基于蚁群算法的要地防空策略制造技术

本发明专利技术属于要地协同防空技术领域，具体为基于蚁群算法的要地防空策略，包括如下步骤：步骤一：基于目标意图识别的飞行轨迹智能预测；骤二：弹炮混编防空群整体打击效能建模；步骤三：协同射击模式下的火力分配建模；步骤四：基于蚁群算法的实时火力分配求解；步骤五：构建要地协同防空数字化仿真环境，开展仿真实验，验证项目研究成果的有效性，其结构合理，提出改进蚁群优化算法，提高算法收敛速度以及全局搜索能力，求解编队防空作战火力分配，为指挥员配置防空武器起到辅助决策的作用。挥员配置防空武器起到辅助决策的作用。挥员配置防空武器起到辅助决策的作用。

【技术实现步骤摘要】
基于蚁群算法的要地防空策略


[0001]本专利技术涉及要地协同防空
，具体为基于蚁群算法的要地防空策略。

技术介绍

[0002]现代战争模式已经由传统二维平面的角逐向陆、海、空、天、电、网等多维领域的较量迅速蜕变。从近年来世界上的几次局部战争可以看出，电子侦察、对抗及大规模的空袭已成为战争的先导和决定性因素。大量精确制导武器，如隐身飞机和无人机、巡航导弹、制导导弹、制导炸弹等突破防空体系，最后飞临我方重要目标并进行打击的可能性越来越大。在面对多种空袭武器构成的强大空袭体系的多种类、多目标的攻击下，通常可由作战距离不同的武器进行多次拦截。由于保护的对象通常是首都、指挥中心、军事基地等重点设施，因此发展一套完善的阵地弹炮结合武器系统的必要性和急迫性日渐显露。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]因此，本专利技术的目的是提供基于蚁群算法的要地防空策略，能够实现提高算法收敛速度以及全局搜索能力，求解编队防空作战火力分配，为指挥员配置防空武器起到辅助决策的作用。
[0005]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
[0006]基于蚁群算法的要地防空策略，其包括如下步骤：
[0007]步骤一：基于目标意图识别的飞行轨迹智能预测，采用人工智能方法，建立基于动态贝叶斯网的目标意图识别模型，结合目标行为特征、意图特征构建网络模型拓扑结构，之后根据意图识别概率结果，通过几种典型轨迹预测子模型之间的加权组合，解决目标轨迹预测问题，实时生成预测轨迹；
[0008]步骤二：弹炮混编防空群整体打击效能建模，分别建立防空群探测模型、可射击能力模型和毁伤能力模型，最终构建整体打击效能的综合优化指标模型，为实现整体服务概率最大化、最终打击效能最大化的防空群火力分配奠定基础；
[0009]步骤三：协同射击模式下的火力分配建模，在弹炮混编防空群中，传感器系统、武器系统和控制系统之间实现了解耦，本地武器系统可以利用异地提供的火控数据制定发射决策，即可以实现整个防空群中所有武器系统的协同作战；
[0010]步骤四：基于蚁群算法的实时火力分配求解，以蚁群算法为基础，充分考虑弹炮结合武器编队火力分配的具体要求，对算法的选择机制、更新机制以及协调机制作进一步改进，引入自适应的转移策略和信息素更新策略，以克服蚁群算法计算时间长、易出现停滞的缺陷；
[0011]步骤五：数字化仿真环境搭建与验证分析，一是仿真任务调度层设计，根据算法理论研究成果，设计仿真实验的任务调度方法，实现智能化的仿真任务管理功能；二是分布式网络通信层设计，实现要地协同防空仿真系统各节点的实时信息交互功能；三是物理模型层设计，建立防空导弹、高炮和飞机等模型，根据仿真任务调度指令，实现自动化的武器平台仿真推演，并完成信息交互，通过解决上述问题，构建要地协同防空数字化仿真环境，开展仿真实验，验证项目研究成果的有效性。
[0012]作为本专利技术所述的基于蚁群算法的要地防空策略的一种优选方案，其中：步骤一包括基于动态贝叶斯网的目标意图识别和基于目标意图识别的飞行轨迹预测。
[0013]与现有技术相比，本专利技术的有益效果是：
[0014](1)实现协同射击模式下的火力分配模型求解，具备良好的实时性，解算周期小于1s；
[0015](2)在多种敌我攻防态势下完成协同防空火力分配算法的有效性验证，其中弹炮结合武器编队部署模型不少于3种，敌机编队数量和攻击批次计划方案不少于5种。
附图说明
[0016]为了更清楚地说明本专利技术实施方式的技术方案，下面将结合附图和详细实施方式对本专利技术进行详细说明，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0017]图1为本专利技术步骤流程图；
[0018]图2为本专利技术弹炮混编防空群布防示意图；
[0019]图3为本专利技术要地协同防空火力分配总体方案设计图；
[0020]图4为本专利技术两种预测轨迹样本的蛇形机动轨迹预测模型图；
[0021]图5为本专利技术弹炮混编防空整体打击效能建模图；
[0022]图6为本专利技术炮弹结合武器系统对目标进行服务的过程示意图；
[0023]图7为本专利技术二部图示意图；
[0024]图8为本专利技术火力分配蚁群算法搜索图；
[0025]图9为本专利技术火力分配蚁群算法流程图；
[0026]图10为本专利技术数字化仿真环境搭建与验证分析整体架构图。
具体实施方式
[0027]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。
[0028]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施方式的限制。
[0029]其次，本专利技术结合示意图进行详细描述，在详述本专利技术实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本专利技术保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0030]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的实施方式作进一步地详细描述。
[0031]实施例1
[0032]1.基于目标意图识别的飞行轨迹智能预测
[0033]1.1基于动态贝叶斯网的目标意图识别
[0034]在高动态环境下对目标意图进行识别可以描述为在环境信息和目标信息的激励下提取出战场态势特征，目标运动特征，将提取的特征作为证据信息，利用网络模型对特征进行识别分析后对目标行为和意图进行准确识别。高动态环境下目标意图识别方法研究过程分为三部分，分别为战场态势与目标行为特征提取方法研究、基于动态贝叶斯网络的目标意图识别网络建模、贝叶斯估计参数学习方法，具体研究思路如下。
[0035](1)提取战场态势与目标运动特征
[0036]由贝叶斯网络构建静态特征提取模型，将传感器采集的实时战场信息以及先验情报信息进行整理，提取出战场态势与目标运动特征，特征提取的结果将作为后续目标行为与意图识别的重要证据信息。分析战场信息，获取对目标意图识别相关的关键信息。根据信息之间的关联程度，确定信息之间的因果关系。利用贝叶斯网络建立特征提取模型，根据关键信息输入提取出证据信息特征，并将提取出的特征信息作为网络的证据节点输入，构成识别网络的输入层。
[0037](2)利用动态贝叶斯网络构建目标意图识别网络模型
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于蚁群算法的要地防空策略，其特征在于：包括如下步骤：步骤一：基于目标意图识别的飞行轨迹智能预测，采用人工智能方法，建立基于动态贝叶斯网的目标意图识别模型，结合目标行为特征、意图特征构建网络模型拓扑结构，之后根据意图识别概率结果，通过几种典型轨迹预测子模型之间的加权组合，解决目标轨迹预测问题，实时生成预测轨迹；步骤二：弹炮混编防空群整体打击效能建模，分别建立防空群探测模型、可射击能力模型和毁伤能力模型，最终构建整体打击效能的综合优化指标模型，为实现整体服务概率最大化、最终打击效能最大化的防空群火力分配奠定基础；步骤三：协同射击模式下的火力分配建模，在弹炮混编防空群中，传感器系统、武器系统和控制系统之间实现了解耦，本地武器系统可以利用异地提供的火控数据制定发射决策，即可以实现整个防空群中所有武器系统的协同作战；步骤四：基于蚁群算法的实时火力分配求解，以蚁群...

【专利技术属性】
技术研发人员：龙洋，高超，李可心，潘伟，朱文亮，谭越俊，
申请(专利权)人：中国人民解放军陆军炮兵防空兵学院，
类型：发明
国别省市：