1 空军工程大学航空工程学院,西安 710038
2 中国人民解放军95974部队,河北 沧州 061000
针对传统态势评估方法只考虑当前时刻静止态势, 难以对整个空战态势情况进行评估和不具有预见性的局限, 提出了一种基于改进MGM(1,N)轨迹预测的态势评估方法。首先, 根据 MGM(1,N)预测模型难以描述变量间线性关系的不足, 建立了基于背景值优化的改进 MGM(1,N)预测模型; 然后建立了基于非参量法的空战态势优势模型, 用来定量描述各空战态势影响因素; 利用灰色关联度计算各指标权重, 考虑并建立了多时刻时序权重的计算方法。通过对实际空战数据进行仿真, 改进方法的预测精度好于传统MGM(1,N)方法, 态势评估结果不仅能够准确反映战场态势, 而且能够有效反映空战态势的变化趋势, 具备良好的预见性。
空战 态势评估 轨迹预测 背景值优化 优势函数 灰色关联度 air combat situation assessment trajectory prediction background value optimization dominant function grey correlation degree
1 空军工程大学航空工程学院, 西安 710038
2 中国人民解放军95974部队, 河北 沧州 061000
3 中国人民解放军95356部队, 湖南 耒阳 421800
针对空战态势评估中, 常权求和带来的信息动态性不够灵活的问题, 提出了动态变权重的近距空战态势评估方法。该方法在优势函数的基础上, 加入空战能力指标, 改进了评估指标体系; 并且依据贝叶斯理论实时确定态势类型, 综合空战态势变化特点, 根据变权理论, 动态调整评估指标权重。通过真实的空战数据仿真实验, 验证了该方法在空战态势评估中的可行性和有效性。仿真结果表明, 动态变权重的评估方法能够有效改善常权求和引起的信息动态性差的问题。
近距空战 态势评估 变权重 贝叶斯理论 优势函数 close-range air combat situation assessment dynamic weight Bayesian theory advantage function
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。
多无人机 空战决策 优势函数 动态博弈 纳什均衡 multiple UAVs air combat decision-making dominant function dynamic game Nash equilibrium
