基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.

基于神经网络的超视距空战协同攻击决策

为解决超视距(BVR)编队协同攻击问题,建立了一个多目标分配神经网络决策模型.基于态势评估函数划分出超视距空战的优势与劣势区域,提出了4种特定区域空战模式,将其作为GA-BP态势评估神经网络的训练样本,得到了多机协同空战态势优势矩阵.根据态势评估矩阵,采用Hopfield神经网络得到有效的攻击排序,引入第二轮攻击的概念,使本方对敌方攻击态势最大化,同时敌方对本方威胁指标最小化.超视距多机协同攻击仿真结果表明,该模型能在综合分析空战各指标后,给出双方的态势评估指标以及有效的攻击排序.