模糊离散动态贝叶斯网络的目标威胁等级评估

动态贝叶斯网络作为一种智能推理工具在处理不确定推理问题中显示出强大的生命力,但是存在难于处理连续变量的推理问题。将模糊理论与动态贝叶斯网络相结合,提出一种模糊分类的方法,将连续变量模糊分类为动态贝叶斯网络能够应用的证据信息用于推理,并建立目标威胁等级评估模型,应用直接推理算法对该网络进行推理。仿真结果表明,该分类方法与动态贝叶斯网络结合能够很好地处理连续变量推理的问题。     

基于FDBN的空中目标威胁评估方法

为了更好地处理各类探测数据中的模糊性和不确定性,通过模糊化方法将威胁评估动态贝叶斯网络局部进行模糊化处理,处理后的动态威胁值进行解模糊的方法转化为概率域的知识,这样不仅简化了网络结构,同时结合模糊理论的知识表达能力和DBN的强推理能力。最后将相应观测证据输入到简化后的DBN网络中,相应仿真研究表明,该方法能有效地对空中目标威胁度进行实时评估。     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。     

基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.     

一种新型动态贝叶斯网络及其在威胁评估中的应用

针对利用基本贝叶斯网络进行威胁评估时的不足,提出利用变结构区间概率动态贝叶斯网络(VSIP-DBN)进行威胁评估。对所提出的VSIP-DBN给出了其推理算法。在充分考虑目标的空战态势及空战能力下,建立了威胁评估的VSIP-DBN模型。将观测到的数据利用VSIP-DBN推理算法进行推理,推理结果就是目标的威胁等级。以往的威胁评估需要精确获得目标的模型参数和观测数据,通过仿真对比分析,利用VSIP-DBN建立的威胁评估模型不需要精确给出模型参数,即使出现观测数据的误差,仍能准确评估出目标的威胁程度。     

基于离散模糊动态贝叶斯网络的空战威胁估计

对空战中目标的各个特征因素进行了分析,建立了空战目标威胁估计的离散模糊动态贝叶斯网络模型,并利用离散动态贝叶斯网络的直接推理算法进行了仿真计算.仿真结果表明,该方法得到的推理结果与理论分析完全一致,而且能够将各种并不显著的特征因素进行综合,使得各个特征因素间及不同时间片的同一特征因素相互修正补充.为空战威胁估计提供了一种有效而准确的方法.     

基于直觉模糊贝叶斯网络的不确定性推理方法

针对模糊贝叶斯网络模型对战场态势信息不确定性描述与推理方面的局限性,利用直觉模糊属性函数表示贝叶斯网络节点概率以及变量间的因果依赖关系,给出了直觉模糊贝叶斯网络(IFBN)的定义,证明了节点直觉模糊性在贝叶斯网络推理中的可传播性,并提出了基于IFBN的不确定性推理方法,有效地提高了贝叶斯网络模型推理的准确性,增强了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该方法的有效性和优越性。     

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。     

变结构离散动态贝叶斯网络的快速推理算法

变结构离散动态贝叶斯网络是对传统离散动态贝叶斯网络的推广,具有更广泛的建模应用价值,但是其推理算法还有待进一步完善.针对变结构离散动态贝叶斯网络的推理算法难以理解、编程计算难、推理速度慢的问题,给出了实现变结构离散动态贝叶斯推理算法的数据结构,并推导了进行并行计算的推理算法和编程步骤,并通过实例进行了算理验证.给出的方法对变结构离散动态贝叶斯网络的编程应用具有参考价值,同时可以加快变结构离散动态贝叶斯网络的推理计算速度.     

动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

贝叶斯网络的编队对地攻击作战效能评估

针对影响编队作战效能的不确定性因素,提出基于灰色模糊贝叶斯网络的作战效能评估模型.该模型首先将不确定性因素分为灰色模糊域和概率域两大类,然后在灰色模糊域使用灰色模糊综合评判对不确定性因素进行评判,并运用可能性概率转换理论将评判结果转换为概率域知识,最后在概率知识域使用贝叶斯网络推理算法得到作战效能评估指标值.实例计算表明,该方法能够较好地量化处理不确定性知识,具有一定的实用性.     

贝叶斯网络的对地多目标攻击决策

利用贝叶斯网络的推理模型以及相应于此模型的推理算法,对多目标攻击时目标的选择和攻击排序进行研究.研究结果表明,基于贝叶斯网络的威胁等级评估算法是一种有效的评估算法,其结果能够比较准确地反映威胁源的真实威胁程度,进而能够有效地进行决策.     

改进的前向信息修补算法及其应用

前向信息修补算法可以对离散动态贝叶斯网络的缺失数据进行预测,该算法只适用于所有观测节点是相互独立的网络,却不能处理观测节点有依赖关系网络的缺失数据。针对该算法的这一缺陷,提出了改进的前向信息修补算法,在分析离散动态贝叶斯网络的缺失数据具有二种基本形式的基础上,推导出了每种形式的相应预测公式。继而构建了用于识别威胁源离散动态贝叶斯网络的模型。仿真实验验证了改进的前向信息修补算法的有效性。     

高速机动反舰导弹对舰艇编队的威胁估计研究

威胁估计是一个高度复杂、不确定性事件的推理过程.针对以目标特征为参数计算高速机动反舰导弹对编队的威胁值出现振荡而影响威胁排序的问题,首先运用自组织映射神经网络(SOM)提取高速机动反舰导弹的某些重要特征,其次融合提取的特征计算反舰导弹的航向,然后根据航向计算得到反舰导弹稳定的飞临时间和航路捷径,最后在分析影响威胁估计因素的基础上,运用模糊动态贝叶斯网络进行推理得到威胁值,再结合舰艇的价值系数便可计算得到稳定的威胁排序.仿真结果表明,该方法可以有效解决高速机动反舰导弹的威胁估计问题.     

动态威胁环境下单无人机测向定位航迹优化算法

为解决单架无人机在动态战场环境下的测向定位问题,提出了一种基于动态窗口法的单机测向定位航迹优化算法。以最大化Fisher信息矩阵行列式为测向定位评价准则,在由动态探测雷达和静/动障碍构成的动态战场环境中,基于动态窗口法思想,将测向定位航迹优化评价准则由传统的单步最优原则扩展到对多步预测航迹的评价,同时考虑雷达探测和静/动障碍环境对预测航迹的影响,通过滚动时域方法控制无人机最优航向。仿真结果表明,所提方法能够使无人机在有效逃避雷达探测威胁以及规避环境中静/动障碍的条件下保证对目标的高精度测向定位,为解决动态战场环境下的单架无人机测向定位问题提供了新思路。     

无人机路径规划算法与仿真

根据敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,构造基于战场威胁中心的Voronoi图,得到可以规避各种威胁的航迹线段,结合战场威胁信息,计算航迹段的代价,形成有向图,计算出无人机初始最优航路,利用无人机初始状态和性能约束进行航路的进一步修正,满足了无人机的飞行特点.并运用MATLAB编制图形化界面,实现仿真结果的图形显示.     

空地对抗决策中粗糙贝叶斯理论应用

模糊逻辑作为模糊语言描述系统,既可以描述应用系统的定量模型也可以描述其定性模型,粗糙贝叶斯在具有内在不确定性的推理和决策问题中得到了广泛的应用。首先分析了使用粗糙贝叶斯网络进行态势评估知识表示问题;其次提出了构建粗糙贝叶斯网络进行态势评估的步骤;最后给出一个具体的实例,演示了在防空作战战场中使用粗糙贝叶斯网络进行态势评估的过程。     

突发威胁下的无人机动态航迹规划研究

针对突发威胁下无人机动态航迹规划的问题,提出了一种避开突发威胁的动态规划算法。利用A*算法生成全局最优航迹并进行平滑处理。当遇到突发威胁时,利用三次样条的二阶连续性及边界条件进行局部航迹规划,能够生成一簇候选路径,根据候选路径中心线与突发威胁中心线之间的夹角对候选路径簇进行旋转调整,使其路径簇完全包围突发威胁且具有对称性。最后综合考虑安全性、平滑性和连贯性的3种代价函数,建立总代价函数,选择出最佳的规避威胁航迹。实验结果表明,该算法能够在众多候选路径中选择出一条完全避开障碍安全平滑的较优航迹,且耗时短,实时性较强。     

离散模糊动态贝叶斯网络在目标分配中的应用

为了满足机动平台目标分配过程的动态性和实时性要求,提出了一种基于离散动态贝叶斯网络的目标分配方法。首先,提出了基于综合攻击优势和目标威胁的目标分配数学模型。然后,分别建立了基于离散动态贝叶斯网络的攻击优势和目标威胁评估模型,用来计算目标分配模型中所需数据。最后给出了仿真算例,验证了该模型的正确性和有效性。     

基于局部动态贝叶斯网络的无人机态势评估

针对在无人机态势实时评估中,动态贝叶斯网络算法历史信息过度累积的问题,提出了一种局部动态贝叶斯网络算法。该算法在对飞行路径进行分段的基础上,为每一段路径建立局部动态贝叶斯子网络,单个子网络中运用前向后向算法进行推理,在路径段之间只传递上一路径完成证据,屏蔽已完成路径中的无用信息。实验结果表明改进算法能够屏蔽历史冗余信息对无人机飞行态势的错误影响,并提高评估算法感知细微条件变化的敏感性。