机的火力攻击范围之内.而且传统比例导引法系数的最优解与目标和载机的距离有关,一旦目标机动或存在干扰,跟踪效果都会变差.为此提出了一种基于数据链的无人机变结构对抗攻击导引方式,并进行仿真研究.仿真结果表明,该方法不仅避免把无人机导引到敌机的火力攻击范围之内,而且减小了无人机所需过载,提高了制导精度、速度和鲁棒性,限制了视线角速度.     

基于BFM方法的1vs1近距自主空战决策

无人机自主空战将是未来空战的主要样式之一。针对当前对于近距自主空战的研究往往假设简单、计算复杂以及受限于使用规模等问题,对以格斗导弹为武器的近距1vs1自主空战的主要研究内容,提出一种基于基本飞行动作的自主空战决策方法以保证空战决策的有效性和实时性。首先,根据导弹的攻击区设计一种得分函数来量化评估空战态势;其次,建立敌机机动位置的几何预测模型。然后,提出基于位置差和速度差的补偿制导方法。最后,在仿真分析中设置了攻击和防御两种典型自主空战态势,实验结果表明了所提方法的有效性和可行性。     

基于结构熵和IGSO-BP算法的动态威胁评估

针对传统超视距空战威胁评估不能根据各类威胁因素的变化动态调整其对应权值的问题,引入前向反馈(back propagation, BP)神经网络,采用综合考虑主客观因素的结构熵权法确定各威胁指数权值并作为神经网络训练参数进行训练,提出了改进萤火虫算法(improved glowworm swarm optimization, IGSO)和BP神经网络相结合的空战动态权值计算方法。该算法采用改进萤火虫算法优化BP网络的权值和阈值,优化后的BP网络能更好地计算不同态势下的威胁指数权值,从而根据威胁估计模型进行威胁评估。以某一时刻预测多无人机空中对抗时的威胁度为想定,分别采用结构熵权法和IGSO BP进行仿真计算。结果表明：结构熵权法能够科学合理地计算各威胁指数权值,IGSO BP算法可有效解决空战目标威胁评估问题,且所提算法与现有几种算法相比在可靠性和准确性上都有明显提高。     

基于威力势场的多机种威胁评估方法

针对现有空空作战威胁评估模型局限于战斗机的缺陷,参考多属性评价理论,基于威力势场理论,提出一种多机种威胁评估方法。模型将目标威胁分为单机与区域威胁两类,通过引入变权理论来解决传统方法在确定指标权重时采用常权重所带来的“状态失衡”问题;通过模糊理论实现对缺失信息的补全;通过定义飞临边界时间与隐性威胁,更全面地反映飞机威胁。仿真算例验证了模型的有效性。研究结果表明该方法能够比较全面地评估不同机种飞机的威胁值,为下一步的空战决策奠定了基础。     

多UCAV协同目标攻击决策

针对多无人作战飞机(unmanned combat aerial vehicle, UCAV)攻击多目标,研究了多UCAV协同攻击决策问题。建立了目标毁伤模型、UCAV损耗模型和时间协同模型,并通过加权求和将三者转化为单一目标函数,进而转化为单目标问题进行求解。提出了一种离散微粒群优化(discrete particle swarm optimization, DPSO)算法,在微粒群优化算法框架内重新定义了微粒的位置、速度及相关操作。建立了微粒与实际问题的映射关系,进而使DPSO算法适合于求解多UCAV协同目标攻击决策问题。仿真结果表明,DPSO算法易于实现,能够较好地解决基于时间协同的多UCAV目标攻击决策问题。