多目标攻击模糊排序算法研究

用模糊优选法对空战中多目标攻击排序进行了探讨性的研究,根据已给的速度、距离和相对角度,目标机的空战能力指数及载机与目标机的相对能量指数,用模糊的方法把各因子进行模糊量化,得到各因子的相对优属度,再用最优法确定各目标因子的权重,最后,对此进行综合评估,确定攻击排序的次序。     

最优导引律研究

与常规导引律不同，直接以追踪器航迹角为优化控制变量，基于最优控制理论，借助追踪末端的几何关系，设计了基于非线性追踪模型的时间最优导引律；之后，针对工程实现，又对它进行了改进研究，以克服理论设计的两点不足：一是数值计算存在误差，会削弱导引性能；二是最优条件过于理想化，目标轨迹无法预先知道，难于工程实现。仿真研究表明：本文提出的2种改进方法，基于分段优化计算和基于分段预测控制的最优导引方法，能够有效地克服理论设计的不足，使得所设计的导引律成为真正意义上的最优导引律。     

径向基神经网络在优化导引律中的应用

应用神经网络的非线性的特点,在纯比例导引律的导引下,分析战机的运动轨迹,通过采样取得的一系列载机的控制输入数据,根据追踪导引控制的内在要求(目标视线角速度的绝对值减小并趋于零),设计载机导引控制器的相应的离散输出值,离线训练一个径向基神经网络模块,嵌入到载机控制回路中,作为战机导引的控制输入,实现载机在纯比例导引下的性能优化;仿真结果表明,在节能及省时方面,能达优化纯比例导引律的目的。     

基于启发式蚁群算法的协同多目标攻击空战决策研究

协同多目标攻击空战决策是现代战机在超视距条件下进行协同空战的关键技术之一。它是寻求一个优化分配方案,将目标分配给各友机,力求使攻击效果最优。本文在对协同多目标攻击战术进行深入分析的基础上,提出了一种用于空战决策的启发式蚁群算法,该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验表明所提出的启发式蚁群算法对最优解的搜索效率明显优于基本蚁群算法,是一种求解协同多目标攻击空战决策问题的有效算法。