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。

基于分区间强化学习的集群导弹快速任务分配

针对集群导弹在线任务分配面临的环境不确定、耗时过长等问题,本文研究了一种基于分区间强化学习的集群导弹快速任务分配算法.首先,建立集群导弹的综合攻防性能模型,并将存在环境不确定性的集群导弹任务分配问题表述为马尔可夫决策过程.其次,针对该过程采用分区间强化学习,通过将搜索空间划分成若干个子区间,降低搜索维度,加快算法的收敛过程,并通过理论证明给出了最优区间划分依据.最后,通过3组仿真实验,分别从收敛速度、不确定条件下的寻优能力以及导弹和目标数量可变情况下的决策能力3个方面,验证了所提算法的快速性和优化性能.

多弹集群协同优化决策算法研究

本文以集群对海作战为应用背景,为重点解决多弹多空间散布的时空构型及目标分配决策问题,建立了多弹典型协同场景下的导弹主动感知协同探测模型,设计了导弹协同探测与协同攻击的模型以及相应的算法。首先,建立了导弹三自由度和舰船二自由度模型、导弹飞行能力评估模型、导弹突防概率评估模型和导弹威胁度评估模型,使得对导弹执行探测和打击任务中能力的变化度量更加精确。其次,设计导弹在不完全信息条件下的主动感知协同探测模型和协同攻击模型,保证导弹协同作战的效益最大化,最大限度地打击敌方势力。再次,针对导弹协同打击目标分配和导弹编队构型问题,使用融合了遗传算法的粒子群(GAPSO)算法问题进行求解,并与传统的粒子群(PSO)算法进行了对比,实现了多方位考虑战场态势信息,对敌方目标进行探测攻击一体化打击。最后,对建立的作战模型进行仿真,得到算法仿真图和算法多次仿真的统计数据。相比其他算法,该算法具有一定的优越性,大幅提升了导弹的智能化对抗水平和突防打击能力。

浅析面向无人机蜂群运用的导弹观察、交互与协同

为了实现导弹智能协同发展,重点研究了导弹在无人机蜂群中的运用问题。介绍了导弹与蜂群系统各自的战术运用特点,探讨了集群对抗中导弹的运用模式,由此分析了导弹的智能化与集群化发展需求。针对集群智能的观察、交互与协同等问题,讨论了导弹在蜂群运用中的现状、面临的挑战与关键技术。结合美军“多导弹同步交战技术”与“金帐汗国”改造弹药蜂群项目,分析研判导弹在集群运用方面的发展思路,并指出了实现智能协同的能力倍增点,为未来智能导弹系统研究提供探索思路。

基于遗传算法的导弹集群多任务分配优化问题

针对导弹集群协同作战的任务分配问题,提出了一种基于遗传算法的任务分配方法,提高了多任务组合优化问题的搜索能力。该方法采用一种任务组合编码的新方法,实现在整个解空间上寻找到最优组合问题的全局最优解或次优解。实验结果表明,本文方法能有效地解决导弹集群的任务分配问题,获得令人满意的实验结果。

反舰导弹集群协同作战任务规划研究

体系作战条件下反舰导弹集群协同作战的优势明显,针对提升反舰导弹集群突防能力的需求,提出了远程反舰导弹集群协同作战任务规划的要求。在分析智能化反舰导弹作战过程的基础上,研究反舰导弹集群作战协同任务规划系统的逻辑结构,设计反舰导弹集群突防的任务规划系统。

机动发射弹道导弹集群诸元快速规划

针对机动发射条件下弹道导弹集群的飞行诸元快速规划问题,将神经网络预测与最小二乘优化相结合,提出了一种弹道导弹发射诸元快速规划方法。首先分析了弹道导弹助推段飞行策略并选取适当的发射诸元,以发落点信息为输入,设计双隐藏层诸元预测网络,通过弹道仿真获取弹道数据建立数据集完成网络训练,利用该网络可以得到发射诸元迭代初值。在此基础上,为了消除数据集中样本数据不平衡对发射诸元规划精度的影响,以落点射程、横程、高程偏差最小为指标函数,结合最小二乘优化方法进行迭代获得发射诸元精确解。最后在典型发射场景下,进行了弹道导弹集群机动快速发射仿真验证。结果表明,该方法相较于传统方法可显著提高计算速度与精度,且在给定的大范围机动条件下,能够满足弹道导弹集群对远距离、多目标的快速精确打击。

基于偏好联盟博弈的导弹集群分布式任务分配模型

在空空导弹拦截大规模集群的场景中,由于集中式算法求解大规模任务分配问题的性能面临通信能力和实时性的限制,研究使用分布式算法求解任务分配问题具有重要的现实意义。以偏好联盟博弈模型为基础,设计了分布式导弹集群任务分配模型,并使用博弈学习算法中的空间自适应博弈(spatial adaptive play,SAP)算法求解最优分配方案。与集中式算法的仿真对比实验表明,本文设计的基于偏好联盟博弈的分布式任务分配模型可以在分布式框架下求解带约束的任务分配问题,并具有较好的优化性能和收敛效率。

平行智能导弹集群系统研究

智能导弹集群是未来战争的大势所趋。回顾了导弹集群的发展历史,给出了智能导弹集群的概念图像,结合平行系统理论提出了平行智能导弹集群系统。平行智能导弹集群系统包含实际系统、人工系统、计算实验和平行执行四大部分。提出了平行智能导弹集群系统的双V模型,并详细论述了平行智能导弹集群系统在方案阶段、工程研制阶段、实验验证阶段和作战使用阶段的使用模式。

基于飞行时间差的异构反舰导弹任务分配研究

在异构反舰导弹集群的任务分配这一研究背景下,针对导弹集群打击敌方水面舰艇的任务分配这一问题,提出了一种基于时间协同的任务分配策略。根据导弹基本作战原则以及导弹作战态势信息,提出了时间协同优势函数,并改进距离与速度优势函数,形成综合优势函数。在反舰作战对抗环境下,建立了一种反舰导弹动态任务分配模型,并提出了在线分配算法求解任务分配模型,最后通过仿真案例验证模型的有效性。

新的导弹协同定位技术

导弹协同作战的关键技术之一是导弹的精确定位技术,针对在体系对抗条件下,如何提高导弹集群的导航定位精度问题,构建了以弹载数据链和惯导系统为核心的协同定位系统,提出了一种基于相互测距信息的导弹协同定位方法.该方法使用加权秩亏自由网平差的方法来估计导弹集群的惯导系统定位误差.仿真表明:该方法可以有效地延缓惯导位置误差的发散速度和提高惯导定位精度,随着导弹数量的增多,惯导定位精度不断提高,当导弹数量大于4时,惯导定位精度将提高2倍以上.

面向弹群智能协同的社会性依存模型框架研究

弹群智能协同作战是智能化战争的重要作战样式,围绕导弹集群在复杂动态环境中遂行综合化、对抗性作战任务的瓶颈问题,以群居性动物的协同行为为启发,提出弹群智能协同社会性依存模型,力图从“物理域、社会域和作战域”3个层面揭示群体协同增效的机理和方法,阐述相关支撑性关键技术,构筑面向弹群智能协同的社会性依存模型框架,为弹群智能协同作战提供理论参考。

导弹集群智能突防技术的新发展

针对防御系统日益凸显的反导威胁,研究了导弹集群智能突防技术的新发展与技术发展趋势。重点从导弹集群协同编队设计技术和控制技术、导弹集群协同态势感知技术和导弹群组博弈突防技术等三个方面进行了深入分析。结合军事需求和研究现状,提出了导弹集群突防技术的未来发展方向,即体系化弹道导弹组网协同、信息化导弹集群协同感知和智能化导弹群组博弈突防,为导弹集群突防的进一步研究提供一定参考。

美国加快导弹集群作战能力发展的分析与影响

结合"灰狼""金帐汉国"项目情况,分析研判了美国导弹集群发展思路和现状,指出了美国正在加快发展基于现有导弹的联网、协同、自主、异构技术,使不同种类的导弹在发射后能协同规划作战,以反制一体化防空反导系统日益增长的防御能力。随着项目的持续推进,未来将在实现作战成本的非对称效益、颠覆未来战争规则、催生无人首发进攻战法、变革装备发展思路等方面产生重要影响。

多导弹协同制导技术综述

多弹协同制导有利于提高导弹的突防能力、抗干扰能力与目标识别能力,综述了多弹协同制导技术的发展现状,将协同制导方法根据各参战单位是否在线通信分为开环与闭环,根据通信网络的拓扑结构分为集中式与分布式,介绍、对比了各制导方法的特点及优缺点。综述了协同编队飞行的编队方法,将维持编队队形的控制类型分为基于位置的控制、基于相对位移的控制、基于距离的控制,并分析了各控制方案对于导弹传感器能力的要求以及各弹间交互的拓扑结构。指出了协同制导面临的难点,并对人工智能在协同制导领域的应用作出展望。

转折时期 苏联P-36洲际弹道导弹的研制与部署历程

追赶和超越20世纪60年代,随着P-16导弹的出现,苏联战略火箭军获得了部署强大洲阿导弹集群的实际能力,导弹发射阵地的数量可达数十个甚至上百个。P-16导弹的射程和弹头装药威力并不逊色于美国的“宇宙神”、“大力神-1”洲际导弹,但它的重量为142吨,比大洋对岸的同类重20%~40%。