基于协同攻防的多机空战目标分配及排序

从协同攻击和防守角度出发,提出了多机协同空战中的一种攻击目标分配及排序方法.该方法根据多机协同空战的特点,用指数法对目标敌机的空战能力和三维空战态势进行评估,并由此计算出目标威胁度矩阵.考虑到我方各架战机在任务体系中的重要程度不同,给出防御权系数矩阵,然后根据目标威胁度矩阵和防御权系数矩阵得到协同攻防效度矩阵.在此基础之上,给出了目标分配和火力分配的具体模型,最后结合RBF神经网络给出了具体仿真.仿真结果表明,该方法可以有效地解决多机协同空战中的目标分配及排序问题.     

基于模糊综合评判法的空战多目标威胁评估

在综合分析目标空战能力和战场态势的基础上,提出一种多目标威胁评估方法。首先考虑了空战客观态势信息和决策者主观偏好信息,然后采用模糊综合评判法,建立目标与准则的模糊关系,并将其函数量化为评判矩阵。基于该模糊集合最大隶属度、最小隶属度和加权隶属度,选用3种评判函数进行二级综合威胁评估。实例计算表明,该方法可以有效地解决目标威胁评估和排序问题,而且可得出更加可靠的评估结果。     

空战威胁估计系统建模与仿真研究

以空战中飞机受到的威胁为研究目标,根据空战各个威胁单元的特点,分别研究了各单元威胁度的计算方法,并对不同平台的威胁度进行归一化处理,最后根据对归一化威胁度大小的排序,提供给飞行员做辅助决策。利用BorlandC＋- Builder6．0编译环境和GoogleMaps编写空战威胁估计系统的仿真软件,通过软件仿真手段验证空战威胁估计方法的正确性。     

基于卷积神经网络的单机空战威胁评估

针对传统的空战威胁评估方法处理单机空战数据时难以兼顾准确率和实时性等问题,文中提出了一种基于卷积神经网络（Convolutional Neural Networks,CNN）的空战威胁评估模型。基于作战任务背景对空战要素进行分析,提取主要威胁指标;构建威胁指数函数公式,以威胁要素为输入,输出威胁值,将威胁值量化后生成训练样本数据,利用卷积神经网络模型进行训练。仿真结果表明,该模型在具有实时性、满足实战要求的前提下,同时兼具较高的准确率,三种敌机威胁等级的识别准确率达98.50%。     

基于模糊神经网络的多机多目标空战决策

提出了一种基于模糊神经网络的多机协同多目标空战决策的方法.为简单起见且在不影响战局的情况下,从空战中的环境、地域等方面考虑,将大规模的机群空战划分为小集团内部的小机群作战.根据我机的载弹量和敌机的威胁度,进行分配导弹,分配原则考虑了我方的二次攻击.一次攻击后,计算敌机和我机的损失,再次对敌机和我机进行空战态势分析,进行...     

基于LSRBF神经网络的空战目标威胁评估

提出了-种基于Log-Sigmoid型径向基(简称LSRBF)神经网络的空战目标威胁评估方法.采用威胁指数法量化各因素的威胁度,运用工程模糊集方法确定因素的权重系数,在此基础上合成目标总的威胁指数,作为网络的初始训练样本.根据专家经验对不合理样本进行调整校正,得到最终的训练样本,供LSRBF神经网络训练使用.采用标准梯度下降法与指数梯度下降法相结合的学习算法,保证网络具有较强的鲁棒特性.仿真实验结果表明,LSRBF神经网络具有很好的函数逼近性能,可以成功地完成空战目标的威胁评估.     

基于多属性决策和态势估计结果的空战威胁评估方法

结合空战的特点,对影响目标威胁评估的属性进行了分析,并用层次分析法确定各属性的权值.根据多属性决策理论和方法,给出目标的威胁度,再根据空战的态势估计结果修正威胁度值,最终得到威胁排序结果,为传感器管理和火力分配提供依据.     

基于极限学习机的目标智能威胁感知技术

空中目标威胁感知是智能空战的关键技术之一。针对空中目标威胁评估问题,提出一种基于极限学习机的目标威胁智能感知策略。该方法首先提取目标威胁评估的高权重态势因子,并采用隶属度函数进行归一化数值解译;然后,借助专家知识采用极限学习机理论对威胁感知的输入输出数据进行建模,构建智能感知推理模型;最后,建立基于极限学习机的目标威胁智能感知流程。仿真结果表明,该算法具有较高的威胁感知精度以及较好的算法实时性。     

空战目标威胁排序与目标分配算法

现代空战需要先进的火控计算,目标威胁排序和分配算法是其重要的组成部分。计算了飞机的作战效能,在作战效能的基础上得到目标威胁矩阵。根据目标威胁矩阵,以最大程度地保存自己为目标,建立了目标分配的算法。以一个算例,利用建立的算法模型对某常见的飞机进行了计算,给出了结果,最后讨论了该算法的意义和不足,指出了下一步的工作。     

基于改进AHP的多机协同多目标攻击威胁评估算法分析

现代空战需要先进的火控计算,目标威胁评估是其重要的组成部分。文章通过建立威胁评估体系模型,再提出威胁因子及权值计算方法,从而构建了一套完整的目标威胁评估算法。最后针对一个多机协同多目标攻击态势,利用建立的算法进行威胁矩阵的计算,计算结果表明该方法是有效可行的。     

基于整体作战效能的目标威胁排序

针对现有空中目标威胁排序方法对支援作战飞机考虑的不足,提出了一种基于整体作战效能的目标威胁排序方法,建立了目标威胁排序的指标体系,分析了最小偏差模糊互补判断矩阵的指标权重求取方法,引入作战能力提高率矩阵[CX2]Q[CX],给出了支援作战的空中目标的威胁度。通过仿真分析,该排序方法对支援作战的空中目标的威胁评估更加准确,且更加符合防空作战实际。     

改进的威胁评估算法及其在目标分配中的应用

针对防空一体化作战的复杂性、实时性特点,提出了在威胁评估基础上进行目标分配的方法,建立了融合态势优势、空战能力优势和防空要地危急程度的威胁评估模型,通过对战机距离、速度、角度及防空要地属性等参数的设置将该模型应用于防空作战的目标分配过程。最后给出了仿真算例,验证了该模型的可用性和有效性。     

基于离差最大化的空战目标威胁评估

威胁评估是协同多目标攻击空战决策的关键技术之一。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,考虑敌我双方飞机的雷达最大探测距离和导弹最大射程的不同情况,提出了改进的距离威胁模型。针对传统威胁评估方法在确定权重系数方面的缺陷和不足,提出了运用离差最大化方法来解决目标威胁评估问题,给出了离差最大化方法确定威胁因素权重的具体步骤。建立了目标威胁评估的数学模型,并进行了仿真研究,仿真结果表明该方法是合理和有效的。     

预警机指挥多编队作战中的威胁评估算法研究

在预警机指挥下的多编队作战中,态势评估和目标分配是关系到作战结果好坏的重要问题.作为态势评估的一部分,威胁评估是进行合理的目标分配的前提.基于多属性决策的原则,分析了影响目标编队威胁程度的重要因素,建立了预警机指挥多编队作战的威胁评估模型.运用适合多编队多机型作战分析的平均数动力学方法,提出了计算目标编队威胁程度的算法,并验证了模型的有效性.     

基于TOPSIS方法的空战威胁评估研究

威胁评估是单机多目标攻击和空战协同战术决策的一项重要内容,首先提出了威胁评估指标的确定方法,然后阐述了TOPSIS(逼近于理想的排序法)方法的计算步骤,最后给出算例。该方法计算简单明确,可以有效地完成多机空战中威胁评估和威胁排序的计算,是解决威胁评估问题的一种有效途径。     

遗传算法在直升机空战编队优化中的应用

研究了传统的现代直升机群协同空战时对目标的威胁判断算法,并且用遗传算法来优化大规模直升机空战编队战术,最终得到一个我方的最优编队,最后用多机编队作战的算例验证了该方法的有效性.