1 内江师范学院, 四川 内江 641112
2 空军工程大学航空航天工程学院, 西安 710038
针对无人作战飞机空战过程中的战术决策问题, 借鉴认知心理学双重加工理论, 提出了一种案例推理与MAX-MIN云推理机制相结合的双层战术决策方案。首先, 将飞行员作战经验案例化以构建案例库, 将问题情境和案例库中的源案例进行相似度匹配以实现第一层基于案例推理的启发式决策, 若是低于相似度阈值则转向第二层基于MAX-MIN云推理的分析决策, 用前件云发生器对空战特征属性云化以形成属性云滴;然后, 结合定性规则, 采用MAX-MIN云推理算法得到规则云滴, 进而得出战术决策方案。仿真结果表明, 提出的双层战术决策可有效实现无人作战飞机空战战术决策, 决策时间符合空战实时性要求。
无人作战飞机 战术决策 案件推理 MAX-MIN云推理 Unmanned Combat Aerial Vehicle (UCAV) tactial decision-making Case Based Reasoning (CBR) MAX-MIN cloud reasoning
1 内江师范学院, 四川 内江 641112
2 空军工程大学航空航天工程学院, 西安 710038
针对无人作战飞机空战过程中的战术决策问题, 借鉴认知心理学双重加工理论, 提出了一种案例推理与MAX-MIN云推理机制相结合的双层战术决策方案。首先, 将飞行员作战经验案例化以构建案例库, 将问题情境和案例库中的源案例进行相似度匹配以实现第一层基于案例推理的启发式决策, 若是低于相似度阈值则转向第二层基于MAX-MIN云推理的分析决策, 用前件云发生器对空战特征属性云化以形成属性云滴;然后, 结合定性规则, 采用MAX-MIN云推理算法得到规则云滴, 进而得出战术决策方案。仿真结果表明, 提出的双层战术决策可有效实现无人作战飞机空战战术决策, 决策时间符合空战实时性要求。
无人作战飞机 战术决策 案例推理 MAX-MIN云推理 Unmanned Combat Aerial Vehicle (UCAV) tactical decision-making Case Based Reasoning (CBR) MAX-MIN cloud reasoning
1 空军第一航空学院,河南信阳464000
2 中国人民解放军驻613所军代表室,河南洛阳471000
3 空军工程大学航空航天工程学院,西安710038
4 中国人民解放军95856部队,南京210028
无人作战飞机(UCAV)轨迹规划是实现其自主攻击技术的重点和难点, 通过对该领域文献的广泛研究和细致梳理, 建立了UCAV轨迹规划问题的一般模型, 系统归纳了目前用于该问题求解的基本算法、求解思路、存在不足和最新发展动向, 并重点对UCAV隐身突防轨迹优化和不确定环境下的在线轨迹规划方法进行综述。
无人作战飞机 轨迹规划 自主攻击 综述 UCAV trajectory planning autonomous attacking survey
对基于人工优势函数场的无人作战飞机空战引导算法进行研究, 为解决现有算法优势函数C1间断及引导指令抖动诱发横航向发散两个问题, 提出了采用3次均匀B样条拟合原综合优势函数场的改进算法, 拟合后的综合优势函数场具备C2连续特性, 通过仿真证实了改进算法的有效性。研究成果对于提升无人作战飞机空战引导能力具有一定的工程应用价值。
空战 无人作战飞机 引导 人工势场 air combat UCAV steering Artificial Potential Field (APF)
有人机/无人机协同对地攻击是未来空对地打击的主要作战方式,如何实现有人机对无人机的指挥控制是亟待解决的重要课题。首先,根据有人机对无人机的指挥控制方式建立了有人机对无人机的指挥控制系统架构;然后基于该指挥控制架构设计了有人机指挥控制界面;最后进一步讨论了有人机对无人机指挥控制的方式。
无人作战飞机 有人机 协同作战 指挥控制系统 指挥控制界面 Unmanned Combat Air Vehicle (UCAV) manned fighter cooperative combat command and control system interface of command and control
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 空军工程大学防空反导学院,西安710051
2 空军工程大学航空航天工程学院,西安710038
针对无人作战飞机(UCAV)对空自主攻击时存在攻击范围小、机动能力差、信息链路延迟的问题,设计了一种旨在提高攻击精度和提升整体作战效能的自主攻击方法。根据UCAV对空自主攻击的特点分别建立了UCAV和制导导弹的运动学、动力学模型。采用模式搜索法解算得到导弹可攻击区和不可逃逸区,并设计了导弹最佳发射位置。为精确到达导弹发射位置,采用滑模变结构导引方法设计了自主攻击占位过程并进行了数字仿真。仿真结果表明,UCAV能够在短时间内到达导弹发射位置并保持姿态稳定,进而对目标实施打击。
无人作战飞机 对空自主攻击 最佳发射位置 攻击占位 滑模控制 UCAV airtoair autonomous attack optimum launch position attacking occupation sliding mode control
1 空军第一航空学院, 河南 信阳464000
2 空军工程大学航空航天工程学院, 西安710038
3 中国人民解放军94565部队机务大队, 安徽 蚌埠233000
针对无人作战飞机自主攻击过程高精度、大迎角以及飞行状态快速变化等飞行控制需求, 采用反步控制设计非线性控制器。依据飞行器六自由度方程建立非线性控制模型, 利用奇异摄动原理将速度控制器和姿态控制器设计分离开, 分别利用反步控制原理设计控制器, 采用一阶指令滤波器克服传统反步法带来的“微分爆炸”问题, 最后依据Lyapunov稳定原理证明了控制系统跟踪误差渐近趋近于零。仿真结果表明, 非线性控制器在输入参考信号发生剧烈变化时仍能够实现高精度跟踪控制。
无人作战飞机 轨迹跟踪控制 反步飞行控制 自主攻击 unmanned combat aerial vehicle (UCAV) trajectory tracking control backstepping flight control autonomous attacking
1 空军工程大学航空航天工程学院, 西安 710038
2 中国人民解放军93787部队, 北京 100076
研究了无人作战飞机(UCAV)自主对地攻击轨迹规划问题。首先, 建立了考虑发动机燃油消耗、飞行约束和**投射终端约束的多约束模型, 研究了UCAV动态雷达威胁问题, 建立了随姿态和距离变化的精确雷达探测概率模型; 其次, 详细分析了HP伪谱法基本理论及其求解最优控制问题策略, 利用HP伪谱法并结合对地近距作战实战背景, 分别以时间最短、威胁代价最小和定时飞行为目标函数进行雷达规避轨迹规划仿真研究, 得到了期望的攻击轨迹并对3条轨迹进行了深入对比分析; 最后, 对仿真结果进行了精度分析, 分析计算表明仿真误差在允许范围内, 再次验证了方法的可行性。
无人作战飞机 对地近距作战 轨迹规划 雷达规避 HP伪谱法 UCAV air-to-ground short range strike trajectory planning radar avoiding HP pseudos-pectrum
1 空军工程大学航空航天工程学院,西安710038
2 中国人民解放军驻沈飞军代表室,沈阳110850
3 中国人民解放军95214部队,长沙410115
4 中国人民解放军广州军区空军装备部,广州510071
以无人作战飞机挂载激光制导**打击地面目标为研究背景,针对空对地**投放过程的多约束和强实时性要求,提出自主攻击轨迹规划系统总体框架,建立了激光制导**可发射区模型;在此基础上结合UCAV动力学约束,提出了一种基于改进A*算法的三维攻击轨迹决策算法。算法结合规划轨迹最优性约束和UCAV平台的运动学约束,选择扩展节点,从而降低了算法的复杂度; 结合微积分的思想,取步长足够小,将步长范围内高度变化忽略不计,将UCAV水平方向和垂直方向飞行航迹独立解耦,并结合法向过载进行高度修正,从而有效避免了维数灾难问题。仿真结果表明,该算法能快速获得三维航迹,引导UCAV到达目标可发射区,且UCAV终端状态满足**发射条件,为构建无人作战飞机自主攻击平台奠定了良好的基础。
三维攻击轨迹规划 无人作战飞机 可发射区 改进A*算法 3D weapon delivery trajectory planning unmanned combat aircraft vehicle(UCAV) launch acceptable region improved sparse A* search algorithm