超视距空战中多机协同制导方法

对空空导弹制导权交接的任务分配问题,根据己方飞机与制导权需交接的导弹的态势建立了对导弹的态势优势模型;根据己方飞机对该导弹攻击目标的态势建立了对目标的探测能力模型;根据敌方飞机对己方飞机的态势建立了己方飞机受到的威胁度模型;根据敌我双方飞机的空战能力建立了空战效能优势模型.在这4种模型的基础上建立了己方飞机对导弹的总的制导优势模型.在总的制导优势的基础上建立了协同制导任务分配模型,并采用遗传算法对协同制导任务分配问题进行优化求解.仿真结果表明,该方法能够实时地计算制导优势和进行任务分配,有效地完成多机协同制导.     

基于Memetic算法的超视距协同空战火力分配

针对超视距多机协同空战中,火力单元采用一次性完全分配原则容易造成资源浪费的问题,采用一种新的火力分配数学模型.该模型带有毁伤概率门限,能够保证在满足毁伤概率门限的前提下,优先保证威胁度大的目标被分配且选择对各目标杀伤概率相对较大的火力单元,使其对目标的毁伤概率平均值达到最大且尽量少地消耗火力单元,从而节省和充分利用火力资源.在此基础上,提出采用以离散粒子群算法为全局搜索策略,以贪婪算法为局部搜索策略的Memetics算法求解协同空战火力分配问题,有效地提高了算法收敛速度、精度.仿真算例验证了模型的优点及Memetic算法的有效性.     

空战中协同干扰、探测、攻击任务分配

针对空战中协同干扰任务分配问题,根据己方飞机的干扰功率、干扰工作频段、干扰样式,敌方飞机雷达的工作功率、工作频段、抗干扰样式,建立了干扰功率优势、干扰频率优势、干扰样式优势;再考虑己方飞机的干扰作战能力以及敌我双方的空战能力指数建立了总的干扰优势,建立了协同干扰任务分配模型.根据干扰后敌方飞机的距离性能以及敌我双方的空战态势,对己方飞机对敌方飞机的探测能力、攻击能力进行了研究,建立了多机协同探测加攻击任务分配模型.采用遗传算法对建立的任务模型问题进行优化求解.仿真结果表明,这些模型能够有效地完成协同干扰、探测加攻击任务分配.      

基于回归型支持向量机的空战目标威胁评估

空战目标威胁评估是协同多目标攻击中的关键问题.针对传统空战目标威胁评估方法在确定权重系数方面的不足,提出了一种新的基于回归型支持向量机的评估方法.在分析了现有的空战目标威胁评估方法中距离威胁模型存在缺陷的基础上,提出了改进的距离威胁模型.建立了基于回归型支持向量机的空战目标威胁评估模型,利用该模型对想定的空战目标进行了威胁评估.仿真结果表明,该方法具有很好的预测能力,可以快速、准确地完成空战目标威胁评估.     

基于MODPSO-GSA的协同空战武器目标分配

提出基于多目标决策理论的协同空战武器目标分配模型,并用进化多目标优化算法求解.空战是一个多阶段攻防过程,针对多数空战武器目标分配采用一次性完全分配、不考虑火力资源消耗等不足,构建多目标决策模型,在达到毁伤门限的前提下,同时对一次攻击后使敌编队的总期望剩余威胁最小和分配导弹消耗量最小两个目标函数寻优.提出用多目标离散粒子群-引力搜索算法(MODPSO-GSA)求解分配模型,该混合进化多目标优化算法结合二者优点,具有稳定的全局搜索能力并保证收敛到Pareto前沿.该算法可求得满足毁伤门限的不同耗弹量的分配方案最优解集以供指挥员决策参考.仿真算例验证了新模型及所提出MODPSO-GSA进化多目标优化求解算法的有效性.      

非完备信息下的超视距空战双机协同战术识别

针对超视距（BVR）空战过程中,受探测装置性能限制和敌方干扰等原因,导致目标信息易缺失,从而难以实时准确地识别敌方协同空战战术的问题,提出了一种基于动态贝叶斯网络（DBN）与参数学习的超视距空战双机协同战术识别方法。分析了超视距空战条件下的双机协同战术特征,根据长机和僚机的职能分工、当前态势及机动动作,构建了识别网络模型;为提高模型对双机协同战术的识别概率,采用期望最大参数学习方法优化网络参数;基于自回归模型对缺失目标信息进行修补,提出非完备信息下的双机协同战术识别推理算法。通过开展空战对抗仿真实验,验证了双机协同战术识别方法对于非完备信息下的超视距空战双机协同战术具有较高的识别概率和较好的实时性。     

基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.     

基于多Agent分布协同拍卖的动态目标分配算法

多无人机(UAV,Uninhabited Aerial Vehicle)协同目标分配问题是决定由哪些U AV攻击哪些目标,达到提高作战效能,减少攻击代价的目的.考虑UAV的差异、目标的差异 及战场态势对目标分配的影响,建立了多机协同目标分配问题的数学模型.提出了基于多智 能体(Agent)分布协同拍卖的动态目标分配算法,仿真结果和统计数据分析证明,算法能 够给出具有很好的优化效果的分配方案,是一种动态的算法,能够在规定的时间或资源约束 下得到满足一定优化需求的目标分配方案.      

一种定量空战决策方法

提出了一种定量空战决策方法,以空空导弹的攻击区与发射条件为基础,通过定义空战态势指标函数,定量描述空战态势.根据空战态势指标函数值和中远程空战以及近距空战的特点决定采取的机动策略,将空战机动策略与当前空战状态变量之间的关系建立起来,使得从空战决策的前因定量计算空战策略的后果成为可能.空战整个过程的分析、评估、决策、机动等环节都是定量进行.建立了战机、目标机、导弹和决策模块的数学模型,给定不同的初始条件,对空战过程进行了仿真,分别验证了中远程空战决策和近距空战决策的有效性.     

目标威胁规避约束下战斗机引导控制优化方法

基于最优控制理论对威胁规避约束下战斗机引导控制方法进行研究.以空战态势参数为状态建立战斗机引导模型,以引导的快速性和经济性为性能指标,将战斗机引导问题建模为具有非线性状态约束和路径约束的最优控制问题,以武器攻击包线来描述目标火力威胁,并将威胁规避约束转化为引导过程的空战态势约束问题,为保证引导算法的实时性和有效性,引入滚动时域控制策略进行在线优化,并采用高斯伪谱法进行数值求解,基于典型作战场景进行仿真,结果表明所提出的引导控制方法能在保证引导安全性的前提下实现战斗机的最优引导.      

影响图对策在多机协同空战中的应用

为了解决不确定环境下空战机动决策问题,将影响图和对策论引入到多机协同空战中,提出了协同影响图对策模型.首先确定群机空战转化为多个小编队作战的原则,然后在协同的思想下把多对多空战模型转化为多个一对一空战模型,最后在不确定环境下,运用影响图对策理论解决一对一空战.针对影响图对策模型计算量大的问题,采用移动平均控制法进行求解.空战仿真结果表明该模型的有效性.      

基于CRITIC-TOPSIS的动态辐射源威胁评估

为解决传统辐射源威胁评估方法与空战动态态势联系不紧密的问题，提高评估准确度，提出泊松分布逆形式与逼近理想解排序（TOPSIS）方法相结合的算法，并引入指标相关性的权重确定（CRITIC）方法分配属性权重，构建基于CRITIC-TOPSIS的动态辐射源威胁评估模型。针对传统方法仅依靠当前侦收数据，未体现空战态势动态变化的不足，采用泊松分布逆形式融合多个时刻的辐射源数据信息，实现动态评估；针对传统TOPSIS方法依赖主观赋值的问题，CRITIC方法综合考虑单个指标内部和多个指标之间的关联性，能完整描述属性信息并客观分配属性权重。仿真结果表明，相较于传统静态评估模型，所提模型对于威胁度不同的辐射源区分度更大，评估准确性和可靠性更高。      

基于满意决策的多机协同目标分配算法

多机协同目标分配问题是无人机UAV(Uninhabited Aerial Vehicle)研究 中一个重要的问题.考虑UAV差异、目标差异及战场态势对目标分配的影响,建立了多机 协同目标分配问题的数学模型.提出基于满意决策的目标分配算法,通过搜索个体满 意集合获取群体优化的目标分配方案.对多目标分配问题,将攻击方案作为个体满意集 合的元素扩展了基于满意决策的目标分配算法.为适应更大的问题空间的求解需求,提出递 阶分配框架,并将满意决策方法用于递阶分配.计算结果表明,算法能有效提 高搜索效率,并得到很好的优化效果.      

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.     

基于RS-CRITIC的空战目标威胁评估

针对不确定信息下的空战目标威胁评估问题，提出了一种基于粗糙集（RS）理论和指标重要性相关（CRITIC）法的目标威胁评估模型。首先，通过CRITIC法确定准确信息下的目标威胁值，利用数据挖掘（MD）启发式算法求解最佳分割集合，将目标威胁值离散化处理后替代粗糙集决策信息系统中的决策属性。其次，基于构建的完备粗糙集决策信息系统，通过决策矩阵实现属性约简和目标威胁评估最小决策规则提取。最后，将规则应用于不确定信息下的目标威胁评估。仿真结果表明:所提模型能够实现信息缺失下的目标威胁评估，减少了主观因素和先验知识的影响，扩展了粗糙集理论应用范围。