全球无人战斗机发展现状

回顾了无人机的发展历程及其与有人战斗机的交战历史,介绍了推动无人战斗机(UCAV)发展的主要因素及其所面临的挑战,概述了全球范围内开展的主要UCAV项目(包括英国BAE系统公司的雷神、欧洲的神经元、EADS德国公司的梭鱼、俄罗斯米格集团的鳐鱼、美国诺格公司的X-47B等)及其最新进展。此外还披露了美国和以色列等国正在进行的UCAV秘密项目,并对未来UCAV的市场前景作了简要分析。     

无人攻击机垂直命中目标的末制导律研究

综合考虑电视指令制导无人攻击机的作战过程，将其末制导律设定为满足落角约束的目标跟踪问题，设计了一种基于自动驾驶仪末制导律，该方法消除了自动驾驶仪动态因素和重力等因素的影响；并通过以平行接近法作为辅助导引法来克服追踪法的缺陷；新的末制导律加自适应卡尔曼滤波，使得无人攻击机不仅可以对固定目标实施攻击也可以对低速移动目标实施攻击，且能保持无人攻击机垂直命中目标，提高作战效能。     

无人战斗机火控系统研究的几个问题

在讨论了自主式和遥控式UCAV的优缺点后，认为发展UCAV自主式和遥控式都是必须的，先以发展遥控式为主，自主式是必不可少的备份，以后再逐渐加重自主的分量，基于这种观点，必须研究UCAV的火控系统，然后本文讨论了UCAV火控系统的几个问题。     

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．     

Autonomous Maneuver Decisions via Transfer Learning Pigeon-Inspired Optimization for UCAVs in Dogfight Engagements

This paper proposes an autonomous maneuver decision method using transfer learning pigeon-inspired optimization (TLPIO) for unmanned combat aerial vehicles (UCAVs) in dogfight engagements. Firstly, a nonlinear F-16 aircraft model and automatic control system are constructed by a MATLAB/Simulink platform. Secondly, a 3-degrees-of-freedom (3-DOF) aircraft model is used as a maneuvering command generator, and the expanded elemental maneuver library is designed, so that the aircraft state reachable set can be obtained. Then, the game matrix is composed with the air combat situation evaluation function calculated according to the angle and range threats. Finally, a key point is that the objective function to be optimized is designed using the game mixed strategy, and the optimal mixed strategy is obtained by TLPIO. Significantly, the proposed TLPIO does not initialize the population randomly, but adopts the transfer learning method based on Kullback-Leibler (KL) divergence to initialize the population, which improves the search accuracy of the optimization algorithm. Besides, the convergence and time complexity of TLPIO are discussed. Comparison analysis with other classical optimization algorithms highlights the advantage of TLPIO. In the simulation of air combat, three initial scenarios are set, namely, opposite, offensive and defensive conditions. The effectiveness performance of the proposed autonomous maneuver decision method is verified by simulation results.      

基于改进SOS算法的UCAV鲁棒机动决策研究

针对无人作战飞机自主空战机动决策问题,提出了一种鲁棒机动决策方法。设计了反映空战态势的鲁棒隶属函数,并基于此设计鲁棒多目标决策函数;针对动作库在机动决策中的不完备性与传统优化方法求解时效性缺陷,运用基于自适应和精英反向学习策略改进的共生生物算法,对控制量进行优化进而完成机动决策;仿真结果表明,鲁棒机动决策结果更具优势且改进算法求解具有实时性,满足机动决策需求。     

基于改进蚁群算法的多无人机航路规划研究

无人机的航路规划研究是无人机任务控制系统的关键技术,在用Voronoi图法对威胁环境建模的摹础上,提出了基于Voronoi图的多行为蚁群算法,增强了蚂蚁之间的协同性,有效解决了可行解的收敛性与多样性之间的矛盾,并对求解过程加入了方向性引导,提高了算法的求解效率.在多机协同方面,利用上述算法分同起止点与不同起止点两种情况对多机协同航路规划进行了仿真,针对得到的多条初始航路,利用协同时间指标对多初始航路进行选择.最后用三次样条方法对协同最优航路进行了平滑处理.     

无人作战飞机系统综述

简要描述了无人作战飞机的发展背景、国外目前的发展方案,分析了无人作战飞机的任务与性能要求,提出了无人作战飞机系统的组成,最后提出了发展无人作战飞机应关注的关键技术。     

深度强化学习的无人作战飞机空战机动决策

无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战飞机可以在空战中自主地进行机动决策以获得优势地位。首先,基于飞机控制系统,利用MATLAB/Simulink仿真平台搭建了六自由度无人作战飞机模型,选取适当的空战动作作为机动输出。在此基础上,设计了无人作战飞机空战自主机动的决策模型,通过敌我双方的相对运动构建作战评估模型,分析了导弹攻击区的范围,将相应的优势函数作为深度强化学习的评判依据。之后,对无人作战飞机进行了由易到难的分阶段训练,并通过对深度Q网络的研究分析了最优机动控制指令。从而无人作战飞机可以在不同的态势情况下选择相应的机动动作,独立评估战场态势,做出战术决策,以达到提高作战效能的目的。仿真结果表明,该方法能使无人作战飞机在空战中自主的选择战术动作,快速达到优势地位,极大地提高了无人作战飞机的作战效率。