多无人机超视距空战博弈策略研究

多无人机超视距空战决策问题是现代空战重要的研究课题,针对多无人机超视距空战博弈问题进行了研究。首先根据敌我双方作战态势参数信息,建立敌我双方对抗支付博弈模型,然后给出了基于量子粒子群算法的空战博弈混合策略纳什均衡的求解方法,最后通过仿真验证了该方法的可行性及有效性,为解决在超视距下多无人机空战策略问题提供了一种较科学的方法。     

单步预测影响图法在空战机动决策中的应用

提出了一种基于单步预测的多级影响图法,并将该理论应用在单机连续空战机动决策系统建模中.在决策系统的建模过程中考虑了影响无人机机动决策的各要素,包括无人机动力学方程、决策者的偏好以及战斗双方态势的不确定性等.机动决策的态势基准是通过无人机动力学方程迭代获得,运动方程中的控制量通过求解单步预测影响图获得.该预测影响图算法,效能函数的起点不断向后平移,建立了离散空间空战决策的纳什平衡,通过求解效能函数的最大值就能获得每一步的最优控制解.最后仿真验证该方法有效性,元人机模型采用质点运动方程,使用VC++实现并机动决策算法.分析表明提供了一种新型无人机机动决策算法,发展了无人机自主空战机动决策系统.     

基于对局迭代的无人机空战博弈研究

基于对局迭代对多无人机协同空战博弈决策问题进行了研究.首先,根据敌我双方作战态势和效能参数信息,利用矩阵对策法建立敌我双方对抗支付博弈模型,得到支付矩阵;然后,根据混合策略纳什均衡的定义及其推导过程给出了使用对局迭代求解空战博弈混合策略纳什均衡的方法与求解步骤;最后,通过仿真实例验证了该方法的可行性及有效性,为解决多无...     

基于风险型决策的多目标空战机动策略研究

通过对空战机动策略的分析,提出了一种基于风险型决策的多目标机动决策方法.采用对策论和空战态势评估的相关方法,将空战态势作为选择机动策略的依据.考虑实际的空战情况,在满足机动决策能力要求的前提下,改进了预测时间的选择方法.采用与态势有关的预测时间函数,使计算速度能够满足空战快速性的要求.在Matlab环境下对实例进行了仿真.结果表明,该方法考虑了选择机动的风险性,提高了计算速度,更符合空战实际情况.     

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。     

电子对抗环境下的多机协同空战态势评估方法

针对电子对抗复杂作战环境提出一种新的多机协同空战态势评估模型。首先分析了电子干扰环境对空战态势数据的影响,提出了综合敌我双方空战态势的参数转换和判断方法,并建立了空战能力指数威胁函数和空战威胁因子函数,然后在此基础上建立总的态势评估函数,最后通过实例进行仿真,仿真结果表明了该方法的实用性和有效性。     

一种近似动态规划的无人机机动决策方法

针对空战机动决策时出现的“维数爆炸”问题,该文提出一种基于近似动态规划的群智能空战机动决策方法。首先建立无人机空气动力学模型和空战态势优势指标函数。其次,利用近似动态规划的思想,将空战过程按时间域划分为多个规划时域,在每个规划时域内,提出人工势场引导下的改进蚁狮优化算法快速逼近最优控制量,有效裁减搜索空间。通过与专家系统法进行仿真对比,表明所提方法解决高动态、实时性强的无人机机动决策问题的有效性和可行性。     

基于模糊动态博弈的多无人机空战策略研究

不确定环境下多无人机空战决策问题已成为无人机作战系统的一个重要研究课题。首先通过分析无人机空战态势信息的不确定性, 建立模糊信息下的多无人机动态博弈的作战优势函数; 将动态扩展式博弈转化成静态策略式博弈, 构建基于模糊信息的双方博弈的支付矩阵。将模糊结构元方法和粒子群算法相结合, 给出模糊信息下动态博弈的混合战略的纳什均衡求解方法。最后通过仿真实验验证了该方法的可行性和有效性。     

基于Q-Learning算法的无人机空战机动决策研究

针对无人机空战对抗自主机动决策问题,设计了侧向机动决策算法。通过加入启发式因子的方式和双Q表交替学习的机制,弥补了传统Q-Learning算法学习速度慢、无效学习多的不足。通过路径规划仿真和数据的对比,验证了改进Q-Learning算法具有更好的稳定性和求解能力。设计了动态的栅格规划环境,能够使无人机根据变化的空战态势自适应调整栅格尺寸大小,且对求解的速率不产生影响。基于Q-Learning算法,构建了无人机空战对抗侧向机动决策模型,并通过武器平台调换的方式验证了改进Q-Learning算法能显著提升无人机空战胜负比。     

基于多重聚类算法的分群化空战态势评估

准确及时的作战态势分析是空战决策的首要前提,是飞行员空中飞行规划的主要依据,是夺取空战胜利的重要保证.针对空战过程数据信息量大、态势复杂多变的情况,依据军事实战需求,针对空中作战数据,提出了一种基于多重聚类算法进行态势分析的方法,解决了单机对单机作战中距离变化频繁、态势多变不易评估的难题.首先,采用K-means算法对获取的数据进行分群化处理,将整个空战过程按照敌我两机相对距离和状态分为不同群组;然后,根据每个群组数据特征采用不同的聚类算法进行态势分析,以使空战过程中的每个阶段都能达到最准确的态势分析结果;最后,利用飞行训练系统采集的真实数据进行仿真分析,结果表明,该方法具有良好的态势分析效果.     

直升机空战

军用直升机的大量服役及其在前沿地区的部署,导致敌我直升机群在战斗中互相遭遇,因而空战将是不可避免的.空对地作战原则及其在敌占区内的有效实施,使这种空战遭遇更为确定无疑,而且增加了这种结论的重要性.固定翼飞机空战向直升机空战观念上的转变,正在把许多敏感的想法引入歧途.有些人设想旨将敌方直升机击毁在敌方机场上的一次攻击方案,仿佛直升机并不适合于疏散似的.另一些人则建议基于在飞机或直升机尚未作出反应的时间内的截击战术,而反应时间对这些飞机取得成功是必需的.一些人再次接受传统的转弯格斗训练,并试图对格斗机动的式样进行分类.     

空对空近距格斗导弹和离轴发射

一、空空近距格斗导弹 空中格斗被认为是空中防卫和进攻的基本战术之一,空中格斗在很大程度上取决于飞机和武器性能以及飞行员的操纵特性。在近距格斗导弹出现之前,主要的空中格斗武器就是航空机炮。那时的空中格斗,飞行员的操纵任务非常繁重,并常常失去战机。即使目前现代化的科学技术已经使武器、飞机性能大大改善,但飞行员的操纵任务并没有减轻。这是由于空中格斗时间短暂,而空战情况瞬息万变。在极短暂的时间内,飞行员应能机动他的飞机到达机载武器能摧毁敌方目标的正确位置上,在这些位置没有到达之前,他需要根据飞行条件来判断应该如何机动载机;而当这些位置出现的时候,他必须立即识别出来,并同时发射武器。因此,在这样复杂的情况下,飞行员很容易失去已经获得的攻击机会。     

基于PPO算法的无人机近距空战自主引导方法

针对无人机近距空战的自主决策问题,提出了一种基于近端策略优化(PPO)算法的无人机自主引导方法。针对敌我距离、角度、速度以及任务约束等信息重塑奖励,建立了无人机三自由度模型,在速度坐标系上构建强化学习的状态和动作,分别对结合了全连接神经网络的PPO算法(标准PPO算法)和长短时记忆网络的PPO算法(改进PPO算法)模型进行了仿真训练。根据训练的结果可以证明,相比于标准PPO算法,所提的改进PPO算法能够更有效地处理与时间序列高度相关的无人机自主引导任务。     

决策影响图方法在三维空战决策中的应用

针对以往空战建模通常仅考虑单方决策的不足,建立了考虑交战双方对抗决策的三维双机空战决策模型,应用影响图分析法描述了空战中飞行员的决策过程,并进行了三维立体格斗空战的仿真研究。仿真结果表明应用决策影响图的三维空战决策模型能够逼真地模拟空战格斗过程;该空战决策方法在不确定情况下的决策效果理想,攻防兼顾,可以适用于各种空战环境。     

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。     

无人机基站的飞行路线在线优化设计

针对离线的无人机(UAV)基站飞行路线设计无法满足随机的、动态的地面用户通信请求难题,该文研究了飞行路线在线优化设计算法。考虑单个无人机空中基站为两个地面用户提供无线通信服务,通过在线实时优化无人机的飞行路线实现最小化与地面用户的平均通信时延。首先,由于系统的无人机的状态和动作是连续的,将问题转化成一个马尔可夫决策过程(MDP);然后,把单次通信时延引入到动作价值函数中;最后分别采用强化学习中蒙特卡罗和Q-Learning算法来实现无人机的飞行路线在线优化。仿真结果表明,所提出的在线优化的平均时延性能优于“固定位置”和“贪婪算法”的时延计算结果。     

基于人工势场启发粒子群算法的空战机动决策

以敌我双机空战为背景,基于滚动时域控制思想对空战机动决策进行研究。借鉴人工势场的思想构建了空战人工势场,重点分析了人工势场函数的构建,变权重函数的建立,提出了人工势场启发粒子群算法的空战机动决策方法,最后进行仿真验证。仿真结果表明,该方法能有效消除人工势场的局部极小值问题,同时也改善了粒子群算法全局搜索能力,避免了早熟,得到的结果是有效的。     

基于强化学习的飞行自动驾驶仪设计

针对强化学习在连续状态连续动作空间中的维度灾难问题,利用BP神经网络算法作为值函数逼近策略,设计了自动驾驶仪。并引入动作池机制,有效避免飞行仿真中危险动作的发生。首先,建立了TD强化学习算法框架;然后根据经验将舵机动作合理分割为若干组,在不同的飞行状态时,调取不同组中的动作;其次,构建了BP神经网络,通过飞行过程中的立即奖赏,更新网络的值函数映射;最后,通过数字仿真验证了强化学习自动驾驶仪的性能,仿真结果表明,该算法具有良好的动态和稳态性能。     

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。     

超视距空战下的态势评估技术研究

态势评估技术是智能战术辅助决策系统的关键技术之一,针对现代超视距空战的特点,提出了一种新的超视距空战下的态势评估算法。通过研究典型的空战态势情形,总结得出超视距空战下对态势起决定性作用的各个因素,结合空战案例分析构造各个因素的优势函数,最后加权综合得到双方的优势指数,在此基础上采用模糊论域划分并加以组合的方法得到双方态势。通过大量的数字仿真,并与现有算法对比验证了该评估算法的有效性。