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

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

效能最大条件下的D-S证据理论炮弹结合火力分配方法

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,...,F_n)5种威胁因素的D_ij(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F_jk，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M_j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F_jk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D_ij(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F_jk，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M_j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F_jk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,...,F_n)5种威胁因素的D_ij(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F_jk，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M_j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F_jk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。