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。     

改进近似动态规划法的攻击占位决策

瞬息万变的空战环境和日益复杂的空战任务导致应用动态规划法解决机动决策问题容易造成"维数灾难"。基于函数拟合思想优化逼近近似值函数,解决了空战状态的连续性问题。同时,针对近似动态规划在解决机动决策问题时未考虑"过冲"机动和碰撞的问题,提出惩罚因子对近似动态规划法的攻击占位决策方法进行改进。这种方法能够有效应对快速变化的战场态势,而且不需要对空战战术构建专有的战术库。为了验证模型的有效性,将改进的近似动态规划法进行了实验仿真,仿真结果表明改进的攻击决策方法能够有效避免"过冲"机动和碰撞问题,具有较强的鲁棒性。     

基于深度强化学习的无人战车自主行为决策

针对高动态强对抗战场环境下,无人战车面临的自主行为决策问题,分析了未来陆战场无人战车实际作战需求,构建了基于马尔可夫决策过程的自主行为决策模型,提出了一种深度强化学习结合行为树的方法,利用行为树的逻辑规则与先验知识降低强化学习问题的难度,保证收敛性和鲁棒性,同时使行为决策模型具有学习能力.构建典型作战场景,验证深度强化学习结合行为树的无人战车自主行为决策方法的有效性.     

灰色关联决策在战场目标打击决策中的应用

战场目标打击顺序的选择是作战决策的重要环节,其正确性影响到作战决策的科学与否.战场环境充满灰色性,战场目标打击决策属于灰色系统理论研究的范畴,需要用到相应的灰色理论分析方法进行解决.灰色系统理论研究"部分信息已知,部分信息未知"的"少数据、贫信息"不确定系统.它提出灰色关联度分析的概念,并将其应用到决策问题.基于灰色系统理论相关研究成果,分析了灰色关联决策的相关概念及步骤,探讨了灰色关联决策在战场目标打击决策问题上的应用,为提高相关人员战场作战决策正确性提供了科学方法.     

基于模糊Petri网编队协同战术决策

为了解决在不确定环境下编队协同空战战术决策问题,将Petri网理论引入到编队协同空战分析中,依据决策规则的模糊性,结合具有图形描述能力的Petri网,提出利用模糊Petri网对编队协同空战战术决策进行建模,并对模型进行了仿真分析。仿真结果表明模型能够提高编队协同空战战术决策的智能化和自动化程度。     

离散小波变换在被动声目标识别中的应用

研究了战场被动声目标鲁棒特征参数的提取,分析了战场声信号与语音信号特征的相似性,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数(DWTMFCC)提取方法,该方法将小波分析和MEL倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明:在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3.134个百分点,信噪比为5dB时,识别率仍达到93.67%。     

第四代歼击机空战战术决策研究

根据第四代歼击机的作战能力,分析了空战过程中可能存在的三种态势,提出了影响第四代歼击机空战战术的重要因素。结合影响因素进行了模糊决策讨论,基于模糊神经网络的方法完成了空战决策系统的设计,并通过神经网络的训练,确定了模糊决策网络。最后,通过仿真验证,表明决策系统实际输出与期望结果是一致的,决策结果是准确的,能够为决策者根据战场态势进行决策提供参考,缩短了决策时间,提高了指挥决策效能。     

基于智能体技术的CGF行为模拟研究

为了有效模拟CGF物理行为和智能行为的不同特性,提出了一个复合CGF智能体模型,将CGF的行为模拟分为认知、内部环境、规划决策和行动四个模块,该模型综合了反应式行为模式和基于规划模式两方面优点.利用行为模式采用层次化方法建立CGF物理行为模型,使CGF智能体能对动态战场环境做出灵活的反应.结合CGF不同类型任务规划决策方法的分析介绍了基于规划模式的CGF智能行为模拟方法,使CGF智能体能按照战术原则进行作战任务规划.采用基于军事命令控制结构对CGF进行组织和控制,为CGF间的指挥协同提供了与实际作战环境相似的框架.     

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。     

反舰导弹攻击三位一体图形化战术决策

反舰导弹攻击三位一体图形化战术决策,是将反舰导弹攻击时的捕捉概率决策、火分目标决策、航路规划决策等三种决策合为一体,以图形化的操作界面作为主要的决策交互手段,通过对各种图形的操作达到战术决策的目的。重点分析和研究了反舰导弹攻击三位一体图形化战术决策的基本思路、决策过程、设计原则、作战流程和图形设计,对开展反舰导弹攻击战术决策软件的研制具有一定的理论参考价值。     

信息化战场中基于智能体聚类的信息处理

研究了信息战条件下信息的处理问题,通过分析信息化战场条件下战场环境和人员的特点,提出了一种基于智能体聚类的信息处理方法,通过该方法来实现战场信息的通信、传输、交换从而协助指挥员决策。该方法的特点是可以根据战场的环境进行聚类,降低了信息的复杂度从而保证及时有效地传递消息。该方法通过智能体平台实现,具有一定智能性并减少了指挥员的决策难度,对指挥自动化而言是一个很好的实例。     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

基于MDFT框架的海上能源通道航线动态决策建模与仿真

针对常规海上航线决策没有考虑决策选择过程的问题,引入多选择决策场理论（ MDFT）,构建了海上能源通道航线动态决策模型。基于信息完备、信息不确定和特殊情况等三种情景想定,进行了海上能源通道航线规划决策及其实验仿真。结果表明,决策过程受时间压力和信息质量的制约,时间压力会制约决策质量,同时还可能引起“偏好逆转”现象,信息不确定也会导致确定性决策。该模型不仅综合考虑了海上能源通道航线选择时需关注的各类要素,且模型参数可动态调整,进而能合理模拟真实的海上状况和决策过程。     

具有混合执行器故障和多未知控制方向的多智能体编队系统自适应协同容错控制

针对非线性多智能体具有混合执行器故障和多未知控制方向的问题,基于鲁棒自适应模糊技术,提出新颖的协同容错控制方法.采用分段Nussbaum函数解决了多未知控制方向;基于鲁棒自适应模糊技术解决了系统中的非线性不确定问题;引入一阶滑模微分器与自适应反步技术结合,用于获得虚拟控制律的一阶导数,并结合鲁棒有界方法,用于提高所设计...     

指挥信息体系作战需求鲁棒论证方法框架北大核心

传统的作战需求论证方法已经无法较好地处理指挥信息体系建设中的不确定性。首先给出作战需求的定义,构建了指挥信息体系作战需求形式化概念模型,并建立了多层次多视点的指挥信息体系作战需求描述框架。在此基础上,分析了指挥信息体系论证中的不确定性,定义了鲁棒性,构建了指挥信息体系作战需求鲁棒论证的过程。最后对涉及的关键问题,包括使命任务鲁棒分析、能力需求鲁棒探索、基于SOA的体系方案设计,以及方案鲁棒优化决策等进行了初步探析。     

基于MapX的战场辅助决策系统可视化应用

通过分析战场辅助决策系统,结合可视化控件MapX,讨论了战场辅助决策系统可视化的结构模型,并在VC 环境中给出了其可视化功能中地图显示控制模块一些新功能的具体实现方法,为战场辅助决策系统的可视化应用提供了基本开发模式.     

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。     

多模态图像智能目标识别对抗攻击

基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。     

基于条件事件代数理论的战术防空态势评估

态势评估是战场决策的基础,而如何进行正确的战场决策对防空战斗有着重要的影响.在对态势评估进行分析的基础上,根据条件事件代数理论,提出了一种对战术防空态势评估问题进行推理的方法,并通过示例介绍了对战术防空态势评估问题进行求解的过程.同时该方法也为解决战术防空态势评估问题提供了一种有效依据.