一种基于粒子群搜索的神经网络空战机动决策方法技术

本发明专利技术涉及空战机动决策技术领域，涉及一种基于粒子群搜索的神经网络空战机动决策方法，其包括以下步骤：一、建立红蓝双方空战战斗机运动学与动力学模型；二、建立空战态势优势函数，包括角度优势函数、速度优势函数、距离优势函数、高度优势函数；三、粒子群算法优化空战机动决策；四、生成空战双方轨迹与机动决策数据库；五、构建神经网络并训练；六、基于神经网络的机动决策。本发明专利技术的空战机动决策具有较佳地优越性和快速性。地优越性和快速性。地优越性和快速性。

【技术实现步骤摘要】
一种基于粒子群搜索的神经网络空战机动决策方法


[0001]本专利技术涉及空战机动决策
，具体地说，涉及一种基于粒子群搜索的神经网络空战机动决策方法。

技术介绍

[0002]空战在现代战争中越来越处于主导战争走向的关键因素，制空权决定着战场优势。随着人工智能等科学技术的发展，智能空战决策引起了世界范围内的广泛关注。比较典型的代表有专家系统法、神经网络法、人工免疫法、遗传算法以及强化学习算法等，然而空战过程具有复杂高动态极强不确定性的特征，使得专家系统、神经网络和遗传算法等方法所设计的决策系统缺乏足够的完备性和灵活性，而强化学习算法存在回报函数难以适当设置、网络迭代收敛速度慢难以达到收敛条件。

技术实现思路

[0003]本专利技术的内容是提供一种基于粒子群搜索的神经网络空战机动决策方法，其能够克服现有技术的某种或某些缺陷。
[0004]根据本专利技术的一种基于粒子群搜索的神经网络空战机动决策方法，其包括以下步骤：
[0005]一、建立红蓝双方空战战斗机运动学与动力学模型；
[0006]二、建立空战态势优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒子群搜索的神经网络空战机动决策方法，其特征在于：包括以下步骤：一、建立红蓝双方空战战斗机运动学与动力学模型；二、建立空战态势优势函数，包括角度优势函数、速度优势函数、距离优势函数、高度优势函数；三、粒子群算法优化空战机动决策；四、生成空战双方轨迹与机动决策数据库；五、构建神经网络并训练；六、基于神经网络的机动决策。2.根据权利要求1所述的一种基于粒子群搜索的神经网络空战机动决策方法，其特征在于：步骤一中，在地面坐标系中，ox轴取正东方向，oy轴取正北方向，oz轴取竖直方向，向上为正；在地面坐标系中红蓝双战机运动模型为：在地面坐标系中，红蓝双方战机动力学模型其中，(x,y,z)为红蓝战机在地面坐标系中的位置，表示速度v在地面坐标系中的三轴分量，θ表示航迹倾角，ψ表示航迹偏角，g表示重力加速度，n
x
表示轴向过载，n
z
表示战机俯仰方向的过载，即法向过载，γ
v
表示速度矢量的滚转角；通过n
x
控制速度的大小，n
z
和γ
v
控制速度的方向。3.根据权利要求2所述的一种基于粒子群搜索的神经网络空战机动决策方法，其特征在于：步骤二中，建立空战态势优势函数包括以下步骤：2.1)建立角度优势函数，包括目标方位角优势函数和目标进入角优势函数；目标方位角优势函数定义为：式中，λ
Mmax
是导弹的最大离轴发射角；q
r
为红方战机的进入角，即蓝方战机的方位角；目标进入角优势函数定义为：
式中，q
b
为蓝方战机的进入角；目标进入角和目标方位角对优势态势函数耦合影响，定义角度优势函数为：式中，r1和r2分别目标方位角和目标进入角优势函数的权重因子，r1+r2＝1；2.2)建立速度优势函数，速度优势函数为：式中，V
r
为红方战机速度，V
b
为蓝方战机速度，V
o
为最优空速，V
ro
为红方战机速度与最优空速的比，V
or
为最优空速与红方战机速度的比，V
bo
为蓝方战机速度与最优空速的比，V
rb
为红蓝战机速度比；2.3)建立高度优势函数，高度优势函数为：式中，Δh表示我方飞机与敌方飞机的高度差，单位为km，Δh＝h
R
‑
h
B
；h
K
为理想高度差，范围为100～1000m；h0为空空导弹最大发射攻击区的高度；h
R
红方战机高度，h
B
蓝方战机高度，h
△
k
为红蓝双方高度差指数；2.4)建立距离优势函数，距离优势函数为：
式中，T
d
为距离优势函数指数，d
Mmax
为导弹最大可攻击距离，d
Rmax
为机载火控雷达最大可探测距离，d
Mkmin
与d
Mkmax
分别表示中距导弹不可逃逸的最近和最远距离；2.5)态势优势函数由角度优势函数T
a
、高度优势函数T
h
、速度优势函数T
v
和距离优势函数T
d
组成，所述空战态势评估函数为：T＝k1T
d
+k2T
v
+k3T
h
+k4T
a
；式中，权重因子4.根据权利要求3所述的一种基于粒子群搜索的神经网络空战机动决策方法，其特征在于：步骤三中，粒子群算法优化空战机动决策包括以下步骤：3.1)初始化粒子种群并设定粒子种群规模和最大迭代数；将空战决策变量[n
x
,n
z
,γ
v
]作为粒子群算法的求解变量，并设定粒子种群规模和最大迭代数目；所述粒子群的种群规模即为粒子的数目，表示初始决策方案的个数，所述迭代次数时对决策变量不断进行修改的次数；3.2)获取适应度函数值；从指控中心获取红蓝双方的状态，通过态势函数获取当前态势值，并将其作为粒子群算法的适应度函数；3.3)依据粒子群算法更新粒子位置和速度并计算对应的适应度值；3.4)判断每个新粒子适应度值是否优于粒子个体的历史最优位置，若是则将此粒子替换为个体最优粒子，粒子迭代次数加1；3.5)判断粒子适应度值是否满足要求或迭代次数是否达到最大迭代数，若满足则停止，不满足则转步骤3.3)。5.根据权利要求4所述的一种基于粒子群搜索的神经网络空战机动决策方法，其特征在于：所述粒子群算法为：设有m个未知参数，设v
i
＝(v
i1
,v
i2
,...,v
im
...

【专利技术属性】
技术研发人员：刘滔，敖厚军，雍恩米，赵暾，王笑，郑凤麒，
申请(专利权)人：中国空气动力研究与发展中心计算空气动力研究所，
类型：发明
国别省市：