无人机空战态势估计及目标分配方法研究

《无人机空战态势估计及目标分配方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西北工业大学博士学位论文（学位研究生）题目：无人机空战态势估计及目标分配方法研究作者：王昱学科专业：导航、制导与控制指导教师：章卫国2017年6月ResearchonSituationAssessmentandTargetAssignmentMethodinUAVAerialCombatAdissertationsubmittedinpartialsatisfactionoftherequirementforthedegreeofDoctorofPhilosophyByWANGYuSupervisor:ProfessorZHANGWei-guo

2、CollegeofAutomationNorthwesternPolytechnicalUniversityJune,2017Xi’an摘要摘要相较于有人机，无人机具有超高的灵活性、机动性和滞空能力等独特优势，领域专家一致预言无人机协同作战必将构建未来空战中一个极其重要的作战模式。自2001年以MQ-1“捕食者”为代表的攻击型无人机进入实战以来，各国专家为此不断进行探索和尝试。目前阻碍其实现的公认问题在于人工智能技术相对落后，无人机缺乏“智能性”—根据环境变化自主地做出判断并攻击目标的能力。因此，研究复杂空战环境下的态势估计及目标分配方法十分必

3、要。本文以无人机协同空战的关键技术为研究重点，研究了混合不确定的态势信息及领域先验知识的融合方法，建立了无人机空战态势评估系统，根据实时变化的复杂战场环境准确评估敌方战机威胁。在此基础上，提出了有约束的无人机动态协同武器—目标分配模型及算法。主要包括以下几方面工作：1.态势估计需要根据实际战场形势从众多类型多样的属性信息中进行动态筛选，专家很难在短时间内给出确定统一的属性评判信息，导致属性权重难以快速确定，影响态势评估的有效性。鉴于此问题，分别针对由不确定偏好关系和由混合缺失评判信息描述的态势属性信息，提出了基于一致性寻优原则的属性赋权优化算法

4、和基于一致性信息插补的七种类型缺失数据Mass函数统一合成算法，前者可有效解决各偏好评判信息中的不确定性，并给出一致性的权值分配结果；后者不仅可以填补缺失数据，而且在对融合信息权重的考量上，采用属性评价信息的数据相似度、信息数值排列顺序的贴近性以及专家所提供信息的完整程度三重指标，使得融合结果更为合理。2.针对不确定的几何优势信息集结下的态势估计问题，建立了态势评估证据网络模型，将传感器输出的具有不确定性的各类动态定量信息进行同一识别框架下的统一，提出了各信息信度值的分配方法并给出了推理算法，通过计算机仿真，在考虑几何态势信息具有不确定性的情况

5、下，获取了敌方单机对已方单机的合理威胁值。3.在面对以综合作战意图、作战能力和几何优势等因素建立的复杂态势评估模型时，原始证据网络推理方法在网络运行的时效性及评估结果的合理性上存在欠缺，针对此问题，从简化变量框架、网络输入证据的预处理（冲突处理，时间序列预测）以及威胁的变权时空融合三方面对证据网络推理算法进行了补充，提出了证据网络推理算法的改进算法，高效准确的获取了不同时刻敌机的威胁等级。仿真结果表明，所提方法不仅降低了网络运行时间，而且与原证据网络运行结果相比，改善了由于某时刻网络输入证据失真引起的评估结果的不合理性问题。4.针对无人机协同空

6、战具有动态持续对抗的特点，将纳什均衡理论与空战效果衡量指标（联合生存概率和武器消耗等因素）相结合，提出了一种新的多战斗步动态武器—目标分配（DWTA）模型。同时，从求解算法的收敛速度和求解精确性出发，将自然界I西北工业大学博士学位论文和人类社会“精英改选”思想引入粒子群算法，提出了基于精英改选机制的粒子群（ERPSO）算法。与三种传统算法的仿真比较结果表明，ERPSO算法可获取更为精确的作战策略；通过多样性比较实验，验证了ERPSO算法借助于个体多样性的增加，改善了传统PSO算法容易陷入局部极小的问题，提高了准确性，同时，快速收敛的优势弥补了增

7、加操作引起的运行时间提高的问题，保证了收敛速度。最后，证明了ERPSO算法的收敛性。5.攻击决策参数在空战过程中的波动性将影响优化策略的鲁棒性，针对这一问题，以目标分配模型中的毁伤概率环境影响因子变化为例，将鲁棒优化思想引入所建立的DWTA模型中，以适应度函数值的期望和方差为优化指标，设计了自适应权重调节方法，建立了变权重的自适应DWTA鲁棒博弈模型。该模型在考虑毁伤概率随参数变化的情况下以策略解可行为前提，解的质量为首要优化目标，再兼顾解的鲁棒性要求。仿真结果表明，与原博弈模型相比，新模型纳什均衡解下的双方博弈收益受参数变化影响较小，可提供更

8、可靠的策略参考。关键词：无人机；态势估计；目标分配；不确定信息；属性赋权；改进证据网络；精英改选PSO；纳什均衡；鲁棒优化IIAbstractAbst