CN108734334B - 一种基于d数和威胁性优先的弹炮结合火力分配方法 - Google Patents
一种基于d数和威胁性优先的弹炮结合火力分配方法 Download PDFInfo
- Publication number
- CN108734334B CN108734334B CN201810294359.2A CN201810294359A CN108734334B CN 108734334 B CN108734334 B CN 108734334B CN 201810294359 A CN201810294359 A CN 201810294359A CN 108734334 B CN108734334 B CN 108734334B
- Authority
- CN
- China
- Prior art keywords
- threat
- fire
- matrix
- steps
- following
- 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
Images
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"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明基于D数,提供一种在威胁度优先条件下的弹炮结合火力分配的方法,涉及弹炮结合的火力分配优化技术领域。本发明对空中目标选取威胁因素根据威胁函数生成威胁值,对威胁程度建立梯形模糊数,根据各因素威胁值生成基本概率分配函数,利用邓熵生成各因素权重后加权平均,用D数实现数据融合,生成目标威胁性矩阵,并结合命中率矩阵、火力单元矩阵和火力效能矩阵,根据威胁性对火力进行分配。本发明提出的D数和梯形模糊数相结合的方法,计算简单;本发明用梯形模糊数对战场信息建模,解决了模糊信息的表示;本发明提出的火力效能矩阵,为火力分配提供了依据;本发明提出的威胁度优先的火力分配原则,对低空突袭作战模式效果良好。
Description
技术领域
本发明涉及弹炮结合的火力分配优化技术领域,特别涉及一种基于D数和威胁性优先的弹炮结合火力分配方法。
背景技术
弹炮结合防空武器系统是一种高性能的中近程防空武器系统,它整合了高射炮和地空导弹,同时具备高炮反应速度快、火力密级度好、近距离毁伤概率大,以及防空导弹射程远、精度高、单发杀伤概率大的优点,是未来反空袭作战的重要方向。火力分配是弹炮结合的关键因素,对其充分发挥作战效能起着至关重要的作用。
针对复杂战场态势和高度不确定性环境下的弹炮系统火力分配模型,可以更加合理地协调和控制各子武器系统的行为,实现火力转换时机的优选和火力分配方案的优化,从而有效提升弹炮系统的作战效能。
信息融合技术是协同利用多源信息,以获得对事物或目标更客观、更本质认识的信息综合处理技术,是智能科学研究的关键技术之一。在诸多的融合模型和方法中,D-S证据理论算法是最为有效的算法之一。证据理论把概率论中的基本事件空间拓宽为基本事件的幂集,又称为辨识框架,在辨识框架上建立了基本概率分配函数(Basic ProbabilityAssignment,BPA)。此外,证据理论还提供了一个Dempster组合规则,该规则可以在没有先验信息的情况下实现证据的融合。特别地,当BPA只在辨识框架的单子集命题上进行分配时,BPA就转换为概率论中的概率,而组合规则的融合结果与概率论中的Bayes公式相同。D数是一种最新的不确定信息建模方法,是DS证据理论的推广,具备比D-S证据更好的不确定性表示和处理能力,使其在信息融合、决策分析、分析评估、模式识别等领域得到了广泛的应用。
而针对低空突袭的作战模式,突袭目标需要突破层层防线,应该优先对威胁性大的目标进行打击。
发明内容
为了实现弹炮结合的火力分配,本发明基于D数和威胁性优先原则,提供一种火力分配方法。使用该方法实现的火力分配方案,在低空突防等防空作战任务中,有明显效果。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤一:对空中目标威胁因素评估的方法为:
输入n个所探测空中目标,记为F1,F2,...,Fn,5种威胁因素的Dij,其中i=1,2,…,n,j=1,2,…,5,对于每一个目标,计算各个因素威胁值,所述威胁因素为速度v、航路捷径p、高度h、干扰r和目标类型t,所述威胁值用威胁评估函数计算,分别为y(r)=r和y(t)=t;
步骤二:建立威胁度评估因子的威胁程度模糊数的方法为:
输入空中目标各因素威胁值,根据梯形模糊数建立模型生成威胁程度的基本概率分配函数m(Fjk),所述威胁程度k分为低l、中低ml、中m、中高mh和高h五个等级,所述模糊数以梯形模糊数表示,对应隶属度函数分别为(0,0,0.1,0.2)、(0.1,0.2,0.3,0.4)、(0.3,0.4,0.6,0.7)、(0.6,0.7,0.8,0.9)和(0.8,0.9,1,1);所述梯形模糊数是给定论域U上的一个模糊集,是指对任何x∈U,都有一个数μ(x)∈[0,1]与之对应,μ(x)称为x对U的隶属度,μ称为x的隶属函数,
步骤三:生成威胁因素权重W1,W2,…W5,权重生成方法为:
步骤四:将生成的基本概率分配函数用特征权重W1,W2,…W5加权平均得到D(k)方法为:
步骤五:使用D数融合方法为:
将加权平均得到的D(k)与自身使用D数融合j-1次得到D(A),D数融合规则为:
D1(B)和D2(C)是两组待组合的BPA,A、B、C指的是威胁等级,AreaB指的是威胁等级B的梯形模糊数面积,AreaB∩C指威胁等级B和威胁等级C的梯形模糊数相交面积;
步骤六:生成威胁度的方法为:
将融合后结果使用公式:S=D(l)×0.1+D(ml)×0.3+D(m)×0.5+D(mh)×0.7+D(h)×0.9,得到目标威胁度;所有目标按照步骤一至步骤五生成威胁度矩阵;
步骤七:生成命中率矩阵的方法为:
计算当前位置导弹和火炮对目标的命中率,
导弹命中率公式为:
火炮命中率公式为:
其中,p为航路捷径;O为命中率;
步骤八:生成火力单元矩阵的方法为:
火力单元矩阵表示当前火力单元是否可以工作,当该火力单元不能发射,即视为不可工作;
火力单元矩阵需根据实际情况生成;
步骤九:生成打击效能矩阵的方法为:
将步骤六的威胁度矩阵、步骤七的命中率矩阵和步骤八所产生的火力单元矩阵对应相乘得到打击效能矩阵,方法公式为
E=S×O×D;E代表打击效能;
步骤十:根据威胁性进行火力分配的方法为:
对威胁性最大的目标优先进行火力分配,并分配打击效能最大的火力单元,然后将该火力单元和该目标对应火力单元置0,选取下一个威胁性最大的目标按上述方法进行火力分配,当空中目标多于火力单元时,将火力单元全部分配后,对打击效能矩阵进行更新,再进行火力分配,依次迭代。
本发明的有益效果在于本发明采用D数和梯形模糊数相结合的方法,具有计算简单的特点;本发明用梯形模糊数对战场信息建模,解决了模糊信息的表示;本发明提出的特征权重加权融合方法,取得了较好的融合效果;本发明提出的火力效能矩阵,为火力分配提供了依据;本发明提出的威胁度优先的火力分配原则,对低空突袭作战模式效果良好。
附图说明
图1本发明实现的总流程图。
图2是样本数据图。
图3是目标1各威胁因素威胁值。
图4梯形模糊数隶属度图像
图5威胁程度的概率分布
图6威胁因素权重
图7加权平均融合后的BPA。
图8命中率矩阵
图9火力效能矩阵
图10火力分配矩阵
具体实施方式
下面结合附图和实例对本发明进一步说明,此处给出火力分配的实际案例。共给出8个空中目标以及每个目标有5个威胁因素的数据,以目标F1为例,说明所提的威胁度计算具体步骤,以8个目标为例,设置2个导弹火力单元,2个火炮火力单元,说明所提出火力分配方法的实施步骤。
步骤一:对空中目标威胁因素评估的方法为:
输入8个所探测空中目标,记为F1,F2,...,F8,5种威胁因素的Dij,其中i=1,2,…,8,j=1,2,…,5,对于每一个目标,计算各个因素威胁值,所述威胁因素为速度v、航路捷径p、高度h、干扰r和目标类型t,所述威胁值用威胁评估函数计算,分别为y(r)=r和y(t)=t;
我们在本例子中选取8个空中目标,数据如图2,以F1为例子计算各个因素威胁值结果如图3。
步骤二:建立威胁度评估因子的威胁程度模糊数的方法为:
输入空中目标各因素威胁值,根据梯形模糊数建立模型生成威胁程度的基本概率分配函数m(Fjk),所述威胁程度k分为低l、中低ml、中m、中高mh和高h五个等级,所述模糊数以梯形模糊数表示,对应隶属度函数分别为(0,0,0.1,0.2)、(0.1,0.2,0.3,0.4)、(0.3,0.4,0.6,0.7)、(0.6,0.7,0.8,0.9)和(0.8,0.9,1,1);所述梯形模糊数是给定论域U上的一个模糊集,是指对任何x∈U,都有一个数μ(x)∈[0,1]与之对应,μ(x)称为x对U的隶属度,μ称为x的隶属函数,
隶属度函数图像如图4,F1各个因素对于威胁程度隶属度如图5;
步骤三:生成威胁因素权重W1,W2,…W5,权重生成方法为:
将图5数据带入上述公式,归一化得到各威胁因素权重如图6;
步骤四:将生成的基本概率分配函数用特征权重W1,W2,…W5加权平均得到D(k)方法为:
根据图5和图6数,使图5每行数据与图6对于威胁因素权重相乘,然后每列相加,即得到加权平均后的数值,称为关于威胁程度等级的概率分布值,如图7;
步骤五:使用D数融合方法为:
将加权平均得到的D(k)与自身使用D数融合j-1次得到D(A),D数融合规则为
D1(B)和D2(C)是两组待组合的BPA,A、B、C指的是威胁等级,AreaB指的是威胁等级B的梯形模糊数面积,AreaB∩C指威胁等级B和威胁等级C的梯形模糊数相交面积;
以图7数据为例,说明融合方法;
本方法采用对同一数据融合四次,根据图4,Areamh∩h为mh与h隶属度函数相交部分的面积0.025,Areah为h隶属度函数面积0.15。融合四次可得D(mh)=0.49,D(h)=0.51;
步骤六:生成威胁度的方法为:
将融合后结果使用公式:S=D(l)×0.1+D(ml)×0.3+D(m)×0.5+D(mh)×0.7+D(h)×0.9,F1的威胁度为:S=0.49×0.7+0.51×0.9=0.802;
8个空中目标的威胁度计算方法与F1相同,数值如8;
步骤七:生成命中率矩阵的方法为:计算当前位置导弹和火炮对目标的命中率;
导弹命中率公式为:
火炮命中率公式为:
将8个目标的航路捷径带入公式,得到4个火力单元对目标的命中率矩阵,如图9;
步骤八:生成火力单元矩阵的方法为:
火力单元矩阵表示当前火力单元是否可以工作,当该火力单元不能发射,即视为不可工作;
本例子假设火力单元均可工作;
步骤九:生成打击效能矩阵的方法为:
将步骤六的威胁度矩阵、步骤七的命中率矩阵和步骤八所产生的火力单元矩阵对应相乘得到打击效能矩阵,方法公式为:
E=S×O×D;E代表打击效能;
步骤十:根据威胁性进行火力分配的方法为:
对威胁性最大的目标优先进行火力分配,并分配打击效能最大的火力单元,然后将该火力单元和该目标对应火力单元置0,选取下一个威胁性最大的目标按上述方法进行火力分配。当空中目标多于火力单元时,将火力单元全部分配后,对打击效能矩阵进行更新,再进行火力分配,依次迭代;
火力分配方案如图9,前两行为第一次火力分配,后两列为第二次火力分配。
Claims (1)
1.一种基于D数和威胁性优先的弹炮结合火力分配方法,其特征在于包括下述步骤:
步骤一:对空中目标威胁因素评估的方法为:
输入n个所探测空中目标,记为F1,F2,...,Fn,5种威胁因素的Dij,其中i=1,2,…,n,j=1,2,…,5,对于每一个目标,计算各个因素威胁值,所述威胁因素为速度v、航路捷径p、高度h、干扰r和目标类型t,所述威胁值用威胁评估函数计算,分别为y(r)=r和y(t)=t;
步骤二:建立威胁度评估因子的威胁程度模糊数的方法为:
输入空中目标各因素威胁值,根据梯形模糊数建立模型生成威胁程度的基本概率分配函数m(Fjk),所述威胁程度k分为低l、中低ml、中m、中高mh和高h五个等级,所述模糊数以梯形模糊数表示,对应隶属度函数分别为(0,0,0.1,0.2)、(0.1,0.2,0.3,0.4)、(0.3,0.4,0.6,0.7)、(0.6,0.7,0.8,0.9)和(0.8,0.9,1,1);所述梯形模糊数是给定论域U上的一个模糊集,是指对任何x∈U,都有一个数μ(x)∈[0,1]与之对应,μ(x)称为x对U的隶属度,μ称为x的隶属函数,
步骤三:生成威胁因素权重W1,W2,…W5,权重生成方法为:
步骤五:使用D数融合方法为:
将加权平均得到的D(k)与自身使用D数融合j-1次得到D(A),D数融合规则为:
D1(B)和D2(C)是两组待组合的BPA,A、B、C指的是威胁等级,AreaB指的是威胁等级B的梯形模糊数面积,AreaB∩C指威胁等级B和威胁等级C的梯形模糊数相交面积;
步骤六:生成威胁度的方法为:
将融合后结果使用公式:S=D(l)×0.1+D(ml)×0.3+D(m)×0.5+D(mh)×0.7+D(h)×0.9,得到目标威胁度;所有目标按照步骤一至步骤六生成威胁度矩阵;
步骤七:生成命中率矩阵的方法为:
计算当前位置导弹和火炮对目标的命中率,
导弹命中率公式为:
火炮命中率公式为:
其中,p为航路捷径;O为命中率;
步骤八:生成火力单元矩阵的方法为:
火力单元矩阵表示当前火力单元是否可以工作,当该火力单元不能发射,即视为不可工作;
火力单元矩阵需根据实际情况生成;
步骤九:生成打击效能矩阵的方法为:
将步骤六的威胁度矩阵、步骤七的命中率矩阵和步骤八所产生的火力单元矩阵对应相乘得到打击效能矩阵,方法公式为:
E=S×O×D;E代表打击效能;
步骤十:根据威胁性进行火力分配的方法为:
对威胁性最大的目标优先进行火力分配,并分配打击效能最大的火力单元,然后将该火力单元和该目标对应火力单元置0,选取下一个威胁性最大的目标按上述方法进行火力分配,当空中目标多于火力单元时,将火力单元全部分配后,对打击效能矩阵进行更新,再进行火力分配,依次迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810294359.2A CN108734334B (zh) | 2018-04-04 | 2018-04-04 | 一种基于d数和威胁性优先的弹炮结合火力分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810294359.2A CN108734334B (zh) | 2018-04-04 | 2018-04-04 | 一种基于d数和威胁性优先的弹炮结合火力分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108734334A CN108734334A (zh) | 2018-11-02 |
CN108734334B true CN108734334B (zh) | 2020-06-16 |
Family
ID=63941195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810294359.2A Active CN108734334B (zh) | 2018-04-04 | 2018-04-04 | 一种基于d数和威胁性优先的弹炮结合火力分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734334B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365713B (zh) * | 2019-08-22 | 2021-12-14 | 中国科学技术大学 | 针对高级持续性威胁的网络防御资源最优分配方法 |
CN115545584A (zh) * | 2022-12-02 | 2022-12-30 | 中国兵器科学研究院 | 防空威胁控制方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN106779210A (zh) * | 2016-12-13 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 基于蚁群算法的火力分配方法 |
CN107578141A (zh) * | 2017-07-25 | 2018-01-12 | 南京航空航天大学 | 基于模糊层次分析和证据理论的机场跑道分配决策方法 |
-
2018
- 2018-04-04 CN CN201810294359.2A patent/CN108734334B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN106779210A (zh) * | 2016-12-13 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 基于蚁群算法的火力分配方法 |
CN107578141A (zh) * | 2017-07-25 | 2018-01-12 | 南京航空航天大学 | 基于模糊层次分析和证据理论的机场跑道分配决策方法 |
Non-Patent Citations (2)
Title |
---|
Deng entropy;Yong Deng;《Chaos, Solitons and Fractals》;20161231;第91卷;549-553 * |
基于熵的逼近于理想解的排序法空袭目标威胁度评估;张旭东等;《计算机应用》;20111130;第31卷(第11期);3140-3142 * |
Also Published As
Publication number | Publication date |
---|---|
CN108734334A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xin et al. | An efficient rule-based constructive heuristic to solve dynamic weapon-target assignment problem | |
CN107886184B (zh) | 一种多型防空武器混编火力群目标分配优化方法 | |
CN106779210B (zh) | 基于蚁群算法的火力分配方法 | |
CN109709981B (zh) | 一种无人机群竞技对抗方法 | |
CN109408877B (zh) | 一种反坦克导弹分队的智能射击决策方法 | |
CN108734334B (zh) | 一种基于d数和威胁性优先的弹炮结合火力分配方法 | |
Leboucher et al. | Novel evolutionary game based multi-objective optimisation for dynamic weapon target assignment | |
CN110991119A (zh) | 基于pso-ga混合算法的末端防御武器系统兵力部署优化方法 | |
CN108804741B (zh) | 效能最大条件下的d-s证据理论炮弹结合火力分配方法 | |
CN113553777A (zh) | 反无人机蜂群的防空部署方法、装置、设备和介质 | |
CN110986680B (zh) | 一种城市环境中低慢小目标的复合拦截方法 | |
CN113919425B (zh) | 一种空中目标自主分配方法及系统 | |
CN116384436A (zh) | 一种无人机“蜂群”对抗方法 | |
CN116090356A (zh) | 基于任务可靠性约束的异构弹群多目标任务规划方法 | |
CN114548674B (zh) | 面向多智能体对抗场景的威胁态势评估方法、装置及设备 | |
CN110782062A (zh) | 一种用于防空系统的多对多分组拦截目标分配方法及系统 | |
CN114047761A (zh) | 基于编队跨平台资源调度的弹性杀伤网构建方法及装置 | |
Ghanbari et al. | A survey on weapon target allocation models and applications | |
Geng et al. | Improved Sparrow Search Algorithm Applied to Multi-stage Weapon Target Assignment | |
Zhou et al. | An improved discrete shuffled frog leaping algorithm for cooperative multi-target assignment of bvr air combat | |
CN114880857B (zh) | 基于混合智能搜索的武器资源多阶段优化分配方法 | |
Zhang | Research on Weighted Model of Air Defense Weapon-Target Assignment Based on AHP and Entropy Method | |
Jia et al. | Heterogeneous Interception Equipment Deployment Method Based on Heuristic Optimization Algorithm | |
Guo et al. | Multiple Methods Based Resource Allocation Optimization of Jamming System for UAV Clusters | |
Wheeler | It pays to be popular: A study of civilian assistance and guerilla warfare |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |