一种无人作战车辆火力分配方法及系统技术方案

本发公开了无人作战车辆路径规划方法、装置及计算机存储介质，属于计算机仿真领域。该无人作战车辆路径规划方法，包括：步骤S1，依据车辆创建第一数字孪生体，依据现实环境创建第一环境模型；步骤S2，记录车辆偏离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，所述运行状态信息用于再现车辆沿第一可行驶路段中的运行状态；最终模仿第一次预先行驶的过程，平稳可靠的行驶完第一可行驶路段。应用本发明专利技术的无人驾驶系统，特别善于在一些复杂路段行驶，如悬崖路段，陡坡路段，保障无人作战车辆稳定到达目标地点。点。点。

【技术实现步骤摘要】
一种无人作战车辆火力分配方法及系统


[0001]本专利技术属于人工智能
，尤其涉及一种无人作战车辆火力分配方法及系统。

技术介绍

[0002]火力分配问题是在面对敌方一定数量的威胁目标，己方一定数量的武器平台应该如何对敌方目标进行分配，来达到高效的武器利用率、最高的武器使用性价比或者最高的毁伤概率等目标或准则这样的问题。由于无人作战车辆体积较小、价格较低等，无人作战车辆运用时，往往会以多辆无人作战车辆编配为小的集群，协同遂行抵近侦察、打击等作战任务。此时，每辆无人作战车辆的打击范围内可能存在多个敌方的人员、装备，而敌方的每个人员、装备可能同时在多个无人作战车辆的火力打击范围内。在这种情况下，寻求火力分配问题在面向地面无人作战车辆作战背景下的快速合理解具有很高的现实意义。

技术实现思路

[0003]为克服现有技术的缺点，本专利技术的专利技术目的是提供一种无人作战车辆火力分配方法及系统，其能最优地发挥无人作战车辆的作战性能，高效地利用无人作战车辆的作战能力，不会造成火力的浪费；能够提高无人作战车辆打击敌方目标的准确性。
[0004]为实现所述专利技术目的，本专利技术提供一种无人作战车辆火力分配方法，其包括：
[0005]步骤1：N个尚未分配打击目标的无人作战车辆中的每个无人作战车辆U
n
通过深度学习神经网络依次计估算对已被侦察发现的且未被分配充足火力的M个敌方目标中的每个敌方目标T
m
的打击优先级v
nm
，并根据打击优先级从高到底排序，根据从高到底排序的顺序将敌方目标T
m
存储于打击列表X
n
中,n＝1,2,
……
,N，N为无人作战车辆总数；m＝1,2,
……
,M为战场中所有被侦察发现的、且未被分配充足火力敌方目标总数；
[0006]步骤2：每辆尚未分配打击目标的无人作战车辆向指挥中心请求打击其打击列表中的打击优先级最高的敌方目标的申请,指挥中心将向敌方目标T
m
发起打击申请的无人作战车辆U
j
记录到申请列表Y中,j＝1,2,
……
,J,J≤N，当前已分配打击敌方目标T
m
的无人作战车辆所构成的集合为Q
m
，集合Q
m
中的中无人作战车辆U
l
的毁伤/杀伤能力为A
l
，集合Q
m
中所有无人作战车辆对该敌方目标T
m
的毁伤/杀伤能力值为：
[0007]步骤3:指挥中心分析申请列表Y中的无人作战车辆的毁伤/杀伤能力，并根据毁伤/杀伤能力分别计算其毁伤/杀伤能力优先级q
jm
，申请列表Y中记录的无人作战车辆U
j
按照毁伤/杀伤能力优先级q
jm
从高到低排序；
[0008]步骤4：K
←
1；
[0009]步骤5：判断申请列表Y是否为空，若申请列表Y不为空，执行步骤6；若申请列表Y为空，执行步骤9；
[0010]步骤6：从高到低依次将申请列表Y中的1个无人作战车辆U
k
存入火力分配列表Z中，并将加入到火力分配列表Z中的无人作战车辆从申请列表Y中删除；
[0011]步骤7：根据下式计算火力分配列表Z中无人作战车辆集合对该敌方目标T
m
的毁伤/杀伤能力值：
[0012]式中，A
k
为火力分配列表Z中无人作战车辆集合的无人作战车辆U
k
的杀伤能力；
[0013]步骤8：判断，若则认为打击敌方目标T
m
的无人作战车辆火力不足以毁伤/杀伤敌方目标T
m
，使K
←
K+1,而后返回到步骤5；若则认为打击敌方目标T
m
的无人作战车辆集合火力足以毁伤/杀伤敌方目标T
m
，而后执行步骤9，式中，L
m
为敌方目标T
m
的生存能力；
[0014]步骤9：输出火力分配列表Z中的无人作战车辆集合及该集合对应打击的敌方目标T
m
。
[0015]为实现所述专利技术目的，本专利技术还提供一种无人作战车辆火力分配系统，其包括：
[0016]打击优先级排序模块，其被配置为N个尚未分配打击目标的无人作战车辆中的每个无人作战车辆U
n
通过深度学习神经网络依次计估算对已被侦察发现的且未被分配充足火力的M个敌方目标中的每个敌方目标T
m
的打击优先级v
nm
，并根据打击优先级从高到底排序，根据从高到底排序的顺序将敌方目标T
m
存储于打击列表X
n
中,n＝1,2,
……
,N，N为无人作战车辆总数；m＝1,2,
……
,M为战场中所有被侦察发现的、且未被分配充足火力敌方目标总数；
[0017]申请列表记录模块，其被配置为每辆尚未分配打击目标的无人作战车辆向指挥中心请求打击其打击列表中的打击优先级最高的敌方目标的申请,指挥中心将向敌方目标T
m
发起打击申请的无人作战车辆U
j
记录到申请列表Y中,j＝1,2,
……
,J,J≤N，当前已分配打击敌方目标T
m
的无人作战车辆所构成的集合为Q
m
，集合Q
m
中的中无人作战车辆U
l
的毁伤/杀伤能力为A
l
，集合Q
m
中所有无人作战车辆对该敌方目标T
m
的毁伤/杀伤能力值为：
[0018]毁伤/杀伤能力优先级排序模块，其被配置为指挥中心分析申请列表Y中的无人作战车辆的毁伤/杀伤能力，并根据毁伤/杀伤能力分别计算其毁伤/杀伤能力优先级q
jm
，申请列表Y中记录的无人作战车辆U
j
按照毁伤/杀伤能力优先级q
jm
从高到低排序，以及
[0019]火力分配模块，其被配置为实施如下步骤：
[0020]步骤4：K
←
1；
[0021]步骤5：判断申请列表Y是否为空，若申请列表Y不为空，执行步骤6；若申请列表Y为空，执行步骤9；
[0022]步骤6：从高到低依次将申请列表Y
j
中的1个无人作战车辆U
k
存入火力分配列表Z中，并将加入到火力分配列表Z中的无人作战车辆从申请列表Y中删除；
[0023]步骤7：根据下式计算火力分配列表Z中无人作战车辆集合对该敌方目标T
m
的毁伤/杀伤能力值：
[0024]式中，A
k
为火力分配列表Z中无人作战车辆集合的无人作战车辆U
k
的杀伤能力；
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人作战车辆火力分配方法，其特征在于，包括：步骤1：N个尚未分配打击目标的无人作战车辆中的每个无人作战车辆U
n
通过深度学习神经网络依次估算对已被侦察发现的且未被分配充足火力的M个敌方目标中的每个敌方目标T
m
的打击优先级v
nm
，并根据打击优先级从高到底排序，根据从高到底排序的顺序将敌方目标T
m
存储于打击列表X
n
中,n＝1,2,
……
,N，N为无人作战车辆总数；m＝1,2,
……
,M为战场中所有被侦察发现的、且未被分配充足火力敌方目标总数；步骤2：每辆尚未分配打击目标的无人作战车辆向指挥中心请求打击其打击列表中的打击优先级最高的敌方目标的申请,指挥中心将向敌方目标T
m
发起打击申请的无人作战车辆U
j
记录到申请列表Y中,j＝1,2,
……
,J,J≤N，当前已分配打击敌方目标T
m
的无人作战车辆所构成的集合为Q
m
，集合Q
m
中的中无人作战车辆U
l
的毁伤/杀伤能力为A
l
，集合Q
m
中所有无人作战车辆对该敌方目标T
m
的毁伤/杀伤能力值为：步骤3:指挥中心分析申请列表Y中的无人作战车辆的毁伤/杀伤能力，并根据毁伤/杀伤能力分别计算无人作战车辆的毁伤/杀伤能力优先级q
jm
，申请列表Y中记录的无人作战车辆U
j
按照毁伤/杀伤能力优先级q
jm
从高到低排序；步骤4：K
←
1；步骤5：判断申请列表Y是否为空，若申请列表Y不为空，执行步骤6；若申请列表Y为空，执行步骤9步骤6：从高到低依次将申请列表Y中的1个无人作战车辆U
k
存入火力分配列表Z中，并将加入到火力分配列表Z中的无人作战车辆从申请列表Y中删除；步骤7：根据下式计算火力分配列表Z中无人作战车辆集合对该敌方目标T
m
的毁伤/杀伤能力值：式中，A
k
为火力分配列表Z中无人作战车辆U
k
的杀伤能力；步骤8：判断，若则认为打击敌方目标T
m
的无人作战车辆火力不足以毁伤/杀伤敌方目标T
m
，使K
←
K+1,而后返回到步骤5；若则认为打击敌方目标T
m
的无人作战车辆集合火力足以毁伤/杀伤敌方目标T
m
，而后执行步骤9，式中，L
m
为敌方目标T
m
的生存能力；步骤9：输出火力分配列表Z中的无人作战车辆集合及该集合对应打击的敌方目标T
m
。2.根据权利要求1所述的无人作战车辆火力分配方法，其特征在于，深度学习神经网络为变形的PNN神经网络，变形的PNN神经网络包括输入层、隐含层、求和层和竞争层，其中，输入层包括初级输入层、变形层和归一化层，所述初级输入层输入无人作战车辆U
n
打击敌方目标T
m
第一影响因素随时间变化的序列数据X1＝[x
11 x
21
ꢀ…ꢀ
x
A1
]
T
，无人作战车辆U
n
打击敌方目标T
m
第二影响因素随时间变化的序列数据X2＝[x
12 x
22
ꢀ…ꢀ
x
A2
]
T
，
…
,无人作战车辆U
n
打击敌方目标T
m
第B影响因素随时间变化的序列数据X
B
＝[x
1B x
2B
ꢀ…ꢀ
x
AB
]
T
，初级输入层的输入矩阵用下式表示：
所述变形层用于对输入矩阵进行变形，变形矩阵用下式表示：式中，Δx
ab
＝x
ab
―x
(a―1)b
指无人作战车辆U
n
打击敌方目标T
m
第b影响因素当前a数据和前次a
‑
1数据的差，a＝1，2，
…
,A,b＝1，2，
…
,B；所述归一化层被配置为利用归一化系数矩阵对变形矩阵进行归一化处理，得到归一化矩阵，归一化系数矩阵如下式：归一化矩阵如下式：Z
nm
＝Y
nm
·
δ所述归一化层将归一化矩阵输入到PNN概率神经网络的隐含层，隐含层中利用标准差σ＝0.1的高斯函数将神经元激活，得到初始概率矩阵如下式：式中，z
aq
为归一化矩阵Z中第q个样本的第a个值，C
q
为高斯函数的中心值,C＝2B；求和层通过下式求出无人作战车辆U
n
对敌方目标T
m
打击优先等级，最后由竞争层输出优先等级v
nm
：式中,ω
q
为隐含层神经元与求和层神经元之间的互相关系数，由训练数据反复训练确定。3.根据权利要求1所述的无人作战车辆火力分配方法，其特征在于，采用下式计算申请列表Y中无人作战车辆U
j
对敌方目标T
m
的毁伤/杀伤优先级q
jm
：其中，S
max
是列表Y中无人车辆持续作战能力的最大值，即S
max
＝max{S
U
|U∈Y}；S
j
是无人作战车辆U
j
当前的持续作战能力，C
jm
是无人作战车辆U
j
对敌方目标T
m
实施打击所需付出的代价。4.根据权利要求3所述的无人作战车辆火力分配方法，其特征在于，毁伤/杀伤q
jm
的取
值范围为[0,1]。5.一种无人作战车辆火力分配系统，其特征在于，包括：打击优先级排...

【专利技术属性】
技术研发人员：沈增辉，
申请(专利权)人：北京中科智易科技股份有限公司，
类型：发明
国别省市：