CN105976061A - 一种提高虚拟智能对手飞机生存概率的方法 - Google Patents
一种提高虚拟智能对手飞机生存概率的方法 Download PDFInfo
- Publication number
- CN105976061A CN105976061A CN201610311365.5A CN201610311365A CN105976061A CN 105976061 A CN105976061 A CN 105976061A CN 201610311365 A CN201610311365 A CN 201610311365A CN 105976061 A CN105976061 A CN 105976061A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- opponent
- theta
- virtual intelligent
- delta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明公开了一种提高虚拟智能对手飞机生存概率的方法,该方法包括如下步骤:1)简化导弹的最大攻击区模型;2)计算出虚拟智能对手飞机最佳的逃逸位置;3)计算出虚拟智能对手飞机下一时刻最佳的飞行参数。本申请以虚拟智能飞机到达导弹不可逃逸区边界耗时最短作为约束条件,使用A*算法搜寻下一步仿真时刻的最优位置,实时规划出最佳的规避路线,并通过仿真验证了该方法上的有效性。
Description
技术领域
本发明属于作战仿真技术领域,具体涉及一种提高虚拟智能对手飞机生存概率的方法。
背景技术
由于空战的激烈性、敏捷性和高成本性,利用空战对抗仿真来提高飞行员的作战素养是一种有效的方式,无论是人在环路中空战对抗半实物仿真,还是战斗机上嵌入式对抗仿真,装配均具有一定智能性的虚拟对手飞机来进行人机对抗训练,能够增加对抗的逼真性,可以提高飞行员的作战能力。因此建立具有一定智能性的虚拟对手飞机很有必要。虚拟飞机的智能性主要体现在智能攻击和智能规避两个方面,目前大都是基于专家系统和趋势预测的思想来确定规避策略的,对于博弈对抗性强的空战问题没有很好的解决,此外,人在环路中的飞行仿真系统要求实时性强,解算量大,因此在设计算法的时候,必须要考虑算法的工程实现和算法的时间复杂度。本专利以虚拟智能飞机到达导弹不可逃逸区边界耗时最短作为约束条件,使用A*算法搜寻下一步仿真时刻的最优位置,实时规划出最佳的规避路线,并通过仿真验证了该方法上的有效性。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种提高虚拟智能对手飞机生存概率的方法,该方法以虚拟智能飞机到达导弹不可逃逸区边界耗时最短作为约束条件,使用A*算法搜寻下一步仿真时刻的最优位置,实时规划出最佳的规避路线,并通过仿真验证了该方法上的有效性。
为实现上述目的,本发明采用以下技术方案:
一种提高虚拟智能对手飞机生存概率的方法,所述方法包括如下步骤:
1)简化导弹的最大攻击区模型;
2)计算出虚拟智能对手飞机最近的逃逸位置;
3)计算出虚拟智能对手飞机下一时刻最佳的飞行参数。
进一步,步骤1)具体为:假定在t时刻,导弹的实际最大攻击区在三维空间中的是一个不规则的区域G(x,y,z),用一个规则的三维球体S(x,y,z)去包含不规则的区域G(x,y,z),即:G(x,y,z)∈S(x,y,z)。
进一步,步骤2)具体为:假定虚拟智能对手飞机当前位置为P(xi,yi,zi,hi,pi,ri),P到最大攻击区的这个面地的距离为:D=P(xi,yi,zi)-S(x,y,z),计算出最短距离对应的坐标为:
联立三个方程组,可求出离当前位置最近的最大攻击区的坐标(x0,y0,z0),即虚拟智能对手飞机最近的逃逸位置。
进一步,步骤3)具体为:首先,计算飞机的航向角,其变化范围受飞行最小转弯半径的影响,飞机的最小转弯半径计算公式为:
其中,vmin表示飞机的最小飞行速度,nymax表示飞机的最大法向过载,根据飞机的最小转弯半径和航路规划的步长,可以计算出航向发生改变时的最大角度θheadmax:
θheadmax=arcsin(S0/2Rmin)
其中,S0为航路规划的步长;
在[-θheadmax,θheadmax]航向角区间,找到一个最优的航向,以Δθhead为单位,当前的航向角为初始值,采用A*算法,遍历离最大攻击区最近的位置;
其次,计算飞机的俯仰角,俯仰角的最大变化范围取决于飞机的爬升率;假定飞机的速度不变,在一个步长中飞机的飞行距离为vΔt,则下一点坐标为:
姿态参数为:
得出下一时刻的飞行参数P(xΔt,yΔt,zΔt,θheadΔt,θpitchΔt)。
本发明具有以下有益技术效果:
本发明以虚拟智能飞机到达导弹不可逃逸区边界耗时最短作为约束条件,使用A*算法搜寻下一步仿真时刻的最优位置,实时规划出最佳的规避路线,并通过仿真验证了该方法上的有效性。
附图说明
图1为虚拟智能对手飞机逃出最大攻击区的示意图;
图2为航向最大改变角度计算示意图;
图3为本发明的仿真流程图;
图4为侧方攻击的规避路线图;
图5为尾后攻击的规避路线图;
图6为迎头攻击的规避路线。
具体实施方式
下面,参考附图,对本发明进行更全面的说明,附图中示出了本发明的示例性实施例。然而,本发明可以体现为多种不同形式,并不应理解为局限于这里叙述的示例性实施例。而是,提供这些实施例,从而使本发明全面和完整,并将本发明的范围完全地传达给本领域的普通技术人员。
为了易于说明,在这里可以使用诸如“上”、“下”“左”“右”等空间相对术语,用于说明图中示出的一个元件或特征相对于另一个元件或特征的关系。应该理解的是,除了图中示出的方位之外,空间术语意在于包括装置在使用或操作中的不同方位。例如,如果图中的装置被倒置,被叙述为位于其他元件或特征“下”的元件将定位在其他元件或特征“上”。因此,示例性术语“下”可以包含上和下方位两者。装置可以以其他方式定位(旋转90度或位于其他方位),这里所用的空间相对说明可相应地解释。
在攻击区以外区域,一般认为没有威胁,本申请的主要的思想就是根据当前的态势,虚拟智能对手飞机尽可能的逃离空空导弹的攻击区,理论上离当前飞机位置最近的最大攻击区边界面上点是最优的逃逸位置。
如图1所示,假定空战某时刻t,导弹的位置0点,椭圆区域为空空导弹的最大攻击区域,飞行目标位置P点,在椭圆上离P最近的点是J点,飞机从P点到J点的飞行轨迹为虚线部分,这就是t时刻虚拟智能对手飞机需要规划出的最佳规避轨迹;在此过程中需要解决以下三个问题:一是如何快速解算出t时刻的攻击区边界?二是如何求出到达该边界的最近点?三是如何根据这个点规划出下一个时刻最佳飞行位置?
为解决以上问题,本申请采用了如下的方法:
一、简化导弹的最大攻击区模型;
在空战对抗仿真系统中,能够获取任意目标的信息,可以根据现有技术中的方法获取任意时刻导弹的最大攻击区。但是计算过于复杂,在仿真环境中,为了便于快速解算,可以进行适度的简化,假定在t时刻,导弹的实际最大攻击区在三维空间中的是一个不规则的区域G(x,y,z),用一个规则的三维球体S(x,y,z)去包含不规则的区域G(x,y,z),即:G(x,y,z)∈S(x,y,z)。也就是说,如果虚拟智能对手飞机在S(x,y,z)逃逸成果,那么肯定能在G(x,y,z)中逃逸成功。
在实际作战中,最大攻击区是实时变化的,发射后的导弹本身是一个能量体,飞行过程中,能量是不断减少的,最大攻击区的范围也是不断减少的。因此,我们简化的模型S(x,y,z),只考虑与导弹与飞机的当前相对位置、相对速度,进入角和方位角等主要因素。
二、计算出虚拟智能对手飞机最近的逃逸位置;
假定虚拟智能对手飞机当前位置为P(xi,yi,zi,hi,pi,ri),P到最大攻击区的这个面地的距离为:D=P(xi,yi,zi)-S(x,y,z),计算出最短距离对应的坐标为:
联立三个方程组,可求出离当前位置最近的最大攻击区的坐标(x0,y0,z0),即虚拟智能对手飞机最近的逃逸位置。
三、计算出虚拟智能对手飞机下一时刻最佳的飞行参数;
如图2所示,规避导弹的追踪,对于智能对手飞机来说,就是要知道下一时刻飞行参数,首先要确定的要改变的航向角与俯仰角,这两个参数都与飞机的状态和性能有关系,飞机的航向角变化范围受飞行最小转弯半径的影响,飞机的最小转弯半径计算公式为:
其中,vmin表示飞机的最小飞行速度,nymax表示飞机的最大法向过载,根据飞机的最小转弯半径和航路规划的步长,可以计算出航向发生改变时的最大角度θheadmax:
θheadmax=arcsin(S0/2Rmin)
其中,S0为航路规划的步长;
在[-θheadmax,θheadmax]航向角区间,找到一个最优的航向,以Δθhead为单位,当前的航向角为初始值,采用A*算法,遍历离最大攻击区最近的位置;
其次,计算飞机的俯仰角,俯仰角的最大变化范围取决于飞机的爬升率;假定飞机的速度不变,在一个步长中飞机的飞行距离为vΔt,则下一点坐标为:
姿态参数为:
得出下一时刻的飞行参数P(xΔt,yΔt,zΔt,θheadΔt,θpitchΔt);由于滚转角对位置的影响不大,在此不予考虑。
如图3所示,为验证本申请方法的具体效果,本申请对该方法进行了仿真;仿真流程如下:系统准备好后,首先判断仿真环境中有没有导弹,若没有导弹,则保持当前状态飞行;若有导弹,判断两者距离是否在导弹的最大攻击区的远界内,若不在导弹的最大攻击区的范围内,保持当前状态飞行,当在最大攻击区范围内,找到离最大攻击区最进的位置,根据当前位置和姿态,计算并调整下一时刻的位置和姿态,然后再次计算是否在最大攻击区内,如此循环,直到逃出最大攻区域,或者被导弹击中,循环结束。
为了便于分析和直观显示,把仿真产生的数据片段记录下来,使用SAS公司的JMP软件画出智能对手飞机和导弹的三维轨迹散点图,下面是常见的三种攻击方式下的智能对手飞机的规避路线。
如图4所示,智能对手遭到侧向攻击时,首先高度上升,然后转弯飞行,与导弹的方向一致。
如图5所示,智能对手遭到尾后攻击时,直接提高高度,与导弹的方向一致飞行。
如图6所示,智能对手遭到迎头攻击时,直接上升高度,然后向相反方向掉头。
经过多次仿真实验,得出除了两者的速度和距离起着决定性作用外,Δθheadmax和Δθpitchmax对飞机本身的机动性起着决定性的作用;机动性越好,两个参数就越大,则在一定时间内,飞机的位置和姿态变化较大,有利于规避导弹。
上面所述只是为了说明本发明,应该理解为本发明并不局限于以上实施例,符合本发明思想的各种变通形式均在本发明的保护范围之内。
Claims (4)
1.一种提高虚拟智能对手飞机生存概率的方法,其特征在于,所述方法包括如下步骤:
1)简化导弹的最大攻击区模型;
2)计算出虚拟智能对手飞机最近的逃逸位置;
3)计算出虚拟智能对手飞机下一时刻最佳的飞行参数。
2.根据权利要求1所述的提高虚拟智能对手飞机生存概率的方法,其特征在于,步骤1)具体为:假定在t时刻,导弹的实际最大攻击区在三维空间中的是一个不规则的区域G(x,y,z),用一个规则的三维球体S(x,y,z)去包含不规则的区域G(x,y,z),即:G(x,y,z)∈S(x,y,z)。
3.根据权利要求1所述的提高虚拟智能对手飞机生存概率的方法,其特征在于,步骤2)具体为:假定虚拟智能对手飞机当前位置为P(xi,yi,zi,hi,pi,ri),P到最大攻击区的这个面地的距离为:D=P(xi,yi,zi)-S(x,y,z),计算出最短距离对应的坐标为:
联立三个方程组,可求出离当前位置最近的最大攻击区的坐标(x0,y0,z0),即虚拟智能对手飞机最近的逃逸位置。
4.根据权利要求1所述的提高虚拟智能对手飞机生存概率的方法,其特征在于,步骤3)具体为:首先,计算飞机的航向角,其变化范围受飞行最小转弯半径的影响,飞机的最小转弯半径计算公式为:
其中,vmin表示飞机的最小飞行速度,nymax表示飞机的最大法向过载,根据飞机的最小转弯半径和航路规划的步长,可以计算出航向发生改变时的最大角度θheadmax:
θhead max=arcsin(S0/2Rmin)
其中,S0为航路规划的步长;
在[-θheadmax,θheadmax]航向角区间,找到一个最优的航向,以Δθhead为单位,当前的航向角为初始值,采用A*算法,遍历离最大攻击区最近的位置;
其次,计算飞机的俯仰角,俯仰角的最大变化范围取决于飞机的爬升率;假定飞机的速度不变,在一个步长中飞机的飞行距离为vΔt,则下一点坐标为:
姿态参数为:
得出下一时刻的飞行参数P(xΔt,yΔt,zΔt,θheadΔt,θpitchΔt)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610311365.5A CN105976061A (zh) | 2016-05-11 | 2016-05-11 | 一种提高虚拟智能对手飞机生存概率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610311365.5A CN105976061A (zh) | 2016-05-11 | 2016-05-11 | 一种提高虚拟智能对手飞机生存概率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105976061A true CN105976061A (zh) | 2016-09-28 |
Family
ID=56992964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610311365.5A Pending CN105976061A (zh) | 2016-05-11 | 2016-05-11 | 一种提高虚拟智能对手飞机生存概率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976061A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107966719A (zh) * | 2017-12-22 | 2018-04-27 | 中国交通通信信息中心 | 一种基于信号解码和概率筛选的单星定位增强系统及方法 |
CN108089594A (zh) * | 2017-12-13 | 2018-05-29 | 王俊梅 | 一种无人机视线死角转向逃逸飞行方法 |
CN108153332A (zh) * | 2018-01-09 | 2018-06-12 | 中国科学院自动化研究所 | 基于大包线博弈策略的轨迹模拟系统 |
CN112504016A (zh) * | 2020-09-21 | 2021-03-16 | 上海航天控制技术研究所 | 一种适应协同任务规划的目标不可逃逸区可靠预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101650A (zh) * | 2007-07-02 | 2008-01-09 | 北京理工大学 | 以机动过载为控制量的低空突防导弹三维航迹规划方法 |
CN105157488A (zh) * | 2015-09-21 | 2015-12-16 | 中国航天空气动力技术研究院 | 基于无人机的导弹攻击航路规划方法 |
-
2016
- 2016-05-11 CN CN201610311365.5A patent/CN105976061A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101650A (zh) * | 2007-07-02 | 2008-01-09 | 北京理工大学 | 以机动过载为控制量的低空突防导弹三维航迹规划方法 |
CN105157488A (zh) * | 2015-09-21 | 2015-12-16 | 中国航天空气动力技术研究院 | 基于无人机的导弹攻击航路规划方法 |
Non-Patent Citations (2)
Title |
---|
王怀威等: "战术机动对飞机作战生存力的影响研究", 《飞行力学》 * |
雷祥等: "一种智能对手飞机航迹实时规划方法", 《系统仿真学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108089594A (zh) * | 2017-12-13 | 2018-05-29 | 王俊梅 | 一种无人机视线死角转向逃逸飞行方法 |
CN108089594B (zh) * | 2017-12-13 | 2020-11-27 | 王俊梅 | 一种无人机视线死角转向逃逸飞行方法 |
CN107966719A (zh) * | 2017-12-22 | 2018-04-27 | 中国交通通信信息中心 | 一种基于信号解码和概率筛选的单星定位增强系统及方法 |
CN108153332A (zh) * | 2018-01-09 | 2018-06-12 | 中国科学院自动化研究所 | 基于大包线博弈策略的轨迹模拟系统 |
CN108153332B (zh) * | 2018-01-09 | 2020-05-19 | 中国科学院自动化研究所 | 基于大包线博弈策略的轨迹模拟系统 |
CN112504016A (zh) * | 2020-09-21 | 2021-03-16 | 上海航天控制技术研究所 | 一种适应协同任务规划的目标不可逃逸区可靠预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105976061A (zh) | 一种提高虚拟智能对手飞机生存概率的方法 | |
CN113791634B (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
Park et al. | Differential game based air combat maneuver generation using scoring function matrix | |
CN106020215B (zh) | 一种基于单步预测矩阵博弈的近距空战自主决策方法 | |
CN104881043A (zh) | 一种针对多动态目标的多无人机智能协同察打方法 | |
Burgin et al. | Rule-based air combat simulation | |
White et al. | UAV obstacle avoidance using differential geometry concepts | |
CN113031642B (zh) | 动态禁飞区约束的高超声速飞行器轨迹规划方法和系统 | |
CN107014384B (zh) | 基于角度搜索的多机载雷达协同探测航路规划方法 | |
CN111027143A (zh) | 一种基于深度强化学习的舰载机进近引导方法 | |
CN113893539B (zh) | 智能体的协同对战方法及装置 | |
CN110322733A (zh) | 一种侧向跑道保护区到达起飞窗建立方法 | |
CN114638339A (zh) | 基于深度强化学习的智能体任务分配方法 | |
Hu et al. | Aerial combat maneuvering policy learning based on confrontation demonstrations and dynamic quality replay | |
CN113093787B (zh) | 一种基于速度场的无人机轨迹规划方法 | |
Karneeb et al. | Distributed discrepancy detection for a goal reasoning agent in beyond-visual-range air combat | |
CN105069197B (zh) | 一种空中平台雷达探测动态过程的仿真方法 | |
CN108050888B (zh) | 一种具有禁飞区约束的显式制导方法 | |
CN110134138A (zh) | 对抗环境下无人机智能决策的纳什均衡博弈方法及系统 | |
Han et al. | Ground threat prediction-based path planning of unmanned autonomous helicopter using hybrid enhanced artificial bee colony algorithm | |
Carr | Optimal control methods for missile evasion | |
Mendonça et al. | Stealthy path planning using navigation meshes | |
Lambach | Integrating uas flocking operations with formation drag reduction | |
ARAR et al. | A flexible rule-based framework for pilot performance analysis in air combat simulation systems | |
Chao et al. | An air combat simulation system for intelligent decision-making |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160928 |
|
RJ01 | Rejection of invention patent application after publication |