空战指挥控制的自主决策思维属性

未来空战中,提高空战指挥控制系统的自主决策能力是提高空战指挥控制系统在复杂、动态、不确定的空战环境中的决策能力的关键所在。首先从空战指挥控制的决策需求出发,从信息、动机、规划、责任等方面对空战指挥控制自主决策思维要素进行了分类,提出信念、目标、战术意图、责任等自主决策思维属性,基于空战环境、自身能力和任务等要素对空战指挥控制自主决策思维属性的建模要点进行了分析,并对思维属性的建模方法进行了述评。     

空战战术双层决策模型设计

针对空战战术决策研究中将编队与单机视为独立主体的不足,基于行为主义思想设计了基于行为的空战战术双层决策模型,确保了决策过程的连续性、反应性和适应性.在战术协调层中建立了编队战术决策的模糊Petri网模型,实现利用先验知识和专家知识进行编队战术的模糊推理决策;在战术控制层中建立了基于模糊粗糙一神经网络的单机战术决策模型,...     

基于多层模糊Petri网的编队空战战术决策

对于编队空战战术决策这一个动态的不确定性决策问题,FPN是一种快速、适用、直观的方法,但存在不能适应知识库的扩展和更新,以及不能利用结构化方法对知识库进行建模的问题.为此,根据编队空战战术决策过程,利用抽象库所和抽象变迁来提高模型对复杂知识的表示能力,建立基于HFPN的编队空战战术决策模型.以典型的“二对一”空战战术为...     

基于案例和MAX-MIN云推理的UCAV双层战术决策

针对无人作战飞机空战过程中的战术决策问题,借鉴认知心理学双重加工理论,提出了一种案例推理与MAX-MIN云推理机制相结合的双层战术决策方案。首先,将飞行员作战经验案例化以构建案例库,将问题情境和案例库中的源案例进行相似度匹配以实现第一层基于案例推理的启发式决策,若是低于相似度阈值则转向第二层基于MAX-MIN云推理的分析决策,用前件云发生器对空战特征属性云化以形成属性云滴;然后,结合定性规则,采用MAX-MIN云推理算法得到规则云滴,进而得出战术决策方案。仿真结果表明,提出的双层战术决策可有效实现无人作战飞机空战战术决策,决策时间符合空战实时性要求。     

目标飞机自主空战战术机动仿真

建立了目标飞机飞行运动模型和基本飞行机动控制方法,根据现代空战特点、空中态势、威胁环境和机载武器性能等因素,设计了目标飞机进攻、防御战术机动动作,并采用机动动作链实现了战术机动动作的执行。同时建立了目标自主空战决策专家系统,实现了特定的空战态势和武器挂载条件下自主空战仿真,为模拟对抗训练提供了逼真的虚拟对手,也为态势估计、信息融合等研究工作提供了符合实际的目标信息。     

快速避障三维最优轨迹规划研究

针对无人作战飞机自主化任务需求,提出了一种"人在回路上"的UCAV自主任务规划解决方案;针对该方案中的UCAV快速自主轨迹规划需求,提出了基于高斯伪谱法的快速轨迹规划解决方案。该方案在充分考虑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高精度的UCAV模型,详细分析并构建了比较真实的UCAV飞行包线约束模型和三维战场环境约束条件,在此基础上,构建了基于最优控制理论框架的UCAV轨迹规划模型;最后,详细分析并实现了采用GAUSS伪谱法求解该问题的实现过程。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。     

基于模糊Petri网的战术决策与规则精炼方法

针对空战环境的复杂多变和不确定性,首先研究了基于模糊Petri网的推理算法,建立了基于模糊推理Petri网的智能战术决策方法,将定性的决策推理过程变成了定量的矩阵运算;然后针对规则的冗余性和可能的冲突性,利用粗糙集理论对战术决策规则库进行了精炼,简化了模糊推理Petri网结构,提高了战术决策推理的效率,实现了无人机攻击和防御的智能决策。仿真结果表明该方法具有可行性和有效性。     

基于滚动时域控制的战斗机空战机动决策

采用滚动时域控制(Receding Horizon Control,RHC)方法对空战机动决策进行建模研究。首先,基于空战态势和战斗机作战能力给出探测优势和攻击优势的集合描述,并建立定量评估函数,得到机动决策的目标集;其次,综合考虑战斗机的战术优势、机动时间和控制损耗构建了决策指标函数;然后,基于直接多重打靶法给出其数值求解方法。仿真结果表明:基于RHC的机动决策方法能够在规避目标威胁的情况下,有效地达成攻击条件。     

无人作战飞机任务系统技术研究

先进的任务系统是UCAV执行作战任务的核心。本文从功能层、物理层和技术实现层三个层面论述了UCAV任务系统方案：在功能层上,该方案采用操控／自主攻击方式,既可由地面控制站操作员操纵,执行作战任务,也可由UCAV任务系统对目标进行自动识别、威胁判断、攻击排序及火力分配,自主完成攻击及对威胁的规避任务;或者由操作员指定攻击目标后,任务系统自动规划飞行轨迹和飞行操作指令,由飞控系统控制UCAV自主飞行到最佳攻击区域完成对目标的攻击。在物理层上,任务系统由机载任务系统、地面控制站两大部分组成。在技术实现层上,涉及的关键技术主要有任务规划技术、传感器数据处理与信息融合技术、传感器管理技术、态势评估与战术决策技术、自主攻击技术等。     

无人作战飞机空战自主机动决策研究

针对无人作战飞机自主空战的要求,通过空战机动方式的分析,提出一种基于风险型决策的空战自主机动决策算法。以对策论为基础,构建空战机动攻击阶段的对策模型,通过模糊决策分析找出最优机动策略。就不同条件下的实例进行仿真,仿真结果表明,该算法考虑空战机动决策的主动性和风险性,体现空战过程的对抗性,符合空战实际情况。     

多级影响图在无人机群协同空战机动决策中的应用

现代空战多为机群对机群的空战。针对无人机群空战中协同攻防机动决策的问题,首先提出了针对单机对单机的在不确定环境下基于多级影响图的空战决策建模。在此基础上对无人机群进行分组,并根据无人机的空战能力划分角色,在空战初始确定小组内的长机与僚机。通过引入协同因子,对空战机动决策中的当前局势概率重新进行加权修正,很好地解决了单元内各成员协同配合的问题,从而将单纯的一对一空战引申为多机对多机协同空战。仿真结果表明所建立的决策模型能够有效地解决无人机群协同空战的机动决策问题。     

多架无人作战飞机协同作战的几个关键问题

从分析协同空战对无人作战飞机(UCAV)的要求入手，初步探讨了UCAV多机协同与有人驾驶战斗机多机协同的区别，分析了UCAV多机协同面临的主要问题，阐述了UCAV多机协同的关键技术以及将来可能的应用，指出了UCAV多机协同的研究方向。     

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.     

基于直觉模糊推理的态势预测方法

在作战辅助决策系统中,针对战场态势预测问题,提出一种基于直觉模糊推理的战场态势综合预测方法.分析了当前态势预测方法的特点与不足;建立了直觉模糊推理规则,设计了推理合成算法和解模糊算法,检验了推理规则的完备性,并引入态势指标的权重向量;最后通过态势预测中的一个具体仿真实例验证了该方法的有效性与合理性.     

近距格斗自主决策研究

辅助决策系统能够提高飞机近距空战的智能化和自动化水平.为了改善辅助决策系统的自主能力,使决策支持系统适应快速变化的战场环境和及时纠正决策失误,提出了一个应用新决策触发机制的决策系统.该触发策略改变了传统的固定时间间隔的触发机制,可以根据战场态势的变化动态地调整自主决策的时机,适应快速多变的战场环境.最后使用对抗仿真对该触发策略进行验证,其中我方使用了新的策略触发器,而敌方仍然使用固定时间间隔的触发策略,其时间间隔为2～4 s不等.仿真结果证明了新策略的良好效果.     

美军战术互联网构成及其战术模拟方法研究

分析了美军战术互联网的功能、特点及组成。结合现有战术互联网模拟系统提出了一种战术模拟方法,并说明了该方法中网络构建和业务规划的过程。利用海军陆战队战术互联网运用案例详细介绍了该模拟方法中网络构建模拟、战情构建模拟的主要过程。结果表明,该模拟方法对改进我军战术互联网,提高其运用以及在电子信息靶场开展战术互联网对抗训练及对抗技术研究中有重要的指导作用。     

基于悲观准则的投掷式雷达干扰战术计算研究

针对战场活动目标侦察雷达的相控阵天线,提出在雷达搜索空域内每个波束宽度中部署一部投掷式雷达干扰机的干扰方式,以掩护圆形等效区域内的活动目标为战术背景,采用悲观准则进行投掷式雷达干扰机的排布方式、投掷位置、投掷时机和使用数量等战术要素的定量计算.结果表明该方法可行有效,能快速计算投掷式雷达干扰机作战运用的战术要素.     

无人作战飞机天线多层频率选择表面技术

无人机作战飞机(UCAV)快速发展的同时,无人机平台天线的频率选择表面(FSS)技术也得到广泛应用.设计和测试了一种用于无人作战飞机天线隐身的多层频率选择表面,多层频率选择表面通带为K频段,并且有一个很宽的阻带.数值结果和测试结果验证了该频率选择表面的有效性.该设计技术可以广泛应用在今后无人作战飞机天线隐身上,也可以用在其他隐身平台的相关天线设计中.