基于MAX-MIN自适应蚁群优化的无人作战飞机航路规划

为了保证无人作战飞机(UCAV)以最小的被发现概率和最优的航程到达目标点,在敌方防御区域内执行任务前必须进行航路规划。蚁群优化(ACO)算法的并行实现机制适合于复杂作战环境下的UCAV航路规划,但是基本ACO算法有易陷于局部最优解的缺点。在对基本ACO算法采用精灵策略保留每次迭代最优解的基础上,提出了一种适用于航路规划的MAX-MIN自适应ACO算法,并给出了改进后ACO算法的实现流程,最后采用改进前后的ACO算法对某UCAV的任务态势分别做了仿真实验。实验结果表明改进后的ACO算法可更加有效地应用于UCAV航路规划。     

某类任务的无人作战飞机航路规划

讨论了对于包含了既是威胁又有价值的节点的任务模型,无人作战飞机航路规划问题解决的思路和关键环节,并构建了数学模型,然后应用A*启发算法求解各个目标点的最优航路,并依据作战指挥人员对作战方案的总体把握给出的权衡因子,计算每个目标点取得的费效比,确定满足一定条件下最先攻击目标.实例仿真表明该方法可以有效地解决这类任务的航路规划问题.     

面向有人/无人机协同远程作战的IVMS架构

面对愈发复杂的战场环境和任务需求，空中作战从单机、近距的模式不断向远程、多机协同的模式发展，有人/无人机协同作战的形式则可以使两种平台的优势互补，实现整体作战效能的提升，但与此同时，飞行员需要处理的信息也呈爆炸式增长，给飞行员增加了巨大的工作量。在夺取信息优势便是获取远程作战制胜主动权的当今，综合飞行器管理系统的作用更加关键。本文在传统综合飞机管理系统(IVMS)的基础上，突出考虑了远程作战中的长航程需求，以及有人/无人机协同作战场景下机群的任务与路径规划两方面，提出面向有人/无人机协同远程作战的IVMS架构，并从数据交互与调度和递接层次关系两方面分别设计IVMS的逻辑和软件架构，实现了有人/无人机的机载设备和战术任务的综合管理。     

复杂作战环境下空中目标威胁程度评估

对敌空中目标威胁程度评估是一个多因素综合评判问题。文章在建立了来袭空中目标威胁程度指标体系的基础上,综合利用改进的模糊层次分析法和集对分析法建立了评估模型,对复杂作战环境下的空中目标威胁程度进行了评估,仿真实例表明此模型可行。     

作战飞机空空对抗的优化配置研究

为了给空军作战飞机的最优规划提供科学的依据,对空空对抗环境下的作战飞机进行了优化配置研究。介绍了四级空中优势的概念,建立了作战飞机的经费优化模型和数量优化模型。应用该模型对某战役想定下的作战飞机进行了经费优化和数量优化,验证了模型的有效性。     

模块化空中运输概念

目前的模块化空中运输（CAT）概念即由大型翼身融合体母机携带单个或多个大型可拆卸的人员／货物运输模块或任务载荷，可用于执行运输、作战、指挥、空中加油等多种任务。     

无人机自主协同任务管理

面对日趋复杂的现代战场环境,单架无人机已无法完成指定的作战任务,使用不同用途无人机组成的作战编队可以大大提升作战能力。多无人机协同作战既要求提升无人机的自主性,使其能自主处理信息,对当前战术任务做出规划和预测,又要求在无人机群内要加强友机协同性,保证多目标决策的最优化。     

中国的F-8ⅡM战斗机

我国沈阳飞机工业(集团)有限公司设计研制的F-8ⅡM战斗机,是一种多用途、超音速全天候战斗机,通过国际合作和采用各项先进技术,该机已具有良好的综合作战能力。F-8ⅡM可执行多种作战任务,具有在昼间、夜间及复杂气象条件下空中拦截、格斗和对地攻击能力。主要作战任务包括:空中拦截、空中格斗、空中护航、空中巡逻和对地攻击。F-8ⅡM装两台WP13B型涡喷发动机,其单发加力推力68.67千牛,该机还装两台容量15千伏安的交流发电机。     

基于深度神经网络的空中目标作战意图识别

传统基于空中目标特征状态推理作战意图的方法,需要大量的领域专家知识对特征状态的权重、先验概率等进行量化,明确特征状态与意图之间的对应关系,而神经网络可以在领域专家知识不足条件下,通过自身训练得到特征状态与意图之间的规则。针对反向传播（BP）算法在更新网络节点权值时收敛速度慢、容易陷入局部最优的问题,通过引入ReLU（Rectified Linear Unit）激活函数和自适应矩估计（Adam）优化算法,设计了基于深度神经网络的作战意图识别模型,提高了模型收敛速度,有效地防止陷入局部最优。仿真结果表明,所提方法能够有效识别空中目标作战意图,获得更高的识别率。     

信息联网下的多无人作战飞机多任务规划

针对信息联网条件下多无人作战飞机的多任务规划问题展开研究。提出信息联网的概念,介绍了单架无人作战飞机单个目标的路径规划算法和信息联网所包含的威胁联网和任务联网任务规划的代价计算,并由此构建了多无人作战飞机多任务规划的代价计算模型,设计了整数编码和遗传算子,运用遗传算法对任务路径进行仿真,仿真结果表明了所提出方法的正确性和可行性。     

面向无人机蜂群的航电云多层任务调度模型

在航空作战体系中，基于航电云的无人机（UAV）蜂群作战是提高未来无人机综合作战能力的一种新模式。针对无人机蜂群作战的航电云架构，如何将云端作战任务派发到无人机且保证作战任务完成时间是其中关键。在无人机蜂群分层分簇网络结构和模块级资源虚拟化的基础上，对传统单层平台级任务调度模型进行改进，提出了一种细化到模块级的多层任务调度模型，将作战任务从云端逐层调度到无人机功能模块上执行。利用OMNeT++对无人机蜂群多层任务调度模型以及传统的单层任务调度模型分别进行仿真，云端以攻击使命组为例构建使命组集进行分配，并对任务吞吐量、消息平均端到端延时和任务完成时间进行性能对比。仿真结果表明：与平台级单层任务调度相比，在执行任务方面，模块级多层任务调度模型将单个任务平均完成时间降低了46.2%，将使命组完成时间降低了52.1%，在保证任务吞吐量的基础上具有对复杂任务更稳定的调度能力；在网络性能方面，模块级多层任务调度模型消息端到端延时更低，延时分布更集中，提高了网络消息传输的实时性。     

复杂任务场景无人机集群自组织侦察建模与仿真

基于agent的作战建模与仿真是无人机集群侦察效能评估的重要方法,但以往方法中agent行为机制 和模型结构难以描述复杂任务场景下的自组织侦察行为。以反海盗侦察任务为例,提出一种面向集群自组织 侦察的作战建模与仿真方法。设计多agent分层复合行为机制和可组合模块化agent模型结构,通过简单行为 的组合描述复杂行为;通过信息素图模块与航路管理模块的交互,实现自组织航路规划与飞行控制;并通过仿 真算例,来验证方法的可行性,对比分析不同航路规划方法的侦察效能。结果表明:自组织航路规划对中断航 路侦察的动态事件的适应性更强;对于大区域、长时间、低目标密度的区域覆盖侦察任务,仅通过改进航路规划 方法来降低访问间隔难以显著提高目标发现概率。     

不同作战任务条件下的UCAV航路规划问题建模

UCAV航路规划是充分发挥UCAV作战优势、使任务复杂性与UCAV能力之间保持良好协调性所必须解决的关键问题。在分析UCAV航路规划技术的基本概念和基本要求的基础上,针对不同作战任务条件下的UCAV航路规划问题进行了建模研究,分别建立了单UCAV航路规划、单UCAV多航路规划以及多UCAV协同航路规划等数学模型。     

基于改进C~2R模型的突防兵力策略优选方法

空中突防作战中,如何以最优兵力策略获得最大作战效率是任务规划中的一项关键技术。构建突防飞机编队通过拦截飞机防空区模型,以突防战斗机与随队支援干扰机的架数为输入项,以成功突防架数和被击落拦截飞机的架数为输出项。根据每种飞机可出动架数产生的所有兵力策略,利用突防模型遍历推演出每种策略预期的空战结果。运用经济学中数据包络分析的方法,对经典的C~2R模型进行改进,定义3种综合评价指数,用每种指数对所有预期的空战结果进行评价并排序,根据排序结果对兵力策略进行比较分析。仿真结果表明,3种指数均能有效地对兵力策略排序优选,提升了作战指挥决策的效率。     

多机型协同空战多目标分配战术决策仿真算法

针对多个机型能够同时使用而且空战性能差别很大的特点,研究运用多机协同作战的理论来探讨适合多机型协同空战的目标分配战术决策方法。提出仿真算法并给出不同机型搭配的目标分配结果。计算结果表明,文中介绍的方法可以满足我军高低机型搭配作战的要求,并能更有针对性地完成战术决策任务。     

基于地面任务-空间姿态映射的敏捷卫星任务规划

面向观测时间窗口相互重叠的多点目标观测任务需求,对敏捷卫星单星单轨任务规划问题进行研究。针对传统方法在卫星机动能力受限和成像任务冗余两种情况下求解效率低的缺陷,引入任务-姿态协同规划思想。首先,建立地面任务和空间姿态映射关系,并考虑相邻任务间姿态机动时间的最优性使得卫星在观测相邻任务时无多余等待时间,以此来设计任务-姿态协同规划数学模型。其次,根据任务-姿态协同规划数学模型,设计自适应伪谱遗传算法（APGA）,用以求解满足调整时间最优性的敏捷卫星任务规划问题。最后,通过仿真实验,验证了模型和算法能够有效地解决传统算法求解敏捷卫星任务规划问题时存在的求解效率低的缺陷。     

基于深度强化学习的多无人机协同进攻作战智能规划

无人机依靠作战效费比高、灵活自主等优势逐步替代了有生力量作战,多无人机协同作战任务规划成为热点研究问题。针对传统任务规划采用的智能优化算法存在的依赖静态、低维的简单场景、机上计算较慢等不足,提出一种基于深度强化学习（DRL）的端到端的多无人机协同进攻智能规划方法。将压制敌防空作战（SEAD）任务规划过程建模为马尔科夫决策过程,建立基于近端策略优化（PPO）算法的SEAD 智能规划模型,通过两组实验验证智能规划模型的有效性和鲁棒性。结果表明：基于DRL 的智能规划方法可以实现快速、精细规划,适应未知、连续高维的环境态势,智能规划模型具有战术协同规划能力。     

基于合同机制的多UCAV分布式协同任务控制

 针对集中式控制的不足，采用基于合同机制的分布式控制方法对多无人作战飞机（UCAV）协同任务控制问题开展研究。设计了有限中央控制下的分布式控制体系结构，以支持UCAV在任务控制站的监控下实现不同级别上的自治。在通过合同网协议实现动态任务分配的基础上，建立条件合同机制对任务执行过程进行协调，提高了多UCAV协同作战的效能。采用时间约束网络对UCAV的任务计划进行量化表达，保证了多UCAV战术行为配合的准确实现。仿真结果验证了方法的有效性。     

超视距攻击模式对机载武器火控系统的要求

未来空战的主流模式是超视距攻击,本文从提高作战效能出发,阐述了超视距空战的概念、战场环境、机载武器火控系统应具备的条件,强调发展基于超视距空战模式的机载武器火控系统的必要性。