某型反舰导弹末端机动突防概率仿真研究

为了研究反舰导弹在不同的末端机动方式下,当有敌方舰空导弹拦截时,那种方式突防概率最高,以及与灌顶攻击相比,那种方式最好.从工程应用的角度出发,针对某型反舰导弹,基于导弹、目标与拦截弹之间的三维相对模型,考虑了反舰导弹的多种外界因素,以及拦截弹的约束条件,进行了有拦截情况下的六自由度全弹道末端机动突防仿真研究.根据不同的初始仿真条件,应用蒙特卡洛法,分别计算了反舰弹不同机动方式下,以及灌顶攻击时的突防概率.仿真结果表明,当拦截弹带中制导时,灌顶攻击的突防概率最高;当拦截弹不带中制导时,螺旋机动的突防概率最大,摆式机动次之,然后是灌顶攻击,最后是纵向蛇形和航向蛇形机动,而突防概率最低的则是反舰导弹不进行末端机动.     

战机对抗地空导弹的突防策略仿真研究

针对战机与中程地—空导弹之间的攻防对抗问题,研究了无机动飞行、做机动飞行以及抛射诱饵弹时战机逃脱导弹追击的情况,首先建立数学模型,然后基于Visual C 和Matlab软件进行了数值仿真,从而寻求战机最优突防策略。结果表明:战机做机动和抛射诱饵能成功突防,但其在不同时机选择不同机动方式效果迥异,蛇形机动效果最好。研究结果对于选择最佳机动方式和时机具有一定参考价值。     

弹道导弹再入机动弹道设计研究

具有再入机动能力是现今导弹发展的主要方向,而研究机动变轨对提高导弹作战能力的作用效果,首先要在设计研究再入机动弹道的基础上开展.在建立空间再入机动弹道数学模型的基础上,从保证末速最大的要求出发,利用最优控制原理和数值分析进行了最佳再入机动弹道设计,并基于Visual C 编程软件进行仿真计算.结果表明,设计方法可行,验证了模型的正确性和所作近似的合理性.通过图例可以看出机动弹道可大大提高导弹的突防能力和生存能力,具有攻击复杂地形目标的能力.     

空战目标机规避仿真设计研究

针对传统对抗性空战模拟仿真中目标机不能根据战场态势和环境进行自身机动动作调整,缺乏自主智能性的缺陷,在分析机载雷达以及空空导弹的缺陷和不足的基础上,分别建立规避机载雷达机动数学模型及规避空空导弹机动数学模型.设计并建立机动规避专家控制规则库,仿真实现了具有智能机动决策机制的目标规避仿真机.仿真结果表明该智能目标机能够有效的选择自身机动方式,对雷达探测和导弹攻击进行规避躲闪,为模拟空战增添逼真的目标环境,对空战仿真训练具有实际意义.     

基于粒子群算法的机动弹头再入弹道优化设计

在导弹机动突防的研究中,为合理设计与比较分析各种突防方案的优劣,必须首先了解突防弹头的可机动区域,即确定弹头的最小纵程、最大纵程和最大横程.基于粒子群优化算法,采用直接优化控制变量迎角和侧滑角的方法,对再入边界弹道进行了优化设计.为避免陷入局部最小值点、提高群体的多样性,根据再入弹道设计中控制变量的连续性特点,在粒子群优化算法的迭代公式中引入了平滑变异因子.以某机动再入弹头为例,分别得到了满足过程约束及终端状态约束的最大纵程、最小纵程和最大横程弹道.仿真结果表明,改进方法是可行的,可为弹道优化提供参考.     

基于Simulink的导弹攻防仿真应用研究

针对导弹模型复杂,信息交互量大的特点,采用Simulink图形化、模块化的方法建立导弹弹体运动模型、导引规律模型、控制系统模型和舵机系统模型,解决了复杂动态模型建模的难点;然后在攻击导弹模型中采用机动变轨技术,增加反拦截控制模块,对攻击导弹的突防能力和防御导弹的拦截能力进行仿真验证,增强了攻防对抗的仿真效果。     

深度强化学习算法在智能军事决策中的应用

深度强化学习算法能够很好地实现离散化的决策行为,但是难以运用于高度复杂且行为连续的现代战场环境,同时多智能体环境下算法难以收敛。针对这些问题,提出了一种改进的深度确定策略梯度（DDPG）算法,该算法引入了基于优先级的经验重放技术和单训练模式,以提高算法收敛速度;同时算法中还设计了一种混合双噪声的探索策略,从而实现复杂且连续的军事决策控制行为。采用Unity开发了基于改进DDPG算法的智能军事决策仿真平台,搭建了蓝军步兵进攻红军军事基地的仿真环境,模拟多智能体的作战训练。实验结果显示,该算法能够驱动多作战智能体完成战术机动,实现绕过障碍物抵达优势区域进行射击等战术行为,算法拥有更快的收敛速度和更好的稳定性,可得到更高的回合奖励,达到了提高智能军事决策效率的目的。     

航天飞行器在共面多轨道间的机动规划方法研究

针对同时受时间与燃料约束的航天飞行器多轨道间机动问题,研究了两类变轨机动方式四种特殊情况的边界问题.考虑机动、路径和燃料约束构建了以最短总机动时长为目标的规划模型,设计了基于改进蚁群算法的机动策略寻优算法,提出了一种满足快速机动需求的共面多轨道间机动规划方法.通过算例计算,验证了多轨道间机动规划方法的有效性,得到了在有限时间及有限燃料条件下的最优机动方案.说明了在一定范围内提升变轨速度冲量或选择非开普勒径向机动更有利于航天飞行器快速机动能力的生成.     

基于目标一致算法的导弹编队控制与仿真

导弹的突防性能是衡量导弹优劣的核心技术指标,如何提升导弹的突防能力受到世界各国的高度重视。为了提升导弹的突防概率,可以采用导弹编队协同作战的方式,实现导弹的密集临空,对敌实施饱和攻击,最终实现导弹突防能力的提升,并且多弹编队对大型目标的毁伤效果更加明显和高效。为了提高导弹编队的协同作战能力,围绕导弹编队协同的概念与模型,开展编队控制的理论与仿真研究,设计了基于目标一致算法的编队方法,实现了编队成员的协同控制,利用MATLAB进行了相关的仿真,分别调整导弹方向控制参数和速度控制参数,对比不同参数状况下导弹编队飞行状态变化,获取最佳状态控制参数,实验验证了算法的有效性。     

基于粒子滤波的模型自适应机动目标跟踪算法

针对当前机动目标跟踪领域中多模型算法存在的问题,提出一种基于粒子滤波的模型自适应机动目标跟踪算法.首先,依据前一时刻每个粒子采用的模型状态和模型间的状态转移概率,实现对当前时刻模型的采样;然后,将采样模型用于对当前粒子的预测,并根据当前时刻得到的量测数据实现对预测粒子权值的度量;最后,通过重采样策略和概率最大化原则完成对模型的合理选择和状态的有效估计.仿真实验验证了该算法的有效性.     

基于改进VGG16的超短波时频谱图分类方法

现代战场电磁环境日益复杂，战术通信网台主要集中在超短波频段。而未来的技术侦察对智能化、大数据处理的支撑需求越来越强烈。为实现超短波盲信号的分类，提出了一种将盲信号的时频谱图与优化后VGG16网络相结合的分类方法。该方法首先将电磁战场中实际采集到的超短波盲信号转换为时频谱图，然后通过迁移学习将其与优化后的VGG16卷积神经网络结合起来，并将空洞卷积引入网络，完成了对超短波盲信号的分类。实验结果表明，优化后的VGG16网络比原网络有更高的准确率，达到了93.1%。当将空洞卷积引入到优化后的VGG16网络的第7层和第10层时，识别率达到最高为92.2%，学习时间减少了34.1%，大大减少了模型的训练时长，验证了空洞卷积在超短波盲信号分类识别上的有效性。     

基于深度强化学习的网络攻击路径规划方法

攻击路径规划对实现自动化渗透测试具有重要意义,在现实环境中攻击者很难获取全面准确的网络及配置信息,面向未知渗透测试环境下的攻击路径规划,提出了基于深度强化学习的攻击路径规划方法。首先,对渗透测试问题的状态空间和动作空间进行形式化描述,引入信息收集动作增强对环境的感知能力。然后,智能体通过与环境的自主交互进行学习,寻找最大化长期收益的最优策略,从而指导攻击者进行路径规划。当前深度强化学习算法应用于攻击路径规划存在适应性不强和收敛困难等问题,限制了其处理复杂渗透测试环境的能力。智能体在训练初期通过盲目探索得到的动作序列在维度迅速增长时质量会急剧下降,有时很难完成目标,而且低质量的动作序列大量积累会导致算法不收敛甚至神经元死亡。针对此问题,本文提出的深度强化学习算法在DDQN算法的基础上增加了路径启发信息和深度优先渗透的动作选择策略。路径启发信息充分利用历史经验,在训练初期对智能体的学习过程加以引导,深度优先渗透的动作选择策略在一定程度上对动作空间进行了剪枝,加速智能体的学习过程。最后,通过与其他深度强化学习算法在相同实验条件下的对比,验证了本文算法收敛速度更快,运行时间缩短30%以上。     

作战运筹仿真实验系统设计探讨

为了实现运筹研究的科学评估和方案优化,考虑将实验方法引入到作战运筹的研究中来.运用计算机仿真的方法进行作战运筹实验,将有效地提高实验的可重复性和可信度.参照既成的作战模拟系统的构架,结合导弹作战本身的特点,并考虑到实验结果对运筹研究的反馈作用,对导弹作战运筹实验系统的构建进行了探讨.主要探讨了三类实验系统:面向体系运筹的攻防对抗类实验系统、面向规划运筹的方案评估类实验系统、面向战场运筹的态势推演类实验系统.根据三类实验系统的特点,提出了构架设计方案.对这些实验系统设计的探讨,是作战实验室建设的先期探索,为计算机仿真方法在军事运筹学中的应用提供了参考.     

改进人工势场模型的多UCAV突防轨迹决策

在考虑编队成员安全性因素的条件下,为解决人工势场模型用于多UCAV突防轨迹决策时的缺陷,提出了基于法向代替法的逃逸策略,使UCAV能对死区进行规避。建立了战场栅格化模型及UCAV离散运动模型,分析了编队成员间的相对位置关系。考虑到UCAV与邻机的安全性,在突防势场模型中构建了间距势能场,设计了UCAV突防轨迹规划策略。数值仿真验证了建立的模型和设计的轨迹规划策略的有效性。     

基于深度强化学习的自动驾驶策略学习方法

自动驾驶是人工智能研究的重要应用领域,文章提出了一种基于深度强化学习的自动驾驶策略模型学习方法.首先采用在线交互式学习方法对深度网络模型进行训练,并基于专业司机的经验数据对模型进行预训练,进而结合经验池回放技术提高模型训练收敛速度,通过对状态空间进行聚类再采样,提高其独立同分布特性以及策略模型的泛化能力.通过与神经网络拟和Q-迭代算法的比较,所提方法的训练时间可缩短90％以上,稳定性能提高超过30％.以复杂度略高于训练集的测试道路长度为基准,与经验过滤的Q-学习算法相比,采用聚类再采样的方法可以使策略模型的平均行驶距离提高70％以上.     

导弹虚拟战场环境设计与实现

为给某型导弹部队提供一个全新的演习、训练和战前要素熟悉平台,文中通过VC＋＋6．0和该实验室自行开发的软件DeepEye平台设计和实现了导弹虚拟战场环境演示系统。首先根据系统分析对系统整体结构进行了模块化设计,然后从场景生成和效果实现两方面对各模块进行开发,先后建立了天空模型、地形背景模型、战场实体模型,并对地形匹配、航迹规划、特殊效果实现、视点变换、交互接口设计等关键技术做了研究,最后实现了适合于导弹作战的虚拟战场环境模型。结果表明,该设计方案可行,仿真效果良好。     

基于HLA的战场攻防仿真系统设计研究

HLA是分布交互仿真的高层体系结构,它为复杂系统建模与仿真提供了公共的技术支撑框架.该文以导弹部队火力突击仿真系统开发设计为例,描述了一种基于HLA的战场攻防仿真系统的设计方法,这种仿真系统要能对真实战场攻防过程中可能涉及到的各个方面进行不同层次的体系对抗仿真,并能够对仿真全过程进行管控、监视、分析和记录.同时该文介绍了KD-FMT联邦运行管理工具、KD-DCT数据采集工具、KD-Fed Wizard联邦成员框架自动生成工具等几种国内较实用的系统仿真工具软件.     

靶弹突防有源干扰机应用及其STK仿真研究

有源干扰机是靶弹突防系统的重要组成部分,如何应用好干扰机对于试验突防场景构建的成败起到十分关键的作用,有必要深入研究。在对突防有源干扰机工作过程与原理进行归纳总结的基础上,分析了与干扰机应用紧密相关的释放时刻、释放角度和释放速度等靶弹发射诸元,采用了卫星工具包STK对包含1枚靶弹1枚导弹和2个有源干扰机的场景进行了仿真,仿真分析时间在加速模式下可缩减至1分钟以内;利用仿真结果对靶弹发射诸元和干扰机参数的合理性进行了验证,从而为反导试验任务中突防场景构建提供技术支撑,具有良好的实用价值。