基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。     

空战格斗飞行机动数据库建立及应用

空战格斗任务面临环境高复杂性、博弈强对抗性、响应高实时性、信息不完整性、边界不确定性等多项挑战。为此，已建立人类飞行员空战格斗飞行机动数据库ACED(Air Combat Engagement Database)，系统采集人类优秀飞行员空战格斗飞行机动数据。基于该数据库，首先分析了空战格斗飞行机动方程，提出应重点分析飞行员在空战任务中的滚转角及法向过载决策指令；研究确定了近距空战格斗任务中的人类飞行员飞行机动决策时间窗，并采用能量谱分析方法确定了飞行员在近距空战格斗飞行机动中的滚转角决策频率；针对采用航炮作为主武器的近距空战格斗任务，研究了近距空战格斗敌机轨迹预测算法。相关方法可有效预测航炮炮弹生命周期内的敌机未来轨迹，有力支撑了航炮自动火控算法的研发，助力在相关空战竞赛中取得优异成绩。本文系列应用示例验证了已建立的空战格斗飞行机动数据库的有效性。     

《@6教你开飞机》专栏之十六 小队双机战术(第四部分)

一对二战术机动前面讨论了我双机对抗单个敌机的战术。但是如果情况相反呢?单个的我机如何对抗敌机编队呢?回答很简单小心,更小心。首先所有单独作战的飞行员都要记住此时他已经违背了空战的一个基本原则:没有优势不与敌机交战。忽视这一名言将导致巨大的危险。在本例中,面对数量优势的敌机时,我机飞行员已经开始攻击一架敌机并打算避开另一架的攻击。他必须谨慎的权衡各个因素,做出最佳的选择。     

关于桶滚动态特点的分析

桶滚是近代空战中重要的战术机动动作之一,飞行员能否熟练掌握桶滚的操纵方法,是取得空战胜利和保障飞行安全的基础。针对飞行训练中,桶滚操纵动作不易准确掌握,后段易出现偏差等特点。从桶滚的运动方程入手,根据其战术意义及飞机机动性能特点,分析与研究桶滚的动态特点及其影响因素,总结出桶滚的运动特点及操作规律。最终,为飞行员正确掌握桶滚的操纵方法,提高飞行员对飞机空中状态变化的掌控和识别能力,提升技战术水平,有效地保障飞行安全提供可靠的理论依据。     

自主空战机动决策方法综述

自主空战机动决策是基于数学优化、人工智能等方法,模拟飞行员空战决策,自动生成飞行控制指令的过程。它在空战仿真、飞行员辅助决策和无人战斗机自主飞行等领域广泛运用。根据求解思路的不同,综合论述了两类自主空战机动决策方法:针对基于对策的空战决策方法,阐述了从追逃对策到双目标对策的发展脉络和内在联系,并着重分析了两类重要的双目标对策模型——矩阵对策和影响图对策;针对基于人工智能的空战决策方法,系统论述了基于专家系统的机动决策、基于遗传学习系统的机动决策、基于人工免疫系统的机动决策和基于神经网络的机动决策,明确了各种决策的建模方法、适用条件、改进途径等问题。总结了各个空战机动决策方法的优点及不足,指出了自主空战机动决策的进一步研究思路。     

看F-22A如何打造空优作战能力

<正>2005年,美国空军F-22A"猛禽"战斗机形成初始作战能力之后,F-22A战斗机中队作为空战主力多次参加大型演习,飞行员一直在提高F-22A的空战能力。经过8年的艰苦努力,F-22A已经完成与美国空军其他作战系统的整合,具备与其他军种和盟军执行夺取战区制空权的任务能力。虽然面临以T-50为代表的外国第5代战机的强势挑战,F-22A战斗机中队的飞行员和维护技师表示仍能在未来空战中保持优势。     

无人机空战仿真中基于机动动作库的决策模型

根据无人机空战仿真需要和专家系统原理,建立了一套基于机动动作库的快速响应自主空战机动决策系统模型;根据第三代战斗机空战中典型的机动动作,建立了相应的专家数据库;通过对驾驶员经验的分析,建立了专家知识库,并将整套决策模型应用于空战仿真中.仿真结果表明,应用该模型建立的空战仿真系统,可以使无人机根据实时战场环境,实现快速自主决策空战模拟飞行.     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

从空战制胜机理演变看未来战斗机发展趋势

制空权是当代战争一切空中行动的前提条件,而承担空中优势重任的战斗机的研发工作长期以来为各军事大国所重视。数十年来,美军在空战理论、战斗机研发和空战实践等方面具有领先优势,已率先完成由能量机动制胜向信息机动制胜的空战能力转变。随着自主、人工智能、无人、通信、计算等技术的快速进步,美军正在塑造以下一代战斗机为核心,以复杂空战系统为基本空战单元的新空战形态,认知机动制胜将是未来空中对抗的制胜机理。本文将系统梳理空战制胜机理的演变历程,结合当前技术发展与布局,研判未来战斗机发展趋势。     

战斗机的机敏性与超机动性（二）

3 机敏性(或称敏捷性) 3.1机敏性定义正如机动性最初才提出时的情况一样,对什么是机敏性?如何衡量它?它与飞机的作战效能有多大关系?设计战斗机时怎样来保证机敏性等方面目前还没有一个完全统一的认识。通常的说法是:机敏性是飞机的机动性和机动能力变化速率的综合评价。或者说飞机改变机动状态和转动机动平面的能力。对飞机的机敏性要求都是从如何取得空战优势的角度考虑的。例如,在战斗机1对1空战时,与空战胜负的直接有关因素为:(1)两机的相对速度、我机的角点速度     

飞机动态机动指标测量

表征飞机在空中格斗时动态机动性能的新参数，是完成任务所需时间和机动的空间方位的函数，虽然这些参数是针对指向即发射空战和滚转反应机动提出的，但是，这种方法适用于大部分空战机动。该参数可用于预测空战效果和一架飞机相对另一架飞机时间优势。     

基于变权重伪并行遗传算法的空战机动决策

针对空战机动决策中态势多样化对机动决策的影响以及控制量的细化问题,以敌我双机空战为背景,利用空战优势函数值作为空战机动决策的依据,基于滚动时域控制方法,采用变权重自适应伪并行遗传算法解决空战决策问题。重点分析了隐身优势函数以及变权重函数的建立、遗传编码方式、操作算子的确定,最后对空战决策进行了仿真。仿真结果验证了隐身优势函数的合理性,以及该理论在空战机动决策方面的有效性。     

基于Dodgson集结算法的多机协同空战机动决策方法

针对多机编队协同作战空战问题,研究了协同机动决策改进方法。基于Dodgson集结函数,设计了新的协同决策中的机群偏好集结环节,提出了一种基于Dodgson集结算法的多机自主协同空战机动决策方法。典型多机协同空战算例表明,该决策算法能在敌机不机动、初始态势占劣等多种条件下,产生合理有效的机动决策。     

基于能量优化的无人机机动轨迹生成方法

基于能量优化的无人机机动能够使无人机在不失去决定性位置优势的情况下获取相对于对手的能量优势，足够的能量优势可转换为有效的位置优势，有利于无人机在空战中随时改出当前机动并投入下一机动动作，对于无人机获取空战胜利至关重要。开展了基于能量优化的无人机机动轨迹生成方法研究，通过在无人机机动飞行包线内设计合适的机动指令，使得无人机能量性能指标最优。以上升转弯机动为例进行了机动轨迹生成的详细设计，并与常规上升转弯机动轨迹生成结果进行对比，仿真结果显示所设计的机动动作完成时间缩短了28.6%~83.8%，总能量变化减少了64.7%~70.1%，实现了无人机机动飞行的能量优化。     

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。     

歼击机中距空战仿真的初步研究

运用歼击机中距空战仿真的手段，模拟典型中距空战过程，结合典型飞机以一对一的方式，采用典型的空战战术，从反映空战一般特点的三个要素（信息，机动，火力）出发，定量地研究了中距空战中飞机作为完整的武器系统时，几个重要参数对作战能力的影响。     

未来智能空战发展综述

随着装备战斗力生成模式逐渐向机械化、信息化、智能化"三化融合"发展演变,未来航空主战装备的定位、形态及运用将可能发生根本性变革。为应对新时期空战任务所面临的环境高复杂性、博弈强对抗性、响应高实时性、信息不完整性、边界不确定性等一系列挑战,交叉融合人工智能理论与空战对抗技术,研发智能空战系统,将有望在下一代无人制空装备谱系中构建不对称"智能代差",成为制胜未来空天战场的核心关键。本文完整梳理了智能空战研究的发展脉络,总结了以专家机动逻辑、自动规则生成、规则演进、机器学习等方法为代表的智能空战基础理论。从体系、应用及技术视角全面剖析了智能空战的发展趋势,以智能空战的不确定性、安全性、解释性、迁移性、协同性为切入点阐述了智能空战应用落地的若干问题,以期为未来智能空战技术研究勾勒出一条新的探索路径,为人工智能理论与航空科学技术的跨领域交叉融合提供新的发展思路。     

基于强化学习的无人机空战机动决策

针对一对一空战中无人机机动决策问题,提出了一种基于强化学习的无人机空战机动决策方法。在强化学习的框架下,分析表征空战态势的各主要因素,建立空战优势函数并以此作为强化学习回报值的基础;设计空战机动决策的动态模糊Q学习模型,对空战机动决策的状态空间进行模糊化作为强化学习的状态输入;选取典型空战动作作为强化学习基本行动,通过各模糊规则的触发强度加权求和实现连续行动空间的覆盖。相对于传统方法,本方法具有更强的鲁棒性和自主寻优性,在不断的仿真和学习中无人机所做的决策水平能够不断提高。     

一种过失速区飞行敏捷性评估方法的研究

在评估过失速机动飞行的敏捷性中，首先建立了具有过失速机动（ＰＳＴ）能力的战斗机Ｆ２的数学模型，对常规战斗机Ｆ１与ＰＳＴ战斗机Ｆ２的空战进行了数值仿真，计算了在两架战斗机中Ｆ２首先攻击时间（ｔ１）和攻击时间范围（ＴＷＩＦＥ）。结果表明，战斗机Ｆ２比Ｆ１更具有空中格斗优势，空战中发动机推力、迎角变化率、操纵规律和离轴发射角（μ０）等因素对战斗机过失速机动敏捷性有一定影响。     

《@6教你开飞机》专栏之二十三 灵活多变的空战战术上 第一部分

英国一战 SE5战斗机复制品随着飞机数量的增加,摧毁目标的概率上升了,但同时自己被目标摧毁的概率也上升了。——曼佛雷德·冯·李希特霍芬男爵在前面的几章中,尽管我们经常提及在空战中会有意想不到的敌机出现,但至少隐含这样一种假设,即我方飞行员已知参战敌机的数量。这样的假设是研究空战机动所必需的。但是任何曾参加过实战的飞行员都将意识到,一个人很少(即使有过)对所处的真实的交战环境有十足的把握。伟大的普鲁士战略家卡尔·冯·克劳塞维茨称这种现象为战争之雾,即妨碍参战人员认清真实的战场环境的迷雾。在空战环境中,这意味着不完全了解敌机在空中所处的位置,或者无法准确地说出敌机装备的武器类型或可能采用的战术。这也可能意味着己方飞行员在交战前和