一种无人机对抗策略决策方法及其系统技术方案

本申请属于非电变量的控制或调节系统领域，具体涉及一种无人机对抗策略决策方法及其系统，其中，无人机对抗策略决策方法，包括：对待决策无人机的对抗态势进行抽象，构建待决策无人机对抗态势抽象图；根据待决策无人机对抗态势抽象图，识别对待决策无人机最重要的无人机，构建待决策无人机对抗关系图；根据待决策无人机对抗关系图，进行待决策无人机的态势感知、信息交互，生成待决策无人机的对抗策略。生成待决策无人机的对抗策略。生成待决策无人机的对抗策略。

【技术实现步骤摘要】
一种无人机对抗策略决策方法及其系统


[0001]本申请属于非电变量的控制或调节系统领域，具体涉及一种无人机对抗策略决策方法及其系统。

技术介绍

[0002]大规模无人机对抗中，无人机自主进行对抗策略决策，摆脱对飞行员的依赖，能够突破飞行操作的极限，当前，无人机自主进行对抗策略决策，多是基于规则的专家系统方法、概率模型/模糊逻辑和计算智能混合方法、机器学习和深度强化学习方法，所需处理的数据量大，效率低，学习难度大，在大规模无人机对抗中效果不够理想。
[0003]鉴于上述技术缺陷的存在提出本申请。
[0004]需注意的是，以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本申请的申请日已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0005]本申请的目的是提供一种无人机对抗策略决策方法及其系统，以克服或减轻已知存在的至少一方面的技术缺陷。
[0006]本申请的技术方案是：一方面提供一种无人机对抗策略决策方法，包括：对待决策无人机的对抗态势进行抽象，构建待决策无人机对抗态势抽象图；根据待决策无人机对抗态势抽象图，识别对待决策无人机最重要的无人机，构建待决策无人机对抗关系图；根据待决策无人机对抗关系图，进行待决策无人机的态势感知、信息交互，生成待决策无人机的对抗策略。
[0007]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，所述对待决策无人机的对抗态势进行抽象，构建待决策无人机对抗态势抽象图，具体为：以待决策无人机的本体状态量、待决策无人机携带打击物的状态量、对方无人机携带能够打击待决策无人打击物的状态量，为待决策无人机的节点嵌入量；以待决策无人机与其余无人机间的相对状态量，为待决策无人机的边嵌入量；综合待决策无人机的节点嵌入量、边嵌入量，构建待决策无人机对抗态势抽象图。
[0008]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，所述待决策无人机的本体状态量，包括待决策无人机的真空速、高度、爬升率、三轴姿态角、法向过载、雷达锁定信号、告警状态以及携带打击物数量；所述待决策无人机携带打击物的状态量，包括待决策无人机携带打击物的打击速度、高度、剩余打击时间、与打击目标无人机间的距离、与打击目标无人机的接近率、与打击
目标无人机之间的进入角及波束角；所述对方无人机携带能够打击待决策无人打击物的状态量，包括对方无人机携带能够打击待决策无人打击物的打击速度、高度、剩余打击时间、与待决策无人机间的距离、与待决策无人机的接近率、与待决策无人机之间的进入角及波束角；所述待决策无人机与其余无人机间的相对状态量，包括待决策无人机与其余无人机间的相对距离、接近率、高差、进入角、波束角及打击区信息。
[0009]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，所述根据待决策无人机对抗态势抽象图，识别对待决策无人机最重要的无人机，构建待决策无人机对抗关系图，具体为：根据待决策无人机对抗态势抽象图，识别对待决策无人机威胁最大的对方无人机、对待决策无人机最有协同价值的己方无人机；综合对待决策无人机威胁最大的对方无人机、对待决策无人机最有协同价值的己方无人机、对对待决策无人机最有协同价值己方无人机威胁最大的对方无人机，以及以待决策无人机为最有协同价值的己方无人机，构建待决策无人机对抗关系图。
[0010]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，所述根据待决策无人机对抗态势抽象图，识别对待决策无人机威胁最大的对方无人机、对待决策无人机最有协同价值的己方无人机，具体为：以第一神经网络提取待决策无人机节点嵌入量的特征；以第二神经网络提取待决策无人机边嵌入量的特征；基于待决策无人机节点嵌入量的特征、待决策无人机与各个对方无人机间边嵌入量的特征，以第一图注意力网络，得到各个对方无人机对待决策无人机的高层特征表示；基于待决策无人机节点嵌入量的特征、待决策无人机与各个己方无人机间边嵌入量的特征，以第二图注意力网络，得到各个己方无人机对待决策无人机的高层特征表示；基于各个对方无人机对待决策无人机的高层特征表示、各个己方无人机对待决策无人机的高层特征表示，以第三神经网络，通过softmax操作，得到对待决策无人机威胁最大的对方无人机、对待决策无人机最有协同价值的己方无人机。
[0011]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，所述根据待决策无人机对抗关系图，进行待决策无人机的态势感知、信息交互，生成待决策无人机的对抗策略，具体为：基于待决策无人机节点嵌入量的特征、对待决策无人机最有协同价值的己方无人机节点嵌入量的特征、对待决策无人机威胁最大的对方无人机节点嵌入量的特征、对对待决策无人机最有协同价值己方无人机威胁最大的对方无人机节点嵌入量的特征、对待决策无人机最有协同价值的己方无人机与待决策无人机间边嵌入量的特征、对待决策无人机威胁最大的对方无人机与待决策无人机间边嵌入量的特征、对对待决策无人机最有协同价值己方无人机威胁最大的对方无人机与待决策无人机间边嵌入量的特征，以第三图注意力网络，得到待决策无人机的高层态势感知特征；将待决策无人机的高层态势感知特征、以待决策无人机为最有协同价值的己方无人机的高层态势感知特征进行交互，以第四神经网络，得到待决策无人机的高层态势感知融合特征；
基于待决策无人机的高层态势感知融合特征，以第五神经网络，生成待决策无人机的对抗策略。
[0012]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，所述待决策无人机的对抗策略，包括待决策无人机的机动目标无人机、机动行为、打击目标无人机；其中，所述待决策无人机的机动行为，包括待决策无人机的水平机动方位、竖直机动方位、速度大小、过载量级。
[0013]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，还包括：将待决策无人机的对抗策略与仿真环境进行互动，采集待决策无人机的对抗策略样本；利用待决策无人机的对抗策略样本，对无人机对抗策略决策方法中的神经网络进行训练。
[0014]根据本申请的至少一个实施例，上述的无人机对抗策略决策方法中，所述利用待决策无人机的对抗策略样本，对无人机对抗策略决策方法中的神经网络进行训练，具体为：利用待决策无人机的对抗策略样本，以基于近源端策略优化的强化学习算法，对无人机对抗策略决策方法中的神经网络进行训练。
[0015]另一方面提供一种无人机对抗策略决策系统，包括：待决策无人机对抗态势抽象图构建模块，用以对待决策无人机的对抗态势进行抽象，构建待决策无人机对抗态势抽象图；待决策无人机对抗关系图构建模块，用以根据待决策无人机对抗态势抽象图，识别对待决策无人机最重要的无人机，构建待决策无人机对抗关系图；待决策无人机的对抗策略生成模块，用以根据待决策无人机对抗关系图，进行待决策无人机的态势感知、信息交互，生成待决策无人机的对抗策略；待决策无人机的对抗策略样本采集模块，将待决策无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机对抗策略决策方法，其特征在于，包括：对待决策无人机的对抗态势进行抽象，构建待决策无人机对抗态势抽象图；根据待决策无人机对抗态势抽象图，识别对待决策无人机最重要的无人机，构建待决策无人机对抗关系图；根据待决策无人机对抗关系图，进行待决策无人机的态势感知、信息交互，生成待决策无人机的对抗策略。2.根据权利要求1所述的无人机对抗策略决策方法，其特征在于，所述对待决策无人机的对抗态势进行抽象，构建待决策无人机对抗态势抽象图，具体为：以待决策无人机的本体状态量、待决策无人机携带打击物的状态量、对方无人机携带能够打击待决策无人打击物的状态量，为待决策无人机的节点嵌入量；以待决策无人机与其余无人机间的相对状态量，为待决策无人机的边嵌入量；综合待决策无人机的节点嵌入量、边嵌入量，构建待决策无人机对抗态势抽象图。3.根据权利要求2所述的无人机对抗策略决策方法，其特征在于，所述待决策无人机的本体状态量，包括待决策无人机的真空速、高度、爬升率、三轴姿态角、法向过载、雷达锁定信号、告警状态以及携带打击物数量；所述待决策无人机携带打击物的状态量，包括待决策无人机携带打击物的打击速度、高度、剩余打击时间、与打击目标无人机间的距离、与打击目标无人机的接近率、与打击目标无人机之间的进入角及波束角；所述对方无人机携带能够打击待决策无人打击物的状态量，包括对方无人机携带能够打击待决策无人打击物的打击速度、高度、剩余打击时间、与待决策无人机间的距离、与待决策无人机的接近率、与待决策无人机之间的进入角及波束角；所述待决策无人机与其余无人机间的相对状态量，包括待决策无人机与其余无人机间的相对距离、接近率、高差、进入角、波束角及打击区信息。4.根据权利要求3所述的无人机对抗策略决策方法，其特征在于，所述根据待决策无人机对抗态势抽象图，识别对待决策无人机最重要的无人机，构建待决策无人机对抗关系图，具体为：根据待决策无人机对抗态势抽象图，识别对待决策无人机威胁最大的对方无人机、对待决策无人机最有协同价值的己方无人机；综合对待决策无人机威胁最大的对方无人机、对待决策无人机最有协同价值的己方无人机、对对待决策无人机最有协同价值己方无人机威胁最大的对方无人机，以及以待决策无人机为最有协同价值的己方无人机，构建待决策无人机对抗关系图。5.根据权利要求4所述的无人机对抗策略决策方法，其特征在于，所述根据待决策无人机对抗态势抽象图，识别对待决策无人机威胁最大的对方无人机、对待决策无人机最有协同价值的己方无人机，具体为：以第一神经网络提取待决策无人机节点嵌入量的特征；以第二神经网络提取待决策无人机边嵌入量的特征；基于待决策无人机节点嵌入量的特征、待决策无人机与各个对方无人机间边嵌入量的特征，以第一图注意力网络，得到各个对方无人机对待决策无人机的高层特征表示；
基于待决策无人机节点嵌入量的特征、待决策无人机与各个己方无人机间边嵌入量的特征，以第二图注意力网络，得到各个己方无人机对待决策无人机的高层特征表示；基于各...

【专利技术属性】
技术研发人员：韩玥，李俊男，孙智孝，郝一行，卢长谦，彭宣淇，
申请(专利权)人：中国航空工业集团公司沈阳飞机设计研究所，
类型：发明
国别省市：