电子对抗条件下空战综合优势评估模型

针对空战中飞行机动与电子对抗之间的协同攻击决策问题,通过建立符合空战仿真需求的超视距基本战术动作库和运动模型,将机载火控雷达威力区、电子对抗干扰压制区和干扰条件下的空空导弹攻击区、允许脱离时间等要素有机结合,建立了电子干扰条件下空战态势与空战能力协同的综合优势评估方法.作战推演结果表明,建立的空战综合优势评估方法较全面合理地反映了现代空战的特点,能够满足现代空战机动决策需求.     

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。     

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。     

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.     

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。     

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。     

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。     

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。     

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.     

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。     

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。     

航空兵编队空战决策模型研究

针对航空兵编队空战决策问题,从单机和编队两个层次上建立了编队威胁评估模型;并在此基础上建立了编队目标分配、攻击排序及火力分配模型;以5对8编队空战为例进行了仿真计算,计算结果表明,该模型能较好的解决多机种编队空战的战术决策问题。     

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。     

基于改进粒子群算法的协同多目标攻击空战决策

超视距空战和协同多目标攻击是空战的发展趋势,协同多目标攻击中的关键问题是空战决策。建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种改进的粒子群优化算法,并将其应用于空战决策。基本的粒子群算法是一个有效的求解连续优化问题的方法,结合遗传算法的思想,提出了直接对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结...     

混合对策无人战机空战决策

在混合对策理论的基础上,将空战过程看作是由一系列离散的状态组成的离散事件动态系统,建立了空战过程的离散状态子模型,利用空战态势指数和战机空战能力指数构造了战术评估函数,以完成对战术动作的筛选工作,并结合3DOF质点模型设计了机动指令生成器,实现对无人机运动状态的控制,并在Matlab环境下对机动实例进行了仿真.     

实时作战进程预测的协同空战目标组分配模型

针对复杂电磁环境下协同空战的不确定性和未知性,基于对作战进程的预测解决协同空战目标组分配问题。综合考虑电子对抗和编队内机组间的纵向协同支援情况,运用兰彻斯特方程分析作战进程的变化趋势,分别建立先验威胁和战术威胁模型,在此基础上建立协同空战机群分组的分配优化模型,并进行了仿真分析。仿真结果表明,基于作战进程预测的协同空战目标组分配模型有利于实时掌握双方兵力损耗并预测作战的进程,是实现战术机动决策和战术支援的基础。     

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.     

基于战术知识的对地攻击策略研究

本文就空对地攻击的策略进行了研究,提出了空战战术与技术相结合,基于战术知识来决策攻击方式的方法,并进行了仿真验证