基于SOAR模型的武器目标分配系统设计与研究

发布时间：2021-08-28 12:10

　　威胁评估是影响武器目标分配结果的重要因素,当前空战环境下,诸如速度、角度、高度、攻击距离等多种参数都会影响武器目标分配的结果,飞行员在考虑上述因素的同时,难以做出快速准确的决策。研究并提出一种基于SOAR智能认知模型构建的武器目标分配系统,通过将知识库与武器目标分配算法相结合,能够快速准确地给出目标分配方案,帮助飞行员更好地进行决策。最后进行了仿真计算,结果表明该系统的输出符合期望结果,并具有较好的实时性。 

【文章来源】：航空科学技术. 2020,31(05)

【文章页数】：6 页

【部分图文】：

SOAR系统架构

本文构建的基于SOAR模型的武器目标分配系统可分为专家知识库、SOAR接口程序和武器目标分配算法三部分，具体结构如图2所示。SOAR模型部分由外部输入模块接受外来的参数输入和条件改变，同时创建短期工作内存作为当前工作环境；工作内存存储当前工作的状态、参数和后续计算所需的算子等；专家知识库保存空战规则作为长期记忆，在工作内存建立后调用长期记忆中的规则进行匹配；如果现有规则满足输出条件就调用决策模块输出计算结果[6-8]，不满足则产生僵局，采用降低精度匹配算法输出结果，并利用块机制记录处理僵局的过程并生成新规则加入到长期记忆中；外部分配算法接收SOAR模型计算的结果参数，之后通过目标分配算法得出最终的分配方案并输出；SOAR接口程序作为连接分配算法和SOAR模型的桥梁，起到沟通的作用，具体流程如图3所示。

其中，系统在SOAR模型中完成了各项威胁系数的计算、我方的优势系数计算以及总对敌优势的计算，并在未产生僵局（或僵局产生并被解决）的情况下将总对敌优势作为路径计算相关参数输入到外部目标分配算法模块。目标分配算法采用蚁群算法作为主体，结合遗传算法与禁忌搜索算法对蚁群算法的全局搜索能力进行了改进。该算法将总对敌优势作为敌我目标之间的路径参数，通过对解空间中所有目标进行遍历循环求解，计算各路径上信息素的积累浓度来求得全局最优路径，即总对敌优势度最大的武器目标分配方案。构建SOAR模型的关键在于知识表示方法和知识推理策略，知识表示将空战规则转化为SOAR可识别的sp规则，推理策略包含SOAR进行知识库搜索时的不同方法，具体如下。

【参考文献】：
期刊论文
[1]基于SOAR模型的网民群体负面情感建模研究[J]. 吴鹏,强韶华,高庆宁.  中国管理科学. 2018(03)
[2]战场决策过程中辅助决策功能分析[J]. 王伟钢.  航空科学技术. 2017(06)
[3]武器-目标分配问题算法研究综述[J]. 于连飞,刘进,张维明,修保新,刘嵩.  数学的实践与认识. 2016(02)
[4]基于双层Soar框架的数字化士兵行为建模方法[J]. 张国辉,徐文超,张文阁,尚世锋.  装甲兵工程学院学报. 2014(06)
[5]Soar在水面舰艇CGF防空决策行为模型构建中的应用[J]. 吴涛,孙向军,赵斯强.  指挥控制与仿真. 2013(02)
[6]舰艇编队智能防空决策模型研究[J]. 孙向军,陆勤夫,孙翠娟.  舰船科学技术. 2010(02)



本文编号：3368488