UCAV近距空战自适应态势评估方法研究

针对UCAV近距自主空战中态势评估非参量法经验主义依赖性较重、全局适应性较差的问题,提出了一种自适应空战态势评估方法。首先构建角度、距离和能量优势评价函数;其次设计一种自适应当前空战态势的评估权重模型,综合考虑角度关系、攻击边界威胁和能量优势,将空战态势因子按照优先等级划分为4类、64种态势,满足空战过程的连续性;最后为验证模型的有效性,将自适应态势评估模型与试探机动进行仿真对抗,结果表明自适应态势评估模型具备较好的全局指导性。

基于分组教与学的无人战斗机自适应路径规划

针对无人战斗机(unmanned combat air vehicle,UCAV)处于存在威胁区域的战场中路径规划问题,提出一种基于分组教与学算法的UCAV自适应路径规划方法。通过分析UCAV路径评价指标,提出一种自适应的UCAV路径评价模型,根据作战环境规划出距离短、威胁小的任务路径。针对教与学算法寻优精度低、耗时长的问题,提出一种分组教与学算法,引入动态分组和高斯分布扰动策略,提高算法寻优性能。通过仿真实验,该方案求解的最优路径更短且安全。

多UCAV协同目标分配算法研究

针对多无人作战飞机(unmanned combat aerial vehicle,UCAV)协同目标分配问题,提出了一种基于离散粒子群算法的多UCAV协同目标分配方法。根据多UCAV协同目标分配问题的特点,建立了粒子与实际问题间的映射,设计了新的粒子群位置和速度更新公式,并且对标准粒子群算法作了改进。充分利用粒子群优化算法的全局搜索能力,有效地解决多约束条件下多UCAV协同目标分配问题。仿真结果表明,离散粒子群算法能够稳定快速地找到较优分配方案,并且算法简单、灵活。

基于遗传算法的UCAV动态任务分配模型及研究

针对多UCAV(multi-Unmanned Combat Aerial Vehicle)动态任务规划问题提出了单任务类型动态规划模型,基于事件驱动的原则,满足对打击不成功目标和新出现目标需要进行动态规划的要求,在实施目标攻击后或新目标出现时,以获得最大收益值为目标,采用遗传算法进行动态目标分配。与多任务类型模型相比,单任务类型模型有效地减小了可能解规模,寻优过程计算量小,所需时间短,仿真实验验证了模型的有效性。

多UCAV任务分配的混合遗传算法与约束处理

针对多UCAV协同作战任务分配问题,建立了多目标整数规划模型,提出了基于整数编码的混合遗传算法.将约束分为全局约束和局部约束,根据局部约束将决策变量分为自由变量和非自由变量,仅对非自由变量进行编码,减少了染色体变化要素.设计了交叉算子和变异算子,以提高个体的约束满足率.以UCAV的SEAD任务为想定进行仿真,实验结果表明,该混合遗传算法可有效解决大规模整数规划问题,在求解效率和约束满足率上比标准遗传算法有显著提高.

基于整数规划的多UCAV任务分配问题研究

在深入分析多UCAV任务分配问题的特点的基础上,提出了求解多UCAV协同任务分配的整数规划方法.通过设计决策变量和灵活地对各种约束条件形式化,建立了多UCAV任务分配问题的形式化模型.并以典型的UCAV任务SEAD为想定,进行了仿真验证与分析.仿真结果表明该模型可以较好地解决多UCAV协同作战的任务分配问题.*

基于认知理论的UCAV智能导航研究新进展

针对认知理论在无人战斗机智能导航中的应用进行了深入研究,总结了当前国内外认知理论应用研究的最新动态,从导航方式、航迹规划以及着陆3方面介绍了无人战斗机智能导航的研究现状,分析了无人战斗机智能导航研究中存在的问题,提出了一种组合导航发展的认知导航新技术,阐明了认知导航的基本内涵及其主要功能,指出了认知导航特点及其发展思路。

动态环境下的多UCAV协同任务分配研究

战场环境的动态性和不确定性以及协同控制的复杂性,使得预先制定的无人作战飞机任务分配方案不能满足动态战场环境中的实时性要求。考虑到无人作战飞机的差异、目标的差异及战场态势对目标分配的影响,建立了多无人作战飞机协同目标分配问题的数学模型。针对多无人作战飞机协同控制中的动态任务分配问题,提出一种改进的混合重分配策略,从任务层次上解决了多无人作战飞机的动态任务分配问题,在此基础上提出了混合细菌觅食算法,并用该算法在动态环境中为无人作战飞机进行合理的任务分配,通过仿真实验和分析表明混合重分配策略和混合细菌觅食算法的有效性。

基于贝叶斯优化算法的UCAV编队对联合目标的协同攻击研究

针对传统武器目标分配(WTA)方法中将目标视为彼此相互独立实体的不足,提出一种联合目标模型。该模型能够反映攻击方攻击意图及其对目标内在关系的理解。将贝叶斯优化算法(BOA)引入到协同攻击优化领域中。在目标分配的基础上定义一种武器-目标映射原则,通过该原则实现了无人作战飞机(UCAV)编队对联合目标的协同攻击。仿真结果表明了联合目标模型和武器-目标映射原则的合理性,通过与遗传算法(SGA)结果的比较说明了引入贝叶斯优化算法的必要性。

基于变精度粗糙集理论的UCAV态势评估方法研究

粗糙集是一种处理不确定性因素的决策方法,将其引入到UCAV态势评估过程中。针对机载传感器或其他信息系统获得的目标属性数据可能存在噪声或某种程度的不完整性这一问题,在传统粗糙集理论的基础上引入置信阈值β形成变精度粗糙集理论,在深入分析UCAV态势评估过程的基础上,将该理论与态势评估相结合,形成基于变精度粗糙集的UCAV态势评估算法。通过对实例的分析可知,该方法能够与态势评估的全过程紧密结合,结果正确。

利用Radau伪谱法求解UCAV对地攻击轨迹研究

针对UCAV对地攻击轨迹规划问题,提出一种基于Radau伪谱法(RPM)的求解策略。首先,构建了最优控制问题的一般框架,分析了RPM求解最优控制问题的基本原理及实现方式;在充分考虑UCAV的气动力特性、发动机推力特性及大气环境特性的基础上建立了UCAV三自由度(3-DOF)质点模型,并详细分析了UCAV初始和终端位置、速度、姿态约束、飞行性能和战场环境等约束条件,在此基础上构建UCAV对地攻击轨迹规划问题框架;最后,利用RPM将轨迹规划的最优控制问题转化为非线性规划问题并求得最优解。仿真结果表明,该方法能以较高的精度和速度生成满足各种复杂约束要求、连续并且真实可行的最优轨迹。

基于威胁等效和改进PSO算法的UCAV实时航路规划方法

为解决无人战斗机(unmanned combat aerial vehicle,UCAV)实时航路规划问题,通过对各种威胁等效为雷达威胁,威胁分级和每级分层次的处理方法,得到每个威胁的击毁和击伤作用距离。建立UCAV简易的二维模型,利用其飞行姿态与雷达散射截面积(radar cross section,RCS)之间的关系,得出以探测概率为基础的威胁代价函数。最后运用自适应Meta-Lamarckian学习策略的粒子群优化(particle swarm optimization,PSO)算法对方法进行实时性仿真测试,结果表明此方法的有效性。

基于自适应伪谱法的UCAV低可探测攻击轨迹规划研究

研究无人作战飞机(unmanned combat aerial vehicle,UCAV)对地攻击阶段轨迹规划问题。首先,在综合UCAV的气动力特性、发动机推力特性基础上建立UCAV质点模型和动力学模型,并结合UCAV平台初始条件、机动性以及武器投射条件构建约束条件;针对当前轨迹规划中没有考虑雷达散射截面(radar cross section,RCS)随UCAV姿态角改变而动态变化这一缺陷,建立综合考虑动态RCS的威胁概率和攻击时间的目标函数;然后利用可变低阶自适应伪谱法求得攻击轨迹最优解。对时间最短、RCS固定和考虑动态RCS 3种情况进行仿真。结果表明,考虑动态RCS时,UCAV将根据威胁进行轨迹和姿态调整,极大减小了被敌方威胁捕获的概率。该算法能够提供规划轨迹的高精度状态和控制量信息,有利于实现攻击过程的高精度精细规划控制。

基于Voronoi图和离散微粒群优化算法的UCAV攻击轨迹决策

根据UCAV可发射区简化模型,提出了UCAV攻击轨迹决策问题。提出了UCAV攻击轨迹决策的分层设计方法,并将其转化为优化问题。首先根据已知的飞行环境,采用Voronoi图生成初始轨迹;然后通过建立攻击轨迹约束条件模型、飞行距离模型和威胁模型,以飞行距离和威胁代价为优化目标函数,构建了UCAV攻击轨迹决策模型,并在此基础上提出了一种离散微粒群优化(Discrete Particle Swarm Optimization,DPSO)算法对攻击轨迹决策模型进行求解。仿真结果表明,通过Voronoi图和DPSO算法能够较好地解决UCAV攻击轨迹决策问题,并能够在多约束条件下对目标函数进行组合优化。

UCAV任务规划系统的研究进展及发展趋势

分析了无人作战飞机任务规划系统的特点 ,按照规划范围和时段对无人作战飞机任务规划系统进行分层研究 ,讨论和分析了各个层次的作用及发展现状。最后 。

基于Voronoi图与蚁群算法的UCAV航路规划

提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法。首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无人作战飞机航路规划的具体实现过程,最后对UCAV在多种威胁环境下的航路规划进行了仿真实验,仿真结果表明这种航路规划方法是可行和有效的。

多UCAV协同航路规划算法

针对多UCAV协同航路规划问题,将协同进化理论与扩展Voronoi图模型相结合,提出了一种基于扩展Voronoi图模型与协同进化算法的多UCAV协同航路规划方法。该方法通过协同进化理论的合作机制实现了规划航路的空域协同,通过采用层次分解策略实现了规划航路的时域协同,并且对染色体设计、个体适应度以及进化操作等关键问题进行了研究。

基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配

针对UCAV编队对地攻击协同控制决策优化问题,首先构建了UCAV编队对地攻击任务分配的自主价值优势矩阵。在此基础上依据多人冲突理论分别对双方以及本机编队进行权重分配;建立了UCAV编队对地攻击协同任务分配的整体价值优势矩阵,由此根据决策变量与约束条件构建了任务分配问题的数学模型。然后应用贝叶斯优化算法对该模型进行了优化分析。仿真实例表明,所建协同任务分配模型能够反映编队协同控制决策的重要性,而且应用贝叶斯优化算法能够很快收敛到全局最优解,能有效地解决UCAV编队对地攻击的协同任务分配问题。

有人机/UCAV编队对地攻击指挥控制系统总体研究

有人机/UCAV编队对地攻击是网络战环境下一种全新概念的作战模式,其指挥控制是支配作战活动的关键环节。对有人机/UCAV编队指挥控制系统总体进行了研究,构造了指挥控制系统层次模型,给出了每个层次的工作流程,提出了有限中央控制的分布式指挥控制系统体系结构和基于Agent的有人机/UCAV编队指挥控制系统人机协同机制,构建了UCAV C2-Agent混合型结构,最后对指挥控制系统的关键技术进行了分析。

基于博弈论的多UCAV对地攻击目标分配

针对多架UCAV对地攻击目标分配问题,首先根据价值属性分别对目标和飞机进行权重分配,在此基础上构建了多UCAV对地攻击目标分配的自主决策函数和协同决策函数,提出了一种基于博弈论的目标分配方法。然后运用该算法进行了实例仿真,仿真结果证明了该算法的可行性和有效性。