歼击机空战占位的模糊神经网络方法

提出了空战中机动占位问题的概念和任务,分析了目标机动意图预测的作用,介绍了目标机动意图预测的基本原理。在此基础上,根据驾驶员经验将目标机动意图分为9种类型,并采用模糊神经网络方法实现了对目标机动意图的预测。仿真表明,本文介绍的模糊神经网络方法是行之有效的。     

深度强化学习的无人作战飞机空战机动决策

无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战飞机可以在空战中自主地进行机动决策以获得优势地位。首先,基于飞机控制系统,利用MATLAB/Simulink仿真平台搭建了六自由度无人作战飞机模型,选取适当的空战动作作为机动输出。在此基础上,设计了无人作战飞机空战自主机动的决策模型,通过敌我双方的相对运动构建作战评估模型,分析了导弹攻击区的范围,将相应的优势函数作为深度强化学习的评判依据。之后,对无人作战飞机进行了由易到难的分阶段训练,并通过对深度Q网络的研究分析了最优机动控制指令。从而无人作战飞机可以在不同的态势情况下选择相应的机动动作,独立评估战场态势,做出战术决策,以达到提高作战效能的目的。仿真结果表明,该方法能使无人作战飞机在空战中自主的选择战术动作,快速达到优势地位,极大地提高了无人作战飞机的作战效率。     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

“侧卫”出刀“鹰”翼折——苏-27系列与F-15的三次交锋

2004年4月，俄罗斯国际文传电讯社的一篇报道引起了人们的广泛关注。报道称，印度空军和美国空军在今年2月举行的“对抗2004”联合空战演习中，各自派出现役最先进战斗机进行了模拟对抗演练，结果令美国空军异常沮丧；苏-30K多次“击落”F-15C。迄今为止，F-15与俄罗斯“侧卫”系列战斗机已经针尖对麦芒地进行过多次较量     

鹰隼老矣——“老龄化”困扰美国空军战机

在大多数人的眼中，美国空军俨然是独领当今高科技战争风骚的代名词。不错，自上世纪九十年代的海湾战争以来，美国空军一直是“山姆大叔”东征西讨的“急先锋”，外科手术打击，隐形战机，斩首，超视距空战……这些由美国空军在战争中创造的名词就像好莱坞大片一样，吸引着世人的眼球。然而，谁又能想到这个“天之骄子”叱咤风云的背后，居然是现役军机的严重老化！     

超视距空战仿真系统概念研究

介绍了“超视距空战仿真系统”的目标、功能、系统设计与实现技术，并详细给出了系统的设计构想     

基于运动分解和H-SVM的空战目标机动识别

目标机动识别是空战态势感知中的关键问题.针对现有识别方法主观因素较多、模型复杂、难以满足实时性和识别准确率不够高等问题,提出一种基于运动分解和层次支持向量机(hierarchical support vector machine, H-SVM)的机动识别方法.利用$v\text{-