基于深度学习的不可逃逸区内的规避决策研究

由于隐身技术的发展和攻击战术的需要,载机可能会进入敌方导弹不可逃逸攻击区。针对雷达型中远程空空导弹的不可逃逸攻击区内部的机动规避问题,设计了一种基于深度学习网络的规避决策的模型,通过蒙特卡罗仿真法建立了机动可逃逸数据库,对网络模型进行了学习,并仿真验证了网络输出的有效性。仿真结果表明,学习后的网络输出在满足机动可逃的条件下,在追逃仿真中有较好的决策效果,可显著提高在导弹不可逃逸攻击区内的逃逸成功概率,同时也可为飞行员执行高风险任务时的机动决策提供参考。

中距空空导弹不可逃逸区工程应用解算方法

针对传统空空导弹弹道模型精度不高、在工程中可用性不强的问题,提出了一种实用的解算方法。首先针对空空导弹的运动学与动力学特性,分别在水平面和铅垂面内建立了导弹运动方程,并依据比例导引法设计了导引律。其次,针对导弹攻击区问题,运用黄金分割法进行搜索,给出攻击区解算流程图;针对迎头、尾追态势,将弹目位置关系分为四类进行讨论分析,建立不可逃逸区计算模型,实现导弹发射后位置的实时解算,进而得到导弹的不可逃逸区。最后,通过仿真计算,并与传统方法进行对比,验证了该方法的有效性和实用性。

基于DNN的空空导弹不可逃逸区生成算法研究

针对目标采取最优逃逸策略下的空空导弹发射时机决策问题,提出了导弹不可逃逸区模型,并采用半直接配点法计算不可逃逸区边界。然后,设计了一种深度神经网络(DNN)模型,对不可逃逸区边界样本数据进行训练,得到不可逃逸区DNN生成模型。仿真结果表明,不可逃逸区DNN生成模型可以实时高精度生成不可逃逸区边界,与样本值的平均误差率小于0.9%,满足战场环境中实时性和准确性要求,为最优对抗条件下空空导弹发射时机决策提供了技术支持。

基于目标机动预估的空空导弹可发射区建模及仿真分析

为适应空战中目标逃逸机动的剧烈态势变化,提出了基于目标机动预估的空空导弹可发射区问题,并进行了概念定义;设计了机动预估模型,根据导弹与目标的相对方位信息,从战术层面对目标逃逸机动方式进行一步预估;基于多种实际约束,建立了导弹、目标和相对运动模型;针对黄金分割法在对可发射区解算时存在搜索范围不完备的问题,提出了初始搜索空间自适应动态修正的改进办法;利用改进的黄金分割搜索策略,实现对可发射区边界值的快速精确搜索。仿真结果表明,基于目标机动预估的可发射区简化了不可逃逸问题的搜索时间,扩大了导弹的攻击范围,有利于导弹战术使用性能的充分发挥。

中远程空空雷达导弹的新机动规避方式的探索

针对在不可逃逸攻击区内部如何逃逸问题,建立了一种考虑导弹气动力因素的导弹-飞机的三维追逃模型,研究了不同条件下S机动、俯冲机动对导弹攻击距离的影响,以及切向机动对雷达信号的影响,并根据规避理论设计了不同的机动规避方式及其组合,对逃逸概率和脱靶量进行了仿真。结果表明,在导弹不可逃逸攻击区内部进行适当的规避机动,目标仍然有一定的概率逃脱,其中置尾俯冲最为有效。