基于自适应伪谱法的UCAV低可探测攻击轨迹规划研究

研究无人作战飞机(unmanned combat aerial vehicle,UCAV)对地攻击阶段轨迹规划问题。首先,在综合UCAV的气动力特性、发动机推力特性基础上建立UCAV质点模型和动力学模型,并结合UCAV平台初始条件、机动性以及武器投射条件构建约束条件;针对当前轨迹规划中没有考虑雷达散射截面(radar cross section,RCS)随UCAV姿态角改变而动态变化这一缺陷,建立综合考虑动态RCS的威胁概率和攻击时间的目标函数;然后利用可变低阶自适应伪谱法求得攻击轨迹最优解。对时间最短、RCS固定和考虑动态RCS 3种情况进行仿真。结果表明,考虑动态RCS时,UCAV将根据威胁进行轨迹和姿态调整,极大减小了被敌方威胁捕获的概率。该算法能够提供规划轨迹的高精度状态和控制量信息,有利于实现攻击过程的高精度精细规划控制。     

基于图模型自主优化的多无人机多目标攻击

为在多无人作战飞机(unmanned combat aerial vehicle, UCAV)执行多目标攻击中适时确立决策优化的方向、改变任务优化所需的基本条件,采用图模型中的动态贝叶斯网络(dynamic Bayesian network, DBN)构建了空天威胁体感知模型,提出了基于图模型自主优化系统的分层架构和多UCAV自主协同规划方法。该方法利用数据融合形成的DBN状态转移网络及观测转移网络参数的变化表现复杂空天环境的变化,并充分利用DBN的学习和推理算法,实现了对威胁体的在线动态感知,达到了按照确定原则完成UCAV攻击目标重新分配与航迹协同等任务的目的。仿真结果表明了这种自主优化规划方法的正确性和可行性。     

一种基于不确定信息的UCAV目标分配方法

在UCAV(无人战斗机)编队任务规划中,UCAV的任务分配是一个重要研究课题。针对不确定信息条件下的UCAV任务分配问题,建立了基于不确定信息条件下的UCAV任务分配模型,通过SMAA(随机多属性可接受性分析方法)方法,给出了基于SMAA的不确定信息UCAV任务分配方法,并通过仿真实例说明了基于SMAA的不确定信息UCAV任务分配方法的有效性和适用性。     

基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性.     

基于过程的UCAV控制权限动态管理方法

针对无人作战飞机(unmanned combat air vehicle, UCAV)自主控制权限管理问题,结合作战过程,建立UCAV控制权限划分模型和基于过程的UCAV控制权限管理模型,设计控制权限调整流程,并进行仿真研究。仿真结果表明,该方法与作战过程和UCAV健康状态紧密结合,动态管理控制权限,合理利用UCAV自主优势,有效减轻地面人员操作负担。     

基于ICW-RCM的辐射源组合威胁评估

针对传统辐射源威胁评估方法难以直观地给出目标威胁程度以及在实时性、复杂性上的不足,在雷达图法(radar chart method, RCM)的基础上,提出基于改进组合赋权(improved combination weighting, ICW)-RCM的辐射源组合威胁评估算法。组合威胁评估将辐射源威胁等级粗排序和精细排序相结合,根据雷达指标计算雷达工作模式,对辐射源威胁等级进行粗排序,并降低威胁程度低的辐射源任务优先级;基于ICW-RCM,对相同雷达工作模式的辐射源精细化排序,并结合粗排序结果,得到最终的辐射源威胁评估结果。实验仿真与分析表明,该算法具有较好的正确性与有效性,与传统组合赋权雷达图法相比算法复杂度较低、实时性较高、结果更加形象直观。     

基于DTC的UCAV任务规划方法研究

无人作战飞机(Uninhabited Combat Aerial Vehicle,UCAV)任务规划是指在执行任务之前制定UCAV行动的步骤,是实现UCAV智能化和自主化的必要的条件.以任务分析和环境建模仿真框架(Task Analysis Environment Modeling and Simulation,TAEMS)作为任务结构的描述模型,实现UCAV的任务模型描述并给出了UCAV任务规划问题描述.提出基于DTC(Design to Criteria)的UCAV任务规划算法,并在任务规划过程中集成路径规划,DTC算法是一种启发式算法,任务规划的结果是完成UCAV任务所需要执行的动作序列.仿真实例证明了任务规划算法的可行性.     

不确定条件下无人作战飞机在线攻击轨迹决策

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)对地攻击过程中存在的诸多不确定性因素问题,提出基于滚动时域策略和Gauss伪谱法(Gauss pseudospectral method, GPM)的在线实时攻击轨迹决策算法。算法采用滚动时域的优化策略,将全局优化问题转化为一系列相互叠加但不断向前推进的优化区间,通过滚动更新和反馈校正消除不确定误差,同时降低了所提算法的计算复杂度和对计算资源的需求;综合飞行包线约束,武器投射约束和威胁规避约束,采用GPM完成高精度攻击轨迹求解;采用实时迭代策略提供优化初值,通过自适应目标函数切换引导UCAV迅速规避近距突发威胁。仿真结果表明,所提算法能够有效消除不确定误差,同时以较高的精度和速度生成可行的攻击轨迹。     

防空情报雷达系统的反隐身优势

本文扼要介绍隐身飞机的实战应用及其对现代防空雷达的威胁。然后。按照“对空防御构想”(ADI)计划,详细评述组成防空情报雷达系统的升空平台(预警机、飞艇、气球)载雷达、天(星)基雷达和超视距雷达的反隐身优势。     

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。     

UCAV环境感知中路标选取及定位方法

为实现无人作战飞机(unmanned combat aerial vehicles, UCAV)认知导航环境感知中路标的选取和位置求解,提出一种基于增量多层判别回归(incremental hierarchical discriminant regression, IHDR）树的路标选取和定位方法。利用快速鲁棒性特征(speeded up robust feature, SURF)算法提取的特征点描述矢量及其在地理空间中的位置组合为路标信息,构造IHDR树,实现已感知信息的存储记忆。UCAV进行环境感知时,若路标信息已知,以已知路标描述矢量对IHDR树检索,通过已知路标位置与检索输出位置之间误差的大小进行路标选取。若路标信息未知,以SURF算法提取环境中路标的描述矢量,并对IHDR树检索,通过比值法对输出路标进行提纯,以提纯后路标的位置作为对应路标的定位结果输出。仿真结果表明,该方法可有效选取设定位置误差内的路标,低噪声干扰下路标的定位具有高正确率。     

基于BDI智能体的无人作战飞机自主任务管理系统

无人作战飞机自主任务管理是减小平台对操作员依赖的关键之一.提出了基于BDI智能体的无人作战飞机自主任务管理系统体系结构.针对传统BDI解释器的缺陷,结合无人作战飞机应用的需求,设计,实现了一种并行的解释器实现结构,并给出了基本元动作定义.在此基础上讨论了无人作战飞机自主任务管理系统的功能设计与实现问题.初步仿真结果表明,平台能够对环境变化及用户指令做出正确反应.     

基于粒子群优化算法的无人战斗机路径规划方法

对于无人机的路径规划问题,从和机器人路径规划问题的差别入手,通过粒子群优化算法对有限数目的采样航点的优化,使用高次B样条曲线拟合出满足路径最短且威胁最小的无人战斗机的飞行路径。研究了路径规划约束的数学模型、粒子构造方式和粒子的评价适应度函数。通过仿真对目前出现的基于粒子群优化算法的无人机路径的多项式拟合方法和所提出的基于B样条拟合的方法进行了比较。仿真结果表明,使用粒子群算法优化出来的B样条曲线比多项式拟合法和几何方法更加合理有效。     

基于动态贝叶斯网络的无人机路径规划研究

针对威胁可变及威胁体不尽相同的无人机路径规划问题,提出了一种局部路径重规划的算法。该算法首先构造出战场具有n类威胁体的初始路径图———“改进型Voronoi图”,后应用Dijkstra算法搜索威胁分布图,求解粗略最短路径。在无人战斗机飞行过程中,威胁体威胁等级不断变化,无人战斗机通过多传感器数据融合知识构建动态贝叶斯网络图,感知环境,获取信息,应用Viterbi解码算法获得实时威胁等级,进行局部改进型Voronoi图的重构,以完成局部路径重规划,提高了无人战斗机在实战环境下生存概率。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

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。     

协调优势粗糙集方法及其在UCAV目标威胁估计中的应用

针对一般粗糙集方法不能由有限数据给出完整决策规则的问题, 定义了正协调、负协调和混合协调决策信息系统, 研究了正协调系统的优势关系决策规则获取方法, 在此基础上提出了负协调和混合协调系统的优势关系决策规则获取方法, 形成了协调决策信息系统的优势粗糙集方法, 即协调优势粗糙集方法. 将该方法应用到无人战斗机目标威胁估计中, 建立了无人战斗机目标威胁估计决策信息系统, 分析了目标属性的偏好性, 给出了决策算法, 对算法的复杂度进行了分析, 并与 Greco优势粗糙集方法进行了比较. 结果表明: 该方法简单可行, 得到的确定性决策规则可以涵盖目标条件属性的所有取值, 有效地解决了决策规则的不完备性.