基于二元模糊比较法的单步空战机动决策研究

空战机动决策过程中,往往需要根据敌我态势,给定多个任务指标,最终得出多指标条件下我方机动的最优控制解。通过对双机空战态势的研究,建立机动模型。在给定敌方运动轨迹的情况下,设定机动评价指标。运用二元模糊比较法融合空战态势的各种输入信息,通过不同指标下的机动模糊比较矩阵,对我机单步机动决策进行研究,最终得出我机机动轨迹。仿真结果表明,算法符合实际,并且具有较好的稳定性。     

基于拦截任务的飞机作战半径仿真研究

为解决拦截飞机作战半径计算复杂的问题,提出了一种计算作战半径新方法.定义了作战飞机作战半径、最短拦截时间和拦截线等概念;推导了拦截飞机作战半径计算模型,量化了载荷和空战意图对作战半径的影响,实现了多型飞机的作战半径估算;基于最小二乘法实现了对仿真作战半径的修正,验证了该计算方法所得作战半径,能够满足空战仿真、任务规划和效能分析的工程需求.     

隐身条件下的双机协同电子战功率分配方法

研究了隐身条件下双机协同电子战功率分配模型。分析了隐身条件下双机协同电子战任务的基本需求;给出了空战中多点有源压制性干扰的基本模型;建立了双机协同电子战功率分配的多目标优化问题模型,将对威胁的干扰效果和机载电子战射频辐射被截获概率作为两个指标函数;给出了多目标优化问题的解法。进行了仿真分析,实验结果表明,提出的模型和方法可以较好地解决双机协同电子战功率分配问题,可以实现空战过程中对敌发现概率的压制,降低我方威胁,达到一定的隐身目的。     

基于混合粒子群优化的多目标决策新方法

多目标优化问题中的一个关键在于合理地评判各有效解的优劣。通过引入灰色系统理论中灰色关联度的概念作为评判准则,结合粒子群优化算法进行有约束多目标规划问题的研究。提出了一种新的不可行解的保留策略,进化过程中以此策略保留适量的不可行解,有利于增强对约束边界附近可能的最优解的搜索,同时,针对粒子群优化算法的容易陷入局部最优的缺点,实现了以粒子群优化为载体的混合算法:即对全局极值邻域进一步混沌搜索寻优。仿真结果表明改进的算法对多目标决策问题是有效的。     

基于概率影响图的空战能力评估模型

基于空战指标间复杂的影响关系,引入概率影响图,并结合指标间重要程度的比较对飞机空战能力进行客观评估。利用空战信息流图,依据作战结果计算能力指标值与发生概率,构建空战模型的概率影响图;定性分析能力指标间的影响关系,定量计算综合影响权重;综合考虑比较权和影响权,计算空战能力值。结果证明,影响关系在空战能力评估中占有很大比重。     

基于协同学的编队协同空战任务决策

基于协同学理论给出了编队协同空战系统的协同学框架;提出了编队协同作战方案的五元组定义,明确了影响系统进程的序参量;基于系统有序度与协同度的概念,构建了协同效能优化模型;以任务冲突检测与消解为依据给出了任务决策的约束条件;最后以二进制粒子群优化算法对此约束优化问题进行了求解.仿真结果表明,以协同学理论描述编队协同任务决策问题是可行的,构建的协同效能模型与任务决策方法在处理编队时序任务决策问题时是有效的.     

低空接敌战术对机载雷达探测能力影响分析

针对低空接敌战术中机载雷达探测能力的影响问题进行了研究.从装备原理上对其战术机理进行了定性分析;给出了各类分析因素的数学描述,分别建立了雷达发现概率模型、综合信噪比模型、动态RCS模型,以及地杂波强度模型;之后给出了描述分析过程的具体流程.采用两种不同条件下的算例进行验证,结果证明了低空接敌战术对降低机载雷达探测能力具有重要影响以及实战意义.     

未知导引律下基于滚动时域控制的规避优化方法

合适的机动规避对于飞机的生存力有着至关重要的影响,在来袭导弹导引律未知的情况下,准确地判断导弹导引律可以更好地进行飞机的机动决策。为此,提出一种方法对导引律未知情况下的规避进行模拟。通过贝叶斯推理得出导引律的概率区间,利用滚动时域控制的方法得到飞机的实时控制量,最终达到规避导弹的目的。     

雷达不同工作模式下跟踪任务的信息需求分析

雷达采用不同工作模式跟踪目标是有差异的。给出了跟踪任务信息需求的分析方法,并在计算由传感器量测带来信息增量的基础上,重点对边跟踪边扫描和跟踪加扫描两种模式对跟踪效果的影响进行了研究。实验结果分析了这两种工作模式下雷达量测间隔与跟踪任务信息需求之间的关系。从结论可分析出,与间隙量测方式相比,持续量测可以带来较为理想的跟踪效果,且信息需求能在较短的时间内予以满足。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。