浅谈导弹时代的空战

空空导弹出现以前,战斗机之间的空战都是在近距离依靠机枪、机炮进行。随着空空导弹的出现及技术的成熟,从第二代战斗机开始,机枪、机炮迅速退居二线,空战也演变为远距离导弹之间的厮杀,甚至超视距,更远距离……,     

改进遗传算法的多机超视距协同空战目标分配方法

针对多机超视距协同空战中的目标分配问题,依据协同空战攻击决策的度量指标,构建交战优势矩阵,建立整体优势函数;在此基础上,考虑目标分配整体均衡策略,引入目标分配密集度和目标分配均匀度两个指标用于目标均衡和任务均衡分配,改进整体优势函数,从而合理利用作战资源;考虑传统遗传算法解算速率不高的缺点,提出了一种改进的遗传算法,该方法能快速寻优满足实时性要求.     

空战自主机动决策问题建模

描述了自主空战机动决策问题,系统研究了自主机动决策各个环节,建立了子环节数学模型,构建了整个自主机动决策模型,并通过11个基本机动动作仿真验证了模型的有效性。     

日苏第一次空中较量——二战前的诺门罕空战（下）

新一轮的苦战 由于当时地面战线呈现出胶着态势,苏日双方都抽调精英,保证诺门下前线战斗机和优秀飞行员的数量。苏军还从海军航空兵调来飞行员,其中波罗的海舰队航空兵10人,黑海舰队航空兵5人,由诺维科夫少校负责统一指挥海军中队。     

日苏第一次空中较量——二战前的诺门罕空战（上）

1939年5月11日,侵占东北的日伪军与苏军在蒙古和伪满洲国边境的诺门罕发生军事冲突。冲突规模迅速扩大,演变为一场小规模、高烈度的局部战争。双方的装甲部队在辽阔的东北平原展开殊死搏斗。在战区的上空,双方空军也为争夺制空权展开了激烈的空战。     

基于注意力机制改进的LSTM空战目标意图识别方法

空战对抗过程中的目标状态数据呈现时序性、多维性等特征,为进一步提升目标意图识别的准确率,提出了一种基于改进注意力机制的长短期记忆网络(LSTM)目标识别方法,将空战可能出现的目标意图识别当成一个多分类问题处理。该方法首先通过目标实时的状态数据,生成特征序列;接着采用注意力机制提升目标的特征学习能力,增强空战过程中的主要目标状态特征表示,得到具有权值分配的特征向量;最后利用LSTM网络对目标特征向量进行训练,通过softmax层实现目标意图的识别。仿真实验表明,该方法利用注意力机制有效增强目标的特征学习,进一步提升了LSTM网络的识别精度,具有一定的科学性和有效性。     

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。     

基于匈牙利融合遗传算法的多无人机不平衡目标分配

基于无人机和目标之间的态势,研究不平衡目标任务分配建模和求解问题。首先,分析空战战场下无人机和目标之间的态势,提出一种某时刻的态势评估方法,建立多无人机不平衡目标分配模型;然后,用匈牙利遗传算法的目标分配算法求解该模型;最后,构建仿真算例进行仿真实验。仿真结果验证了所提算法的有效性,同时也表明了匈牙利遗传算法能够提升模型的求解效率。     

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。     

无人战机近距空战微分对策建模研究

针对无人战机（UCAV）在空战格斗中的自主决策问题,在UCAV的六自由度模型的基础上,将微分对策与机器博弈相结合;通过引入机器博弈中的“变值”思想,改进了传统的以“角度优势”作为支付函数的微分对策模型。当UCAV处于不同的空战态势时,该模型体现了同样的角度变化所获得的收益不同的真实状况,使UCAV的空战策略能够更趋智能与合理,仿真结果验证了算法的合理性与有效性。