信息支援条件下协同空战态势评估研究（英文）

针对现有空战态势评估方法表现形式不够直观、模型简单的问题,提出一种将威力场与遗传神经网络相结合的态势评估方法,并将其应用于信息支援条件下的协同空战态势评估。分别从攻击能力、探测能力、电子干扰能力、生存能力、通信能力、告警能力、协同能力以及决策能力等方面构建威力势模型。利用遗传算法优化BP神经网络,并将其应用于编队作战能力评估。最后利用具体算例进行仿真验证,结果表明该方法是正确可行的。相比于传统态势评估方法,该方法在信息支援条件下的超视距协同空战态势评估中具有全面性、直观性、准确性等优势。     

基于威力场的超视距协同空战态势评估方法

针对非参量法模型将动态优势与静态优势孤立,传统表现形式无法直观、形象体现具体编队的超视距协同空战态势的问题,将威力场的概念应用于超视距协同空战态势评估。根据超视距协同空战特点,从战斗机攻击能力、通信能力、探测能力、生存能力、电子干扰能力、协同能力和全向告警能力等方面构建威力势模型。仿真结果表明此方法能够克服非参量法模型的缺点,能够全面、直观、形象地对超视距协同空战的态势进行评估,且可以有效提高战场决策者的效率和决策的质量。     

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.     

信息支援条件下的空战优势参数研究

信息化条件下的空战是当今空战的主要模式,研究信息支援条件下的空战效能具有重要和现实的意义.分析了信息支援条件下空战的兰彻斯特作战模型,并给出无信息支援、信息透明、信息压倒、信息不对称四种条件下的空战优势参数形式,进一步研究并给出了信息支援条件下多机种编队合同作战时的空战优势参数形式,对空战优势参数进行分析表明利用该参数可以评判空战对抗态势和预测空战对抗结局,最后通过实例计算,结果显示信息优势是获得空战优势的关键因素.     

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。     

不确定环境下协同空战目标分配模型

为了处理协同空战目标分配过程中出现的不确定信息,将偏好规划理论引入到目标分配中,提出了基于偏好规划的编队协同空战目标分配模型。根据协同空战的特点,构建了飞机的空战能力评估体系,建立态势评估模型,在此基础上建立了协同空战目标分配模型。模型中指标和偏好的不确定性用区间形式表示,求解方法采用RICH法。对实例进行仿真,仿真结果说明该方法在不确定环境下的有效性。     

不确定情况下协同空战目标分配方法

现代空战环境下出现的大量不确定信息, 现在常用的协同目标分配模型都没有考虑到这种情况.针对这种情况,将随机规划引入到协同空战目标分配研究中,在一般期望值模型的基础上,建立了多机空战协同目标分配期望值模型,并利用随机模拟、神经网络和遗传算法结合而成的混合智能算法来求解该期望值模型.2∶4协同空战仿真结果表明该模型的有效性.     

标准化全连接残差网络空战目标威胁评估

针对空战态势中威胁评估传统方法存在缺乏自学习能力和面对大样本数据集推理能力不足的问题,提出了利用深度学习的基于标准化全连接残差网络空战目标威胁评估的方法。将影响空战目标威胁的主要因素作为输入,利用普通全连接神经网络训练模型的自学习能力,结合批量标准化(Batch Normalization)的优化算法和结构优化的残差网络(ResNet)增强网络的自学习能力,比较了样本的标记和网络模型的输出。分析了训练样本个数对网络训练准确率和损失变化的影响,对比了3种不同数据量下的训练模型在同一测试集下测试的准确率和损失变化。结果表明,该方法可以快速准确地评估空战中目标的威胁程度。     

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。     

基于变权TOPSIS法多属性威胁评估与任务调度

多机多目标协同空战模式下,针对动态空战态势信息的实时威胁评估和攻击任务调度问题,首先提出了空战威胁评估指标,将各评价指标相对优属度作为决策矩阵,建立基于多属性决策的优势评估模型。基于熵权法确定目标属性客观权重,基于群组AHP法确定目标属性主观权重,目标属性主客观权重进行融合得到组合权重。然后建立能够全面反映多因素对最终评估影响的变权TOPSIS多属性决策模糊威胁评估模型,并阐述了变权TOPSIS方法的计算步骤。利用蚁群算法进行任务调度。最后给出实例,仿真结果验证了该方法的可行性和有效性。     

基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近.2:4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统.     

定量的近距空战训练对抗态势分析方法

针对近距对抗态势分析不能量化的不足,提出一种定量的近距空战训练对抗态势分析方法。该方法以对抗过程中双方的位置关系为基础,结合近距空空导弹的攻击包线,建立位置优势函数和武器优势函数,通过两类函数的线性组合构造对抗态势函数,实现了空战训练对抗态势的定量描述。通过算例验证了该方法的合理性和有效性。     

超视距协同空战协同表现评价模型

针对超视距协同空战中的协同网络表现评价问题,在分析影响超视距空战协同效果因素的基础上,提出协同满意度概念,构建协同满意度评价指标体系。研究了基于二元语义模型的协同满意度评价方法,最后实例验证了评价模型和评价方法的可行性,为有效进行超视距协同空战的训练和管理提供了依据。     

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.     

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。     

多机空战目标威胁评估算法

首先介绍了几种现有的多机空战目标威胁评估方法 ,并对它们的应用进行了分析 ;在此基础上 ,提出了一种综合目标空战能力和空战态势的威胁评估算法 :威胁指数法 ;最后给出了具体算例 ,计算结果表明 ,威胁指数法可以全面、有效地完成多机空战中威胁评估和威胁排序的计算。     

一种新的超视距空战目标威胁评估距离指标模型

距离指标是进行超视距空战目标威胁评估的重要指标,但当前多数的距离指标模型都过于简单。针对这种不足,在仿真分析当前典型模型的基础上,根据空战的实际情况,首先定性分析了目标位置等因素对于威胁度的影响;然后根据探测距离、导弹射程等参数,将敌我距离分成不同阶段,区分敌我性能强弱的不同情况,分阶段建立了一种新的距离指标模型。最后,针对不同的战场态势,进行了仿真分析,证明了模型的有效性。模型对于提升空战威胁评估的准确性具有积极意义。