基于数据驱动的无人机智能对抗控制方法技术

本发明专利技术属于无人机编队领域，具体涉及一种基于数据驱动的无人机智能对抗控制方法，包括步骤：获取敌机状态、预测敌机模型、敌机惯性预测、敌机动作预测、敌机状态预测、获取本机状态、本机操作归一、本机动作列表、本机状态预测、构建评估标准、得到评估结果、选择候选操作、迭代提高决策深度、选择最优策略。本发明专利技术解决了当无人机采用人工遥控的工作方式，遇到空中威胁，需要激烈对抗，而又无法迅速做出合理操作的问题，达到智能对抗的目的，提升了对抗成功率。 1

Data driven intelligent countermeasure control method for UAV

The invention belongs to the unmanned aerial vehicle formation field, and specifically involves a data driven unmanned aerial vehicle intelligent antagonism control method, including the steps: obtaining the state of the enemy aircraft, predicting the enemy aircraft model, the prediction of the enemy aircraft inertia, the prediction of the enemy aircraft movement, the prediction of the state of the enemy aircraft, the acquisition of the local state, the operation and return of the local machine, the action list of the local machine, The state prediction, construction of evaluation criteria, evaluation results, selection of candidate operations, iterative improvement of decision depth, and selection of optimal strategies. The invention solves the problem that when the unmanned aerial vehicle (UAV) adopts the manual remote control, it meets the air threat, needs fierce confrontation, but can not quickly make reasonable operation, achieves the purpose of intelligent confrontation and improves the success rate of confrontation. One

【技术实现步骤摘要】
基于数据驱动的无人机智能对抗控制方法
本专利技术属于无人机编队领域，具体涉及一种基于数据驱动的无人机智能对抗控制方法。
技术介绍
无人机在军事领域，一开始作为靶机，供训练使用。后来随着技术发展，逐渐用于侦察与对地打击。作为一种非常有前景的技术装备，目前使用的方式主要是人工远程遥控。该方式具有工作距离短，通讯链路不稳定，通讯带宽低，响应时间慢等问题。当遇到激烈对抗时，无法迅速做出合理操作，所以只能执行一些低等级任务。随着计算机单位功率计算能力的提升，机载计算机已经可以实现相对较大规模的计算。结合之前人类对本领域知识的认识，实现人工智能的应用，实现在线智能决策成为可能，从而将无人机用于更高等级的应用领域。本专利技术的主要目的在于，提供一种针对单机近距离对抗的人工智能算法，以及实现该算法的系统，解决局部环境下无人机的1v1对抗问题。其主要思想是：通过传感器获得敌机的数据，通过当前及历史数据的分析，预测敌机战术意图；结合敌机战术意图与本机所处状态，枚举不同操作带来的后果；构建基于能量战术体系的评价机制，评价不同操作对态势带来的影响；采用博弈论的方法选择相对合理的战术，从而达到智能对抗的目的。
技术实现思路
为了解决现有技术中的上述问题，即为了局部环境下无人机的1v1对抗问题，本专利技术提出了一种基于数据驱动的无人机智能对抗控制方法，包括以下步骤：步骤P1，按照第一时间间隔，周期性的采集并存储敌机状态数据；步骤P2，基于所获取的敌机状态数据构建敌机飞行动力学模型；步骤P3，基于敌机当前状态数据、历史状态数据，根据敌机飞行动力学模型，推算敌机预测状态；所述敌机预测状态为按照第一时间间隔推算预测时段内的N个状态；其中所述预测时段对应时长是第一时间间隔对应时长的N倍；步骤P4，基于本机当前状态数据，依据预设的动作调整策略表，构建本机M种动作组合；步骤P5，基于本机当前状态数据，根据本机飞行动力学模型，按照第一时间间隔推算每一种动作组合预测时段内的N个状态作为本机预测状态；步骤P6，根据敌机预测状态，对本机每一种动作组合对应的本机预测状态进行态势评估，每种动作组合得到N个态势评估值；步骤P7，根据每种动作组合的N个态势评估值计算每种动作组合的最终态势评估值；步骤P8，选取最终态势评估值最大的前Q种动作组合，对应的预测时段之后的Q种本机预测状态；步骤P9，分别以Q种本机预测状态为假设的本机当前状态、以敌机预测时段之后的敌机预测状态为假设的敌机当前状态，重复执行步骤P3至步骤P8得到Q*Q种预测状态以及Q*Q种动作组合；步骤P10，选取最终态势评估值最大的前Q种预测状态及对应的动作组合；步骤P11，重复执行步骤P9、步骤P10，直到设置的时间窗口期，选取最终态势评估值最大的预测状态对应的首个预测时段动作组合并输出。进一步地，步骤P3中所述“推算敌机预测状态”，其方法为：步骤P31，基于敌机当前状态数据，根据敌机飞行动力学模型，按照第一时间间隔推算预测时段内的N个状态作为惯性预测状态；其中所述预测时段对应时长是第一时间间隔对应时长的N倍；步骤P32，根据敌机历史时段的历史状态数据，按照第一时间间隔推算预测时段内的N个状态作为动作预测状态；所述历史时段对应时长与预测时段对应时长相同；步骤P33，将惯性预测状态和动作预测状态加权平均后得到N个状态，作为敌机预测状态。进一步地，步骤P6中所述“进行态势评估”，其方法为：将每一个状态数据进行-1到+1的归一化之后，再赋予预设的权重得到每一个状态数据对应的值；选取计算得到状态数据对应的值大于设定阈值的部分求和，得到态势评估值。进一步地，步骤P7中所述“根据每种动作组合的N个态势评估值计算每种动作组合的最终态势评估值”，其方法为：对每个动作组合得到的N个态势评估值，根据时间越靠后的态势评估值价值越高原则进行时间加权，然后再对绝对值大于A的去除时间加权，选取绝对值最大的B个求和作为最终态势评估值。进一步地，步骤P2中采用龙格-库塔法构建敌机飞行动力学模型。进一步地，步骤P4中所述“动作调整策略表”中动作策略包括操纵杆X轴调整策略、操纵杆Y轴调整策略、油门调整策略。进一步地，所述敌机状态数据、所述本机当前状态数据，均包括经度、纬度、高度、俯仰角、偏航角、滚转角、X轴速度、Y轴速度、Z轴速度、俯仰角速度、偏航角速度、滚转角速度、X轴加速度、Y轴加速度、Z轴加速度、俯仰角加速度、偏航角加速度、滚转角加速度。进一步地，步骤P1中所述第一时间间隔为10毫秒，存储敌机状态数据为最近的10P内的数据。进一步地，步骤P3中所述预测时段当前时刻之后的10P。进一步地，N的取值为100。进一步地，Q的取值为3。进一步地，在所述最终态势评估值的计算中，所述时间加权对应的权值在0.01到1.00之间，A取值为0.8，B取值为20。进一步地，所述时间窗口期的取值为50毫秒。通过传感器获得敌机的数据，通过当前及历史数据的分析，预测敌机战术意图；结合敌机战术意图与本机所处状态，枚举不同操作带来的后果；构建基于能量战术体系的评价机制，评价不同操作对态势带来的影响；采用博弈论的方法选择相对合理的战术，从而达到智能对抗的目的，提升了对抗成功率。附图说明图1是本专利技术实施例的基于数据驱动的无人机智能对抗控制方法流程示意图。具体实施方式下面参照附图来描述本专利技术的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。本专利技术提出了一种基于数据驱动的无人机智能对抗控制方法，如图1所示，包括以下步骤：步骤P1，按照第一时间间隔，周期性的采集并存储敌机状态数据；步骤P2，基于所获取的敌机状态数据构建敌机飞行动力学模型；步骤P3，基于敌机当前状态数据、历史状态数据，根据敌机飞行动力学模型，推算敌机预测状态；所述敌机预测状态为按照第一时间间隔推算预测时段内的N个状态；其中所述预测时段对应时长是第一时间间隔对应时长的N倍；步骤P4，基于本机当前状态数据，依据预设的动作调整策略表，构建本机M种动作组合；步骤P5，基于本机当前状态数据，根据本机飞行动力学模型，按照第一时间间隔推算每一种动作组合预测时段内的N个状态作为本机预测状态；步骤P6，根据敌机预测状态，对本机每一种动作组合对应的本机预测状态进行态势评估，每种动作组合得到N个态势评估值；步骤P7，根据每种动作组合的N个态势评估值计算每种动作组合的最终态势评估值；步骤P8，选取最终态势评估值最大的前Q种动作组合，对应的预测时段之后的Q种本机预测状态；步骤P9，分别以Q种本机预测状态为假设的本机当前状态、以敌机预测时段之后的敌机预测状态为假设的敌机当前状态，重复执行步骤P3至步骤P8得到Q*Q种预测状态以及Q*Q种动作组合；步骤P10，选取最终态势评估值最大的前Q种预测状态及对应的动作组合；步骤P11，重复执行步骤P9、步骤P10，直到设置的时间窗口期，选取最终态势评估值最大的预测状态对应的首个预测时段动作组合并输出。为了更清晰地对本专利技术技术方案进行说明，下文对具体的例子进行展开性详细描述。步骤S1，按照第一时间间隔，周期性的采集并存储敌机状态数据。敌机状态数据包括经度、纬度、高度、俯仰角、偏航角、滚转角、X轴速度、Y轴速度、Z轴速度、俯仰角速本文档来自技高网...

【技术保护点】
1.一种基于数据驱动的无人机智能对抗控制方法，其特征在于，包括以下步骤：

【技术特征摘要】
1.一种基于数据驱动的无人机智能对抗控制方法，其特征在于，包括以下步骤：步骤P1，按照第一时间间隔，周期性的采集并存储敌机状态数据；步骤P2，基于所获取的敌机状态数据构建敌机飞行动力学模型；步骤P3，基于敌机当前状态数据、历史状态数据，根据敌机飞行动力学模型，推算敌机预测状态；所述敌机预测状态为按照第一时间间隔推算预测时段内的N个状态；其中所述预测时段对应时长是第一时间间隔对应时长的N倍；步骤P4，基于本机当前状态数据，依据预设的动作调整策略表，构建本机M种动作组合；步骤P5，基于本机当前状态数据，根据本机飞行动力学模型，按照第一时间间隔推算每一种动作组合预测时段内的N个状态作为本机预测状态；步骤P6，根据敌机预测状态，对本机每一种动作组合对应的本机预测状态进行态势评估，每种动作组合得到N个态势评估值；步骤P7，根据每种动作组合的N个态势评估值计算每种动作组合的最终态势评估值；步骤P8，选取最终态势评估值最大的前Q种动作组合，对应的预测时段之后的Q种本机预测状态；步骤P9，分别以Q种本机预测状态为假设的本机当前状态、以敌机预测时段之后的敌机预测状态为假设的敌机当前状态，重复执行步骤P3至步骤P8得到Q*Q种预测状态以及Q*Q种动作组合；步骤P10，选取最终态势评估值最大的前Q种预测状态及对应的动作组合；步骤P11，重复执行步骤P9、步骤P10，直到设置的时间窗口期，选取最终态势评估值最大的预测状态对应的首个预测时段动作组合并输出。2.根据权利要求1所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P3中所述“推算敌机预测状态”，其方法为：步骤P31，基于敌机当前状态数据，根据敌机飞行动力学模型，按照第一时间间隔推算预测时段内的N个状态作为惯性预测状态；其中所述预测时段对应时长是第一时间间隔对应时长的N倍；步骤P32，根据敌机历史时段的历史状态数据，按照第一时间间隔推算预测时段内的N个状态作为动作预测状态；所述历史时段对应时长与预测时段对应时长相同；步骤P33，将惯性预测状态和动作预测状态加权平均后得到N个状态，作为敌机预测状态。3.根据权利要求1所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P6中所述“进行态势...

【专利技术属性】
技术研发人员：高阳，祖伟，李浩，张杰，尹登宇，李翔，马瑶，
申请(专利权)人：中国科学院自动化研究所，中国航空工业集团公司成都飞机设计研究所，
类型：发明
国别省市：北京,11