基于动态贝叶斯网络和模糊灰度理论的飞行训练评估

针对战斗机飞行训练中的评估问题,提出了一种基于动态贝叶斯网络和模糊灰度理论的评估方法。首先,分析了训练过程中典型飞行参数与机动动作的因果关系,根据专家经验与先验知识构建基于动态贝叶斯网络的机动动作识别模型,推理得到战斗机机动动作识别结果。然后,建立战斗机飞行训练评估指标体系,根据战斗机机动识别结果选择飞行训练评估指标,并采用综合赋权法确定了指标权重。最后,建立灰度模糊评估矩阵,结合飞行训练过程中各评估指标的飞行数据得到评估结果。实验结果表明该评估方法能够根据飞行过程中的参数信息进行机动动作识别及飞行训练评估,提高了飞行训练评估的效率。     

自动化飞行训练评估中的战机机动动作识别

针对战机飞行员自动化飞行训练评估对于机动动作的在线识别需求，提出了一种改进的基于动态贝叶斯网络的机动动作识别方法。首先，分析了仪表、简单特技和复杂特技飞行科目的机动动作特征。然后，根据战机飞行过程中机动动作与特征参数的因果关系，建立了机动动作识别动态贝叶斯网络模型，克服了传统方法需要滚转角信息，在实际飞行训练中难以通过雷达探测实时获取的缺点。同时，通过设计模型在线调用机制，有效降低了计算复杂度。实验结果表明，所提方法对于战机机动动作识别率高、实时性好，能够满足在线应用需求。      

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。