改进决策树的无人机空战态势估计

针对无人机空战态势估计中存在的多参数、非线性、实时性问题,提出了一种改进决策树思想的态势估计推理方法.首先,通过结合无人机与敌机的状态参量作为决策树模型的输入,确保态势估计的依据中包含交战双方的信息,为无人机态势估计的结果的合理性提供理论依据;然后,建立4类态势结果作为决策树模型的输出,以满足态势响应快速性的要求,根据影响空空导弹攻击区的状态参量,对比相同状态参量下,无人机与敌机的评价指标值的大小,构建对应的空战态势分类指标.建立了空战态势分类规则,作为决策树的推理规则,在决策树的节点对态势不断细化.最后,针对决策树中未开发分支引入反推理规则,在未知情形下提高学习能力.通过对不同的典型空战场景:一对一、一对二和二对二,进行仿真验证,并将结果与贝叶斯推理法进行全面比较,通过分析,所提方法用时5.39 s,准确度为80%,贝叶斯推理法用时11.63 s,准确度为60%.准确的实验结果表明所提方法比贝叶斯推理方法的评估速度更快,准确度更高.     

某型主动雷达末制导导弹毁伤目标效能评估

从论述某型主动雷达末制导导弹的攻击过程和攻击区入手,采用美国武器系统效能咨询委员会(WSEIAC)评估效能的方法,分析了导弹发现目标的概率、生存突防概率,推导并建立了战斗部破片毁伤目标概率模型,从而确定了导弹毁伤目标的效能评估模型,最后对结果进行了分析.     

基于时空信息融合的复合引信目标识别方法

针对传统导弹引信不能有效识别目标的问题,提出了基于时空信息融合的复合引信目标识别方法。该方法利用BP(Back Propagation)神经网络获取基本概率赋值,根据时空信息融合算法进行证据组合,最后通过Dempster决策规则得到复合引信目标识别结果。实践表明,利用该方法进行复合引信多传感器信息融合,能够提高引信对空中目标的识别率。     

基于自适应马尔可夫参数交互多模型算法的弹道导弹跟踪研究

对弹道导弹主动段和自由段进行连续跟踪已成为弹道导弹防御亟待解决的问题。采用多模型交互算法,是解决该问题一条可行途径,但传统交互多模型马尔可夫概率转移矩阵参数固定,切换过程模型概率滞后。文中基于后验信息修正,提出了一种马尔可夫参数值自适应调整算法,根据不匹配模型误差压缩率的变化,自适应调整先验的马尔可夫概率转移矩阵参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,提高系统的收敛速度。仿真实验表明：马尔可夫参数自适应调整算法对弹道导弹主动段与自由段交替处的跟踪效果优于传统多模型交互算法。     

无人作战飞行器编队协同攻击轨迹规划研究

研究了无人作战飞行器（UCAV）编队协同对地攻击轨迹规划问题。基于单机运动学/动力学方程、编队成员相对运动模型和威胁模型,结合平台初、末端约束条件,建立了编队协同对地攻击轨迹规划数学模型;提出了综合考虑单机威胁、任务时间、编队等效碰撞次数及执行指令时间误差的综合目标函数,形成最优控制方法的求解框架。为使编队整体轨迹优化,将编队任务轨迹分段。采用hp自适应伪谱法对构建的模型进行解算,得到编队攻击轨迹。数字仿真结果表明：规划的编队攻击轨迹满足约束要求,证明了所构建的编队攻击轨迹规划模型的有效性。     

高超声速滑翔式飞行器摆动突防设计

针对高超声速滑翔式飞行器突防导弹防御系统的问题,设计了一种基于威胁时间窗的摆动式机动突防方法,联合地基雷达、拦截导弹和HGV建立了毁伤概率模型。通过摆动式机动方法控制HGV暴露的RCS。运用极大极小值原理设计了最优突防弹道,使飞行器在所有威胁时间窗内毁伤概率的极大值取极小并进行了数字仿真。仿真结果表明,该方法在牺牲一定航程和航时的条件下能有效降低HGV突防过程中被毁伤的概率,增强其生存能力。     

高超声速滑翔式飞行器摆动突防设计

针对高超声速滑翔式飞行器突防导弹防御系统的问题,设计了一种基于威胁时间窗的摆动式机动突防方法,联合地基雷达、拦截导弹和HGV建立了毁伤概率模型。通过摆动式机动方法控制HGV暴露的RCS。运用极大极小值原理设计了最优突防弹道,使飞行器在所有威胁时间窗内毁伤概率的极大值取极小并进行了数字仿真。仿真结果表明,该方法在牺牲一定航程和航时的条件下能有效降低HGV突防过程中被毁伤的概率,增强其生存能力。     

侵彻型空地导弹的杀伤威力研究

建立了战斗部的侵彻模型，计算了某型空地导弹对典型目标的侵彻深度，并根据所攻击目标的不同，对作战使用提出建议。     

基于自适应模糊PID的UCAV姿态控制

针对UCAV刚体六自由度模型非线性强耦合的特点,结合专家经验设计了一种自适应模糊PID姿态控制方法。利用小扰动原理对UCAV非线性模型线性化,得到了纵向和横侧向通道的状态空间表达式,实现了纵向和横侧向通道的解耦。针对纵向通道的俯仰角和速度以及横侧向通道的滚转角对设计的自适应模糊PID控制器进行了仿真验证,结果表明该控制器具有较快的响应速度和较高的稳定性,能够有效控制UCAV实现预期姿态。