CN106020215B - 一种基于单步预测矩阵博弈的近距空战自主决策方法 - Google Patents
一种基于单步预测矩阵博弈的近距空战自主决策方法 Download PDFInfo
- Publication number
- CN106020215B CN106020215B CN201610301078.6A CN201610301078A CN106020215B CN 106020215 B CN106020215 B CN 106020215B CN 201610301078 A CN201610301078 A CN 201610301078A CN 106020215 B CN106020215 B CN 106020215B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- angle
- red
- flight path
- axis
- 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.)
- Active
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000033001 locomotion Effects 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010304 firing Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 241001062009 Indigofera Species 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000009189 diving Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000006467 substitution reaction Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 22
- 241000209094 Oryza Species 0.000 description 6
- 235000007164 Oryza sativa Nutrition 0.000 description 6
- 235000009566 rice Nutrition 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000006681 Combes synthesis reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种基于单步预测矩阵博弈的近距空战自主决策方法,该方法的步骤如下:步骤1:搭建六自由度非线性无人作战飞机控制律结构;步骤2:初始化矩阵博弈棋局;步骤3:根据博弈棋局进行单步预测计算;步骤4:计算支付函数矩阵;步骤5:通过极大极小算法进行策略选择;步骤6:更新六自由度飞机运动学和动力学方程;步骤7:判断是否达到空战终止条件。本发明的优点是相比于三自由度质点模型更具有实际应用价值。同时,将现有的基于机动动作库的矩阵博弈方法更改为基于指令模型的机动库,只需要单步步长的预测,有效减小了决策时间,满足了空中验证的实时性需求,能更好地适应复杂动态的战场环境变化,提高了无人作战飞机在近距格斗中的作战能力。
Description
【技术领域】
本发明是一种基于单步预测矩阵博弈的近距空战自主决策方法,属于无人机自主空战决策领域。
【背景技术】
随着无人作战飞机的性能和武器的提升,无人作战飞机充分利用信息技术革命时代的各种技术成果,进一步向更高性能和更高自主作战能力的全新信息化武器系统方向发展。
按照空战作战距离的分类,可以分为超视距空战和近距空战两个空战阶段,由于导弹的命中概率、敌机的电子干扰等问题,无人作战飞机在超视距攻击时可能会出现攻击失败的情况,此时双方就需要进入近距格斗作战阶段。作为现代空战的基本形式之一,近距格斗需要格斗双方根据自身状态和外部信息来进行机动决策,决策原则是相对于敌机获得有利的占位,使敌机进入我方飞机的攻击包络范围中。本发明旨在提高无人作战飞机的近距空战决策能力,使其可以实时地进行离散指令机动的选择,从而具备等同于有人战斗机上飞行员的决策能力。
目前,空战自主决策方法主要包括专家系统法、神经网络法、微分对策法和矩阵博弈等。其中矩阵博弈的核心思想就是对博弈树节点的估值过程与对博弈树搜索过程的结合,通过对博弈树搜索找出当前的最优策略,通过对博弈树进行极大极小的搜索可以达到这一目的。
在现有无人作战飞机空战自主决策研究中,矩阵博弈所采用的无人作战飞机模型均是较为简化的三自由度质点模型,而且其决策所需的待选机动库是根据空战战术动作而建立的,在进行博弈计算的过程中往往需要较大的计算量。然而,真实的无人作战飞机在空间中的运动还应当包括姿态角的变化,并且由于战场态势的快速改变,决策所产生的战术动作往往得不到有效执行就需要切换下一个动作。本发明即面向更为实际的六自由度非线性无人作战飞机模型,同时为满足战场态势的快速变化需求,提出了一种基于单步预测矩阵博弈的近距空战自主决策方法,以提高决策过程的实时性和有效性。
【发明内容】
1、发明目的:
本发明提出了一种基于单步预测矩阵博弈的近距空战自主决策方法,其目的是提供一种更具有实际应用价值的无人作战飞机空战自主决策方法,旨在保证决策正确性和科学性的同时,有效提高决策的实时性,以及对战场态势快速变化的适应能力,从而提高无人作战飞机的作战能力。
2、技术方案:
本发明针对采用六自由度非线性无人作战飞机模型,开发了一种基于单步预测矩阵博弈的近距空战自主决策方法,该方法的实现步骤如下:
步骤一:搭建六自由度非线性无人作战飞机控制律结构
(1)无人作战飞机配平
设置飞机的油门杆配平推力δTtrim,升降舵配平偏角δetrim,副翼配平偏角δatrim,方向舵配平偏角δrtrim,在给定的配平高度htrim,配平迎角αtrim和飞行配平速度Vtrim的条件下,使得无人作战飞机所受合力和合力矩为零,从而保持平飞状态,即确定飞机在配平状态下的参数。
(2)航迹倾斜角自动驾驶仪设计
在配平状态下,通过引入俯仰角速度q,飞机机体轴法向过载nz,滚转角φ,航迹倾斜角μ的反馈信号,设计航迹倾斜角保持的自动驾驶仪,将控制指令以升降舵偏角指令δe的形式给到飞机模型,进而实现飞机的航迹倾斜角对航迹倾斜角指令信号μcom的跟踪。
(3)自动油门系统设计
在配平状态下,为了在飞机爬升时对其动力进行补偿,通过引入飞行速度V 的反馈信号,将飞行速度指令Vcom给到飞机的油门杆推力输入δT,从而实现飞行速度对飞行速度指令Vcom的跟踪保持。
(4)滚转角自动驾驶仪设计
在配平状态下,通过引入滚转角速度p,偏航角速度r,滚转角φ,迎角α和机体轴侧向过载ny作为反馈信号,同时引入方向舵偏角指令δr,将滚转角的控制指令给到副翼偏角指令δa,设计滚转角保持的自动驾驶仪,从而实现对滚转角指令信号φcom的跟踪。
步骤二:初始化矩阵博弈棋局
(1)初始化空战双方初始飞行状态
在本发明中,设定博弈的双方分别为红方和蓝方,对空战双方的初始飞行状态进行初始化设置,飞机的位置信息和姿态信息,即
X=[xg yg hg φ θ ψ V α β p q r]
其中,X为状态量的集合,xg为飞机的北向坐标,yg为飞机的东向坐标, hg为飞机的高度坐标,φ为飞机的滚转角,θ为飞机的俯仰角,ψ为飞机的偏航角,V为飞行速度,α为飞机的迎角,β为飞机的侧滑角,p为滚转角速度,q 为俯仰角速度,r为偏航角速度。
(2)初始化离散指令机动库
本发明中,为了满足自主决策实时性的需要,采取按照飞机机动指令离散信号的形式构建博弈所需的待选机动动作库的方法。认为空战过程中飞行速度 V保持不变,同时飞行速度指令Vcom保持不变,将纵向的航迹倾斜角指令信号μcom和横侧向的滚转角指令信号φcom进行组合,从而形成可以执行平飞、爬升、俯冲、协调转弯、爬升转弯和俯冲转弯等常见战术机动的机动指令信号。
本发明中,离散指令机动库为
其中,LibRED为红方候选指令机动库集合,i表示第i个机动指令组合,表示第i组航迹倾斜角指令,表示第i组滚转角指令,LibBLUE为蓝方候选指令机动库集合,j表示第j个机动指令组合,表示第j组航迹倾斜角指令,表示第j组滚转角指令。
(3)初始化候选机动指令的博弈棋局
本发明中,博弈棋局表示在进行决策时,红蓝双方飞机的所有候选机动指令组合的集合,以矩阵的形式给出。认为红方一共有m种候选机动组合,蓝方一共有n种候选机动组合,则候选机动的矩阵为
步骤三:根据博弈棋局进行单步预测计算
(1)读入当前时刻的飞行状态
读取红蓝双方飞机当前时刻的飞行状态,以进行单步预测的计算,读取的飞行状态信息为
Y=[xg0 yg0 hg0 V0 μ0 χ0]
其中,Y为状态量的集合,xg0为飞机的初始北向坐标,yg0为飞机的初始东向坐标,h0为飞机的初始高度坐标,V0为飞机的初始气流速度,μ0为飞机的初始航迹倾斜角,χ0为飞机的初始航迹方位角。
(2)读入矩阵棋局中的候选机动指令
读取步骤二中候选机动指令的博弈棋局,分别得到该矩阵中红蓝双方不同的机动指令组合,即
{LibBLUE,LibRED}={[μBLUEcom,φBLUEcom],[μREDcom,φREDcom]} (4)
其中,LibRED为红方候选指令机动库集合,LibBLUE为蓝方候选指令机动库集合,μREDcom表示红方的航迹倾斜角指令,φREDcom表示红方的滚转角指令,μBLUEcom表示蓝方航迹倾斜角指令,φBLUEcom表示蓝方滚转角指令。
(3)进行单步预测微分方程计算
考虑到飞机使用的是航迹倾斜角和滚转角的自动驾驶仪行驶结构以及速度保持的自动油门系统。本发明中,对无人机的飞行状态建立预测模型进行预测,建立飞机的预测航迹角变化的微分方程为
建立飞机的预测位置信息的微分方程为
其中,μ为航迹倾斜角,为航迹倾斜角的微分,Tμ为航迹角响应的一阶等效模型的时间常数,μcom为航迹倾斜角指令信号,nf为飞机航迹坐标下的法向过载,φcom为滚转角指令信号,g为重力加速度,为航迹方位角的微分,χ为航迹方位角,xg为飞机的北向坐标,yg为飞机的东向坐标,hg为飞机的高度坐标,为飞机的北向坐标的微分量,为飞机的东向坐标的微分量,为飞机的高度坐标的微分量。
(4)通过数值积分进行单步预测结果的计算
将读入的初始飞行状态数据和单步预测的微分方程中的微分量进行数值积分,从而计算得出单步预测的飞行数据结果,数值积分的步长为ts,单步决策步长为ΔT(时间长度)。
步骤四:计算支付函数矩阵
(1)建立支付函数模型
在本发明中,空战决策的进行需要建立一个可以有效反应红蓝双方态势的博弈支付函数,即对空战双方的态势进行定量的数值描述。由于到双机之间的角度关系和距离关系是当前态势的影响因素。
角度因素的评分函数为
其中,Sa为角度评分函数,wR为红方无人作战飞机与两架无人作战飞机连线的夹角,wB为蓝方无人作战飞机与两架无人作战飞机连线的夹角。
R=(xb-xr)2+(yb-yr)2+(hb-hr)2 (8)
其中,R为红蓝双方飞机之间的相对距离,xr,xb分别为红方和蓝方的北向坐标,yr,yb分别为红方和蓝方的东向坐标,hr,hb分别为红方和蓝方的高度坐标,μr,μb分别为红方和蓝方的航迹倾斜角,χr,χb分别为红方和蓝方的航迹方位角。
距离因素的评分函数为
因此可以建立博弈的支付函数为
其中,S为博弈支付函数,Sr为距离因素的评分函数,为平均机炮攻击范围,K为灵敏度系数。
本发明中,所采用的支付函数计算结果值越大对红方越为有利,对蓝方越为不利。反之值越小对红方越为不利,对蓝方越为有利。
(2)计算支付函数并形成评分矩阵
对步骤三中按照博弈棋局计算得到的单步预测结果进行量化评分,将单步预测得到的结果信息代入支付函数的公式中进行计算,按照博弈支付函数的评分方式进行评分。将计算得到的评分结果按照原先的指令组合位置,以矩阵的形式储存为
其中,Score表示评分矩阵,S(m,n)表示对博弈矩阵中m行n列的指令单步预测结果的支付函数值。
步骤五:通过极大极小算法进行策略选择
极大极小算法是当代机器博弈搜索的基础,其始终是站在博弈一方的立场上对博弈系统的棋局进行估值,在进行估值时,将有利于这一方的棋局给予一个较高价值的数值,不利于这一方的给予一个较低价值的数值,博弈双方优劣势不明显的棋局给予一个中间价值的数值。
在本发明中,以红方为我方,根据步骤四中的评分矩阵计算结果,首先从每一列中选取支付函数值最小的一项,即对红方最为不利,对蓝方最为有利的指令组合情况,构成由极小值组成的行向量Scoremin为
Scoremin=[Smin(1) Smin(2) … Smin(n)]1×n (14)
其中,Scoremin为由每列最小值组成的行向量,Smin(n)表示第n列的最小值。
然后再从每列的最小值中选取其中的最大值,即这些不利情况中对红方最为有利,对蓝方最为不利的指令组合情况,即在由极小值构成的行向量中找出其中的最大值Scoremin,max为
Scoremin,max=max(Smin(1) Smin(2) … Smin(n)) (15)
记下最终选取的机动组合在矩阵中所在的位置,该位置所对应的机动动作即为最终决策产生的机动指令。
步骤六:更新六自由度飞机运动学和动力学方程
(1)计算飞机的输入量指令信号
将步骤五中决策产生的机动指令信号给到飞机的自动驾驶仪结构中,根据步骤一的控制律结构,计算出六自由度飞机模型所需的输入量
U=[δT δe δa δr]
其中,U为控制量的集合,δT为油门杆推力输入,δe为升降舵偏角指令,δa为副翼偏角指令,δr为方向舵偏角指令。
(2)更新六自由度无人机的飞行状态
空气动力和力矩的计算公式为
其中,L为升力,D为阻力,Y为侧力,为绕机体轴x轴的转动力矩,M 为绕机体轴y轴的转动力矩,N为绕机体轴z轴的转动力矩。CL为无量纲的升力系数,CD为无量纲的阻力系数,CY为无量纲的侧力系数,Cl为无量纲的滚转力矩系数,Cm为无量纲的俯仰力矩系数,Cn为无量纲的偏航力矩系数。Q为动压,Sw为机翼参考面积,ρ为空气密度,V为飞行速度,b为机翼展长,cA机翼平均几何弦长。
六自由度飞机的导航方程组为
六自由度飞机的运动方程组为
六自由度飞机的力方程组为
六自由度飞机的力矩方程组为
其中,xg为飞机的北向坐标,yg为飞机的东向坐标,hg为飞机的高度坐标,为飞机的北向坐标的微分量,为飞机的东向坐标的微分量,为飞机的高度坐标的微分量。u为机体轴系x轴方向的速度,v为机体轴系y轴方向的速度, w为机体轴z轴方向的速度;V为飞行速度,为飞行速度的微分量,α为飞机的迎角,为迎角的微分量,β为侧滑角,为侧滑角的微分量。Fx为机体x 轴方向的合外力,Fy为机体y轴方向的合外力,Fz为机体z轴方向的合外力;φ为滚转角,θ为俯仰角,ψ为偏航角,为滚转角的微分量,为俯仰角的微分量,为偏航角的微分量;p为滚转角速度,q为俯仰角速度,r为偏航角速度,为滚转角速度的微分量,为俯仰角速度的微分量,为偏航角速度的微分量。Ix为飞机绕体轴x轴的转动惯量,Iy为飞机绕体轴y轴的转动惯量,Iz为飞机绕体轴z轴的转动惯量,Ixz为转动惯量积。
步骤七:判断是否达到空战终止条件
(1)判断是否达到开火条件
本发明假设机载航炮有效射程为rm,攻击范围为以飞机的机体轴x轴为轴线,Γ为半顶角的类锥形空间区域为机载航炮的有效攻击范围如图5所示。当目标方位角(攻击目标与无人作战飞机的连线与x轴间的夹角)小于Γ,同时目标与攻击方的相对距离小于机炮射程时,满足开火条件,仿真结束。
(2)判断是否达到仿真时长
本发明可以设定空战仿真时间长度为Tmax,如果当前仿真时间t大于仿真时间长度Tmax时,则空战仿真过程结束;否则返回步骤三。整个空战仿真的流程图如附图1所示。
3、优点及效果:
本发明提出了一种基于单步预测矩阵博弈的近距空战自主决策方法。该方法主要针对六自由度非线性无人作战飞机模型进行空战决策,相比于三自由度质点模型更具有实际应用价值;同时,采用单步预测的矩阵博弈方法,将现有的基于机动动作库的矩阵博弈方法更改为基于指令模型的机动库,只需要单步步长的预测,从而有效减小了决策时间,满足了空中验证的实时性需求,可以更好地适应复杂动态的战场环境变化,进而有效提高了无人作战飞机在近距格斗中的作战能力。
【附图说明】
图1空战仿真流程图。
图2航迹倾斜角自动驾驶仪结构。
图3自动油门系统结构。
图4滚转角自动驾驶仪结构。
图5航炮攻击范围示意图。
图6航迹倾斜角响应曲线。
图7速度保持响应曲线。
图8滚转角响应曲线。
图9空战仿真飞行曲线。
图中标号及符号说明如下:
ΔT——决策周期步长
N——不满足条件(否)
Y——满足条件(是)
Tmax——最大仿真时长
μ——航迹倾斜角
φ——滚转角
μcom——航迹倾斜角指令信号
Δnz——滚转角补偿的过载指令
q——俯仰角速度
nz——法向过载
Vcom——飞行速度指令
V——飞机速度
φcom——滚转角指令信号
μ——航迹倾斜角
p——滚转角速度
r——偏航角速度
ny——侧向过载
α——迎角
cos——余弦函数
sin——正弦函数
rm——飞机的机炮射程
Γ——机炮攻击范围半顶角
deg——角度单位
t——时间
s——时间单位
x——北向坐标
y——东向坐标
h——高度坐标
m——距离单位
【具体实施方式】
下面通过一个具体的非线性六自由度无人机模型的近距空战格斗场景算例来验证本发明所提出的空战决策方法的有效性。由于F-16战斗机模型的各项数据比较公开,因此,本算例选用F-16的飞机模型作为空战飞机模型。实验计算机配置为Pentium处理器,2.50Ghz主频,1G内存,软件为MATLAB 2004版本。
步骤一:搭建六自由度非线性无人作战飞机控制律结构
(1)无人作战飞机配平
本发明中,飞机模型的采样周期为T=0.01s,单位是秒,选用的配平高度 htrim=6000m,配平速度为Vtrim=180m/s,配平迎角为αtrim=3.4034deg,经过配平之后,飞机的俯仰角为θ=3.4034deg,飞机的配平推力大小飞机的升降舵配平偏转角δetrim=-2.2057deg,副翼配平偏角δatrim=0deg,方向舵配平偏角δrtrim=0deg,其余飞机的状态量的初始值都为零。其中,m为长度单位,deg为角度单位,lbs为推力单位。
(2)航迹倾斜角自动驾驶仪设计
设计如图2所示的航迹倾斜角自动驾驶仪,其中,俯仰角速度反馈的增益 kq=0.5,航迹角增益为kμ=0.23,PI控制器为俯仰角速度陀螺传感器的传递函数为法向过载传感器传递函数为滚转角补偿器为
此时,给定单位航迹倾斜角指令信号,此时飞机航迹倾斜角响应曲线如图 6所示。
(3)自动油门系统设计
设计如图3所示的自动油门系统,其中的PI控制器为kV=4.5+1/s,油门增益为
此时,给定单位航迹倾斜角指令信号的同时,给定Vcom=200m/s的飞行速度指令,此时飞机速度响应曲线如图7所示。
(4)滚转角自动驾驶仪设计
设计如图4所示的滚转角自动驾驶仪,其中,滚转角增益为kφ=2,交联增益为kARI=-0.12,增益k1=0.5,k2=0.1,k3=0.45,超前滞后环节为高通滤波器为侧向过载滤波器迎角传感器传递函数滚转角速度陀螺传递函数为偏航角速度陀螺传递函数为
此时,给定单位滚转角的指令信号,此时飞机滚转角响应曲线如图8所示。
步骤二:初始化矩阵博弈棋局
(1)初始化空战双方初始飞行状态
在本算例中,红方飞机的初始位置信息为(xg,yg,hg)=(0,0,1500),单位为米;初始姿态信息为(φ,θ,ψ,α,β)=(0,3.4034,-90,3.4034,0),单位为度;初始速度为 V=180m/s,并保持不变;初始欧拉角信息(p,q,r)=(0,0,0),单位为度每秒。蓝方飞机的初始位置信息为(xg,yg,hg)=(3000,3000,1500),单位为米;初始姿态信息为(φ,θ,ψ,α,β)=(0,3.4034,90,3.4034,0),单位为度;初始速度为 V=165m/s;初始欧拉角信息(p,q,r)=(0,0,0),单位为度每秒。
(2)初始化离散指令机动库
为了体现不同飞机的机动特性,分别赋予红方和蓝方不同的候选指令机动库。红方的速度指令为Vcom=180m/s,蓝方的速度指令为Vcom=165m/s。
红方和蓝方的离散指令机动库分别为
其中,角度的单位为度。
(3)初始化候选机动指令的博弈棋局
将红方和蓝方的离散指令机动库中的指令进行组合,由于红方和蓝方分别有15中候选机动指令,因此形成一个m×n=15×15的指令博弈棋局。
步骤三:根据博弈棋局进行单步预测计算
按照步骤三中的流程进行计算,其中Tμ=2.5,单位为秒,重力加速度g=9.8,单位为米每二次方秒。单步决策步长为ΔT=1,单位为秒,数值积分的步长 ts=0.1,单位为秒。
步骤四:计算支付函数矩阵
按照步骤四中的流程进行计算,其中机炮平均范围单位为米。灵敏度系数K=1000。
步骤五:通过极大极小算法进行策略选择
按照步骤五的计算步骤进行计算,选择出红方和蓝方的待选机动指令。
步骤六:更新六自由度飞机运动学和动力学方程
F-16战斗机的固有参数设置如下:飞机机体轴的转动惯量分别为 Ix=12874.8kg·m2,Iy=75673.6kg·m2,Iz=85552.1kg·m2,惯量积Ixz=1331.4kg·m2, Ixy=0,Izy=0,其单位为千克乘以米的平方。
F-16战斗机的控制输入约束设置如下:δT的允许范围为1000~19000lbs,其变化速率的允许范围为-10000~10000lbs/s;δe的允许范围为-25~25deg,其变化速率的允许范围为-60~60deg/s;δa的允许范围为-21.5~21.5deg,其变化速率的允许范围为-80~80deg/s;δr的允许范围为-30~30deg,其变化速率的允许范围为-120~120deg/s。其中,lbs为推理的单位,deg/s为角速度单位,为度每秒。
步骤七:判断是否达到空战终止条件
机炮的有效射程rm=1000,为单位米,以飞机的机体轴x轴为轴线的类锥形空间区域半顶角Γ=30,单位为度。
Claims (2)
1.一种基于单步预测矩阵博弈的近距空战自主决策方法,其特征在于:该方法的实现步骤如下:
步骤1:搭建六自由度非线性无人作战飞机控制律结构
步骤1.1无人作战飞机配平
设置飞机的油门杆配平推力δTtrim,升降舵配平偏角δetrim,副翼配平偏角δatrim,方向舵配平偏角δrtrim,在给定的配平高度htrim,配平迎角αtrim和飞行配平速度Vtrim的条件下,使得无人作战飞机所受合力和合力矩为零,从而保持平飞状态,即确定飞机在配平状态下的参数;
步骤1.2航迹倾斜角自动驾驶仪设计
在配平状态下,通过引入俯仰角速度q,飞机机体轴法向过载nz,滚转角φ,航迹倾斜角μ的反馈信号,设计航迹倾斜角保持的自动驾驶仪,将控制指令以升降舵偏角指令δe的形式给到飞机模型,进而实现飞机的航迹倾斜角对航迹倾斜角指令信号μcom的跟踪;
步骤1.3自动油门系统设计
在配平状态下,为了在飞机爬升时对其动力进行补偿,通过引入飞行速度V的反馈信号,将飞行速度指令Vcom给到飞机的油门杆推力输入δT,从而实现飞行速度对飞行速度指令Vcom的跟踪保持;
步骤1.4滚转角自动驾驶仪设计
在配平状态下,通过引入滚转角速度p,偏航角速度r,滚转角φ,迎角α和机体轴侧向过载ny作为反馈信号,同时引入方向舵偏角指令δr,将滚转角的控制指令给到副翼偏角指令δa,设计滚转角保持的自动驾驶仪,从而实现对滚转角指令信号φcom的跟踪;
步骤2:初始化矩阵博弈棋局
步骤2.1初始化空战双方初始飞行状态
设定博弈的双方分别为红方和蓝方,对空战双方的初始飞行状态进行初始化设置,飞机的位置信息和姿态信息,即
X=[xg yg hg φ θ ψ V α β p q r]
其中,X为状态量的集合,xg为飞机的北向坐标,yg为飞机的东向坐标,hg为飞机的高度坐标,φ为飞机的滚转角,θ为飞机的俯仰角,ψ为飞机的偏航角,V为飞行速度,α为飞机的迎角,β为飞机的侧滑角,p为滚转角速度,q为俯仰角速度,r为偏航角速度;
步骤2.2初始化离散指令机动库
采取按照飞机机动指令离散信号的形式构建博弈所需的待选机动动作库的方法;认为空战过程中飞行速度V保持不变,同时飞行速度指令Vcom保持不变,将纵向的航迹倾斜角指令信号μcom和横侧向的滚转角指令信号φcom进行组合,从而形成执行平飞、爬升、俯冲、协调转弯、爬升转弯和俯冲转弯的战术机动的机动指令信号;
离散指令机动库为
LibRED (i)=[μRED (i) com,φRED (i) com] (1)
LibBLUE (j)=[μBLUE (j) com,φBLUE (j) com] (2)
其中,LibRED为红方候选指令机动库集合,i表示第i个机动指令组合,μRED (i) com表示第i组航迹倾斜角指令,φRED (i) com表示第i组滚转角指令,LibBLUE为蓝方候选指令机动库集合,j表示第j个机动指令组合,μBLUE (j) com表示第j组航迹倾斜角指令,φBLUE (j) com表示第j组滚转角指令;
步骤2.3初始化候选机动指令的博弈棋局
博弈棋局表示在进行决策时,红蓝双方飞机的所有候选机动指令组合的集合,以矩阵的形式给出;认为红方一共有m种候选机动组合,蓝方一共有n种候选机动组合,则候选机动的矩阵为
步骤3:根据博弈棋局进行单步预测计算
步骤3.1读入当前时刻的飞行状态
读取红蓝双方飞机当前时刻的飞行状态,以进行单步预测的计算,读取的飞行状态信息为
Y=[xg0 yg0 hg0 V0 μ0 χ0]
其中,Y为状态量的集合,xg0为飞机的初始北向坐标,yg0为飞机的初始东向坐标,h0为飞机的初始高度坐标,V0为飞机的初始气流速度,μ0为飞机的初始航迹倾斜角,χ0为飞机的初始航迹方位角;
步骤3.2读入矩阵棋局中的候选机动指令
读取步骤2中候选机动指令的博弈棋局,分别得到该矩阵中红蓝双方不同的机动指令组合,即
{LibBLUE,LibRED}={[μBLUEcom,φBLUEcom],[μREDcom,φREDcom]} (4)
其中,LibRED为红方候选指令机动库集合,LibBLUE为蓝方候选指令机动库集合,μREDcom表示红方的航迹倾斜角指令,φREDcom表示红方的滚转角指令,μBLUEcom表示蓝方航迹倾斜角指令,φBLUEcom表示蓝方滚转角指令;
步骤3.3进行单步预测微分方程计算
对无人机的飞行状态建立预测模型进行预测,建立飞机的预测航迹角变化的微分方程为
建立飞机的预测位置信息的微分方程为
其中,μ为航迹倾斜角,为航迹倾斜角的微分,Tμ为航迹角响应的一阶等效模型的时间常数,μcom为航迹倾斜角指令信号,nf为飞机航迹坐标下的法向过载,φcom为滚转角指令信号,g为重力加速度,为航迹方位角的微分,χ为航迹方位角,xg为飞机的北向坐标,yg为飞机的东向坐标,hg为飞机的高度坐标,为飞机的北向坐标的微分量,为飞机的东向坐标的微分量,为飞机的高度坐标的微分量;
步骤3.4通过数值积分进行单步预测结果的计算
将读入的初始飞行状态数据和单步预测的微分方程中的微分量进行数值积分,计算得出单步预测的飞行数据结果,数值积分的步长为ts,单步决策步长为ΔT;
步骤4:计算支付函数矩阵
步骤4.1建立支付函数模型
对空战双方的态势进行定量的数值描述;由于到双机之间的角度关系和距离关系是当前态势的影响因素;故
角度因素的评分函数为
其中,Sa为角度评分函数,wR为红方无人作战飞机与两架无人作战飞机连线的夹角,wB为蓝方无人作战飞机与两架无人作战飞机连线的夹角;
R=(xb-xr)2+(yb-yr)2+(hb-hr)2 (8)
其中,R为红蓝双方飞机之间的相对距离,xr,xb分别为红方和蓝方的北向坐标,yr,yb分别为红方和蓝方的东向坐标,hr,hb分别为红方和蓝方的高度坐标,μr,μb分别为红方和蓝方的航迹倾斜角,χr,χb分别为红方和蓝方的航迹方位角;
距离因素的评分函数为
因此建立博弈的支付函数为
其中,S为博弈支付函数,Sr为距离因素的评分函数,为平均机炮攻击范围,K为灵敏度系数;
步骤4.2计算支付函数并形成评分矩阵
对步骤3中按照博弈棋局计算得到的单步预测结果进行量化评分,将单步预测得到的结果信息代入支付函数的公式中进行计算,按照博弈支付函数的评分方式进行评分;将计算得到的评分结果按照原先的指令组合位置,以矩阵的形式储存为
其中,Score表示评分矩阵,S(m,n)表示对博弈矩阵中m行n列的指令单步预测结果的支付函数值;
步骤5:通过极大极小算法进行策略选择
根据步骤4中的评分矩阵计算结果,首先从每一列中选取支付函数值最小的一项,即对红方最为不利,对蓝方最为有利的指令组合情况,构成由极小值组成的行向量Scoremin为
Scoremin=[Smin(1) Smin(2) … Smin(n)]1×n (14)
其中,Scoremin为由每列最小值组成的行向量,Smin(n)表示第n列的最小值;
然后再从每列的最小值中选取其中的最大值,即这些不利情况中对红方最为有利,对蓝方最为不利的指令组合情况,即在由极小值构成的行向量中找出其中的最大值Scoremin,max为
Scoremin,max=max(Smin(1) Smin(2) … Smin(n)) (15)
记下最终选取的机动组合在矩阵中所在的位置,该位置所对应的机动动作即为最终决策产生的机动指令;
步骤6:更新六自由度飞机运动学和动力学方程
步骤6.1计算飞机的输入量指令信号
将步骤5中决策产生的机动指令信号给到飞机的自动驾驶仪结构中,根据步骤1的控制律结构,计算出六自由度飞机模型所需的输入量
U=[δT δe δa δr]
其中,U为控制量的集合,δT为油门杆推力输入,δe为升降舵偏角指令,δa为副翼偏角指令,δr为方向舵偏角指令;
步骤6.2更新六自由度无人机的飞行状态
空气动力和力矩的计算公式为
其中,L为升力,D为阻力,Y为侧力,为绕机体轴x轴的转动力矩,M为绕机体轴y轴的转动力矩,N为绕机体轴z轴的转动力矩;CL为无量纲的升力系数,CD为无量纲的阻力系数,CY为无量纲的侧力系数,Cl为无量纲的滚转力矩系数,Cm为无量纲的俯仰力矩系数,Cn为无量纲的偏航力矩系数;Q为动压,Sw为机翼参考面积,ρ为空气密度,V为飞行速度,b为机翼展长,cA机翼平均几何弦长;
六自由度飞机的导航方程组为
六自由度飞机的运动方程组为
六自由度飞机的力方程组为
六自由度飞机的力矩方程组为
其中,xg为飞机的北向坐标,yg为飞机的东向坐标,hg为飞机的高度坐标,为飞机的北向坐标的微分量,为飞机的东向坐标的微分量,为飞机的高度坐标的微分量;u为机体轴系x轴方向的速度,v为机体轴系y轴方向的速度,w为机体轴z轴方向的速度;V为飞行速度,为飞行速度的微分量,α为飞机的迎角,为迎角的微分量,β为侧滑角,为侧滑角的微分量;Fx为机体x轴方向的合外力,Fy为机体y轴方向的合外力,Fz为机体z轴方向的合外力;φ为滚转角,θ为俯仰角,ψ为偏航角,为滚转角的微分量,为俯仰角的微分量,为偏航角的微分量;p为滚转角速度,q为俯仰角速度,r为偏航角速度,为滚转角速度的微分量,为俯仰角速度的微分量,为偏航角速度的微分量;Ix为飞机绕体轴x轴的转动惯量,Iy为飞机绕体轴y轴的转动惯量,Iz为飞机绕体轴z轴的转动惯量,Ixz为转动惯量积;
步骤7:判断是否达到空战终止条件
7.1判断是否达到开火条件
假设机载航炮有效射程为rm,攻击范围为以飞机的机体轴x轴为轴线,Γ为半顶角的类锥形空间区域为机载航炮的有效攻击范围;当目标方位角小于Γ,同时目标与攻击方的相对距离小于机炮射程时,满足开火条件,仿真结束;
7.2判断是否达到仿真时长
设定空战仿真时间长度为Tmax,如果当前仿真时间t大于仿真时间长度Tmax时,则空战仿真过程结束;否则返回步骤3。
2.根据权利要求1所述的一种基于单步预测矩阵博弈的近距空战自主决策方法,其特征在于:在步骤4中,所采用的支付函数计算结果值越大对红方越为有利,对蓝方越为不利;反之值越小对红方越为不利,对蓝方越为有利。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610301078.6A CN106020215B (zh) | 2016-05-09 | 2016-05-09 | 一种基于单步预测矩阵博弈的近距空战自主决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610301078.6A CN106020215B (zh) | 2016-05-09 | 2016-05-09 | 一种基于单步预测矩阵博弈的近距空战自主决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106020215A CN106020215A (zh) | 2016-10-12 |
CN106020215B true CN106020215B (zh) | 2018-08-31 |
Family
ID=57098861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610301078.6A Active CN106020215B (zh) | 2016-05-09 | 2016-05-09 | 一种基于单步预测矩阵博弈的近距空战自主决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106020215B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556287B (zh) * | 2016-11-02 | 2018-04-03 | 湖北航天技术研究院总体设计所 | 一种积分比例导引非线性修正方法 |
CN107390706B (zh) * | 2017-07-26 | 2020-01-17 | 北京航空航天大学 | 一种基于预演机动规则系统的无人机近距格斗决策方法 |
CN107832939A (zh) * | 2017-10-27 | 2018-03-23 | 合肥工业大学 | 无人平台空中对抗推演方法及装置 |
CN109933053B (zh) * | 2017-12-15 | 2022-03-11 | 海鹰航空通用装备有限责任公司 | 一种基于机动动作链的无人机控制方法和无人机 |
CN108319286B (zh) * | 2018-03-12 | 2020-09-22 | 西北工业大学 | 一种基于强化学习的无人机空战机动决策方法 |
CN108427286B (zh) * | 2018-04-12 | 2021-06-01 | 合肥工业大学 | 用于强对抗环境下无人机深度决策的训练方法及训练网络 |
CN108985463B (zh) * | 2018-07-15 | 2021-10-26 | 大国创新智能科技(东莞)有限公司 | 基于知识库和深度学习的人工智能作战方法和作战系统 |
CN109460059A (zh) * | 2018-12-03 | 2019-03-12 | 中国航空工业集团公司洛阳电光设备研究所 | 一种双机协同攻击占位最优时间引导方法 |
CN110069076B (zh) * | 2019-04-23 | 2020-06-09 | 北京航空航天大学 | 一种基于猛狼围捕行为的无人机集群空战方法 |
CN109976373B (zh) * | 2019-04-26 | 2021-10-15 | 沈阳理工大学 | 飞行器中的差分量化反馈控制器及其控制方法 |
CN111013148A (zh) * | 2019-11-20 | 2020-04-17 | 清华大学 | 空中格斗游戏的博弈决策算法性能的验证方法及系统 |
CN110955144B (zh) * | 2019-11-27 | 2022-10-28 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于时间序列分析的目标发射点预测方法 |
CN110991545B (zh) * | 2019-12-10 | 2021-02-02 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向多智能体对抗的强化学习训练优化方法及装置 |
CN111024292B (zh) * | 2019-12-18 | 2021-07-09 | 淮阴工学院 | 一种连续步态下单步作用力状态测试提取方法 |
CN112612300B (zh) * | 2020-11-27 | 2023-06-09 | 合肥工业大学 | 多平台智能决策的多目标博弈方法及装置 |
CN114444255B (zh) * | 2021-12-13 | 2023-10-03 | 西北工业大学 | 一种基于格斗过程的飞机空战能力通用计算方法 |
CN116663239B (zh) * | 2023-04-24 | 2024-01-05 | 四川大学 | 一种基于黄金分割法的导弹不可逃逸区攻击距离计算方法 |
CN118394127B (zh) * | 2024-06-24 | 2024-08-16 | 中国电子信息产业集团有限公司第六研究所 | 一种无人机机动决策的确定方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1329863A1 (en) * | 2002-01-19 | 2003-07-23 | Saab Ab | Aircraft collision avoidance calculation method and system |
CN101236434A (zh) * | 2008-02-25 | 2008-08-06 | 北京航空航天大学 | 一种无人机多模态控制与切换方法 |
CN101464692A (zh) * | 2009-01-16 | 2009-06-24 | 北京航空航天大学 | 基于有限状态机的自动编队飞行控制方法 |
CN101908097A (zh) * | 2010-07-13 | 2010-12-08 | 北京航空航天大学 | 一种空战决策的粒子群优化方法 |
CN102193557A (zh) * | 2010-03-04 | 2011-09-21 | 南京航空航天大学 | 无人机的鲁棒受限飞行控制方法 |
CN103425840A (zh) * | 2013-08-14 | 2013-12-04 | 西北工业大学 | 一种基于改进多目标蛙跳算法的协同空战火力分配方法 |
CN104155999A (zh) * | 2014-07-31 | 2014-11-19 | 海南大学 | 战场环境下多无人机时敏任务动态分配算法 |
CN104484500A (zh) * | 2014-09-03 | 2015-04-01 | 北京航空航天大学 | 一种基于拟合强化学习的空战行为建模方法 |
CN105204512A (zh) * | 2015-09-14 | 2015-12-30 | 北京航空航天大学 | 一种基于简化模型机器博弈的六自由度无人作战飞机近距格斗方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7970506B2 (en) * | 2006-01-19 | 2011-06-28 | Lockheed Martin Corporation | System for maintaining communication between teams of vehicles |
-
2016
- 2016-05-09 CN CN201610301078.6A patent/CN106020215B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1329863A1 (en) * | 2002-01-19 | 2003-07-23 | Saab Ab | Aircraft collision avoidance calculation method and system |
CN101236434A (zh) * | 2008-02-25 | 2008-08-06 | 北京航空航天大学 | 一种无人机多模态控制与切换方法 |
CN101464692A (zh) * | 2009-01-16 | 2009-06-24 | 北京航空航天大学 | 基于有限状态机的自动编队飞行控制方法 |
CN102193557A (zh) * | 2010-03-04 | 2011-09-21 | 南京航空航天大学 | 无人机的鲁棒受限飞行控制方法 |
CN101908097A (zh) * | 2010-07-13 | 2010-12-08 | 北京航空航天大学 | 一种空战决策的粒子群优化方法 |
CN103425840A (zh) * | 2013-08-14 | 2013-12-04 | 西北工业大学 | 一种基于改进多目标蛙跳算法的协同空战火力分配方法 |
CN104155999A (zh) * | 2014-07-31 | 2014-11-19 | 海南大学 | 战场环境下多无人机时敏任务动态分配算法 |
CN104484500A (zh) * | 2014-09-03 | 2015-04-01 | 北京航空航天大学 | 一种基于拟合强化学习的空战行为建模方法 |
CN105204512A (zh) * | 2015-09-14 | 2015-12-30 | 北京航空航天大学 | 一种基于简化模型机器博弈的六自由度无人作战飞机近距格斗方法 |
Non-Patent Citations (1)
Title |
---|
无人机协同多目标攻击空战决策研究;罗德林 等;《系统仿真学报》;20081231;第20卷(第24期);第6778-6782页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106020215A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Park et al. | Differential game based air combat maneuver generation using scoring function matrix | |
CN105204512B (zh) | 一种基于简化模型机器博弈的六自由度无人作战飞机近距格斗方法 | |
Petrescu et al. | History of aviation-a short review | |
US8998715B2 (en) | Control of vehicles in three dimensional virtual environments | |
CN109634293A (zh) | 一种固定翼无人机翻滚机动控制方法 | |
CN110032206B (zh) | 远程制导飞行器大落角攻顶控制方法及控制系统 | |
CN114756959B (zh) | 一种飞行器近距空战机动智能决策机模型设计方法 | |
Zhang et al. | Maneuver decision-making of deep learning for UCAV thorough azimuth angles | |
CN116432310A (zh) | 一种六自由度非完全可观空战机动智能决策模型设计方法 | |
CN113282061A (zh) | 一种基于课程学习的无人机空中博弈对抗的解决方法 | |
CN115903865A (zh) | 一种飞行器近距空战机动决策实现方法 | |
CN114063644A (zh) | 基于鸽群反向对抗学习的无人作战飞机空战自主决策方法 | |
Yoo et al. | Deep reinforcement learning-based intelligent agent for autonomous air combat | |
CN113138604B (zh) | 一种反低小慢目标的无人机拦截方法 | |
CN115268496A (zh) | 一种无人机空中对抗机动控制器及其设计方法 | |
CN117688727B (zh) | 考虑飞机过失速机动的近距空战机动规划方法 | |
Lacey | Air Combat Advantages From Reaction Control Systems | |
Goncharenko et al. | A method to maneuver aeroballistic missiles under counteractions | |
CN112198891B (zh) | 多旋翼机自主回收方法 | |
Canter et al. | X-31 post-stall envelope expansion and tactical utility testing | |
Grant | Eyes Wide Open | |
Yin et al. | Simulation Realization of Aircraft Target and Multi-task Conversion Model in Ground Attack Mission | |
Chen et al. | Robust guidance law design for UAVs | |
CN118092463A (zh) | 一种基于深度学习的自博弈机动决策训练方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |