基于有限忍耐度鸽群优化的无人机近距空战机动决策

由于对抗双方态势的快速变化,无人机近距空战机动自主决策困难且复杂,是空中对抗的一个难点。对此,提出一种基于有限忍耐度鸽群优化(FTPIO)算法的无人机近距空战机动决策方法。该方法主要包括基于机动动作库的对手行动预测和基于FTPIO算法的机动控制量和执行时间优化求解两个部分。为提升基本鸽群优化(PIO)算法的全局探索能力,引入有限忍耐度策略,在鸽子个体几次迭代中没有找到更优解时对其属性进行一次重置,避免陷入局部最优陷阱。该方法采用的优化变量是无人机运动模型控制变量的增量,打破了机动库的限制。通过和极小极大方法、基本PIO算法和粒子群优化(PSO)算法的仿真对抗测试结果表明,所提出的机动决策方法能够在近距空战中有效击败对手,产生更为灵活的欺骗性机动行为。

近距空战中目标飞机战术机动数学模型建模与仿真

作为空空导弹设计与验证的主要手段,数字仿真技术在制导系统性能评估、抗干扰性能评估、空战对抗仿真等领域发挥着重要的作用。为解决空空导弹数字仿真试验中目标飞机机动样式单一,不能反映近距格斗过程中目标姿态的变化问题,梳理了飞机机动数学模型在导弹总体性能评估与对抗推演等方面的应用背景需求。对六自由度飞机机动简化数学模型的建设进行了分析和论证。构建了飞机作战典型机动动作库、机动动作指令生成器,实现了以较少的参数刻画不同的机动动作。在三自由度质点运动模型基础上,考虑机动过载、目标攻角、横滚角变化,建立目标机动数学模型。根据所建模型,对几种典型机动教学模型进行数字仿真。仿真结果表明,目标机动轨迹与预期吻合,能够满足导弹总体设计、对抗推演对数字仿真的需求。

基于PPO算法的无人机近距空战自主引导方法

针对无人机近距空战的自主决策问题,提出了一种基于近端策略优化(PPO)算法的无人机自主引导方法。针对敌我距离、角度、速度以及任务约束等信息重塑奖励,建立了无人机三自由度模型,在速度坐标系上构建强化学习的状态和动作,分别对结合了全连接神经网络的PPO算法(标准PPO算法)和长短时记忆网络的PPO算法(改进PPO算法)模型进行了仿真训练。根据训练的结果可以证明,相比于标准PPO算法,所提的改进PPO算法能够更有效地处理与时间序列高度相关的无人机自主引导任务。

基于矩阵博弈的近距空战自主机动决策方法

针对近距一对一场景下的无人机自主空战机动决策问题,提出了一种基于专家知识库和矩阵博弈方法的近距无人机一对一自主机动决策算法,能够在一对一近距空战中进行实时态势分析与机动决策并取得胜利。该算法构建了基于战术库的无人机自主空战触发机制,搭建了无人机动力学模型、导弹动力学模型,并基于典型空战因素与导弹攻击区分析构建了态势评价函数,将基于导弹攻击区的态势评价函数与矩阵博弈理论进行进一步的结合,构建出一套自主空战决策模型。在此基础上,设置典型场景下双方无人机均采用该算法进行博弈对抗仿真,多组仿真结果表明该算法能够有效进行实时机动决策博弈对抗,单机单步决策时间能够保持在80 ms以内。

大机动格斗及近距空战的若干问题

较系统地综述了大机动格斗的一些基本战术和技术概念 ,引入了超机动性的一些度量 ,然后提出了使用具有刚体性质的质点飞机模型的可行性。最后提出在大机动格斗实战环境中 。

定量的近距空战训练对抗态势分析方法

针对近距对抗态势分析不能量化的不足,提出一种定量的近距空战训练对抗态势分析方法。该方法以对抗过程中双方的位置关系为基础,结合近距空空导弹的攻击包线,建立位置优势函数和武器优势函数,通过两类函数的线性组合构造对抗态势函数,实现了空战训练对抗态势的定量描述。通过算例验证了该方法的合理性和有效性。

基于STK的1对1近距空战可视化仿真实现

在分析1对1近距空战核心模块的基础上,提出了基于STK(Satellite Tool Kit)可视化仿真方案的实现框架,对输入文件的格式、控制台接口的设计等问题进行了说明,该仿真平台不仅对飞机、武器、目标的轨迹以及探测系统、武器系统的状态进行了实时的监测输出,还逼真地模拟了战斗机飞行和作战的各种画面,为仿真平台操作人员提供了良好的操作界面,最后通过仿真实例,显示了基于STK可视化仿真的高效、逼真的优势。

动态变权重的近距空战态势评估方法

针对空战态势评估中,常权求和带来的信息动态性不够灵活的问题,提出了动态变权重的近距空战态势评估方法。该方法在优势函数的基础上,加入空战能力指标,改进了评估指标体系;并且依据贝叶斯理论实时确定态势类型,综合空战态势变化特点,根据变权理论,动态调整评估指标权重。通过真实的空战数据仿真实验,验证了该方法在空战态势评估中的可行性和有效性。仿真结果表明,动态变权重的评估方法能够有效改善常权求和引起的信息动态性差的问题。

基于时序分析的近距空战数据知识提取及应用

近距空战数据是飞行员空战经验的具体体现,其知识提取与应用对于无人作战飞机提升近距自主空战决策效率和空战效能至关重要.围绕近距空战数据研究的必要性与研究思路进行阐述,从多元时间序列分类识别、分割聚类、预测3个角度对近距空战数据知识提取与应用关键技术进行分析,重点对机动轨迹识别、态势评估与目标状态预测进行综述与方案设计.

面向LVC训练的蓝方虚拟实体近距空战决策建模

真实-虚拟-构造为近距空战对抗训练提供了有力支撑。针对课题对蓝方虚拟实体的实际决策建模需求,在对比分析深度强化学习与经典智能优化方法的基础上,从优化理论的角度对神经网络的权值空间和结构空间进行定义,提出基于智能优化的进化神经网络决策模型及其求解方法。首先,分析近距空战战术特点,战机飞行运动模型,实际决策建模需求。其次,分别设计战机关键飞行状态、动作空间、适应度函数,实现蓝方端到端感知与决策。最后,给出基于经典遗传神经网络的决策模型及求解示例。结果表明,所提方法可实现蓝方战机通过对抗数据来学习对手作战特点的功能,验证了模型及方法的有效性;同时所提方法对目前智能优化及其改进算法,以及不同结构神经网络具有通用性。

基于强化学习与种群博弈的近距空战决策

随着人工智能与无人机(UAV)技术的发展,近距空战智能决策得到了世界各国的广泛关注。针对传统强化学习在解决近距空战智能决策问题时存在过拟合与策略循环等问题,提出了一种基于种群博弈的空战智能决策模型训练范式。通过构建由多个无人机智能体组成的种群,并为每个智能体赋予不同奖励权重系数,实现了无人机智能体多样化的风险偏好。种群中不同风险偏好的智能体模型相互进行对抗训练,能够有效避免过拟合和策略循环问题。在训练过程中,每个无人机智能体根据与不同对手策略的对抗结果自适应地优化奖励权重系数。在数值仿真实验中,种群博弈训练中的智能体5与智能体3分别以88%和85%的胜率击败了专家系统对抗训练和自博弈训练得到的智能决策模型,算法性能得到有效验证。此外,通过进一步实验表明了种群博弈训练范式中权重系数动态调整的必要性,并在异构机型上验证了所提训练范式的通用性。

基于模糊动态权重的近距空战态势评估方法

针对现有态势评估方法在高动态、强对抗的近距空战环境下存在空战对抗特性指标考虑不充分、常值权重应用不合理的问题,提出一种基于模糊动态权重的近距空战态势评估方法.首先,根据近距空战对抗特性研究导弹攻击、机动特征和能量状态对空战态势的影响机理,从打击、占位、机动、能量态势和固有能力多角度构建态势评估指标体系并建立相应的指标评估模型;然后,设计基于态势分类的模糊权重动态适配方法,利用区间二型模糊表征权重求解过程中的不确定性,同时结合最优最劣法确定态势指标模糊权重,根据态势典型样式进行权重适配与指标聚合;最后,基于空战对抗飞行数据进行仿真验证与对比分析,仿真结果表明所提出方法能够更加合理、准确地呈现近距空战过程中的态势变化情况.

自主近距空战中机动动作库及其综合控制系统

针对自主近距空战中机动动作库的设计,采用定性与定量结合的方法对机动动作进行描述,以准确体现机动动作的几何形态和战术意义,构成含描述参数的机动动作库。对于机动动作的控制,提出了按照任务控制-运动学控制-动力学控制-被控对象划分的综合控制系统多层递阶结构。其中,机动动作控制器针对每种机动动作分别设计指令生成器,生成气流角和速率指令;气流角控制器采用含指令滤波的backstepping方法进行控制律设计。以半滚倒转和高速摇摇为例进行仿真验证,仿真结果表明,机动动作的描述参数能准确体现其几何形态和战术意义,并通过综合控制系统实现有效控制。

基于模糊聚类的近距空战决策过程重构与评估

目前大量研究集中在空战的智能决策和解决近距空战评估结果"是什么"的问题上,却极少关注评估结果的"为什么"。根据空战训练中记录的客观数据的变化特征,提出基于模糊聚类的方法来计算决策序列,构建模糊粗糙决策系统,以实现对近距空战决策过程的重构;通过计算分析条件属性之间的相对重要度,对具有相似重要度的决策对象序列进行二次聚类划分,分析出关键决策点集合。通过实例研究,从空战能量和相对方位2个方面对近距空战决策过程进行了评估分析。结果表明,从空战决策的角度可认为关键决策点集合是产生评估结果的原因。

基于航炮的近距空战仿真结束判定方法

为改进当前基于航炮的近距空战仿真中过于简化的结束判定方法,首先分析了航炮攻击的特点和主要影响因素,然后基于空战中各个因素对航炮攻击的影响分析,构建了航炮攻击效率与影响因素间的关系函数,提出了一种新的仿真结束判定方法。在不同空战想定条件下,对新方法和传统方法进行了仿真比较,结果表明新仿真结束判定方法准确、实用,更能有效检验机动决策的效果。

战斗机过失速机动与近距格斗空战

介绍了过失速机动的基本概念、内涵、提出和发展过程以及过失速机动的特点和判断准则,分析了在现代近距空战中运用过失速机动所取得的战术优势及可能存在的一些问题。

一种面向2V2近距空战的强化学习算法

针对深度强化学习算法在多对多近距空战决策过程中存在难以处理高维状态空间、难收敛等问题,提出一种基于注意力机制的近端策略优化算法。在经典的近端策略优化算法基础上引入注意力的思想,通过构造基于空战威胁度的注意力模型,对多机作战的空战态势信息进行注意力分配与信息聚合,使算法不用直接处理高维状态空间。2V2近距空战仿真实验结果表明,在初始状态为优势和劣势的情形下,基于注意力机制的近端策略优化算法训练的模型能够驱动智能体做出针对对手策略的正确机动,从而获得优势态势。该算法在收敛速度与稳定性上均优于传统的近端策略优化算法,通过引入注意力机制可以提高算法性能和空战决策效率。

“过失速机动”能否增强战斗机近距空战性能

1996年8月．俄罗斯试飞员耶夫根尼．弗罗洛夫驾驶一架苏-37升空，标志着俄空军迈进新的过失速机动领域，随后各国航空界对过失速机动能否增强战斗机近距空战性能产生了浓厚的兴趣。

划分超视距、近距的多机协同作战战术决策

针对战斗机超视距协同作战和近距协同作战的不同,提出了划分超视距、近距的多机协同作战战术决策;在超视距协同作战模型中引入了拦截时间进行威胁评估,目标分配时采取了整体最优的原则;在近距作战模型中采取了多项指标综合的威胁评估模型,并提出了在编队共享探测信息的基础上进行威胁躲避和按单机最大灵活性进行目标分配的协作方式,格斗时单机采取"逐级淘汰机制"的方法选择机动方式;最后提出了用模糊模型识别的方法对作战阶段进行合理的划分,并给出了两种作战阶段转变的规则。仿真验证了不同阶段的协同作战模型以及转变规则的合理性与正确性。