CN107832939A - 无人平台空中对抗推演方法及装置 - Google Patents
无人平台空中对抗推演方法及装置 Download PDFInfo
- Publication number
- CN107832939A CN107832939A CN201711058020.4A CN201711058020A CN107832939A CN 107832939 A CN107832939 A CN 107832939A CN 201711058020 A CN201711058020 A CN 201711058020A CN 107832939 A CN107832939 A CN 107832939A
- Authority
- CN
- China
- Prior art keywords
- unmanned platform
- unmanned
- platform
- fly
- unmanned plane
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明提供了一种无人平台空中对抗推演方法及装置。该方法包括:101,分别获取当前时刻第一无人平台和第二无人平台的状态向量;102,根据状态向量判断两无人平台是否满足发射要求,若否则根据预设的机动动作决策方法分别计算两无人平台的最优机动动作,转步骤103;若是则对应无人平台发射导弹,其导弹数量减少,转步骤104;103,根据机动动作编码方法对两无人平台的最优机动动作分别生成第一指令和第二指令,发送给对应的无人平台,返回步骤101;104,根据终止条件判定方法判断推演进程,若满足则无人平台空中对抗推演结束,否则转步骤101。本发明实施例通过多组模拟实验数据,对无人平台智能决策算法进行评价。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种无人平台空中对抗推演方法及装置。
背景技术
随着无人平台技术的发展,无人平台间相互对抗的场景越来越多。为此,相关技术中提供了多种无人平台的智能决策算法,然而在空中对抗场景下如何为无人平台选择或者评价智能决策算法又成为一个问题。
目前,相关技术中提供了基于指标体系或数据集等评价方式来评价智能决策算法,但是上述指标体系或数据集等评价方式难以有效在空中对抗环境下反映算法的实际效果。
发明内容
针对现有技术中的缺陷,本发明提供了一种无人平台空中对抗推演方法及装置,用于解决现有技术中无人平台智能决策算法评价的问题。
第一方面,本发明实施例提供了一种无人平台空中对抗推演方法,所述方法包括:
101,分别获取当前时刻第一无人平台和第二无人平台双方的状态向量;
102,根据所述第一无人平台和所述第二无人平台双方的状态向量判断所述第一无人平台和所述第二无人平台是否满足发射要求,若所述第一无人平台和/或所述第二无人平台不满足发射要求,则根据预设的机动动作决策方法分别计算所述第一无人平台和所述第二无人平台的最优机动动作,转步骤103;若所述第一无人平台和/或所述第二无人平台满足发射要求,则所述第一无人平台和/或所述第二无人平台发射导弹,对应无人平台的导弹数量减少,转步骤104;
103,根据机动动作编码方法对所述第一无人平台和所述第二无人平台的最优机动动作分别生成第一指令和第二指令,发送给所述第一无人平台和所述第二无人平台,返回步骤101;
104,根据终止条件判定方法判断推演进程,若满足则空战对抗推演结束,否则转步骤101。
可选地,所述动作编码方法为:
机动动作={Le,Ri,Up,Do};
其中,Le表示无人平台是否向左飞,Le=1表示向左飞,Le=0表示不向左飞;Ri表示无人平台是否向右飞,Ri=1表示向右飞,Ri=0表示不向右飞;Up表示无人平台是否向上飞,Up=1表示向上飞,Up=0表示不向上飞;Do表示无人平台是否向下飞,Do=1表示向下飞,Do=0表示不向下飞。
可选地,所述终止条件判定采用逻辑门实现;其中终止条件为:
(Pr∩Pb)∩(Mr∪Mb)=0;
Pr为状态变量,Pr∈{0,1},Pr=1表示红方无人平台未被击毁,Pr=0表示红方无人平台已被击毁,Pr的初始值为1;
Pb为状态变量,Pb∈{0,1},Pb=1表示蓝方无人平台未被击毁,Pb=0表示蓝方无人平台已被击毁,Pb的初始值为1;
Mr表示由红方无人平台剩余的空空导弹数量;
Mb表示蓝方无人平台剩余的空空导弹数量。
第二方面,本发明实施例提供了一种无人平台空中对抗推演装置,所述装置包括:
状态向量获取模块,用于分别获取当前时刻第一无人平台和第二无人平台双方的状态向量;
状态向量判断模块,用于根据所述第一无人平台和所述第二无人平台双方的状态向量判断所述第一无人平台和所述第二无人平台是否满足发射要求,若所述第一无人平台和/或所述第二无人平台不满足发射要求,则根据预设的机动动作决策方法分别计算所述第一无人平台和所述第二无人平台的最优机动动作,触发指令生成模块;若所述第一无人平台和/或所述第二无人平台满足发射要求,则所述第一无人平台和/或所述第二无人平台发射导弹,对应无人平台的导弹数量减少,终止条件判定模块;
指令生成模块,用于根据机动动作编码方法对所述第一无人平台和所述第二无人平台的最优机动动作分别生成第一指令和第二指令,发送给所述第一无人平台和所述第二无人平台,触发所述状态向量获取模块;
终止条件判定模块,用于根据终止条件判定方法判断推演进程,若满足则空战对抗推演结束,否则触发所述状态向量获取模块。
可选地,所述指令生成模块中动作编码方法为:
机动动作={Le,Ri,Up,Do};
其中,Le表示无人平台是否向左飞,Le=1表示向左飞,Le=0表示不向左飞;Ri表示无人平台是否向右飞,Ri=1表示向右飞,Ri=0表示不向右飞;Up表示无人平台是否向上飞,Up=1表示向上飞,Up=0表示不向上飞;Do表示无人平台是否向下飞,Do=1表示向下飞,Do=0表示不向下飞。
可选地,所述终止条件判定模块采用逻辑门实现;其中终止条件为:
(Pr∩Pb)∩(Mr∪Mb)=0;
Pr为状态变量,Pr∈{0,1},Pr=1表示红方无人平台未被击毁,Pr=0表示红方无人平台已被击毁,Pr的初始值为1;
Pb为状态变量,Pb∈{0,1},Pb=1表示蓝方无人平台未被击毁,Pb=0表示蓝方无人平台已被击毁,Pb的初始值为1;
Mr表示由红方无人平台剩余的空空导弹数量;
Mb表示蓝方无人平台剩余的空空导弹数量。
由上述技术方案可知,本发明实施例通过获取第一无人平台和第二无人平台的状态向量确定是否需求发射导弹,以及计算第一无人平台和第二无人平台的最优机动动作;然后根据上述最优机动动作生成第一指令和第二指令,并分别发送给第一无人平台和第二无人平台。可见,本发明实施例模拟无人平台对抗场景,并将对抗结果实时反馈给第一无人平台和第二无人平台双方。本发明实施例通过多组模拟实验数据,方便分析态势函数的正确性以及调整该态势函数中的权重。另外,本发明通过多组实验,可以记录不同情形下的对抗结果,进而支持无人平台智能决策算法的评价。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的无人平台空中对抗推演方法的方法流程示意图;
图2为本发明实施例提供的无人平台空中对抗推演方法的方法流程示意图;
图3是本发明实施例提供的终止条件逻辑关系图;
图4为本发明实施例提供的无人平台空中对抗推演装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明一实施例提供的无人平台空中对抗推演方法的方法流程示意图。本发明实施例中将红方无人平台和蓝方无人平台各一架置于推演场景中,在场景中进行模拟对抗,对抗的结果(位置、损毁等)实时的反馈给红蓝双方,如此循环往复直至达到终止条件。该推演方法及装置能够有效地支持不同类型的红蓝无人平台在同一个场景中进行交互。后续红蓝无人平台可以采用无人机为例进行说明,参见图1,该方法包括:
101,分别获取当前时刻第一无人机和第二无人机双方的状态向量;
102,根据所述第一无人机和所述第二无人机双方的状态向量判断所述第一无人机和所述第二无人机是否满足发射要求,若所述第一无人机和/或所述第二无人机不满足发射要求,则根据预设的机动动作决策方法分别计算所述第一无人机和所述第二无人机的最优机动动作,转步骤103;若所述第一无人机和/或所述第二无人机满足发射要求,则所述第一无人机和/或所述第二无人机发射导弹,对应无人机的导弹数量减少,转步骤104;
103,根据机动动作编码方法对所述第一无人机和所述第二无人机的最优机动动作分别生成第一指令和第二指令,发送给所述第一无人机和所述第二无人机,返回步骤101;
104,根据终止条件判定方法判断推演进程,若满足则空战对抗推演结束,否则转步骤101。
由上述技术方案可知,本发明实施例通过获取第一无人机和第二无人机的状态向量确定是否需求发射导弹,以及计算第一无人机和第二无人机的最优机动动作;然后根据上述最优机动动作生成第一指令和第二指令,并分别发送给第一无人机和第二无人机。可见,本发明实施例模拟无人机对抗场景,并将对抗结果实时反馈给第一无人机和第二无人机双方。本发明实施例通过多组模拟实验数据,方便分析态势函数的正确性以及调整该态势函数中的权重。另外,本发明实施例通过建立推演环境,能够为无人机智能决策算法提供一种实时可信的交互环境,通过多次模拟双方策略决策过程,支持算法的评价。
本发明实施例提供的无人机空中对抗推演方法可以应用于一对一对抗环境下的无人机中。在对抗环境中,无人机双方可以包括第一无人机(红方,后续以标号R或者r表示)和第二无人机(蓝方,后续以标号B或者b表示),下面仅以红方无人机为例,结合附图和实施例对本发明实施例提供的空战对抗推演方法各步骤作详细描述。
首先,介绍101,分别获取当前时刻第一无人机和第二无人机双方的状态向量的步骤。
在一实施例中,获取当前时刻红方无人机和蓝方无人机的状态向量。该状态向量包括:(xr,yr,Hr)、(xb,yb,Hb)、vr、vb、αr、αb、θr、θb、μr、μb、Drb、Mr、Mb、 等参数。
其中,
(xr,yr,Hr)表示红方无人机的空间位置坐标;
(xb,yb,Hb)表示蓝方无人机的空间位置坐标;
vr表示红方无人机的速度矢量;
vb表示蓝方无人机的速度矢量;
表示红方无人机的最大速度;
表示蓝方无人机的最大速度;
αr表示红方无人机速度矢量与目标线间的夹角;
αb表示蓝方无人机速度矢量与目标线间的夹角;
θr表示红方无人机攻击目标的方位角;
θb表示蓝方无人机攻击目标的方位角;
μr表示红方无人机攻击目标的俯仰角;
μb表示蓝方无人机攻击目标的俯仰角;
Drb表示红方无人机和蓝方无人机之间的相对距离;
Hrb为红方无人机与蓝方无人机的相对高度差,Hx为高度差阈值;
te(单位为秒/s)表示无人机执行某一机动动作的时间阈值;
U表示机动动作库,包含九种机动动作,直飞、左转弯、右转弯、向上爬升、向下俯冲、左侧爬升、右侧爬升、左侧俯冲、右侧俯冲;
ur表示红方的机动动作,ur∈U;
ub表示蓝方的机动动作,ub∈U;
Pr为状态变量,Pr∈{0,1},Pr=1表示红方无人机未被击毁,Pr=0表示红方无人机已被击毁,Pr的初始值为1;
Pb为状态变量,Pb∈{0,1},Pb=1表示蓝方无人机未被击毁,Pb=0表示蓝方无人机已被击毁,Pb的初始值为1;
Mr表示由红方无人机剩余的空空导弹数量;
Mb表示蓝方无人机剩余的空空导弹数量;
表示红方导弹最大允许发射距离;
表示红方导弹最小允许发射距离;
表示蓝方导弹最大允许发射距离;
表示蓝方导弹最小允许发射距离;
表示红方雷达最大截获距离;
表示红方雷达最小截获距离;
表示蓝方雷达最大截获距离;
表示蓝方雷达最小截获距离;
表示红方无人机雷达水平扫描范围;
表示红方无人机雷达垂直扫描范围;
表示蓝方无人机雷达水平扫描范围;
表示蓝方无人机雷达垂直扫描范围;
Bur表示红方机动动作指令,动作指令是四位二进制字符串;
Bub表示蓝方机动动作指令,动作指令是四位二进制字符串。
本发明实施例中上述各参数代表了无人机中常用的多种状态量,需要说明的是,状态向量包含参数的数量和数量可以根据具体场景进行选择,在此不作限定。
其次,介绍102,根据所述第一无人机和所述第二无人机双方的状态向量判断所述第一无人机和所述第二无人机是否满足发射要求,若所述第一无人机和/或所述第二无人机不满足发射要求,则根据预设的机动动作决策方法分别计算所述第一无人机和所述第二无人机的最优机动动作,转步骤103;若所述第一无人机和/或所述第二无人机满足发射要求,则所述第一无人机和/或所述第二无人机发射导弹,对应无人机的导弹数量减少,转步骤104的步骤。
在一实施例中,根据上述状态向量分别判断红方无人机和蓝方无人机是否满足导弹发射要求。其中导弹发射要求为:
第一无人机向第二无人机发射导弹应满足:
第二无人机向第一无人机发射导弹应满足:
若红方无人机和蓝方无人机均满足导弹发射要求,则红蓝双方无人机均发射导弹,此时Mr=Mr-1,Mb=Mb-1。需要说明的是,Mr=Mr-1是指当前时刻的Mr值减去1后重新赋值给参数Mr,这样方便下一时刻计算中采用新的Mr,该参数自减一操作为现有技术,在此不作赘述。若红方无人机满足导弹发射要求,则红方无人机发射导弹,此时Mr=Mr-1。若蓝方无人机满足导弹发射要求,则蓝方无人机发射导弹,此时Mb=Mb-1。发射导弹之后转到步骤105。
若红方无人机和蓝方无人机均不满足导弹发射要求,则转到步骤S。
在一实施例中,基于双方无人机的状态向量以及机动动作决策方法计算当前时刻下该红方无人机和蓝方无人机的支付矩阵Pr和Pb,如图2所示,具体包括:
201,获取所述第一无人机和所述第二无人机的预设数量的机动动作;
202,基于所述第一无人机的机动动作和所述第二无人机的机动动作,根据态势函数分别获取所述第一无人机和所述第二无人机的支付矩阵。
可理解的是,本实施例中态势函数包括:第一无人机态势函数如下:
为权重;
为第一无人机角度优势函数;
为第一无人机速度优势函数;
为第一无人机高度优势函数,αr为系数;
为第一无人机距离优势函数;
第二无人机态势函数如下:
为权重;
为第二无人机角度优势函数;
为第二无人机速度优势函数;
为第二无人机高度优势函数,αb为系数;
为第二无人机距离优势函数。
其中,红方无人机的支付矩阵Pr为:
其中表示当红方无人机选择第i种机动动作,蓝方无人机选择第j种机动动作时,红方无人机的态势值。
蓝方无人机的支付矩阵Pb为:
其中表示当红方无人机选择第i种机动动作,蓝方无人机选择第j种机动动作时,蓝方无人机的态势值。
在一实施例中,为获取最优机动动作,可以利用诸如粒子群优化算法的方法来对支付矩阵进行求解,从而得到最优解即最优机动动作ur、ub。由于粒子群优化算法为现有技术,在此不作详细说明。
第三,介绍103,根据机动动作编码方法对所述第一无人机和所述第二无人机的最优机动动作分别生成第一指令和第二指令,发送给所述第一无人机和所述第二无人机,返回步骤101的步骤。
在一实施例中,将红方无人机和蓝方无人机的最优机动动作ur、ub分别进行编码得到第一指令和第二指令。其中,对机动动作进行编码包括:
本实施例中,机动动作由四位二进制数表示,每一位分别是飞机的某一种飞行状态,分别是 表示飞机向左的状态,取1则表示飞机向左飞,取0则不往左飞;表示飞机向右的状态,取1则表示飞机向右飞,取0则不往右飞;表示飞机向上的状态,取1则表示飞机向上飞,取0则不往上飞;表示飞机向下的状态,取1则表示飞机向下飞,取0则不往下飞; 均取0则表示直飞。
具体的动作编码方法可以采用集合表示:
机动动作={Le,Ri,Up,Do};
也可以采用表格所示:
表格中表示的机动动作指令Bu=0101,对应的机动动作为向右下飞。
在一实施例中,将第一指令和第二指令分别发送给红方无人机和蓝方无人机,然后由该红方无人机和蓝方无人机飞行te秒后,再转到步骤101,即进入下一时刻的计算过程。
最后,介绍105,根据终止条件判定方法判断推演进程,若满足则空战对抗推演结束,否则转步骤101若所述第一无人机和/或所述第二无人机被击落,则判断是否满足终止条件,若满足则空战对抗推演结束,否则转步骤101的步骤。
在一实施例中,终止条件判定采用逻辑门实现,如图3所示的逻辑关系;其中终止条件为:
(Pr∩Pb)∩(Mr∪Mb)=0;
Pr为状态变量,Pr∈{0,1},Pr=1表示红方无人机未被击毁,Pr=0表示红方无人机已被击毁,Pr的初始值为1;
Pb为状态变量,Pb∈{0,1},Pb=1表示蓝方无人机未被击毁,Pb=0表示蓝方无人机已被击毁,Pb的初始值为1;
Mr表示由红方无人机剩余的空空导弹数量;
Mb表示蓝方无人机剩余的空空导弹数量。
可见,本发明实施例通过该空战对抗推演方法可以得到多组推演结果,根据该推演结果有利于分析验证态势函数的正确性以及该态势函数的权重。并且,本发明实施例中可以设定红蓝双方不同的初始位置,例如红蓝双方迎面对抗、红方双方存在明显的高度差、红方处于蓝方尾部、蓝方处于红方尾部等,分别进行多组实验,记录不同情形下的对抗结果,进而支持无人机智能决策算法的评价。
本发明实施例还提供了一种无人机空中对抗推演装置,如图4所示,所述装置包括:
状态向量获取模块401,用于分别获取当前时刻第一无人机和第二无人机双方的状态向量;
状态向量判断模块402,用于根据所述第一无人机和所述第二无人机双方的状态向量判断所述第一无人机和所述第二无人机是否满足发射要求,若所述第一无人机和/或所述第二无人机不满足发射要求,则根据预设的机动动作决策方法分别计算所述第一无人机和所述第二无人机的最优机动动作,触发指令生成模块;若所述第一无人机和/或所述第二无人机满足发射要求,则所述第一无人平台和/或所述第二无人平台发射导弹,对应无人平台的导弹数量减少,终止条件判定模块;
指令生成模块403,用于根据机动动作编码方法对所述第一无人机和所述第二无人机的最优机动动作分别生成第一指令和第二指令,发送给所述第一无人机和所述第二无人机,触发所述状态向量获取模块;
终止条件判定模块404,用于根据终止条件判定方法判断推演进程,若满足则空战对抗推演结束,否则触发所述状态向量获取模块。
可选地,所述指令生成模块中动作编码方法为:
机动动作={Le,Ri,Up,Do};
其中,Le表示无人机是否向左飞,Le=1表示向左飞,Le=0表示不向左飞;Ri表示无人机是否向右飞,Ri=1表示向右飞,Ri=0表示不向右飞;Up表示无人机是否向上飞,Up=1表示向上飞,Up=0表示不向上飞;Do表示无人机是否向下飞,Do=1表示向下飞,Do=0表示不向下飞。
可选地,所述终止条件判定模块采用逻辑门实现,其中终止条件为:
(Pr∩Pb)∩(Mr∪Mb)=0;
Pr为状态变量,Pr∈{0,1},Pr=1表示红方无人机未被击毁,Pr=0表示红方无人机已被击毁,Pr的初始值为1;
Pb为状态变量,Pb∈{0,1},Pb=1表示蓝方无人机未被击毁,Pb=0表示蓝方无人机已被击毁,Pb的初始值为1;
Mr表示由红方无人机剩余的空空导弹数量;
Mb表示蓝方无人机剩余的空空导弹数量。
需要说明的是,本发明实施例提供的无人机空中对抗推演装置与上述方法是一一对应的关系,上述方法的实施细节同样适用于上述装置,本发明实施例不再对上述系统进行详细说明。
本发明的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (6)
1.一种无人平台空中对抗推演方法,其特征在于,所述方法包括:
101,分别获取当前时刻第一无人平台和第二无人平台双方的状态向量;
102,根据所述第一无人平台和所述第二无人平台双方的状态向量判断所述第一无人平台和所述第二无人平台是否满足发射要求,若所述第一无人平台和/或所述第二无人平台不满足发射要求,则根据预设的机动动作决策方法分别计算所述第一无人平台和所述第二无人平台的最优机动动作,转步骤103;若所述第一无人平台和/或所述第二无人平台满足发射要求,则所述第一无人平台和/或所述第二无人平台发射导弹,对应无人平台的导弹数量减少,转步骤104;
103,根据机动动作编码方法对所述第一无人平台和所述第二无人平台的最优机动动作分别生成第一指令和第二指令,发送给所述第一无人平台和所述第二无人平台,返回步骤101;
104,根据终止条件判定方法判断推演进程,若满足则空战对抗推演结束,否则转步骤101。
2.根据权利要求1所述的无人平台空中对抗推演方法,其特征在于,所述动作编码方法为:
机动动作={Le,Ri,Up,Do};
其中,Le表示无人平台是否向左飞,Le=1表示向左飞,Le=0表示不向左飞;Ri表示无人平台是否向右飞,Ri=1表示向右飞,Ri=0表示不向右飞;Up表示无人平台是否向上飞,Up=1表示向上飞,Up=0表示不向上飞;Do表示无人平台是否向下飞,Do=1表示向下飞,Do=0表示不向下飞。
3.根据权利要求1所述的无人平台空中对抗推演方法,其特征在于,所述终止条件判定采用逻辑门实现;其中终止条件为:
(Pr∩Pb)∩(Mr∪Mb)=0;
Pr为状态变量,Pr∈{0,1},Pr=1表示红方无人平台未被击毁,Pr=0表示红方无人平台已被击毁,Pr的初始值为1;
Pb为状态变量,Pb∈{0,1},Pb=1表示蓝方无人平台未被击毁,Pb=0表示蓝方无人平台已被击毁,Pb的初始值为1;
Mr表示由红方无人平台剩余的空空导弹数量;
Mb表示蓝方无人平台剩余的空空导弹数量。
4.一种无人平台空中对抗推演装置,其特征在于,所述装置包括:
状态向量获取模块,用于分别获取当前时刻第一无人平台和第二无人平台双方的状态向量;
状态向量判断模块,用于根据所述第一无人平台和所述第二无人平台双方的状态向量判断所述第一无人平台和所述第二无人平台是否满足发射要求,若所述第一无人平台和/或所述第二无人平台不满足发射要求,则根据预设的机动动作决策方法分别计算所述第一无人平台和所述第二无人平台的最优机动动作,触发指令生成模块;若所述第一无人平台和/或所述第二无人平台满足发射要求,则所述第一无人平台和/或所述第二无人平台发射导弹,对应无人平台的导弹数量减少,终止条件判定模块;
指令生成模块,用于根据机动动作编码方法对所述第一无人平台和所述第二无人平台的最优机动动作分别生成第一指令和第二指令,发送给所述第一无人平台和所述第二无人平台,触发所述状态向量获取模块;
终止条件判定模块,用于根据终止条件判定方法判断推演进程,若满足则空战对抗推演结束,否则触发所述状态向量获取模块。
5.根据权利要求4所述的无人平台空中对抗推演装置,其特征在于,所述指令生成模块中动作编码方法为:
机动动作={Le,Ri,Up,Do};
其中,Le表示无人平台是否向左飞,Le=1表示向左飞,Le=0表示不向左飞;Ri表示无人平台是否向右飞,Ri=1表示向右飞,Ri=0表示不向右飞;Up表示无人平台是否向上飞,Up=1表示向上飞,Up=0表示不向上飞;Do表示无人平台是否向下飞,Do=1表示向下飞,Do=0表示不向下飞。
6.根据权利要求4所述的无人平台空中对抗推演装置,其特征在于,所述终止条件判定模块采用逻辑门实现;其中终止条件为:
(Pr∩Pb)∩(Mr∪Mb)=0;
Pr为状态变量,Pr∈{0,1},Pr=1表示红方无人平台未被击毁,Pr=0表示红方无人平台已被击毁,Pr的初始值为1;
Pb为状态变量,Pb∈{0,1},Pb=1表示蓝方无人平台未被击毁,Pb=0表示蓝方无人平台已被击毁,Pb的初始值为1;
Mr表示由红方无人平台剩余的空空导弹数量;
Mb表示蓝方无人平台剩余的空空导弹数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711058020.4A CN107832939A (zh) | 2017-10-27 | 2017-10-27 | 无人平台空中对抗推演方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711058020.4A CN107832939A (zh) | 2017-10-27 | 2017-10-27 | 无人平台空中对抗推演方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107832939A true CN107832939A (zh) | 2018-03-23 |
Family
ID=61650360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711058020.4A Pending CN107832939A (zh) | 2017-10-27 | 2017-10-27 | 无人平台空中对抗推演方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832939A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427286A (zh) * | 2018-04-12 | 2018-08-21 | 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 |
CN108549233A (zh) * | 2018-05-04 | 2018-09-18 | 南京航空航天大学 | 一种带有直觉模糊信息的无人机空战机动博弈方法 |
CN110058608A (zh) * | 2019-04-08 | 2019-07-26 | 合肥工业大学 | 多无人机协同对抗的控制方法、系统及存储介质 |
CN113126651A (zh) * | 2021-03-12 | 2021-07-16 | 合肥工业大学 | 多无人机协同对抗的智能决策装置和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110118980A1 (en) * | 2009-11-13 | 2011-05-19 | The Boeing Company | Lateral Avoidance Maneuver Solver |
CN103488171A (zh) * | 2013-09-29 | 2014-01-01 | 合肥工业大学 | 一种基于情景构建的无人机自主鲁棒决策方法 |
CN104361545A (zh) * | 2014-10-31 | 2015-02-18 | 中国舰船研究设计中心 | 一种基于作战推演的舰艇系统设计优选方法 |
CN105427032A (zh) * | 2015-11-09 | 2016-03-23 | 河海大学 | 一种无人机对抗决策评估方法 |
CN106020215A (zh) * | 2016-05-09 | 2016-10-12 | 北京航空航天大学 | 一种基于单步预测矩阵博弈的近距空战自主决策方法 |
CN106291592A (zh) * | 2016-07-14 | 2017-01-04 | 桂林长海发展有限责任公司 | 一种小型无人机的对抗系统 |
-
2017
- 2017-10-27 CN CN201711058020.4A patent/CN107832939A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110118980A1 (en) * | 2009-11-13 | 2011-05-19 | The Boeing Company | Lateral Avoidance Maneuver Solver |
CN103488171A (zh) * | 2013-09-29 | 2014-01-01 | 合肥工业大学 | 一种基于情景构建的无人机自主鲁棒决策方法 |
CN104361545A (zh) * | 2014-10-31 | 2015-02-18 | 中国舰船研究设计中心 | 一种基于作战推演的舰艇系统设计优选方法 |
CN105427032A (zh) * | 2015-11-09 | 2016-03-23 | 河海大学 | 一种无人机对抗决策评估方法 |
CN106020215A (zh) * | 2016-05-09 | 2016-10-12 | 北京航空航天大学 | 一种基于单步预测矩阵博弈的近距空战自主决策方法 |
CN106291592A (zh) * | 2016-07-14 | 2017-01-04 | 桂林长海发展有限责任公司 | 一种小型无人机的对抗系统 |
Non-Patent Citations (10)
Title |
---|
XIAO XUAN HU ET AL.: "Robust decision making for UAV air-to-ground attack under severe uncertainty", 《JOURNAL OF CENTRAL SOUTH UNIVERSITY》 * |
XIAOXUAN HU ET AL.: "Optimal search for moving targets with sensing capabilities using multiple UAVs", 《JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS》 * |
于梅祥: "基于机器博弈的无人战斗机的空战建模与仿真", 《中国优秀硕士学位论文全文数据库 工程科技II辑(月刊)》 * |
惠一楠等: "无人机攻防对抗不完全信息动态博弈方法研究", 《兵工自动化》 * |
汤德东: "地面无人作战平台指挥控制系统设计及实现", 《中国优秀硕士学位论文全文数据库 社会科学I辑》 * |
石章松等: "无人作战平台智能指挥控制系统结构", 《指挥信息系统与技术》 * |
罗德林等: "基于多agent系统的大规模无人机集群对抗", 《控制理论与应用》 * |
赵明明等: "多无人机超视距空战博弈策略研究", 《电光与控制》 * |
陈侠等: "基于不确定信息的无人机攻防博弈策略研究", 《兵工学报》 * |
陈侠等: "基于模糊动态博弈的多无人机空战策略研究", 《电光与控制》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427286A (zh) * | 2018-04-12 | 2018-08-21 | 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 |
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 |
CN108549233A (zh) * | 2018-05-04 | 2018-09-18 | 南京航空航天大学 | 一种带有直觉模糊信息的无人机空战机动博弈方法 |
CN108549233B (zh) * | 2018-05-04 | 2021-04-16 | 南京航空航天大学 | 一种带有直觉模糊信息的无人机空战机动博弈方法 |
CN110058608A (zh) * | 2019-04-08 | 2019-07-26 | 合肥工业大学 | 多无人机协同对抗的控制方法、系统及存储介质 |
CN110058608B (zh) * | 2019-04-08 | 2022-06-10 | 合肥工业大学 | 多无人机协同对抗的控制方法、系统及存储介质 |
CN113126651A (zh) * | 2021-03-12 | 2021-07-16 | 合肥工业大学 | 多无人机协同对抗的智能决策装置和系统 |
CN113126651B (zh) * | 2021-03-12 | 2022-07-19 | 合肥工业大学 | 多无人机协同对抗的智能决策装置和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112880688B (zh) | 基于混沌自适应麻雀搜索算法的无人机三维航迹规划方法 | |
US11669110B2 (en) | Control system based on multi-unmanned aerial vehicle cooperative strategic confrontation | |
CN109933086B (zh) | 基于深度q学习的无人机环境感知与自主避障方法 | |
CN113791634B (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN107832939A (zh) | 无人平台空中对抗推演方法及装置 | |
CN108594853A (zh) | 无人机队形控制方法 | |
CN107798947A (zh) | 一种作战型无人机模拟训练系统及操作方法 | |
CN110928329B (zh) | 一种基于深度q学习算法的多飞行器航迹规划方法 | |
CN110134139B (zh) | 一种对抗环境下无人机编队的战术决策方法和装置 | |
CN109597423A (zh) | 一种基于参考视线角信号的多约束末制导律的设计方法 | |
CN101286071A (zh) | 基于微粒群优化和遗传算法的多无人机三维编队重构方法 | |
CN108549233A (zh) | 一种带有直觉模糊信息的无人机空战机动博弈方法 | |
US9011152B2 (en) | System and method for simulated aircraft control through desired direction of flight | |
US10650694B2 (en) | Unmanned vehicle simulator | |
CN110187640A (zh) | 针对机动目标和允许通信时滞的多导弹协同作战制导律设计方法 | |
CN110084414B (zh) | 一种基于k次控制深度强化学习的空管防冲突方法 | |
CN109669357A (zh) | 多任务无人机的路径规划校验与多平台控制系统及方法 | |
US8770979B2 (en) | System and method for simulated aircraft control through desired direction of flight | |
CN115480582A (zh) | 基于lstm的目标的机动预测方法、电子设备和存储介质 | |
CN114167756A (zh) | 多无人机协同空战决策自主学习及半实物仿真验证方法 | |
US10909875B2 (en) | Method and system for determining a recirculation effect from an obstacle on a main rotor induced velocity of a simulated rotorcraft | |
CN114815891A (zh) | 一种基于per-idqn的多无人机围捕战术方法 | |
CN112799148A (zh) | 基于威胁角的多探测器协同探测空域配置方法及系统 | |
Fu et al. | [Retracted] UAV Mission Path Planning Based on Reinforcement Learning in Dynamic Environment | |
CN113128698B (zh) | 多无人机协同对抗决策的强化学习方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |
|
RJ01 | Rejection of invention patent application after publication |