基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.     

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。     

中断雷达距离跟踪的战斗机机动控制方法

基于跟踪雷达距离自动跟踪系统特性,提出了战斗机中断雷达距离跟踪的机动轨迹控制策略.推导了跟踪雷达距离自动跟踪系统的系统传递函数,研究了跟踪误差产生机理.以二维平面内导弹攻击为例,分析了导弹与战斗机的二阶相对运动模型.在此基础上,基于闭环反馈控制思想,提出了战斗机中断雷达距离跟踪的控制方法,推导了战斗机的机动轨迹控制律,给出了其解析形式.通过数值仿真,分析了该方法的适用范围,为战斗机飞行员制定决策提供了依据.