《空天防御》期刊征稿启事

《空天防御》期刊为中国航天科技集团有限公司主管,上海机电工程研究所和上海交通大学出版社有限公司主办的国内公开发行的空天防御领域学术性期刊。本刊现公开征集稿件,竭诚欢迎业内研究机构、高等院校、军队单位及其它相关领域的专家学者、科研人员不吝赐稿。一、征稿内容。1.空天防御战略研究;2.空天防御体系论证与研究;3.导弹武器系统与总体技术;4.联合指挥控制与发射技术;5.导航制导与控制技术;6.电子综合对抗与信息技术;7.系统建模与仿真技术;8.军地联合一体化保障与试验技术;9.军民融合技术及新概念防御技术;10.国际空天防御发展态势。

《空天防御》期刊征稿启事

《空天防御》期刊为中国航天科技集团有限公司主管,上海机电工程研究所和上海交通大学出版社有限公司主办的国内公开发行的空天防御领域学术性期刊。本刊现公开征集稿件,竭诚欢迎业内研究机构、高等院校、军队单位及其他相关领域的专家学者、科研人员不吝赐稿.

“星链”威胁启示下的新型空天防御技术研究

作为美军布局空天战场的关键支撑,“星链”系统通过渗透“侦、控、打、评、保”等作战环节,将可能颠覆现有作战模式并打破未来大国间的能力平衡。为此,首先介绍了“星链”系统的基本属性、发展现状与能力特点,其次根据俄乌冲突战例研究其未来作战应用模式,并在此基础上分析“星链”对未来空天局势的威胁,最后提出针对性的新型空天防御技术,为“星链”影响下的空天安全建设提供依据。

大气层外动能拦截器制导控制技术研究进展与展望

大气层外高速、大机动、多目标飞行器的拦截问题已成为当前空天防御体系构建面临的重大挑战和难点。首先,对近年来国外大气层外动能拦截器技术及飞行试验现状进行了梳理和总结;其次,对大气层外单一拦截器制导控制方法和多弹协同拦截制导控制方法的研究进展进行了综述;最后,对大气层外动能拦截器未来重点开展的关键技术进行了展望,以期为未来大气层外动能拦截器技术发展提供方向性参考和借鉴。

基于分层强化学习的低过载比拦截制导律

为解决低过载比和纯角度量测等约束下的三维机动目标拦截制导问题,提出了一种基于分层强化学习的拦截制导律。首先将问题建模为马尔科夫决策过程模型,并考虑拦截能量消耗与弹目视线角速率,设计了一种启发式奖赏函数。其次通过构建具有双层结构的策略网络,并利用上层策略规划阶段性子目标来指导下层策略生成所需的制导指令,实现了拦截交战过程中的视线角速率收敛,以保证能成功拦截机动目标。仿真结果验证了所提出的方法较增强比例导引具有更高的拦截精度和拦截概率,且拦截过程的需用过载更低。

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。

软件定义系统技术研究综述

导弹武器装备当前呈现技术密集、任务型号多样、功能复杂化的发展趋势,面对其高速技术迭代的发展需求,传统上采用单型号独立研制的方式存在研制成本高、技术复用率低、结构紧耦合、系统交联复杂等缺点。为此,针对新兴的软件定义系统技术,分别从开放式软件定义系统架构、模型驱动的软件定义系统开发、软件定义系统应用服务管理框架、面向软件定义的载荷快速接入管理、软件定义弹性网络等分项关键技术开展综述研究,介绍相关技术发展情况及存在的不足,分析软件定义系统技术的发展方向,旨在为导弹武器装备研制相关技术难题的突破提供参考。

欠驱动高超滑翔飞行器集群协同编队控制方法

针对高超声速滑翔飞行器滑翔段轴向过载不可控导致编队位置控制困难的问题,提出一种基于一致性编队控制和预测校正理论的协同编队控制方法。在协同制导架构基础上,基于多智能体一致性理论设计分布式集群编队控制策略,由编队中各飞行器的绝对位置和相对位置生成协调变量,采用动态逆方法生成基本编队控制指令;通过设计侧向机动控制指令,对编队队形进行调整,并采用双阶段预测校正控制算法实现编队集群的侧向机动控制。仿真结果表明:该方法能够实现欠驱动高超声速飞行器集群的编队队形生成和保持、良好的编队队形调节能力及对初始位置误差的鲁棒性。

基于深度强化学习的综合电子系统重构方法

重构作为综合模块化航空电子系统用来提高容错性和稳定性的常用手段,是指发生某一故障后,系统根据事先预设好的重构蓝图,通过一系列应用迁移动作从故障状态转为正常状态的过程。随着综合电子系统的功能多元化和结构复杂化,提高系统的容错性和稳定性显得至关重要。然而现有的人工重构和传统重构算法这两种重构配置蓝图设计方式难以保证综合电子系统的容错性和稳定性。本文针对综合电子系统故障情况,结合深度强化学习算法,对重构蓝图的重构模型进行探索并提出基于优先经验回放的竞争深度Q网络算法(PEP_DDQN),通过优先经验回放机制和SUMTREE批量样本抽取技术提出基于深度强化学习的优先经验回放和竞争深度Q网络重构算法。实验表明,相较于传统强化学习Q-Learning算法和DQN算法实现的重构蓝图生成算法,所提出的PEP_DDQN算法能生成更高质量的蓝图并具有更高的收敛性能与更快的求解速度。

基于深度学习的高超声速飞行器运动行为识别

高超声速飞行器具有机动大、速度高、航程远、威胁强等特点,已成为各大国重点发展的武器装备,识别其运动行为能为防御和拦截提供有力的技术支持。本文对有禁飞区等复杂约束条件下的高超声速飞行器运动行为识别问题开展研究:首先通过分析高超声速飞行器的运动特点,建立能够充分描述其行为模式的参数化运动方程;然后基于优化思想求解有禁飞区等复杂约束条件下的航迹规划问题,构建其数据集;最后基于深度学习方法设计高超声速飞行器运动行为识别算法。试验结果表明:所设计的识别算法能够实现对高超声速飞行器运动行为的识别,且具有一定的泛化能力,可为后续防御决策提供一定的参考。

基于概率博弈的空天地一体化网络安全路由算法

针对空天地一体化网络存在的安全问题,提出了使用路由证据的方法对洪泛攻击、灰洞/黑洞攻击进行防御的方案。该方案可以检测出自组织网络中存在的恶意节点,以保证路由的安全可靠性;克服了已有方案存在的不足,可以自适应地在空天地一体化网络等容断容迟网络中应用。此外,搭建了仿真平台,通过仿真验证的手段,证明了该方案可以检测出90%以上的恶意节点,验证了其有效性。

压缩拐角强激波边界层干扰直接数值模拟研究

激波/湍流边界层干扰是高超声速飞行中常见的流动现象,平板-压缩拐角存在于飞行器进气道、翼舵等,是研究激波/湍流边界层干扰的标准构型。采用直接数值模拟方法研究了马赫数6.0、40°压缩拐角的高超声速强激波/湍流边界层干扰问题。在上游湍流边界层内,近壁流动以高低速条带结构为主;当流动进入干扰区后,流向条带消失,同时形成具有三维特征的流动结构。在强激波作用下,分离长度超过10个边界层厚度。流动再附后,壁面摩阻、压力及其脉动峰值分别达到上游湍流边界层的8.9、36和124倍。干扰区内湍动能强度显著增加,其峰值是边界层峰值的6.4倍。研究发现激波运动、分离剪切层是湍动能强度增加的主要原因。

基于近端策略动态优化的多智能体编队方法

无人机集群系统具有能力冗余、抗毁能力强、适应复杂场景等优势,能够实现高效的任务执行和信息获取。近年来,深度强化学习技术被引入无人机集群编队控制方法中,以解决集群维度爆炸和集群系统建模困难的弊端,但深度强化学习面临训练效率低等问题。本文提出了一种基于改进近端策略优化方法的集群编队方法,通过引入动态估计法作为评价机制,解决了传统近端策略优化方法收敛速度慢和忽视高价值动作问题,有效提升了数据利用率。仿真试验证明,该方法能够提高训练效率,解决样本复用问题,具有良好的决策性能。

无人飞行器自主决策与规划技术综述

面向未来高动态、强对抗、强拒止的作战环境,智能化水平成为制约无人飞行器执行任务能力、环境适应能力和作战效能提升的主要因素。围绕无人飞行器自主决策与规划技术这一难度高、发展快、前景广的研究方向,综述了自主决策与规划技术的主要研究成果以及未来发展方向:首先,结合无人飞行器的发展研究历程与现状,指出了开展自主决策与规划技术研究的必要性;其次,对当前自主决策与规划技术的研究成果进行了总结与分析;最后,对无人飞行器自主决策与规划技术的发展方向进行了展望。

一种具有必经点约束的非结构化环境路径规划方法

针对非结构化环境下具有必经点约束的路径规划问题,设计一种两阶段求解方法,并对每一阶段算法做出改进。第1阶段,对典型非结构化环境进行地图建模,针对A-Star算法存在的接触障碍物、路径曲折的问题,提出新的障碍物安全距离方法并设计折线优化策略平滑路径。第2阶段,详细阐述必经点问题的求解流程,建模为旅行商变体问题并将多种优化算法拓展至必经点场景。由于现有方法难以高效求解必经点问题,提出一种改进遗传粒子群(IGPSO)算法,包括分层随机初始化、改进交叉方式以及变异算子。最后进行对比实验验证,结果表明改进算法在最优解成功率、运行时间和迭代次数方面具备明显优势。

基于微多普勒特征的直升机目标识别

微多普勒特征可为旋翼直升机的识别提供一种新的依据。现有针对旋翼直升机回波模型的研究仅限于矩形旋翼叶片尖端的微多普勒效应。首先,通过建立矩形尖端旋翼、锥形尖端旋翼以及抛物线扫掠尖端旋翼的全散射点回波模型,引入特征提取算子,设计“时频分析—归一化时频处理—频率‘投影压缩’—截断取模傅里叶变换”的方法,实现具有时移幅频不变特性的微动特征的提取。然后,基于交替方向乘子法,提出在目标分类中的压缩感知问题求解算法,并与传统的支持向量机方法进行对比分析,借助多个仿真实验验证所提出方法的有效性。

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法:首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明:相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。

基于分布式信息滤波的集群导弹协同定位方法

针对领从式集群导弹中的从弹定位问题,考虑领弹动态地切入切出导航网络情况,提出了一种基于捷联惯性导航系统(INS)与到达时间(TOA)测距系统相融合的领从类分布式协同导航方法。该方法综合考虑了导航参数与相关传感器误差模型,基于INS误差系统建立线性状态空间模型,基于弹间数据链TOA测距系统建立非线性伪距量测模型,并基于扩展信息滤波器实现动态信息的分布式融合,以适应量测信息节点数目动态变化引起的协同导航网络结构变化。将其应用于集群导弹协同导航系统中,仿真结果表明所提算法可以快速且高精度地完成从弹导航参数的估计,可以有效消除领弹节点变化所带来的负担。该方法可以作为低成本从弹导航系统的补充手段。

智能感知在防空反导OODA环中的应用

在未来智能化战争中,瞬息万变的战场态势对防空反导武器系统的探测感知和指挥决策提出了新的挑战。本文聚焦智能感知技术赋能未来防空反导作战装备,剖析了智能感知概念及内涵,围绕防空反导“观察、定位、决策、行动”(OODA)环以及典型作战流程,梳理感知对抗形态,主要包括预警与反预警、探测与反探测、跟踪与反跟踪、干扰与反干扰;揭示了智能感知对抗的核心科学问题是特征的隐匿与识别,给出了感知对抗技术在OODA环中的主要应用场景;最后,提出了提高防空反导装备智能感知对抗水平所需的关键技术发展建议。

基于Deformable DETR的红外图像目标检测方法研究

基于Transformer架构的DETR系列网络在计算机视觉目标检测领域不断刷新目标检测的精度与速度。然而,基于红外图像的非合作目标检测的应用环境复杂,而且红外图像质量较差。针对该问题,提出了一种新的以Deformable DETR算法为基线的具有高检测精度的目标检测算法:首先设计了对红外图像进行图像增强处理的图像增强模块CLAHE-GB,并将其与Deformable DETR进行有机结合;然后在大型通用数据集上进行预训练;最后引入数据增强和迁移学习方法在自制的空中飞行物小型红外图像数据集中对检测头网络参数进行再训练,并对结果进行分析。结果表明:所提出的算法对红外图像数据具有较好的图像增强效果和检测精度。