【专题】无人机空战决策技术研究进展

随着无人机相关技术领域的飞速发展,无人机迅速成为世界各国军事领域的研究热点。无人机自主决策作为无人机领域的核心问题,指的是无人机基于空战态势,利用数学优化理论、人工智能等方法,独立自主地生成机动动作控制指令以完成设定目标的过程。本文首先介绍了世界各国该领域的研究进展,并基于空战决策的求解思路,将决策方法分为三类：基于对策理论、基于专家知识以及基于启发式学习算法的决策方法。其次,针对基于对策理论的空战决策方法,阐述了从微分对策到矩阵对策的发展及联系;针对基于专家知识的空战决策方法,介绍了该类方法的建模方法,改进方向;针对基于启发式学习算法的决策方法,论述了各典型方法的适用条件、改进途径等。最后,对无人机空战决策的研究难点进行分析,并展望了未来的研究方向与趋势。     

基于矩阵对策与遗传算法的无人机空战决策

针对无人机自主空战决策的实时性与准确性需求,提出一种矩阵对策法与遗传算法相结合的空战决策算法。基于空战优势函数以及无人机机动模型建立了无人机空战决策模型,使用改进的矩阵对策法获取我方无人机最优选择策略的大致范围,再在此范围内使用遗传算法寻找最优策略,最后通过直线飞行机动和S型规避机动仿真验证了算法的可行性。仿真结果表明,所提算法不仅能够提高机动决策的精度,还在一定程度上避免了单纯遗传算法计算量大、计算时间长的问题,满足空战合理性与实时性需求。     

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。     

动态协同空战攻击决策问题研究

攻击决策问题是协同空战领域研究的核心问题之一,通过优化战机武器资源配置,以提高战机协同作战效能。针对动态协同空战攻击决策问题,系统分析空战环境的动态性,将空战动态划分为连续动态和离散动态,并建立多约束条件下动态协同空战攻击决策优化模型;设计了空战环境变化监测策略和种群多样性策略,通过迭代窗的设置,基于离散粒子群算法,提出了一种基于滚动迭代窗的启发式变异离散粒子群算法的动态协同攻击决策方法。通过仿真实验验证了所提方法能够在连续和离散动态条件下合理地规划协同空战攻击决策。     

多无人作战飞机编队空战智能决策方法

针对多无人机编队空战战术决策问题,提出了基于案例推理(CBR)和规则推理(RBR)的战术决策方法。在剖析战术决策案例特征的基础上,设计了一种基于框架结构的案例表示方法,并引入结构相似度和云模型理论以改进传统的最近邻检索算法。最后,借用基于案例推理和规则推理设计的战术决策GUI界面,能够快速地从库中检索出与当前空战态势最匹配的战术决策源案例,仿真结果证明该方法具有较好的有效性。     

基于DRL与微分对策的无人机空战决策研究

随着无人机战场环境越来越复杂,空战对抗将逐渐成为主要的一种无人机作战方式.为了能够确保我方无人机在快速演变的战场态势下抓住先机、精确决策、快速致胜,需要根据实际作战环境、作战样式,建立无人机和环境进行交互的规则、无人机空战对抗中采用的战术使用规则,并结合规则,通过智能决策算法,达到提升无人机空战对抗胜率的目的.提出一种结合微分对策(Differential Games,DG)的深度强化学习方法(Deep Reinforcement Learning,DRL)解决此问题,利用深度强化学习的智能决策性以及微分对策的准确机动性,实现战术决策到机动决策.最后以空战对抗1V1为例,对提出的方法进行验证,结果证明方法可行有效.     

基于模糊贝叶斯网络的UAV中远距空战战术决策

针对无人机中远距空战战术决策时决策环境的不确定性和决策实时性问题,提出了基于模糊贝叶斯网络的无人机中远距空战战术决策方法。研究了无人机空战过程,对影响战术决策的主要因素进行分析建模,构建了战术决策的模糊贝叶斯网络。最后,利用模糊集合理论对连续型态势变量进行变参数模糊化,并输入战术决策网络进行推理,对该决策方法的正确性、实时性以及在不确定环境下的有效性进行仿真验证。     

多无人机协同空战任务规划仿真系统

面向多无人机协同空战任务规划方法性能验证的需求,开发了一种基于VR-Forces仿真引擎的多无人机协同空战任务规划仿真系统,对该仿真系统的总体架构、红方子系统、蓝方子系统、白方子系统和强化学习算法训练子系统进行了设计。对算法库、强化学习算法训练和人机交互等关键技术提出了针对性的解决方案,提升了该仿真系统的稳定性、可扩展性和功能性。利用该仿真系统对多无人机协同空战目标分配、重决策算法等典型任务规划方法进行了测试和仿真实验。结果表明,所开发的仿真系统可以很好地支持多无人机协同空战任务规划方法的测试和验证。     

有人/无人战斗机协同空战模式及能力需求分析

针对未来空战的特点对有人/无人战斗机协同空战的作战模式及能力需求进行了研究.从信息链到武器链时空过渡的角度分析了有人/无人机协同空战的作战优势;提出了两种典型的有人/无人机协同空战方式,并给出了作战过程描述及功能结构分析;基于“观测-评估-决策-执行”指挥控制环分析了有人/无人机协同空战的指挥控制流程;基于协同空战的任务需求提出各参与平台的能力需求.此研究对有人/无人机协同空战的发展具有一定的指导意义.     

基于改进空战威胁评估模型的权重计算方法比较

针对多无人机(UAV)任务网协同空战态势威胁评估问题,在现有基本模型基础上增加考虑气象环境对威胁评估要素的影响和无人机的自主可靠性系数两个实际因素,提出一种改进的超视距空战威胁评估模型;同时,应用串联电阻分压法、改进AHP法和熵权法分别计算融合模型中各威胁指标的权重系数;进而,在考虑己方战机对敌方战机综合威胁与优势的基础上,介绍了战机协同空战目标分配的基本方案。最后,应用上述3种权重计算方法进行空战威胁仿真计算,计算结果表明改进空战威胁评估模型可有效改善空战决策性能。     

多无人机协同攻击目标决策

论文针对多架无人机相互协作攻击多个敌对目标的武器目标分配决策问题进行了研究。利用层次分析法（AHP）和灰色关联分析法评估了威胁指标的权重,针对协同攻击空战模型中受威胁大的无人机无需参与攻击,而采用机动躲避策略的特定情况提出了一种启发式遗传模拟退火（HGASA）求解算法,实现了武器目标攻击决策的求解。仿真实验表明,本文提出的HGASA算法对决策方案的求解速度和求解质量与现有的遗传算法(GA)、模拟退火算法(SA)等算法相比均有明显提高。     

基于多智能体强化学习的无人机集群对抗方法研究

针对复杂动态不确定环境下的无人机集群对抗问题,基于多智能体强化学习开展了对抗决策方法的研究。首先,基于MaCA环境构建了无人机集群对抗模型;其次,引入集中训练网络的混合架构模式,改进了传统DDPG算法,设计了面向无人机集群对抗的MADDPG算法,分别采用基于规则的对抗策略和基于DQN的对抗策略对算法进行了训练,提升了对抗算法的鲁棒性、适应性和泛化性;最后,通过搭建对抗仿真环境,验证了所设计方法的有效性和可靠性。     

LCDP SO算法在协同空战攻击决策中的运用

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

LCDP SO算法在协同空战攻击决策中的运用?

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

美国空军无人机发展策略及启示

在近几次高技术局部战争中,无人机发挥了重要作用,其任务不仅包括侦察监视、电子干扰、无线中继等,还包括对地面重要目标的攻击。无人机还将具备执行空战任务的能力,它的发展必然会对未来的作战理论和空战样式产生革命性影响。因此,研究和借鉴外军尤其是美国空军发展无人机的策略和方法,对于促进我军尤其是空军的无人机建设,完善无人机装备体系,提高空军的整体作战能力,具有重要意义。美军发展无人机的策略及做法世界各国都在加速发展各种军用无人机。如欧盟、俄罗斯独立开发"欧洲鹰"、"探测器"、"神经元"等多型高端无人机;以色列在无人机领域具有丰富     

基于变异离散粒子群的协同空战攻击决策算法

为了提高智能协同空战攻击决策算法性能,将变异策略引入到DPSO(Discrete Particle Swarm Optimization)协同空战攻击决策算法中,提出了一种新的基于变异离散粒子群(Mutation Discrete Particle Swarm Optimization,MDPSO)的协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。采用对比实验方法,基于准确性、可靠性和快速性等关键性能指标,分析比较了基于MDPSO协同空战攻击决策算法与多种智能决策算法,验证了基于MDPSO的协同空战攻击决策算法有着较好的综合性能。     

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。     

微分博弈在无人机集群攻防中的应用研究

为了解决传统微分博弈理论的局中人规模受限问题,针对固定翼无人机目标-攻击-防御三方集群对抗场景,提出了一种基于微分博弈的集群攻防决策算法。该集群攻防决策算法利用基于Dubins路径价值函数的拍卖算法将集群攻防对抗问题解耦为目标-攻击者-防御者三方微分博弈问题,并且融入载体坐标系转换以及自动驾驶仪控制模型等约束,实现三维空间中以加速度为控制输入的集群决策,为等规模三方集群对抗问题提供协同决策控制。仿真实验结果证明,提出的集群攻防决策算法对于多种规模的无人机集群均能生成攻防角色对应的决策控制,实现包括目标-攻击-防御三种角色的三方集群攻防空战决策,在优化个体决策的同时,兼顾集群内无人机间的协同性。     

基于改进DDPG的空战行为决策方法

针对空战中飞机如何根据实时态势进行快速智能决策问题,提出基于改进DDPG算法的空战行为决策框架(Air Combat Behavior Decision-making Framework on Improve DDPG,ACBDF_DDPG).框架中的主要改进如下:1.设计一种针对动态目标的嵌入式人工经验奖励机制,缓解...