基于蒙特卡洛树搜索方法的空战机动决策

针对空战中双方的机动决策问题,考虑角度、距离、速度变化以及高度优势函数,以赢取最大空战优势期望为目标,建立空战双方机动决策模型,并引入蒙特卡洛树搜索方法进行求解,搜索策略采取极大极小搜索算法。针对双机对抗,通过仿真给出空战态势及空战优势变化曲线,结果表明我机在整个空战过程中绝大部分是处于优势地位的,验证了使用蒙特卡洛树搜索方法进行空战机动决策的可行性,同时对算法的实时性进行了仿真,结果表明算法计算机动动作所用时较短,达到了算法的实时性要求。     

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。     

影响图的空战机动决策方法

首先阐明了空战机动决策的概念和作用;然后针对几种常用空战机动决策方法的缺陷,分析了影响图在表示和求解不确定性决策问题上的优势,提出了空战机动决策的影响图方法;进而建立了基于该方法的二维单机单目标空战机动决策模型,并针对两种典型的空战情形进行了仿真.仿真结果表明该空战机动决策方法能够有效地导引战机格斗.     

人工智能在火控系统中的应用

研究了空战时的决策问题,并对人工智能技术用于空战中机动目标的战术机动决策模拟做了尝试,讨论了计算机控制机动目标的战术机动决策逻辑的设计方法,同时也进行了数字仿真。     

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。     

智能化战机编队指派的战术匹配寻优算法

战机编队指派是空战指挥决策的重要一环,属于多属性决策优化问题。为提高空战指挥的自动化水平,设计了一种智能化战机编队指派的战术匹配寻优算法。首先分析了战机编队空战优势的估算方法;然后提出了战机编队指派的初步匹配方法,该方法通过战术匹配得到满足编队级最小空战优势要求的,能够覆盖最多目标编队的初步指派方案;最后设计了基于自扰动蚁群算法的战机编队指派寻优算法,该算法针对未分配战机寻找能够使己方战术价值总和最大化的战机编队指派方案。对战机编队指派的初步匹配结果和自扰动蚁群算法寻优结果进行合成得到最终的战机编队指派方案。示例验证了该方法能够得到与空战指挥员经验一致的战机编队指派结果,而且具有较好的实时性。     

空中对抗机动飞行实时评估方法研究

针对空战对抗中机动飞行评估实效性差、准确度低的问题,根据数据链传输的各种实时信息,采用理论建模与案例实证相结合的方法,构建模拟空战机动飞行环节的实时评估模型。在分析评估所需数据的基础上,提出新的数据更新方法,设计了数据链信息下传流程。以战术机动数据为依据,构建战术优势函数,通过对飞机战术态势的准确评判,实现对机动飞行的评估。通过近、超视距空战两种场景仿真,验证了评估方法能有效提高机动飞行评估的实时性和准确性。     

自由空战中距转弯机动对策生成问题研究

针对自由空战中距转弯机动对策生成问题,结合导弹最大攻击区和战机优势函数,分析了影响对策生成的主要因素,依据战机主要机动动作,建立了中距转弯机动矢量模型,解算得出战机应飞速度、航向、转弯时机和机动改出航向。最后通过仿真分析,验证了该模型的有效性,为战机在自由空战中对目标机构成有利态势,增加作战效能提供重要依据。     

自主空战决策中的战术过程评价方法

战术过程评价是自主空战决策中的重要部分.在装备航炮和格斗弹的双机近距格斗这一战术背景下,合理考虑角度、距离、机动与能量因素,构造了战术状态优势函数.在此基础上,提取战术过程的特征量,建立有优先级的判据体系,提出了逐级淘汰的战术过程评价方法.仿真结果表明,战术状态优势函数能准确体现格斗中各时刻双机战术态势的优劣,逐级淘汰方法能有效地从候选的机动动作中得到空战决策结果.     

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Sobol’法的歼击机需求影响因素灵敏度分析

针对歼击机需求确定影响因素众多、传统分析方法仅能进行定性分析的问题,提出了基于Sobol’法的歼击机需求影响因素灵敏度分析方法。在构建了歼击机需求确定模型的基础上,提出了基于Sobol’法的歼击机需求确定模型参数灵敏度分析步骤,并结合算例验证了方法的可行性和有效性。分析结果表明:我方拟夺取空中优势等级的概率、敌方出动歼击机的数量和敌我双方歼击机作战效能的比值对歼击机需求的影响较大,战术运用系数、协同作战系数和管理优劣系数的影响微乎其微。     

战斗机远距空战建模与仿真分析

针对中远距一对一的空战问题,从效能分析的角度建立了一对一中远距空战及作战效能分析的模型,包括飞机运动模型、飞机机动动作控制模型、推力模型、火控系统模型、导弹运动模型、导弹制导与控制模型、信息系统模型和效能评估模型等。依据该模型进行了空战仿真并给出效能分析结果,仿真结果与实际吻合,证明模型的有效性,为进一步研究多对多空战仿真打下基础。     

基于云遗传算法的防空导弹目标分配问题

针对传统遗传算法在防空导弹目标优化分配中存在的缺陷，提出了一种更为有效的云遗传算法。通过该算法对防空导弹目标分配模型进行仿真求解，得出防空导弹射击目标的最优目标分配方案。通过算例分析，云遗传算法相比传统遗传算法收敛速度快，搜索效率高出一倍左右，对产生局部最优解情况进行了合理有效的控制，可操作性、优越性更强。     

基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.     

Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm

To solve the problem of realizing autonomous aerial combat decision-making for unmanned combat aerial vehicles (UCAVs) rapidly and accurately in an uncertain environment, this paper proposes a decision-making method based on an improved deep reinforcement learning (DRL) algorithm: the multi-step double deep Q-network (MS-DDQN) algorithm. First, a six-degree-of-freedom UCAV model based on an aircraft control system is established on a simulation platform, and the situation assessment functions of the UCAV and its target are established by considering their angles, altitudes, environments, missile attack performances, and UCAV performance. By controlling the flight path angle, roll angle, and flight velocity, 27 common basic actions are designed. On this basis, aiming to overcome the defects of traditional DRL in terms of training speed and convergence speed, the improved MS-DDQN method is introduced to incorporate the final return value into the previous steps. Finally, the pre-training learning model is used as the starting point for the second learning model to simulate the UCAV aerial combat decision-making process based on the basic training method, which helps to shorten the training time and improve the learning efficiency. The improved DRL algorithm significantly accelerates the training speed and estimates the target value more accurately during training, and it can be applied to aerial combat decision-making.     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。     

空空导弹攻击区处理的拟合——插值法

用最小二乘拟合与插值相结合的方法对空空导弹的发射包线进行处理,降低了拟合阶次。数字仿真结果表明,该方法不但在平常发射条件下极大地提高了拟合的精度和速度,而且在一些传统方法几乎无法使用的异常情况下仍有较好的结果。     

战斗机隐蔽接敌轨迹优化方法

针对空战对抗的隐蔽作战需求,对战斗机隐蔽接敌方法进行研究。基于战斗机雷达反射截面积的动态特性建立雷达探测威胁模型;以空战态势参数为状态建立接敌引导模型;以给定目标发现概率为暴露阈值进行威胁约束;以最小化接敌过程中累积被发现概率为性能指标;将战斗机隐蔽接敌问题建模为隐蔽性约束下的最优控制问题。为保证算法的实时性和有效性,引入滚动时域控制策略进行在线优化,并采用高斯伪谱法进行数值求解。仿真实验表明,通过路径约束和性能指标双重约束,能有效增强战斗机接敌的隐蔽性,算法实时性能满足战斗机控制的需求。     

多机协同目标与火力资源分配

在协同空战中,快速正确的空战决策是己方战机少受敌方伤害并取得战争胜利的前提。目标与火力资源分配是决策过程的重要部分。多机空战与单机空战相比有明显的不同,不同之处是面临多个敌方目标,根据我方资源最优分配作战对象和火力,基于遗传算法实现了两种算法的有人无人目标与火力资源分配。仿真结果表明,带有毁伤概率门限的算法既节省火力资源又快速有效。     

中远距协同空战多目标攻击决策

根据先进战斗机的技术特点和中远距协同空战发展方向,提出一种基于先敌发现、先敌发射、先敌摧毁能力的空战态势分析模型。同时,将并行遗传算法与分布估计算法相结合的并行分布遗传算法应用于上述模型,给出了求解多目标攻击决策问题的算法。最后利用具体算例进行仿真验证。结果表明空战态势分析模型能够较为准确地描述中远距多机协同空战,采用的算法具有较好的可行性和实时性,为中远距多机协同空战的多目标攻击决策提供了新的思路和方法。