CN108804741A - 效能最大条件下的d-s证据理论炮弹结合火力分配方法 - Google Patents
效能最大条件下的d-s证据理论炮弹结合火力分配方法 Download PDFInfo
- Publication number
- CN108804741A CN108804741A CN201810293725.2A CN201810293725A CN108804741A CN 108804741 A CN108804741 A CN 108804741A CN 201810293725 A CN201810293725 A CN 201810293725A CN 108804741 A CN108804741 A CN 108804741A
- Authority
- CN
- China
- Prior art keywords
- threat
- matrix
- fire
- target
- evidence theory
- 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.)
- Granted
Links
Classifications
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明基于D‑S证据理论,提供一种效能最大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并生成基本概率分布,利用邓熵生成各因素权重后加权平均,用D‑S证据理论实现数据融合,生成目标威胁性矩阵并结合命中率矩阵和火力单元矩阵,生成火力效能矩阵,根据效能最大火力进行分配。本发明提出的D‑S证据理论和梯形模糊数相结合的方法,计算快捷;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;本发明提出的效能最大的火力分配原则,对要地防空作战模式效果良好。
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,特别涉及一种效能最大条件下的D-S证据理论炮弹结合火力分配方法。
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。
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。从这个角度来看,D-S证据理论能够比概率论更有效地表示和处理不确定信息,这些特点使其在信息融合领域得到了广泛的应用。正是由于D-S证据理论在不确定知识表示方面具有优良的性能,所以近几年其理论和应用发展较快,该理论在多传感器信息融合、医学诊断、军事指挥、目标识别方面发挥了重要作用。
而针对要地防空的作战模式,为了确保要地安全性,在火力分配时,应该使威胁减少到最小,即火力效能最大。
发明内容
为了实现弹炮结合的火力分配,本发明基于D-S证据理论和效能最大原则,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(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(i)和目标类型(t),所述威胁值用威胁评估函数计算,分别为y(i)=i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:
输入基本概率分配,对于同一目标不同威胁因素的分配函数,使用邓熵计算威胁因素权重,所述生成权重公式为对权重归一化,所述归一化方法为:
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Mj方法为:
对于一个空中目标,对应威胁因素权重与基本概率分布Fjk相乘,加权所述方法公式为
步骤五:使用D-S证据理论融合方法为:
将加权平均得到的D(k)与自身使用D-S证据理论融合j-1次得到D(A),D-S证据理论融合规则为:
其中
D1和D2是两组待组合的BPA,A、B、C指的是威胁等级;
步骤五: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
步骤六: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;
步骤七: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;
步骤八:生成打击效能矩阵的方法为:
将步骤五、步骤六和步骤七所产生矩阵对应相乘得到打击效能矩阵,所述方法公式为
E=S×O×D;E代表打击效能;
步骤九:根据效能最大火力分配的方法为:
对效能最大原则下的火力分配,是在火力效能矩阵中,找到不同行不同列元素的所有组合,并找到和最大的元素组合,即为火力分配方案。当火力单元少于目标个数时,首先将火力单元分配按照效能最大分配后,将分配目标从效能矩阵剔除,进行下次分配,依次迭代。
本发明的有益效果在于本发明采用D-S证据理论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;本发明提出的效能最大火力分配原则,对要地防空作战模式效果良好。
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威胁程度的基本概率分布;
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(i=1,2,…,5,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(i)和目标类型(t),所述威胁值用威胁评估函数计算,分别为y(i)=i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:
输入基本概率分布,对于同一目标不同威胁因素的分配函数,使用邓熵计算威胁因素权重,所述生成权重公式为对权重归一化,所述归一化方法为:
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布用特征权重W1,W2,…W5加权平均得到Mj方法为:
对于一个空中目标,对应威胁因素权重与基本概率分布Fjk相乘,加权所述方法公式为
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-S证据理论融合方法为:
将加权平均得到的D(k)与自身使用D-S证据理论融合j-1次得到D(A),D-S证据理论融合规则为
其中
D1和D2是两组待组合的BPA,A、B、C指的是威胁等级;
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,融合四次可得D(mh)=0.49,D(h)=0.51;
步骤五: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;
步骤六: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;
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;
步骤七: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;
步骤八:生成打击效能矩阵的方法为:
将步骤五、步骤六和步骤七所产生矩阵对应相乘得到打击效能矩阵,所述方法公式为:
E=S×O×D;E代表打击效能;
步骤九:根据威胁性进行火力分配的方法为:
对效能最大原则下的火力分配,是在火力效能矩阵中,找到不同行不同列元素的所有组合,并找到和最大的元素组合,即为火力分配方案。当火力单元少于目标个数时,首先将火力单元分配按照效能最大分配后,将分配目标从效能矩阵剔除,进行下次分配,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)
1.一种效能最大条件下的D-S证据理论炮弹结合火力分配方法,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(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(i)和目标类型(t),所述威胁值用威胁评估函数计算,分别为y(i)=i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:
输入基本概率分配,对于同一目标不同威胁因素的分配函数,使用邓熵计算威胁因素权重,所述生成权重公式为对权重归一化,所述归一化方法为:
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Mj方法为:
对于一个空中目标,对应威胁因素权重与基本概率分布Fjk相乘,加权所述方法公式为
步骤五:使用D-S证据理论融合方法为:
将加权平均得到的D(k)与自身使用D-S证据理论融合j-1次得到D(A),D-S证据理论融合规则为:
其中
D1和D2是两组待组合的BPA,A、B、C指的是威胁等级;
步骤五: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
步骤六: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;
步骤七: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;
步骤八:生成打击效能矩阵的方法为:
将步骤五、步骤六和步骤七所产生矩阵对应相乘得到打击效能矩阵,所述方法公式为
E=S×O×D;E代表打击效能;
步骤九:根据效能最大火力分配的方法为:
对效能最大原则下的火力分配,是在火力效能矩阵中,找到不同行不同列元素的所有组合,并找到和最大的元素组合,即为火力分配方案。当火力单元少于目标个数时,首先将火力单元分配按照效能最大分配后,将分配目标从效能矩阵剔除,进行下次分配,依次迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810293725.2A CN108804741B (zh) | 2018-04-04 | 2018-04-04 | 效能最大条件下的d-s证据理论炮弹结合火力分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810293725.2A CN108804741B (zh) | 2018-04-04 | 2018-04-04 | 效能最大条件下的d-s证据理论炮弹结合火力分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108804741A true CN108804741A (zh) | 2018-11-13 |
CN108804741B CN108804741B (zh) | 2020-02-14 |
Family
ID=64095507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810293725.2A Active CN108804741B (zh) | 2018-04-04 | 2018-04-04 | 效能最大条件下的d-s证据理论炮弹结合火力分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108804741B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877218A (zh) * | 2018-07-04 | 2018-11-23 | 西北工业大学 | 基于d-s证据理论的交通信号灯控制方法 |
CN113283516A (zh) * | 2021-06-01 | 2021-08-20 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
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 CN201810293725.2A patent/CN108804741B/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 |
---|
YONG DENG: "Deng entropy", 《CHAOS, SOLITONS AND FRACTALS》 * |
张旭东 等: "基于熵的逼近于理想解的排序法空袭目标威胁度评估", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108877218A (zh) * | 2018-07-04 | 2018-11-23 | 西北工业大学 | 基于d-s证据理论的交通信号灯控制方法 |
CN113283516A (zh) * | 2021-06-01 | 2021-08-20 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
CN113283516B (zh) * | 2021-06-01 | 2023-02-28 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108804741B (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xin et al. | An efficient rule-based constructive heuristic to solve dynamic weapon-target assignment problem | |
Przemieniecki | Mathematical methods in defense analyses | |
Barno | Challenges in fighting a global insurgency | |
CN108255983B (zh) | 一种基于武器数据的部队战斗能力分析与交战毁伤估计方法 | |
CN108647414A (zh) | 基于仿真实验的作战计划适应性分析方法及存储介质 | |
Gazibey et al. | Interaction among the Criteria Affecting Main Battle Tank Selection: An Analysis with DEMATEL Method. | |
CN109408877B (zh) | 一种反坦克导弹分队的智能射击决策方法 | |
CN112284188A (zh) | 一种基于自适应步长离散狼群算法的无人机攻防决策方法 | |
CN108804741A (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 | |
Rozman | The synthetic training environment | |
CN108734334A (zh) | 一种基于d数和威胁性优先的弹炮结合火力分配方法 | |
CN110163502A (zh) | 一种多弹协同多阶段目标分配方法 | |
CN113553777A (zh) | 反无人机蜂群的防空部署方法、装置、设备和介质 | |
CN113532193A (zh) | 一种分队战术智能对抗训练系统及方法 | |
CN116090356B (zh) | 基于任务可靠性约束的异构弹群多目标任务规划方法 | |
CN112651107B (zh) | 一种对抗博弈目标毁伤策略评估方法 | |
CN116384436A (zh) | 一种无人机“蜂群”对抗方法 | |
Thompson | Paying for weight in blood: An analysis of weight and protection level of a combat load during tactical operations | |
Phua | An Operational Effectiveness Analysis on Manned Unmanned Teaming Using Weaponized Unmanned Vehicles in Urban Terrain | |
Najadov et al. | The Signs Of The Second Karabakh War Typical Of The 5th Generation War | |
Mingshuang et al. | A combination of combined weight and VIKOR method for multi-target threat assessment | |
Wheeler | It pays to be popular: A study of civilian assistance and guerilla warfare | |
CN118228828A (zh) | 一种网络对抗兵棋推演系统 | |
CN117829532A (zh) | 一种装甲装备超视距打击网络协同火力分配方法 | |
Fu et al. | Air defense intelligent weapon target assignment method based on deep reinforcement learning |
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 |