CN112287451B - 空战飞机设计参数及智能体综合迭代系统 - Google Patents
空战飞机设计参数及智能体综合迭代系统 Download PDFInfo
- Publication number
- CN112287451B CN112287451B CN202010924336.2A CN202010924336A CN112287451B CN 112287451 B CN112287451 B CN 112287451B CN 202010924336 A CN202010924336 A CN 202010924336A CN 112287451 B CN112287451 B CN 112287451B
- Authority
- CN
- China
- Prior art keywords
- module
- intelligent
- agent
- simulation
- air combat
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明公开了属于智能空战技术领域的空战飞机设计参数及智能体综合迭代系统,其特征在于:智能迭代模块通过智能空中对战环境对空战飞机的典型关键战术指标组合进行迭代;所述智能空中对战环境包含电磁仿真模块、红外仿真模块、自主决策模块、飞行控制模块、人机交互模块、动力学仿真模块、视景仿真模块,可以对空战过程进行高精度仿真;智能体筛选模块可以根据对战结果对空战智能体进行筛选;复盘推演模块可以对智能空中对战过程进行复盘和推演。其技术效果是:所述空战飞机设计参数及智能体综合迭代系统具有很高的空战过程模拟精度,能够显著降低空战飞机设计人员的工作量,可以高效快速地筛选出空战能力强的智能体。
Description
技术领域
本发明属于智能空战技术领域,具体涉及空战飞机设计参数及智能体综合迭代系统。
背景技术
在进行战斗机、攻击机、电磁干扰机、预警机等空战飞机的总体设计时,设计人员往往需要对大量设计参数不同的飞机总体方案进行迭代评估,迭代评估的工作量很大。此外,由于空战过程受电磁和红外特征、武器携带量、飞机推重比、飞机最大过载等复杂因素影响,仅凭设计人员的经验和计算,难以有效评估采用某设计参数的飞机总体方案的作战效能。利用智能迭代技术自动评估并迭代出作战效能最优的飞机总体方案,是一种有效的解决途径。在智能迭代过程中,如何建立高仿真度的空中对战环境是首先需要解决的问题。考虑到智能迭代需要进行大量的智能空中对战,计算量很大,如何加速迭代收敛过程是需要解决的核心问题。另外,在未来空战中,无人机的作用将愈发重要,随着先进智能技术的发展,采用空战智能体操控无人战斗机执行空中任务已经成为可能。但是如何准确评估空战智能体的作战能力,高效地筛选出作战能力强的空战智能体,也是一个亟待解决的技术难题。
发明内容
针对上述难题,本发明提供一种空战飞机设计参数及智能体综合迭代系统,该系统结合高仿真度的智能空中对战环境,通过智能迭代模块对空战飞机的典型关键战术指标组合进行自动迭代,采用智能体筛选模块根据对战结果对空战智能体进行自主筛选,迭代和筛选效率高,可以显著降低设计人员的工作量。
本发明所使用的技术方案是:空战飞机设计参数及智能体综合迭代系统,其特征在于:
设计人员给出空战飞机的初始设计参数的迭代范围,所述空战飞机包括战斗机、攻击机、电磁干扰机、预警机等,所述初始设计参数包括推重比、最大过载、最大速度、升限、作战半径、武器携带量、对目标的最大探测距离等作战飞机关键战术指标;在所述初始设计参数的迭代范围内,设计人员根据各关键战术指标之间的取舍关系,计算并给出所述空战飞机的X种典型关键战术指标组合,所述X种典型关键战术指标组合作为基础迭代元素储存在基础空战元素池中;在每次迭代中,智能迭代模块从所述基础空战元素池中选择一种典型关键战术指标组合用于后续的战场生成,选择时需在所述X种典型关键战术指标组合中选取当前迭代分值S最大的一种典型关键战术指标组合a,当前第i种典型关键战术指标组合的迭代分值Si的计算方式为:
其中wi为当前采用第i种典型关键战术指标组合的空战飞机进行迭代智能空中对战时胜利的次数,ni为当前采用第i种典型关键战术指标组合的空战飞机进行迭代智能空中对战的次数,N为当前进行迭代智能空中对战的总次数,C1为迭代深广度参数;采用典型关键战术指标组合a的空战飞机,将作为被选中的基础作战单元输出到战场生成模块中,所述战场生成模块随机生成不同的参战飞机数量、相对位置和角度,作为初始态势输出到智能空中对战环境中;所述智能空中对战环境将对战结果传回所述智能迭代模块中,迭代次数达到预先设定的最大迭代次数Nmax后智能迭代结束,所述智能迭代模块选取胜率P最高的典型关键战术指标组合amax作为设计参数迭代结果输出给设计人员,第i种典型关键战术指标组合的胜率Pi的计算方式为:
所述智能空中对战环境中的电磁仿真模块包含RCS特征模拟、电磁干扰模拟、雷达探测模拟三个子模块,用于模拟机载雷达和雷达导引头对目标的探测,其中所述RCS特征模拟子模块用于实时计算目标RCS,所述电磁干扰模拟子模块用于叠加地杂波、对方电磁干扰和诱饵的影响,所述雷达探测模拟子模块用于综合判定目标是否可被探测和跟踪;
所述智能空中对战环境中的红外仿真模块包含红外特征模拟、红外干扰模拟、红外探测模拟三个子模块,用于模拟机载红外探测系统和红外导引头对目标的探测,其中所述红外特征模拟子模块用于根据目标特征实时生成对目标的红外探测距离,所述红外干扰模拟子模块用于叠加地面、大气、太阳和诱饵的影响,所述红外探测模拟子模块用于综合判定目标是否可被探测和跟踪;
所述电磁仿真模块和所述红外仿真模块将目标的可被探测集和可被跟踪集输出到自主决策模块中,所述自主决策模块根据当前战场态势,由其中加载的智能体自主给出飞行控制指令;所述自主决策模块中加载的选中智能体由智能体筛选模块筛选后给出;空战智能体集由设计人员给出的Y类智能体算法组成,其中第j类智能体算法分为Zj种子类智能体,所述Zj种子类智能体同属于第j类智能体算法但对应的智能体特征参数组合各不相同;在每次筛选中,所述智能体筛选模块从所述空战智能体集中选取当前类筛选分值Qj最大的第Jmax类智能体作为预筛选类,当前第j类智能体的类筛选分值Qj的计算方法为:
其中vjk为当前第j类智能体中采用第k种智能体特征参数组合的子类智能体进行筛选智能空中对战时胜利的次数,mjk为当前第j类智能体中采用第k种智能体特征参数组合的子类智能体进行筛选智能空中对战的次数,Mj为当前第j类智能体进行筛选智能空中对战的总次数,C2为类筛选深广度参数;在每次筛选中,在所述预筛选类中选择当前子类筛选分值最大的子类智能体AImax作为所述选中智能体加载到所述自主决策模块中进行筛选智能空中对战,当前第j类智能体算法的第k种子类智能体的子类筛选分值qjk的计算方法为:
其中C3为子类筛选深广度参数;所述智能空中对战环境将对战结果传回所述智能体筛选模块中,筛选次数达到预先设定的最大筛选次数Mmax后智能体筛选结束,所述智能体筛选模块选取胜率R最高的子类智能体AIbest作为优选智能体输出给设计人员,第j类智能体中采用第k种智能体特征参数组合的子类智能体的胜率Rjk的计算方式为:
所述自主决策模块给出的所述飞行控制指令输出到飞行控制模块中,所述飞行控制指令也可由人机交互模块给出,所述人机交互模块读取人类飞行员指令并将其转换为所述飞行控制指令;所述飞行控制模块根据飞行控制律,将所述飞行控制指令解算为舵面操纵量和油门输出量并输出到动力学仿真模块中;所述动力学仿真模块包含飞机和导弹两个子模块,可以根据空气动力学规律分别对飞机和导弹的姿态轨迹进行六自由度仿真计算,计算得到的动力学特征量被输出到所述电磁仿真模块、所述红外仿真模块、所述自主决策模块和视景仿真模块中,所述动力学特征量主要包括:目标位置和姿态、本机位置和姿态、导弹位置和姿态、目标发动机工作状态;
所述视景仿真模块包含外视景、座舱屏和头显三个子模块,其中:外视景子模块用于生成天空和大地视景,作为外视景呈现设备的显示内容;座舱屏子模块用于生成座舱内多功能显示器的显示内容;头显子模块用于生成头盔显示器的显示内容;所述视景仿真模块产生的显示内容主要用于向人类飞行员呈现当前系统状态,便于人类飞行员参与智能空中对战;
所述智能空中对战环境产生的战场数据被输出到战场数据记录模块中,所述战场数据记录模块将战场数据进行分类存储;复盘推演模块根据设计人员给出的复盘操作指令处理所述战场数据记录模块中的数据,进行智能空中对战过程的复盘推演;所述复盘推演模块驱动复盘推演呈现模块图形化展示复盘推演过程,便于设计人员对迭代智能空中对战和筛选智能空中对战过程进行监控、调试。
本发明的有益效果:系统中的智能空中对战环境包含电磁和红外探测仿真、飞机和导弹动力学仿真功能,可以对空战过程进行高精度模拟;采用智能迭代模块对空战飞机的典型关键战术指标组合进行自动迭代,能够显著降低设计人员的工作量;智能体筛选模块可以根据对战结果对空战智能体进行自主筛选,筛选效率高且收敛速度快。
附图说明
图1为空战飞机设计参数及智能体综合迭代系统实施例的总体构成示意图;
附图标注:1-基础空战元素池;2-智能迭代模块;3-战场生成模块;4-智能空中对战环境;5-电磁仿真模块;6-红外仿真模块;7-自主决策模块;8-智能体筛选模块;9-空战智能体集;10-飞行控制模块;11-人机交互模块;12-动力学仿真模块;13-视景仿真模块;14-战场数据记录模块;15-复盘推演模块;16-复盘推演呈现模块。
具体实施方式
下面采用附图和实施例对本发明做进一步说明,此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。
空战飞机设计参数及智能体综合迭代系统实施例的总体构成如附图1所示,其特征在于:
设计人员给出空战飞机的初始设计参数的迭代范围,所述空战飞机包括战斗机、攻击机、电磁干扰机、预警机等,所述初始设计参数包括推重比、最大过载、最大速度、升限、作战半径、武器携带量、对目标的最大探测距离等作战飞机关键战术指标;在所述初始设计参数的迭代范围内,设计人员根据各关键战术指标之间的取舍关系,计算并给出所述空战飞机的X种典型关键战术指标组合,所述X种典型关键战术指标组合作为基础迭代元素储存在基础空战元素池1中;在每次迭代中,智能迭代模块2从所述基础空战元素池1中选择一种典型关键战术指标组合用于后续的战场生成,选择时需在所述X种典型关键战术指标组合中选取当前迭代分值S最大的一种典型关键战术指标组合a,当前第i种典型关键战术指标组合的迭代分值Si的计算方式为:
其中wi为当前采用第i种典型关键战术指标组合的空战飞机进行迭代智能空中对战时胜利的次数,ni为当前采用第i种典型关键战术指标组合的空战飞机进行迭代智能空中对战的次数,N为当前进行迭代智能空中对战的总次数,C1为迭代深广度参数,C1的值一般取采用典型关键战术指标组合a的空战飞机,将作为被选中的基础作战单元输出到战场生成模块3中,所述战场生成模块3随机生成不同的参战飞机数量、相对位置和角度,作为初始态势输出到智能空中对战环境4中;所述智能空中对战环境4将对战结果传回所述智能迭代模块2中,迭代次数达到预先设定的最大迭代次数Nmax后智能迭代结束,所述智能迭代模块2选取胜率P最高的典型关键战术指标组合amax作为设计参数迭代结果输出给设计人员,第i种典型关键战术指标组合的胜率Pi的计算方式为:
所述智能空中对战环境4中的电磁仿真模块5包含RCS特征模拟、电磁干扰模拟、雷达探测模拟三个子模块,用于模拟机载雷达和雷达导引头对目标的探测,其中所述RCS特征模拟子模块用于实时计算目标RCS,所述电磁干扰模拟子模块用于叠加地杂波、对方电磁干扰和诱饵的影响,所述雷达探测模拟子模块用于综合判定目标是否可被探测和跟踪;
所述智能空中对战环境4中的红外仿真模块6包含红外特征模拟、红外干扰模拟、红外探测模拟三个子模块,用于模拟机载红外探测系统和红外导引头对目标的探测,其中所述红外特征模拟子模块用于根据目标特征实时生成对目标的红外探测距离,所述红外干扰模拟子模块用于叠加地面、大气、太阳和诱饵的影响,所述红外探测模拟子模块用于综合判定目标是否可被探测和跟踪;
所述电磁仿真模块5和所述红外仿真模块6将目标的可被探测集和可被跟踪集输出到自主决策模块7中,所述自主决策模块7根据当前战场态势,由其中加载的智能体自主给出飞行控制指令;所述自主决策模块7中加载的选中智能体由智能体筛选模块8筛选后给出;空战智能体集9由设计人员给出的Y类智能体算法组成,其中第j类智能体算法分为Zj种子类智能体,所述Zj种子类智能体同属于第j类智能体算法但对应的智能体特征参数组合各不相同;在每次筛选中,所述智能体筛选模块8从所述空战智能体集9中选取当前类筛选分值Qj最大的第Jmax类智能体作为预筛选类,当前第j类智能体的类筛选分值Qj的计算方法为:
其中vjk为当前第j类智能体中采用第k种智能体特征参数组合的子类智能体进行筛选智能空中对战时胜利的次数,mjk为当前第j类智能体中采用第k种智能体特征参数组合的子类智能体进行筛选智能空中对战的次数,Mj为当前第j类智能体进行筛选智能空中对战的总次数,C2为类筛选深广度参数,C2的值一般取在每次筛选中,在所述预筛选类中选择当前子类筛选分值最大的子类智能体AImax作为所述选中智能体加载到所述自主决策模块7中进行筛选智能空中对战,当前第j类智能体算法的第k种子类智能体的子类筛选分值qjk的计算方法为:
其中C3为子类筛选深广度参数,C3的值一般取所述智能空中对战环境4将对战结果传回所述智能体筛选模块8中,筛选次数达到预先设定的最大筛选次数Mmax后智能体筛选结束,所述智能体筛选模块8选取胜率R最高的子类智能体AIbest作为优选智能体输出给设计人员,第j类智能体中采用第k种智能体特征参数组合的子类智能体的胜率Rjk的计算方式为:
所述自主决策模块7给出的所述飞行控制指令输出到飞行控制模块10中,所述飞行控制指令也可由人机交互模块11给出,所述人机交互模块11读取人类飞行员指令并将其转换为所述飞行控制指令;所述飞行控制模块10根据飞行控制律,将所述飞行控制指令解算为舵面操纵量和油门输出量并输出到动力学仿真模块12中;所述动力学仿真模块12包含飞机和导弹两个子模块,可以根据空气动力学规律分别对飞机和导弹的姿态轨迹进行六自由度仿真计算,计算得到的动力学特征量被输出到所述电磁仿真模块5、所述红外仿真模块6、所述自主决策模块7和视景仿真模块13中,所述动力学特征量主要包括:目标位置和姿态、本机位置和姿态、导弹位置和姿态、目标发动机工作状态;
所述视景仿真模块13包含外视景、座舱屏和头显三个子模块,其中:外视景子模块用于生成天空和大地视景,作为外视景呈现设备的显示内容;座舱屏子模块用于生成座舱内多功能显示器的显示内容;头显子模块用于生成头盔显示器的显示内容;所述视景仿真模块13产生的显示内容主要用于向人类飞行员呈现当前系统状态,便于人类飞行员参与智能空中对战;
所述智能空中对战环境4产生的战场数据被输出到战场数据记录模块14中,所述战场数据记录模块14将战场数据进行分类存储;复盘推演模块15根据设计人员给出的复盘操作指令处理所述战场数据记录模块14中的数据,进行智能空中对战过程的复盘推演;所述复盘推演模块15驱动复盘推演呈现模块16图形化展示复盘推演过程,便于设计人员对迭代智能空中对战和筛选智能空中对战过程进行监控、调试。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.空战飞机设计参数及智能体综合迭代系统,其特征在于:
设计人员给出空战飞机的初始设计参数的迭代范围,所述空战飞机包括战斗机、攻击机、电磁干扰机、预警机等,所述初始设计参数包括推重比、最大过载、最大速度、升限、作战半径、武器携带量、对目标的最大探测距离等作战飞机关键战术指标;在所述初始设计参数的迭代范围内,设计人员根据各关键战术指标之间的取舍关系,计算并给出所述空战飞机的X种典型关键战术指标组合,所述X种典型关键战术指标组合作为基础迭代元素储存在基础空战元素池(1)中;在每次迭代中,智能迭代模块(2)从所述基础空战元素池(1)中选择一种典型关键战术指标组合用于后续的战场生成,选择时需在所述X种典型关键战术指标组合中选取当前迭代分值S最大的一种典型关键战术指标组合a,当前第i种典型关键战术指标组合的迭代分值Si的计算方式为:
其中wi为当前采用第i种典型关键战术指标组合的空战飞机进行迭代智能空中对战时胜利的次数,ni为当前采用第i种典型关键战术指标组合的空战飞机进行迭代智能空中对战的次数,N为当前进行迭代智能空中对战的总次数,C1为迭代深广度参数;采用典型关键战术指标组合a的空战飞机,将作为被选中的基础作战单元输出到战场生成模块(3)中,所述战场生成模块(3)随机生成不同的参战飞机数量、相对位置和角度,作为初始态势输出到智能空中对战环境(4)中;所述智能空中对战环境(4)将对战结果传回所述智能迭代模块(2)中,迭代次数达到预先设定的最大迭代次数Nmax后智能迭代结束,所述智能迭代模块(2)选取胜率P最高的典型关键战术指标组合amax作为设计参数迭代结果输出给设计人员,第i种典型关键战术指标组合的胜率Pi的计算方式为:
所述智能空中对战环境(4)中的电磁仿真模块(5)包含RCS特征模拟、电磁干扰模拟、雷达探测模拟三个子模块,用于模拟机载雷达和雷达导引头对目标的探测,其中所述RCS特征模拟子模块用于实时计算目标RCS,所述电磁干扰模拟子模块用于叠加地杂波、对方电磁干扰和诱饵的影响,所述雷达探测模拟子模块用于综合判定目标是否可被探测和跟踪;
所述智能空中对战环境(4)中的红外仿真模块(6)包含红外特征模拟、红外干扰模拟、红外探测模拟三个子模块,用于模拟机载红外探测系统和红外导引头对目标的探测,其中所述红外特征模拟子模块用于根据目标特征实时生成对目标的红外探测距离,所述红外干扰模拟子模块用于叠加地面、大气、太阳和诱饵的影响,所述红外探测模拟子模块用于综合判定目标是否可被探测和跟踪;
所述电磁仿真模块(5)和所述红外仿真模块(6)将目标的可被探测集和可被跟踪集输出到自主决策模块(7)中,所述自主决策模块(7)根据当前战场态势,由其中加载的智能体自主给出飞行控制指令;所述自主决策模块(7)中加载的选中智能体由智能体筛选模块(8)筛选后给出;空战智能体集(9)由设计人员给出的Y类智能体算法组成,其中第j类智能体算法分为Zj种子类智能体,所述Zj种子类智能体同属于第j类智能体算法但对应的智能体特征参数组合各不相同;在每次筛选中,所述智能体筛选模块(8)从所述空战智能体集(9)中选取当前类筛选分值Qj最大的第Jmax类智能体作为预筛选类,当前第j类智能体的类筛选分值Qj的计算方法为:
其中vjk为当前第j类智能体中采用第k种智能体特征参数组合的子类智能体进行筛选智能空中对战时胜利的次数,mjk为当前第j类智能体中采用第k种智能体特征参数组合的子类智能体进行筛选智能空中对战的次数,Mj为当前第j类智能体进行筛选智能空中对战的总次数,C2为类筛选深广度参数;在每次筛选中,在所述预筛选类中选择当前子类筛选分值最大的子类智能体AImax作为所述选中智能体加载到所述自主决策模块(7)中进行筛选智能空中对战,当前第j类智能体算法的第k种子类智能体的子类筛选分值qjk的计算方法为:
其中C3为子类筛选深广度参数;所述智能空中对战环境(4)将对战结果传回所述智能体筛选模块(8)中,筛选次数达到预先设定的最大筛选次数Mmax后智能体筛选结束,所述智能体筛选模块(8)选取胜率R最高的子类智能体AIbest作为优选智能体输出给设计人员,第j类智能体中采用第k种智能体特征参数组合的子类智能体的胜率Rjk的计算方式为:
所述自主决策模块(7)给出的所述飞行控制指令输出到飞行控制模块(10)中,所述飞行控制指令也可由人机交互模块(11)给出,所述人机交互模块(11)读取人类飞行员指令并将其转换为所述飞行控制指令;所述飞行控制模块(10)根据飞行控制律,将所述飞行控制指令解算为舵面操纵量和油门输出量并输出到动力学仿真模块(12)中;所述动力学仿真模块(12)包含飞机和导弹两个子模块,可以根据空气动力学规律分别对飞机和导弹的姿态轨迹进行六自由度仿真计算,计算得到的动力学特征量被输出到所述电磁仿真模块(5)、所述红外仿真模块(6)、所述自主决策模块(7)和视景仿真模块(13)中,所述动力学特征量主要包括:目标位置和姿态、本机位置和姿态、导弹位置和姿态、目标发动机工作状态;
所述视景仿真模块(13)包含外视景、座舱屏和头显三个子模块,其中:外视景子模块用于生成天空和大地视景,作为外视景呈现设备的显示内容;座舱屏子模块用于生成座舱内多功能显示器的显示内容;头显子模块用于生成头盔显示器的显示内容;所述视景仿真模块(13)产生的显示内容主要用于向人类飞行员呈现当前系统状态,便于人类飞行员参与智能空中对战;
所述智能空中对战环境(4)产生的战场数据被输出到战场数据记录模块(14)中,所述战场数据记录模块(14)将战场数据进行分类存储;复盘推演模块(15)根据设计人员给出的复盘操作指令处理所述战场数据记录模块(14)中的数据,进行智能空中对战过程的复盘推演;所述复盘推演模块(15)驱动复盘推演呈现模块(16)图形化展示复盘推演过程,便于设计人员对迭代智能空中对战和筛选智能空中对战过程进行监控、调试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010924336.2A CN112287451B (zh) | 2020-09-04 | 2020-09-04 | 空战飞机设计参数及智能体综合迭代系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010924336.2A CN112287451B (zh) | 2020-09-04 | 2020-09-04 | 空战飞机设计参数及智能体综合迭代系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112287451A CN112287451A (zh) | 2021-01-29 |
CN112287451B true CN112287451B (zh) | 2022-09-09 |
Family
ID=74419873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010924336.2A Active CN112287451B (zh) | 2020-09-04 | 2020-09-04 | 空战飞机设计参数及智能体综合迭代系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287451B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184091B (zh) * | 2021-04-08 | 2024-10-18 | 西安龙飞电气技术有限公司 | 空空导弹导引头的红外雷达双模数字处理方法 |
CN114491795B (zh) * | 2021-12-31 | 2024-08-06 | 中国航天空气动力技术研究院 | 一种先进布局飞行器设计与作战仿真迭代修正方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545788A (zh) * | 2017-10-17 | 2018-01-05 | 北京华如科技股份有限公司 | 基于增强现实显示的作战推演电子沙盘系统 |
CN108319286A (zh) * | 2018-03-12 | 2018-07-24 | 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 |
CN110781584A (zh) * | 2019-10-11 | 2020-02-11 | 南京智能仿真技术研究院有限公司 | 一种空军无人机智能仿真作战系统 |
-
2020
- 2020-09-04 CN CN202010924336.2A patent/CN112287451B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545788A (zh) * | 2017-10-17 | 2018-01-05 | 北京华如科技股份有限公司 | 基于增强现实显示的作战推演电子沙盘系统 |
CN108319286A (zh) * | 2018-03-12 | 2018-07-24 | 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 |
CN110781584A (zh) * | 2019-10-11 | 2020-02-11 | 南京智能仿真技术研究院有限公司 | 一种空军无人机智能仿真作战系统 |
Non-Patent Citations (1)
Title |
---|
基于HLA仿真的空战动态效能评估研究;董小龙等;《电光与控制》;20090315;第16卷(第03期);17-20 * |
Also Published As
Publication number | Publication date |
---|---|
CN112287451A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240353B (zh) | 基于遗传模糊树的无人机协同空战决策方法 | |
CN112287451B (zh) | 空战飞机设计参数及智能体综合迭代系统 | |
CN113791634A (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
Fu et al. | The overview for UAV air-combat decision method | |
CN115951709A (zh) | 基于td3的多无人机空战策略生成方法 | |
MCMANUS et al. | Application of artificial intelligence (AI) programming techniques to tactical guidance for fighter aircraft | |
CN113435598A (zh) | 知识驱动下的兵棋推演智能决策方法 | |
Singh | Air Power in Modern Warfare | |
Harper | Operations Analysis Integration for Effectiveness-Based Design in the AFRL EXPEDITE Program | |
Karli et al. | Air combat learning from F-16 flight information | |
Agarwal et al. | Drone Technologies: State‐of‐the‐Art, Challenges, and Future Scope | |
Chin | Knowledge-based system of supermaneuver selection for pilot aiding | |
Li et al. | The Constructing Method of Hierarchical Decision-Making Model in Air Combat | |
Hague | Multiple-tactical aircraft combat performance evaluation system | |
Sweetman | f-22 raptor | |
Taylor | Counter-Unmanned Aerial Vehicles Study: Shipboard Laser Weapon System Engagement Strategies for Countering Drone Swarm Threats in The Maritime Environment | |
Guo et al. | Mission simulation and stealth effectiveness evaluation based on fighter engagement manager (FEM) | |
Priyaa | Machine Leering Based on Fuzzy Decision Trees for Autonomous Armed Aerial Vehicle Control in Realistic Air Combat Scenarios | |
Zhang et al. | Intelligent Close Air Combat Design based on MA-POCA Algorithm | |
Jiao et al. | Key Technology Research of Autonomous Attack Tactical Missile | |
Jordán Enamorado | The future of unmanned combat aerial vehicles: An analysis using the Three Horizons framework | |
Ansley Jr et al. | Counter-Directed Energy Weapons: Defense of Air Assets | |
Palm | An Approximate Dynamic Programming Approach for Solving an Air Combat Maneuvering Problem with Directed Energy Weapons | |
Jun | Development and application analysis of low-cost decoy target aircraft | |
Ruan et al. | Research on Maneuvering Decision of UCAV with Deep Q-network |
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 |