多弹协同拦截综述与展望

多弹协同是未来导弹发展的一个重要方向,根据协同效果可分为协同攻击、协同拦截、协同探测3大类。协同攻击发展起步较早,协同拦截已由信息协同逐渐发展到自主协同,而协同探测则是基础条件,随着技术的进步三者也在融合、发展。首先简述了多弹协同3类技术的发展历程,重点针对多弹协同拦截自主作战技术,分析其实现难点,并对未来发展方向进行展望。     

无人作战飞机任务规划系统关键技术研究

文章首先论述了任务规划系统和战术飞行管理系统、航路规划系统的联系与区别,分析了无人作战飞机任务规划系统的特点及其体系结构,最后详细分析与研究了任务规划系统需要解决的核心技术——航路规划技术。     

基于群集智能的协同多目标攻击空战决策

为使各武器平台利用数据链（TADIL）交换和共享信息,自主协同计算实现多目标攻击决策,本文基于NASA/Ames研究中心提出的群集智能（COIN）理论,构建以作战单元为智能体（Agent）的协同多目标攻击决策模型,并通过定义Agent的贡献度扩展群集智能架构,用于解决分布式异构Agent造成的系统难以准确收敛问题。为提高收敛速度,减少求解过程中的盲目搜索和提高已形成解的收敛,研究加入了构造性启发和改进性启发两类启发方法。实验表明所提算法同传统算法相比,具有更好的稳定性和扩展性,减少了计算量,收敛速度也有一定的提高。     

空战多目标分配的指派模型

针对多机协同空战中的多目标分配问题,提出了一种以空战几何态势矩阵为基础,以我方总体几何优势最大为原则,兼顾载机多目标攻击能力的目标分配算法。给出了总体几何态势训算公式及计算流程,将目标分配转化成指派问题后通过lingo 8．0软件编程进行分析研究。仿真算例表明了模型的有效性。     

下一代战斗机设计中的几个飞行力学问题

综述了下一代机设计中的超音速巡航和隐形，敏捷性与过失速机动和空战模拟等几个飞行力学问题，讨论了这些问题提出了背景，每个问题中涉及的飞行力学内容，介绍了国内外在这些方面的进展，着重讨论其中的过失速机动的机理，典型飞机的非线性控制律设计以及建立作为战斗机作战效能评估所用的空战模拟软件，并在其设计中应当考虑的几个主要问题，而由此得以相应的结论。     

作战飞机的空-地攻击效能评估

用概率方法建立了描述单一飞机在威胁环境中攻击一个地面被动目标的数学模型,导出飞机对地攻击作战的任务成功率、目标被击毁率和飞机损失率等效能的表达式,给出用于效能评估的有关事件发生概率的计算公式,通过计算实例讨论了作战飞机空－地攻击效能的各种度量。     

基于数据链的空战对抗建模及增援决策分析

研究了空战双方力量的变化问题.将飞机的空战能力指数转化为平均战斗力水平,进而以蓝彻斯特方程为基础,考虑数据链对空战的影响和作战中有增援力量的加入,建立了对抗双方战机数量变化的微分方程模型,给出了其数值计算方法,指出了离散计算的时间步长所应满足的条件,并根据增援模式的不同,将模型细化为不同形式.仿真实验表明,存在有效增援时间范围,一次性增援和匀减速增援具有时间优势,并且通过构造评价函数有效衡量了这两者具有较高的增援效率,为空中作战应用和决策提供了参考依据.      

基于MPSC和CPN制导方法的协同制导律

针对带有末端攻击角度约束的多导弹协同制导问题,运用模型预测扩展控制（MPSC）和协同比例制导（CPN）,设计了一种满足末端攻击角度约束的多导弹协同次优制导律。阐述了MPSC制导方法的基本理论,详细给出了控制量表达式以二次形式近似时MPSC制导律的设计过程。采用CPN对MPSC制导方法的初始控制量进行猜测,并确定协同攻击时间。仿真时考虑两枚导弹对地面静止目标进行协同攻击。仿真结果表明,两枚导弹攻击时间偏差和末端攻击角度偏差均可控制在给定范围内,即本文所设计的制导律在实现多导弹协同攻击时,还可以很好地满足末端攻击角度约束。      

月面无人自动采样返回飞行程序设计与实现

针对嫦娥五号飞行程序多舱段、多任务、系统控制复杂的设计特点和难点,采用传统的飞行程序设计方法工作量大,状态控制困难,很难满足任务要求。提出了一种新的基于状态转移的方法对飞行程序进行系统建模,首先将整个飞行过程分解成若干模块状态机;然后针对每个模块状态机的功能划分为状态触发器、评估器、执行器和确认器,并分别开展建模设计;最后通过状态触发器和确认器将各个功能模块进行连接,形成整个飞行程序的有限状态机描述。相比传统方法,该方法具有通用性、可扩展性和可复用性等特点,对于规范飞行程序设计,描述复杂的飞行任务过程有很大的优势。采用该方法对嫦娥五号飞行程序进行了建模和设计,并给出了典型飞行过程的设计结果。在轨飞行试验结果表明,该方法可以满足飞行任务的要求,确保了嫦娥五号在轨飞行控制任务圆满成功。     

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。