基于改进小波神经网络的协同作战能力评估

发布时间：2021-07-13 17:22

　　针对制定作战能力评估方案时存在主观性和不确定性的问题,结合专家经验和自学习算法,提出了基于自适应的模糊小波神经网络协同作战能力评估模型。利用小波分析和模糊逻辑理论对神经网络的结构进行优化,同时采用改进的粒子群算法对神经网络的权值进行自适应调节,解决了传统粒子群算法和神经网络易陷入局部极小值、收敛速度慢和抗干扰能力差等问题。最后,通过多架飞机协同作战能力评估相关数据进行训练和验证。仿真试验结果表明,该模型较好地处理了协同作战行动方案的不确定性和复杂性,为指挥决策者提供了有效的作战评估和指挥决策手段。 

【文章来源】：指挥信息系统与技术. 2020,11(01)

【文章页数】：5 页

【部分图文】：

传统神经网络结构

结合小波分析和神经网络，不但可以充分利用小波变换的时频联合局部特性，而且可发挥神经网络自学习和自组织的优势，将神经网络的激励函数换成小波函数，从而提高系统收敛速度和准确性等。同时，结合模糊逻辑理论，将专家意见在神经网络隐含层中进行体现，形成自适应的三层模糊小波神经网络（FWNN），其结构如图2所示。1）输入层：主要将规范化后的数据输入隐含层，对应xi,i=1,2，…，N，其中N为输入层总节点数。

为了进一步验证CDPSO?FWNN算法的实用性，结合具体协同作战数据进行仿真试验验证。假设作战方案中，红方分别派出“苏27”战机和“苏30”战机对蓝方的指挥所1、指挥所2、机场1和机场2共4个目标进行打击。根据作战方案，在没有附加信息的情况下，指挥决策者可迅速以默认的飞机性能技术指标和目标性质等形成规范化的输入向量，并利用CDPSO?FWNN算法得到如表2所示的仿真结果，立即判断出指挥所1和指挥所2的毁伤效果分别是袭扰和摧毁，机场1和机场2的毁伤效果均为压制。4 结束语

【参考文献】：
期刊论文
[1]面向无线传感器网络的自适应模糊神经拓扑控制算法[J]. 胡黄水,沈玮娜,王宏志,张邦成.  吉林大学学报(理学版). 2018(02)
[2]基于数据链的预警机协同协作战下的发现目标能力的效能评估[J]. 杨牧,陈长兴,王晓东,林兴,文志军.  空军工程大学学报(自然科学版). 2018(01)
[3]陆军作战指挥实体动态决策建模问题研究[J]. 康凯,张永亮,李晨溪,潘金堂.  系统仿真学报. 2018(02)
[4]基于组合赋权法的联合作战协同效能评估指标[J]. 张宪,许瑞明.  火力与指挥控制. 2017(07)
[5]多平台协同作战任务系统建模[J]. 姚传明,王庆元,杨叶林.  指挥信息系统与技术. 2017(03)
[6]通信电子防御作战效能的云-BP神经网络评估方法[J]. 杨米,陈建忠,牛英滔.  通信技术. 2017(04)
[7]基于Hopfield网络的网络空间防御能力评估[J]. 王劲松,李宗育,徐晏琦.  控制工程. 2017(02)
[8]基于信息系统指挥机构指挥效能评估[J]. 曹涛,王代智,孙礼明,王舒,王雪英.  兵工自动化. 2017(02)
[9]网络作战能力评估指标体系构建问题的研究[J]. 申普兵,赵占东,宫强兵.  计算机科学. 2016(S1)
[10]未来指挥控制系统暨信息处理系统架构[J]. 蓝羽石,赵克俭,郭成昊,金欣.  指挥与控制学报. 2015(01)



本文编号：3282480