空战机动决策方法研究

在阐述空战机动决策作用的同时 ,分析对比了几种常用空战机动决策方法 :矩阵对策法、专家系统法、神经网络法和微分对策法等 ;在此基础上引入了一种新的空战机动决策方法——决策影响图法 ,并对其具体应用作了探讨。     

多机协同空战近距格斗决策

将多级影响图和对策论引入到多机协同近距格斗决策研究中,首先将机群分组为多个小集团作战,继而又进行将小集团作战转化为多个一对一空战的协同决策,然后应用多级影响图对策解决不确定情况下近距格斗决策问题,建立了考虑交战双方、动力学质点模型和飞行员的偏好的连续机动决策模型。并探讨了求解多级影响图对策的方法,最后进行了2∶2协同空战仿真分析,仿真结果表明该模型的有效性。     

群决策理论在多机协同空战机动决策中的应用

针对近距空战中多架战机对空中的多个敌对目标进行协同攻击的机动决策问题进行了研究。将群决策理论引入多机协同空战机动决策,首先确定了决策成员与候选方案,然后基于战场态势评估提出了采用风险决策准则的偏好排序确定方法,给出了集结偏好的序数型群决策方法。在不同空战想定条件下进行仿真,结果表明,该方法合理、可行,具有良好的应用前景。     

基于Cook-Seiford群决策算法的多机协同空战机动决策

面向多机协同空战条件下的机动决策问题,建立了三自由度战机模型,并根据空战时飞行员的实际操纵,设计出一种拓展的基本机动动作决策集。通过构造角度、速度、距离和高度优势函数建立空战态势评估模型。基于群决策理论,设计了Cook-Seiford决策算法,并首次将其应用于多机协同空战机动决策研究,有效优化了决策流程。在初始态势劣势情况下,以2对2、3对2等典型空战条件为仿真背景,将Cook-Seiford群决策算法与Copeland、Dodgson群决策算法进行对抗空战仿真。仿真结果表明,基于Cook-Seiford群决策算法的协同机动决策能够取得明显对抗优势,验证了本文设计算法的有效性,为将群决策算法用于求解多机协同空战决策提供了一种新的思路。     

基于强化麻雀搜索神经网络的空战机动决策方法

针对空战中机动决策速度慢、准确性低问题,提出基于强化麻雀搜索神经网络的空战机动决策方法,该方法分别考虑角度、距离、高度等因素构造相应的态势函数,将几种态势函数结合起来并加权得到态势评估函数,利用神经网络的黑盒部分计算各个态势函数的权值,利用混沌初始化和小孔成像反向学习策略强化麻雀搜索算法,再利用其特性去优化神经网络,将麻雀的适应度函数与神经网络的权值和阈值建立直接的映射关系,从而获得准确的态势评估函数,再将得到的态势评估函数结合博弈论模型得到博弈态势值,并由此来进行空战机动决策。仿真表明,该方法在与粒子群和遗传算法优化的神经网络模型相比之下,决策速度更快、准确性高,从而能获得空战优势,以获得最终的空战胜利。     

基于二元模糊比较法的单步空战机动决策研究

空战机动决策过程中,往往需要根据敌我态势,给定多个任务指标,最终得出多指标条件下我方机动的最优控制解。通过对双机空战态势的研究,建立机动模型。在给定敌方运动轨迹的情况下,设定机动评价指标。运用二元模糊比较法融合空战态势的各种输入信息,通过不同指标下的机动模糊比较矩阵,对我机单步机动决策进行研究,最终得出我机机动轨迹。仿真结果表明,算法符合实际,并且具有较好的稳定性。     

改进BAS-TIMS算法在空战机动决策中的应用

针对当前空战机动决策精确度低、实时性差的缺点,对天牛须搜索-战术免疫机动系统(Beetle Antennae Search-Tactical Immune Maneuver System, BAS-TIMS)算法进行改进,并应用于空战机动决策中。增加左爬升、右爬升、左俯冲、右俯冲4种机动,对传统的机动策略库进行扩充,设计了11种基本机动策略并给出了相应的控制方法。基于距离、高度、速度、角度和战机性能优势函数,利用非参量法构造战机机动决策综合优势函数。针对天牛须搜索算法在全局搜索和收敛速度上存在的缺陷,引入蒙特卡洛概率迭代的方法对算法进行改进,并和战术免疫机动系统进行融合,将改进的BAS-TIMS算法用于空战机动决策。设计算例进行仿真分析,并将结果和博弈论法、改进共生生物免疫进化算法、传统BAS算法和传统TIMS模型的计算结果进行对比,验证所提算法的有效性。仿真结果表明:改进BAS-TIMS算法在空战机动决策的收敛精度、收敛速度和全局搜索能力上更加具有优势。     

基于多级影响图对策的多机协同空战决策研究

首先确定多机协同空战战机相关数学和运动模型,其次将大规模群集空战转化为多个小集团作战,在此基础上,依据协同的原则,又将小集团作战转化为多个一对一空战,然后应用多级影响图对策解决不确定情况下多机协同空战决策问题,建立了考虑交战双方、动力学质点模型和飞行员的偏好的连续机动决策模型,最后进行了2:2协同空战仿真分析,仿真结果表明该模型的有效性.     

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习（SAC）算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。     

基于路径-博弈混合策略的无人机空战机动决策

针对无人机的自主空战机动决策问题,设计了基于路径-博弈混合策略的决策算法。首先根据无人机飞行控制过程中,水平机动和垂直机动可以解耦的原理,提出了相解耦的自主决策机制,使用路径规划实现水平机动决策,使用博弈理论实现垂直机动决策。为提升决策环境的灵活性,设计了能够自适应调整规划范围和分辨率的动态栅格环境。基于QL算法设计路径规划模型,并使用双Q表学习机制改进算法,有效提升了路径规划质量。基于纳什均衡理论构建垂直机动算法模型,根据不同的态势环境设计了代价计算函数,实现了无人机的垂直机动决策。最后,针对一对一空战对抗情景开展仿真验证,验证了算法的有效性,相对于传统基于三维规划空间下的机动决策,可有效缩短规划耗时,提升规划品质。