中距协同空战决策过程二次聚类重构与评估
发布时间：2021-04-18 19:22
未来空战将以中距空战为主,找出导致中距空战结果的原因是开展贴近实际的中距空战智能决策需解决的重要问题。针对空战训练过程中记录数据分布的复杂特点,建立了中距协同空战训练评估模型,提出了基于高阶导数聚类和相对模糊熵聚类的二次聚类方法,计算编队协同决策集,实现编队中距协同空战决策过程重构。以编队协同搜索和协同机动决策的角度,寻找编队协同决策与中距空战结果的相关性,并通过实例评估验证了聚类算法的合理性。
【文章来源】：系统工程与电子技术. 2020,42(01)北大核心EICSCD
【文章页数】：10 页
【部分图文】：
雷达搜索中心
图1 雷达搜索中心在机体坐标系下，αRadar为雷达扫描中心线在xoy平面的投影线与x轴的夹角，雷达搜索俯仰角βRadar是雷达搜索能量中心线与xoy平面的夹角，αRadar-Tgt是雷达跟踪目标能量中心点的方位角，βRadar-Tgt是雷达跟踪目标能量中心点的高低角，DRadar-Tgt是雷达跟踪目标能量中心点的距离。
对于中距空战中编队的协同效果，可利用编队机载雷达的对目标跟踪结果数据αRadar-Tgt、βRadar-Tgt和DRadar-Tgt建立中距空战优势评估模型。以攻击机为参考点，把所有可能攻击的目标机统一到该坐标系中，如图3所示。式中，DTgt(t）为目标距离；αTgt(t）为目标方位角；βTgt(t）为目标高低角；RRadar(t）为载机雷达量程；αRadar(t）为载机雷达搜索中心轴线方位角；βTgt(t）为载机雷达搜索中心轴线高低角；?（t）为载机的航向角；θ（t）为载机的俯仰角；αT(t）为雷达搜索中心轴线在水平方位上与目标机之间的误差；βT(t）为雷达搜索中心轴线在垂直面上与目标机之间的误差；DT(t）为攻击机雷达量程与目标机斜距之间的误差。因此，定义攻击机的态势优势函数Wpos(t）和空战优势函数W(t），即
【参考文献】：
期刊论文
[1]基于威力势场的多机种威胁评估方法[J]. 孙庆鹏,李战武,常一哲. 系统工程与电子技术. 2018(09)
[2]改进模拟退火遗传算法在协同空战中的应用[J]. 宋遐淦,江驹,徐海燕. 哈尔滨工程大学学报. 2017(11)
[3]基于启发式强化学习的空战机动智能决策[J]. 左家亮,杨任农,张滢,李中林,邬蒙. 航空学报. 2017(10)
[4]区间值直觉模糊Petri网及其在空战决策的应用[J]. 张源原,吴文海,汪节. 系统工程与电子技术. 2017(05)
[5]基于隐马尔可夫模型的空战决策点理论研究[J]. 冯超,景小宁,李秋妮,姚鹏. 北京航空航天大学学报. 2017(03)
[6]基于模糊聚类的近距空战决策过程重构与评估[J]. 左家亮,杨任农,张滢,邬蒙,肖雨泽. 航空学报. 2015(05)
[7]一种分层组合的半监督近邻传播聚类算法[J]. 张震,汪斌强,伊鹏,兰巨龙. 电子与信息学报. 2013(03)
[8]Cooperative extended rough attribute reduction algorithm based on improved PSO[J]. Weiping Ding 1,2,* , Jiandong Wang 1 , and Zhijin Guan 2 1. College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, P. R. China; 2. School of Computer Science and Technology, Nantong University, Nantong 226019, P. R. China. Journal of Systems Engineering and Electronics. 2012(01)
本文编号：3146035
【文章来源】：系统工程与电子技术. 2020,42(01)北大核心EICSCD
【文章页数】：10 页
【部分图文】：
雷达搜索中心
图1 雷达搜索中心在机体坐标系下，αRadar为雷达扫描中心线在xoy平面的投影线与x轴的夹角，雷达搜索俯仰角βRadar是雷达搜索能量中心线与xoy平面的夹角，αRadar-Tgt是雷达跟踪目标能量中心点的方位角，βRadar-Tgt是雷达跟踪目标能量中心点的高低角，DRadar-Tgt是雷达跟踪目标能量中心点的距离。
对于中距空战中编队的协同效果，可利用编队机载雷达的对目标跟踪结果数据αRadar-Tgt、βRadar-Tgt和DRadar-Tgt建立中距空战优势评估模型。以攻击机为参考点，把所有可能攻击的目标机统一到该坐标系中，如图3所示。式中，DTgt(t）为目标距离；αTgt(t）为目标方位角；βTgt(t）为目标高低角；RRadar(t）为载机雷达量程；αRadar(t）为载机雷达搜索中心轴线方位角；βTgt(t）为载机雷达搜索中心轴线高低角；?（t）为载机的航向角；θ（t）为载机的俯仰角；αT(t）为雷达搜索中心轴线在水平方位上与目标机之间的误差；βT(t）为雷达搜索中心轴线在垂直面上与目标机之间的误差；DT(t）为攻击机雷达量程与目标机斜距之间的误差。因此，定义攻击机的态势优势函数Wpos(t）和空战优势函数W(t），即
【参考文献】：
期刊论文
[1]基于威力势场的多机种威胁评估方法[J]. 孙庆鹏,李战武,常一哲. 系统工程与电子技术. 2018(09)
[2]改进模拟退火遗传算法在协同空战中的应用[J]. 宋遐淦,江驹,徐海燕. 哈尔滨工程大学学报. 2017(11)
[3]基于启发式强化学习的空战机动智能决策[J]. 左家亮,杨任农,张滢,李中林,邬蒙. 航空学报. 2017(10)
[4]区间值直觉模糊Petri网及其在空战决策的应用[J]. 张源原,吴文海,汪节. 系统工程与电子技术. 2017(05)
[5]基于隐马尔可夫模型的空战决策点理论研究[J]. 冯超,景小宁,李秋妮,姚鹏. 北京航空航天大学学报. 2017(03)
[6]基于模糊聚类的近距空战决策过程重构与评估[J]. 左家亮,杨任农,张滢,邬蒙,肖雨泽. 航空学报. 2015(05)
[7]一种分层组合的半监督近邻传播聚类算法[J]. 张震,汪斌强,伊鹏,兰巨龙. 电子与信息学报. 2013(03)
[8]Cooperative extended rough attribute reduction algorithm based on improved PSO[J]. Weiping Ding 1,2,* , Jiandong Wang 1 , and Zhijin Guan 2 1. College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, P. R. China; 2. School of Computer Science and Technology, Nantong University, Nantong 226019, P. R. China. Journal of Systems Engineering and Electronics. 2012(01)
本文编号：3146035
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3146035.html
