基于近端策略优化的空战决策算法研究

面对未来有/无人机协同作战场景,实时准确的空战决策是制胜的关键。复杂的空中环境、瞬变的态势数据以及多重繁琐的作战任务,使有/无人机协同作战将替代单机作战成为未来空战的发展趋势,但多智能体建模和训练过程却面临奖励分配困难、网络难收敛的问题。针对5v5 有/无人机协同的空战场景,抽象出有人机和无人机智能体的特征模型,提出基于近端策略优化算法的空战智能决策算法,通过设置态势评估奖励引导空战过程中有/无人机智能体的决策行为向有利态势发展,实现在与环境的实时交互中,输出空战决策序列。通过仿真实验对所提空战决策算法进行验证,结果表明：本文提出的算法在经过训练学习后,能够适应复杂的战场态势,在连续动作空间中得到稳定合理的决策策略。     

基于故障历史的飞机故障趋势预测分析研究

提出了一种基于飞机故障历史的飞机故障趋势预测的方法。利用粗糙集分析故障数据建立决策表,经约简后找出主要关键条件属性并提取出其时间序列,最后拟合出该部件的故障率曲线并采用新数据进行相似性搜索从而对故障趋势做预测分析。     

基于模糊聚类的近距空战决策过程重构与评估

目前大量研究集中在空战的智能决策和解决近距空战评估结果"是什么"的问题上,却极少关注评估结果的"为什么"。根据空战训练中记录的客观数据的变化特征,提出基于模糊聚类的方法来计算决策序列,构建模糊粗糙决策系统,以实现对近距空战决策过程的重构;通过计算分析条件属性之间的相对重要度,对具有相似重要度的决策对象序列进行二次聚类划分,分析出关键决策点集合。通过实例研究,从空战能量和相对方位2个方面对近距空战决策过程进行了评估分析。结果表明,从空战决策的角度可认为关键决策点集合是产生评估结果的原因。     

时空轨迹多维特征融合的行为规律挖掘算法

在预警监视系统中，利用数据挖掘技术可以从海量的目标时空轨迹数据中挖掘出目标的行为规律，实现态势信息的智能感知。目前大部分行为规律挖掘方法仅考虑目标轨迹的空间位置信息，忽略了航向和速度信息，因此难以区分空间位置相似但运动速度和方向不同的行为。除此之外，轨迹聚类算法普遍存在参数设置复杂的问题，而且容易受到轨迹行为分布密度的影响。针对上述问题，首先，通过构造时间滑窗定义了时空Hausdorff距离，可度量时空轨迹多维特征差异；其次，结合k最近邻和密度峰值聚类中决策图的思想，提出了时空轨迹多维特征融合的行为规律挖掘算法；最后，使用仿真飞行器轨迹和实测雷达轨迹数据进行实验分析和验证，结果表明在典型应用场景下本文算法可以准确地挖掘出目标所有行为规律，在智能监视任务中具有较好的应用前景。     

基于回访机制的无人机集群分布式协同区域搜索方法

为高效引导无人机（UAV）集群搜索未知任务区域内的动态目标，同时兼顾最大化覆盖搜索效能，提出一种回访机制驱动的UAV集群分布式协同搜索决策（RM-DCSD）算法。首先，基于栅格化方法构建了包含3种属性的综合态势信息图模型及其更新机理，为UAV进行实时在线搜索决策奠定基础；其次，以最大化搜索效率为优化目标，同时兼顾UAV的飞行安全与能耗代价，建立了UAV搜索效能函数，在此基础上，基于滚动优化思想进一步构建了UAV局部有限时域滚动优化模型；然后，综合考虑动目标的实际搜索需求以及传感器虚警和漏检情况，分别设计了信息素引导的回访机制与权系数动态切换引导的回访机制；接着，借鉴分布式模型预测控制思想，设计了基于信息融合的UAV集群分布式协同搜索决策机制，在确保集群分布式协同最优决策的基础上实现了对UAV成员态势信息图的解耦式更新，进一步增强了系统鲁棒性；最后，通过数值仿真实验对所提算法的有效性进行全面验证。仿真结果表明，RM-DCSD算法对动态未知搜索环境表现出良好的适应性，能够在引导UAV集群对未知区域进行最大化覆盖搜索的同时，通过回访机制驱动，有效兼顾对地面动目标的搜索需求。     

基于多维特征的战场实体目标分群方法

目标分群问题也称为群形成过程，是态势估计中的一个重点和难点问题，属于信息融合中的高层融合范畴。现有的目标分群方法大多是将空间位置相近的目标聚为一类，极少有分群方法考虑到进行战场态势分析所需的位置、速度、航向、属性和类型等多维特征。为此，首先根据海战场态势分析需求，基于目标的特征属性定义了多维度欧式距离；然后综合利用分类与密度聚类两种分析方法，提出了一种战场实体目标分群方法,以综合实现战场实体目标的实时分群处理；最后，将该算法应用于一个军用场景的数据集上进行仿真实验。仿真结果表明了该方法在海战场环境中实现目标分群处理的可行性和有效性。     

航空发动机健康评估变精度粗糙集决策方法

针对航空发动机健康评估过程中存在的多工况、非线性和小子样问题,提出了一种基于相似性度量的发动机健康评估的变精度粗集决策方法.首先给出了变精度粗糙集中正确分类率的确定原则和方法,提取了决策规则;其次,提出了基于交叉信息熵的属性相对重要度计算方法,并给出了属性的客观权重,结合专家经验和运行工况形成了属性的综合权重;最后,提出了基于属性综合权重的加权相似性度量方法,通过比较当前对象与约简后的决策系统中所有对象的相似程度,给出决策结果,完成对发动机的健康评估.实例表明,在结合专家经验和运行环境对评估结果进行修正后,该方法对发动机的健康评估更贴近实际,方法具有一定的普适性.      

基于单类分类的航空遥感影像变化检测

航空遥感影像的变化检测在城市规划等领域发挥着重要作用。文章提出一种基于单类分类的变化检测方法，通过对不同时相的航空遥感影像进行单类分类，提取针对该兴趣类别的变化信息。该方法仅需要兴趣类别的训练样本，由训练样本确定一个距离阈值，实现单类分类和变化检测。虽然简化了参数设置和样本训练，但实验结果表明，该方法与最近邻方法具有相近的变化检测精度。     

基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在敌方防御区域内执行攻击任务前必须规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出了适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明，该方法是一种有效的航路规划方法。     

基于双目视觉和惯性器件的微小型无人机运动状态估计方法

针对微小型无人机(UAV)自主运动状态估计问题,提出了一种基于双目视觉和惯性器件的微小型无人机运动状态估计方法,运动状态估计系统由微惯性测量单元(MIMU)和2个摄像机组成.根据微惯性测量单元的输出更新无人机运动状态,同时由摄像机获得周围环境的图像序列,从序列图像中提取特征点,并对这些特征点进行匹配、跟踪,测量序列图像...     

有人-无人机协同空战机动决策研究

目前，有关无人机空战的研究主要考虑无人机的完全自主决策机动算法，关于有人机有限监督决策下的空战机动决策的研究鲜有报道，更缺乏对有人—无人机协同作战的研究。为实现无人机协同空战过程中的自主机动，设计一种基于路径规划技术的有人—无人机协同空战机动决策模型。首先，引入动态栅格环境，自适应调整栅格规模和分辨率，以弥补静态栅格环境规划空间越大规划效率越低的缺陷；然后，将A star 算法规划路径作为参考路径，提出ACO-A star 混合路径规划算法，以提升ACO 算法的寻优效能；最后，基于均值聚类算法设计有人—无人机协同空战机动决策算法。进行空战对抗仿真模拟，结果表明：所提出的算法具有更好的决策正确性，可有效提升空战胜率。     

多测速系统应答信标数据实时分类算法

为了提高目标轨迹解算的稳定性,针对多测速系统在应答模式下的测量数据分类问题,提出了一种新的实时分类算法。首先分析了现有方法的缺陷;其次设计了一种能够将应答数据、信标数据与异常数据进行分类的新算法。该算法的关键是选择适当的分类参考,采用目标理论轨迹与已经分类的历史测量数据等2种分类参考相结合的方法,以适应不同的应用情形;最后,利用2类主站配置模式下的典型实测数据对新算法进行验证,结果表明新算法能够将3类数据正确分类。在此基础上,解算出的实时轨迹平稳且连续,测量数据的利用率明显提高。因此新分类算法的性能优于现有方法,对改善其他测量系统中的实时数据分类效果也具有借鉴意义。     

基于博弈论模型的多机协同对抗多目标任务决策方法

根据多机协同对抗多目标的空战特征,以敌我双方可能的相互攻击组合方式作为策略集,由敌我双方对抗态势分析定量结果确定支付函数,建立完全信息静态博弈模型.通过求解博弈模型的混合策略纳什均衡解,并结合一定作战经验,形成任务决策方法.以无人作战飞机编队对抗敌地对空防御系统为例,对本文所研究的任务决策方法进行了验算.     

无人机航迹规划算法

无人机是现代战场实施侦察、打击的有力武器,它的发展备受关注。无人机航迹规划源于机器人运动规划,它是无人机应用研究的核心内容,对提高无人机系统在复杂战场的作战能力起着关键作用。无人机战场环境日益复杂,在强拒止、强电磁环境下,航迹规划对自主性和智能化有更高的要求,传统单一约束的算法已不能满足现今的战场需求。文章系统梳理了 5类无人机航迹规划算法中的几种常用算法及其改进算法,归纳了这些算法的原理、优缺点及适用条件,指出现阶段存在的问题与无人机航迹规划算法面临的挑战。综述表明,航迹规划算法必然向着智能化发展,自主识别和智能决策是改进、优化算法的关键。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导，针对无人机与非合作目标间中远距离的相对导航问题，提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上，为了提高精度和稳定性，本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进，提出了一种LM-IEKF算法，并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上，考虑到距离传感器由于信号相关特性而引入的乘性噪声，现有的加性噪声模型难以适应，因此，进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法，通过在线实时更新噪声阵提高滤波的精度，并设置渐消记忆指数平滑估计结果。算法验证结果表明，与现有的EKF、IEKF算法相比，在仅含加性噪声的情况下，LM-IEKF算法具有更好的性能；在包含乘性噪声的情况下，Modified LM-IEKF可以有效地估计量测噪声，与目前广泛使用的EKF算法相比，在综合相对位置和相对速度精度上分别提高了10%和23%。     

超视距空战的威胁估计

针对现有超视距空战威胁估计模型的不足,提出了一种新的基于模糊逻辑的超视距空战威胁估计模型。该模型以机载中远程空空导弹攻击区、雷达搜索区性能参数以及双方战术几何关系、相对运动趋势作为评估对象进行模糊化,设计了角度优势、距离优势推理模块,并以二者的加权和作为当前空战态势的优势指数。模型较为全面反应了空战态势与参战飞机的作战能力,可为超视距多机协同攻击多目标空战时的目标分配、战术选择提供参考。仿真结果验证了模型的有效性。     

基于态势评估及DDPG算法的一对一空战格斗控制方法

已有的空中格斗控制方法未综合考虑基于专家知识的态势评估及通过连续性速度变化控制空战格斗的问题。基于深度确定性策略梯度（DDPG）强化学习算法,在态势评估函数作为强化学习奖励函数的基础上,设计综合考虑飞行高度上下限、飞行过载以及飞行速度上下限的强化学习环境;通过全连接的载机速度控制网络与环境奖励网络,实现DDPG算法与学习环境的交互,并根据高度与速度异常、被导弹锁定时间以及格斗时间设计空战格斗结束条件;通过模拟一对一空战格斗,对该格斗控制方法在环境限制学习、态势评估得分以及格斗模式学习进行验证。结果表明：本文提出的空战格斗控制方法有效,能够为自主空战格斗进一步发展提供指导。