针对传统威胁评估方法不能很好地体现空战过程中各类威胁因素作用变化的问题，引入了径向基神经网络，采用结构熵权法优化了神经网络训练参数，提出了基于粒子群和径向基神经网络(PSO-RBF)算法的空战动态权值计算方法。以某一时刻预测多无人机空中对抗时的威胁度为想定，分别采用结构熵权法和PSO-RBF算法进行仿真计算。仿真结果表明所提方法可有效解决空战目标威胁评估问题，提高了决策的客观性、科学性。
多无人作战飞机 空战 威胁评估 粒子群算法 结构熵权法 动态权值 multi-UCAV air combat threat assessment particle swarm optimization structure entropy weight method dynamic weight
1 中国人民解放军驻六一三所军事代表室, 河南 洛阳471009
2 光电控制技术重点实验室, 河南 洛阳471009
针对多架无人机同时攻击同一目标的问题, 提出了一种基于冲突消解机制的航路规划算法。通过分析协同规划中的各种约束条件及任务要求, 从规划终点同时、同步扩展每架无人机的飞行航迹, 并采用不等步长扩展法反映每架无人机的飞行速度, 在扩展节点的同时进行各项约束条件的检查和消除, 保证多条航迹间的时空协同；最后通过数学仿真验证了该算法的可行性。
多无人作战飞机 冲突消解 协同航路规划 multi-UCAV collision resolution cooperative path planning
