【技术实现步骤摘要】
一种无人机“蜂群”对抗方法
[0001]本专利技术涉及人机反制领域,尤其涉及一种无人机“蜂群”对抗方法。
技术介绍
[0002]全球已发生多起无人机安全事件。公众已经日渐强烈的意识到无人机可能造成的危害。目前,对无人机反制手段主要有:火力拦截、直升机空中拦截迫降、抛网捕捉、电子干扰、微波毁伤、强激光毁伤等。在诸多反制技术中,电子干扰作用距离远、角度大、应对多目标能力强,成为发展热点。
[0003]对于由多个无人机组成的无人机“蜂群”系统是由大规模的携带不同的载荷的小型无人机作战平台组成,以分布式的智能群体技术为依托,通过单个无人机的感知交互和彼此的信息传递,在各类环境下完成警戒、搜索、目标定位、方位引导、攻击等复杂任务,达到低成本、低消耗、高效率的效果。无人机“蜂群”系统以规模大、体积小、价格低、去中心化和自主决策等特点,具备了大大优于传统空中威胁的新特征,足以对任何现有的防空系统造成巨大压力。
[0004]针对无人机“蜂群”的反制方法,主要在探测感知的基础上进行软破坏和硬杀伤两类手段,前者主要是对敌无人机“蜂群”的干扰压制和诱导等,后者主要包括运用火炮、激光定向能武器的攻击、蜂群对抗攻击和物理捕获等。针对敌无人机“蜂群”的“饱和”攻击,运用现代化武器打击,效费比低,还可能会导致防空系统的作战资源的暴露、耗尽乃至瘫痪。
[0005]此时,采用“蜂群”来对抗敌“蜂群”是一种“等值”和“高效”的对抗方案。既可以出动具有大面积软杀伤能力的电子对抗无人机对敌无人机群进行干扰研制,也可以出动察打一体无人 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种无人机“蜂群”对抗方法,其特征在于,包括以下步骤:步骤S1,根据雷达采集敌无人机蜂群的三维空间位置分布信息,基于聚类算法对敌无人机蜂群进行信息获取,得出敌无人机蜂群的增广的簇排序;步骤S2,根据获取的信息和增广的簇排序参数,通过OPTICS聚类算法获取敌无人机蜂群的聚类结果;步骤S3,根据敌无人机蜂群与待保护的目标之间的关系数据得到优化的聚类结果;步骤S4,根据优化的聚类结果以及优先等级优化对抗分配。2.根据权利要求1所述的一种无人机“蜂群”对抗方法,其特征在于:步骤S2中,根据拟对抗的敌无人机蜂群的规模和分布计算eps值,eps值是邻域半径值;根据聚类算法获取的可达性距离排序图以及核心距离矩阵,获取无人机蜂群的聚类结果;或/和,步骤S3中,计算敌无人机蜂群中的无人机与待保护的目标的最短距离指数,对基于聚类算法获取的聚类结果进行优化,使聚类数量大于等于minPts,minPts是Eps邻域最小点数,同时距离待保护的目标较近且对抗距离也较近的无人机可作为扩展节点加入聚类;计算与所述扩展节点相关的各簇聚类参数;或/和,步骤S4中,根据各簇的聚类中心与待保护的目标的最短距离对各簇设置优先级;根据作战效能最大化原则和待保护的目标的高价值目标防御原则进行对抗任务分配。3.根据权利要求2所述的一种无人机“蜂群”对抗方法,其特征在于:所述三维空间位置分布信息包括经度、维度和海拔高度;其中,经度、纬度数据转换为弧度,海拔高度以米为单位表示;或/和,各簇聚类参数包括各簇的簇中心、成员数量、平均核心密度和邻域半径中的一种或多种。4.根据权利要求2所述的一种无人机“蜂群”对抗方法,其特征在于:步骤S1中,设定minPts是领域半径ε内的最小邻居数,探测的目标位置是三维数据,而minPts取值≥4;基于密度聚类算法OPTICS对敌无人机蜂群进行密度聚类,其中,敌蜂群无人机间距离的计算方法如下:设定节点一和节点二的空间位置分别为(lon_1,lat_1,alt_1)和(lon_12,lat_2,alt_2),其中,lon指代经度、lat指代维度和alt指代海拔高度;设定节点一和节点二的经纬度的Haversine距离为公式haversine((lon_1,lat_1),((lon_12,lat_2)).m,计量单位为米;节点一和节点二的海拔设经纬度的其距离计算方法为:dist=sqrt(haversine((lon_1,lat_1),((lon_12,lat_2)).m**2,(alt_1
‑
a lt_2)**2),其中“.m”表示用米来度量距离;对敌无人机蜂群进行密度聚类后,能得到敌无人机蜂群密度的聚类结构,即增广的簇排序。5.根据权利要求2所述的一种无人机“蜂群”对抗方法,其特征在于:步骤S2中,OPTICS聚类结果的获取是根据eps值在可达性距离图中形成的谷底部分的聚类簇,根据拟实施对抗的敌无人机蜂群的规模和分布计算eps值;针对探测的规模为n的敌无人机蜂群,期望对其中的x架无人机进行对抗攻击(n>x),则首先对OPTICS聚类算法计算所得的可达性距离矩阵按升序排序,然后取第x位的可达性距
离值作为其eps值,此时获取的聚类无人机数量将≤x;其中有部分节点是噪声点,可根据噪声点数量和聚类数量适度调整值,x/n的取值在0.4~0.7,即期望对抗攻击的多无人机占敌蜂群的比例为40%~70%之间;根据计算所得的eps值,在OPTICS聚类获取的可达性距离图中,根据OPTICS聚类算法获取的可达性距离排序图及其核心距离矩阵,获取无人机蜂群的聚类结果。6.根据权利要求2所述的一种无人机“蜂群”对抗方法,其特征在于:步骤S3中,计算敌蜂群中各无人机与待保护目标的最短距离,并将距离值量化到[0.9,1.1]区间,代表其与待保护目标的距离指数,若距离指数值<1,则代表其距离我方重要目标相对较近,否则相对较远;依据计算所得eps值获取的敌无人机蜂群的聚类结果,存在聚类簇中节点数量小于minPts的情况时,需对这些聚类簇进行节点处理。7.根据权利要求6所述的一种无人机“蜂群”对抗方法,其特征在于:设敌蜂群无人机数量为n,计为敌蜂群无人机集合U={u1,u2,
技术研发人员:柏林元,郑宇军,曾拥华,陈海松,凌海风,苏正炼,罗宏川,王清,申金星,
申请(专利权)人:杭州师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。