基于改进MGM（1,N）轨迹预测的空战态势评估
发布时间：2021-07-23 18:52
针对传统态势评估方法只考虑当前时刻静止态势,难以对整个空战态势情况进行评估和不具有预见性的局限,提出了一种基于改进MGM（1,N）轨迹预测的态势评估方法。首先,根据MGM（1,N）预测模型难以描述变量间线性关系的不足,建立了基于背景值优化的改进MGM（1,N）预测模型;然后建立了基于非参量法的空战态势优势模型,用来定量描述各空战态势影响因素;利用灰色关联度计算各指标权重,考虑并建立了多时刻时序权重的计算方法。通过对实际空战数据进行仿真,改进方法的预测精度好于传统MGM（1,N）方法,态势评估结果不仅能够准确反映战场态势,而且能够有效反映空战态势的变化趋势,具备良好的预见性。
【文章来源】：电光与控制. 2020,27(11)北大核心CSCD
【文章页数】：7 页
【部分图文】：
图1 两机相对位置关系
表1和表2是敌我双方一部分的飞行轨迹数据,总共5个阶段,每个坐标点时间间隔为0.5 s,总共14个数据,其中第2 s是按飞行方向划分的第5个阶段的起始点。本例利用这14个飞行轨迹点根据本文基于背景值优化的改进MGM(1,3)模型进行仿真验证。为了验证改进算法(本文算法)的有效性,将本文算法和传统算法进行比较,共分为两组,第一组是利用前5个数据点预测第6到第9个数据点;第二组利用第6到第10个数据点预测最后4个数据点,预测结果如图3所示,8个预测时刻点中,前4个代表第一组的预测点,后4个代表第二组的预测点。
表2 敌方机动轨迹数据Table 2 Maneuvering trajectory data of enemy aircraft 时间/s 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 X/m 5405 5538 5666 5784 5888 5980 6056 6112 6146 6157 6156 6132 6079 6012 Y/m 2825 2848 2891 2955 3032 3122 3227 3344 3471 3605 3743 3880 4012 4140 Z/m 2946 2977 3012 3050 3089 3130 3172 3213 3256 3296 3334 3368 3398 3426表3 均方根误差及提升效果Table 3 RMSE and its improvement X方向 Y方向 Z方向 X方向 Y方向 Z方向 我方改进前/m 44.901 38.183 40.659 敌方改进前/m 32.173 47.376 39.598 我方改进后/m 35.355 26.517 18.031 敌方改进后/m 21.213 18.031 16.971 提升效果/% 21.3 30.6 55.6 提升效果/% 34.1 61.9 57.1
【参考文献】：
期刊论文
[1]改进决策树的无人机空战态势估计[J]. 赵克新,黄长强,魏政磊,王乐. 哈尔滨工业大学学报. 2019(04)
[2]空战临战态势评估方法研究[J]. 曹慧敏,黄安祥,雷祥. 系统仿真学报. 2019(02)
[3]基于时间序列加权与模糊理论的无人机作战态势评估方法[J]. 陆遥,李东生,高杨. 探测与控制学报. 2018(06)
[4]基于熵权与灰关联度定权的VIKOR多准则综合评价研究[J]. 储冉,王怀秀,王亚慧. 现代电子技术. 2018(24)
[5]无人作战飞机一对一超视距空战态势评估[J]. 王光辉,徐光达,谢宇鹏,吕超. 指挥控制与仿真. 2018(05)
[6]基于混合动态贝叶斯网的无人机空战态势评估[J]. 孟光磊,马晓玉,刘昕,徐一民. 指挥控制与仿真. 2017(04)
[7]基于深度置信网络的近距空战态势评估[J]. 张彬超,寇雅楠,邬蒙,左家亮. 北京航空航天大学学报. 2017(07)
[8]基于攻击区和杀伤概率的视距内空战态势评估[J]. 顾佼佼,刘卫华,姜文志. 系统工程与电子技术. 2015(06)
[9]基于机动识别的空战意图威胁建模与仿真[J]. 童奇,李建勋,童中翔,郭华,李慎波,黄鹤松. 现代防御技术. 2014(04)
[10]运动目标的MGM（1,N）轨迹预测算法[J]. 柯宏发,何可,陈永光. 武汉大学学报(信息科学版). 2012(06)
本文编号：3299843
【文章来源】：电光与控制. 2020,27(11)北大核心CSCD
【文章页数】：7 页
【部分图文】：
图1 两机相对位置关系
表1和表2是敌我双方一部分的飞行轨迹数据,总共5个阶段,每个坐标点时间间隔为0.5 s,总共14个数据,其中第2 s是按飞行方向划分的第5个阶段的起始点。本例利用这14个飞行轨迹点根据本文基于背景值优化的改进MGM(1,3)模型进行仿真验证。为了验证改进算法(本文算法)的有效性,将本文算法和传统算法进行比较,共分为两组,第一组是利用前5个数据点预测第6到第9个数据点;第二组利用第6到第10个数据点预测最后4个数据点,预测结果如图3所示,8个预测时刻点中,前4个代表第一组的预测点,后4个代表第二组的预测点。
表2 敌方机动轨迹数据Table 2 Maneuvering trajectory data of enemy aircraft 时间/s 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 X/m 5405 5538 5666 5784 5888 5980 6056 6112 6146 6157 6156 6132 6079 6012 Y/m 2825 2848 2891 2955 3032 3122 3227 3344 3471 3605 3743 3880 4012 4140 Z/m 2946 2977 3012 3050 3089 3130 3172 3213 3256 3296 3334 3368 3398 3426表3 均方根误差及提升效果Table 3 RMSE and its improvement X方向 Y方向 Z方向 X方向 Y方向 Z方向 我方改进前/m 44.901 38.183 40.659 敌方改进前/m 32.173 47.376 39.598 我方改进后/m 35.355 26.517 18.031 敌方改进后/m 21.213 18.031 16.971 提升效果/% 21.3 30.6 55.6 提升效果/% 34.1 61.9 57.1
【参考文献】：
期刊论文
[1]改进决策树的无人机空战态势估计[J]. 赵克新,黄长强,魏政磊,王乐. 哈尔滨工业大学学报. 2019(04)
[2]空战临战态势评估方法研究[J]. 曹慧敏,黄安祥,雷祥. 系统仿真学报. 2019(02)
[3]基于时间序列加权与模糊理论的无人机作战态势评估方法[J]. 陆遥,李东生,高杨. 探测与控制学报. 2018(06)
[4]基于熵权与灰关联度定权的VIKOR多准则综合评价研究[J]. 储冉,王怀秀,王亚慧. 现代电子技术. 2018(24)
[5]无人作战飞机一对一超视距空战态势评估[J]. 王光辉,徐光达,谢宇鹏,吕超. 指挥控制与仿真. 2018(05)
[6]基于混合动态贝叶斯网的无人机空战态势评估[J]. 孟光磊,马晓玉,刘昕,徐一民. 指挥控制与仿真. 2017(04)
[7]基于深度置信网络的近距空战态势评估[J]. 张彬超,寇雅楠,邬蒙,左家亮. 北京航空航天大学学报. 2017(07)
[8]基于攻击区和杀伤概率的视距内空战态势评估[J]. 顾佼佼,刘卫华,姜文志. 系统工程与电子技术. 2015(06)
[9]基于机动识别的空战意图威胁建模与仿真[J]. 童奇,李建勋,童中翔,郭华,李慎波,黄鹤松. 现代防御技术. 2014(04)
[10]运动目标的MGM（1,N）轨迹预测算法[J]. 柯宏发,何可,陈永光. 武汉大学学报(信息科学版). 2012(06)
本文编号：3299843
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3299843.html
