基于复杂网络和朴素贝叶斯的飞行态势评估

为了辅助管制员作出合理的冲突调配决策，准确地评估空中飞行态势，提出了一种基于复杂网络和朴素贝叶斯分类器的飞行态势评估方法。首先，依据航空器的位置、航速、航向等重要信息，通过三维速度障碍法构建了冲突网络，在此基础上选取了平均度、平均点强、平均加权聚类系数等6个网络特征指标构建态势评估指标体系。采用分类的思想对飞行态势进行评估，分类器选择朴素贝叶斯分类器，将飞行态势分为优、良、中、差4个等级。仿真试验结果表明：相对于传统飞行状态网络，所构建的冲突网络能够降低33.3%的虚警率；所提出的评估模型能够准确判断空中的飞行态势，能为航空管制工作提供辅助决策。     

超视距空战条件下舰载机空中巡逻研究

根据超视距空战条件下舰载机空中巡逻的特点,建立舰载机空中巡逻的战术行为模型；采用蒙特卡洛法对巡逻效果进行模拟统计,分析雷达最远发现距离、巡逻区间距、舰载机定常平飞距离、巡逻飞行航线类型与飞行协同方式对舰载机空中巡逻效果的影响；最终给出超视距协同空战条件下,舰载机空中巡逻的组织方法。     

面向智能空战的它机协同试飞验证方法

为验证无人机自主协同算法在空战环境下的适用性，提出了一种高等效的它机协同试飞验证方法。根据算法功能实现的需求，以成熟的民用固定翼无人机平台为基础进行改装，搭建它机试飞平台，对真实空战环境开展模拟和等效设计。以四机协同编队算法为例，在试飞平台上移植算法程序，开展相关科目试飞验证。当需要验证不同控制算法时，无需针对它机试飞平台开发控制策略，只需修改控制算法即可。试验结果表明：编队综合误差较小，算法能够实现无人机编队的稳定控制；同时，它机协同试飞验证方法因其迭代速度快、安全稳定性高、成本低等特点，可用作中间阶段算法的前置试飞手段，为算法的开发迭代提供有效验证。     

超视距空战仿真中的策略识别

针对超视距空战仿真中敌机策略的识别问题,研究了一种基于案例的策略识别方法。该方法通过构建包含假定的对手任务目标、观测数据、策略等内容的案例库,采用相似度计算选择与新的观测相似的案例库子集,并计算策略概率分布来识别对手策略。实验证明,相比与常规的基于案例推理方法,在案例中增加敌机任务目标提高了策略识别准确率,并且在假定敌机目标不正确时,能修复错误假定并进行策略识别,改善了基于案例策略识别方法的性能。     

基于度量学习的机场交通态势弱监督评估

为准确感知机场场面运行环境，提出基于度量学习的交通态势弱监督评估方法。根据机场场面航空器的时空分布类型，从交通流量、起降队列、资源需求等视角构建交通态势指标体系；借鉴度量学习范式，利用预先定义的相似集和不相似集自动学习态势样本之间的距离度量；在此基础上，采用K均值算法实现弱监督条件下交通态势的等级划分。以上海浦东国际机场实际运行数据为例，分析并验证所提方法的有效性。实验结果表明：起始时刻离场瞬时流量、离场累计流量、离场跑道队列长度及进场累计流量的距离系数大于0.5，对场面态势影响较大；与基于欧式距离的K均值算法相比，度量学习将最优轮廓系数提升了33.3%，得到符合预期语义的聚类结果；此外，机场的平均滑行时间越长、跑道配置越复杂，其场面交通态势等级越高。     

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。