三机协同无源时差定位最优编队构型分析

针对未来空战中航空集群协同无源时差定位编队构型确定问题,提出了一种确定三机协同无源时差定位最优编队构型的方法。分析了确定集群编队构型的基本原理;归纳了4个三机编队构型决定因素:主辅机相对位置、基线夹角、基线距离以及主辅机高度差;将定位区域范围和定位距离作为衡量集群无源定位编队构型优劣的指标,并进行了仿真计算。仿真结果表明:在火控引导阶段,当采用主机在后、辅机在前,基线夹角为150°,基线距离为60 km~80 km,主机与目标同高度且主辅机之间高度差为±(1-2)km的编队构型时,三机协同无源时差定位编队构型为最优。     

机动目标的航空集群协同探测策略

航空集群协同探测问题,是集群作战研究的重要内容,其中对隐身目标在不同机动,不同极化方式下的集群动态RCS研究是重点和难点问题。在双基地雷达建模和坐标转换的前提下,对隐身目标的两种典型机动——匀加速机动和匀速转弯机动进行建模,在HH、VV两种极化方式下,运用线性插值法对动态RCS进行时序分析。仿真结果表明,两种机动模型下,随着时间变化,动态RCS起伏波动较大,在匀加速运动模型下,HH、VV极化所引起的RCS差异性较大,匀速转弯模型下,不同极化方式带来的影响较小。     

A model for geographically distributed combat interactions of swarming naval and air forces

This article describes the Distributed Interaction Campaign Model (DICM), an exploratory campaign analysis tool and asset allocation decision‐aid for managing geographically distributed and swarming naval and air forces. The model is capable of fast operation, while accounting for uncertainty in an opponent's plan. It is intended for use by commanders and analysts who have limited time for model runs, or a finite budget. The model is purpose‐built for the Pentagon's Office of Net Assessment, and supports analysis of the following questions: What happens when swarms of geographically distributed naval and air forces engage each other and what are the key elements of the opponents’ force to attack? Are there changes to force structure that make a force more effective, and what impacts will disruptions in enemy command and control and wide‐area surveillance have? Which insights are to be gained by fast exploratory mathematical/computational campaign analysis to augment and replace expensive and time‐consuming simulations? An illustrative example of model use is described in a simple test scenario. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 562–576, 2016     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。     

航空集群系统构建机理研究

围绕航空集群系统构建问题,从集群系统构建基本概念与内涵、构建要素以及构建思路及流程3个方面对集群系统构建机理进行阐述。首先,在分析集群系统的基本概念与内涵的基础上,提出了集群系统构建的概念;然后,将集群系统构建要素分为硬件资源、软件资源以及网络资源,并进行了梳理;最后,在分析集群作战一般流程的基础上归纳出了集群系统构建思路,并给出了构建流程。     

基于0-1分辨矩阵的集群探测盲区判定

针对航空集群协同反隐身探测盲区的识别判定问题,在多种编队构型下的集群协同探测仿真结果的基础上,运用属性的0-1分辨矩阵方法进行识别,对于连通的区域,建立相关模型,求得允许目标通过的最小宽度,将建立的模型应用到模拟作战中,仿真结果验证模型的正确性和合理性。结论表明,航空集群协同横向探测盲区可视为探测区下的保护区;纵向探测盲区则视为连通区域;斜探测盲区的判定,则依据通道倾斜角、通道长度和宽度的比值而定。     

基于合作博弈的智能集群自主聚集策略

以无人车集群系统协同监视再入体着靶过程为任务背景,开展智能集群自组织策略相关技术研究。设计无人车集群执行再入体着靶协同监视的集群行为模式;针对协同监视过程中的集群聚集行为,提出基于合作博弈的智能集群自主聚集策略。各智能体以实现群体聚集为"合作目标",以降低自身能量消耗为"竞争目标",开展博弈;基于微粒群算法规划局部路径,最终使群体系统涌现出聚集行为。仿真实验验证了设计的自主聚集策略的有效性。     

美军小型低成本无人蜂群发展运用及对策

美军近期提出以小型低成本无人蜂群形成高效费比的不间断侦察能力,并进一步提高战场打击精度的装备发展构想。本文以积极应对强敌新装备、新战法为出发点,研究了美军发展小型低成本无人蜂群的思维导向以及该新装备的作战优势,并分析了其中所采用的先进技术。针对美军此次提出的应用大量小型低成本无人蜂群实施协同侦察的作战运用模式,论述了其在大区域精确侦察、全方位敏捷机动和低成本运维保障等方面的作战运用亮点。基于其对我国土安全的威胁,结合军队装备自身特点,提出了以强磁净空、导航欺骗和通信干扰为主的"软杀伤"和以弹幕防御、以群制群、直捣蜂巢为主的"硬摧毁"相结合的体系化无人蜂群反制策略,最后借鉴强敌小型低成本无人蜂群发展思路,提出军队的发展对策建议。     

基于Multi-Agent的航空集群系统重构机理研究

集群作战是未来空中作战的主要样式,其重构机理的研究对于提升航空集群执行任务的整体性能以及在遭受攻击时的生存能力具有重要作用。从作战任务层面出发,对集群系统重构的定义以及类型、触发机制和基本原则进行了分析阐述;借鉴博弈论理论,将航空集群系统分布式重构问题映射为多Agent之间的合作-竞争问题,建立了基于Multi-Agent的系统重构模型,给出了重构的流程与算法,为航空集群系统自适应重构能力的设计实现提供了理论技术支持。     

“算法战”及其在空战领域中的应用

随着战争从体能较量、技能较量发展为智能较量,"算法战"与人工智能和指挥控制系统相关联并在其中占据关键地位,是实现智能化作战和建设智能军队的技术基础。通过梳理与总结美军在落实"算法战"研究方面所进行的开创性工作,理清"算法战"发展的脉络,重点对"算法战"产生背景、基本概念与内涵以及发展现状进行了探讨,结合课题组在航空集群作战领域的研究基础,探讨"算法战"在空战领域的落脚应用的可鉴之策,为我空军装备的信息化升级和智能化转型奠定基础。