共查询到16条相似文献,搜索用时 109 毫秒
1.
基于协同攻防的多机空战目标分配及排序 总被引:2,自引:1,他引:1
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. 相似文献
2.
3.
4.
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%。 相似文献
5.
6.
基于LSRBF神经网络的空战目标威胁评估 总被引:2,自引:0,他引:2
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. 相似文献
7.
基于多属性决策和态势估计结果的空战威胁评估方法 总被引:6,自引:0,他引:6
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. 相似文献
8.
9.
10.
11.
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。 相似文献
12.
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。 相似文献
13.
14.
15.
16.
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. 相似文献