CN113625746B - 一种基于蜂群飞行器的空间集群作战方法及系统 - Google Patents

一种基于蜂群飞行器的空间集群作战方法及系统 Download PDF

Info

Publication number
CN113625746B
CN113625746B CN202110837451.0A CN202110837451A CN113625746B CN 113625746 B CN113625746 B CN 113625746B CN 202110837451 A CN202110837451 A CN 202110837451A CN 113625746 B CN113625746 B CN 113625746B
Authority
CN
China
Prior art keywords
carrier
star
cluster
combat
target
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
Application number
CN202110837451.0A
Other languages
English (en)
Other versions
CN113625746A (zh
Inventor
徐�明
白雪
郑亚茹
胡海霞
严晗
杨志
于灵惠
马林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110837451.0A priority Critical patent/CN113625746B/zh
Publication of CN113625746A publication Critical patent/CN113625746A/zh
Application granted granted Critical
Publication of CN113625746B publication Critical patent/CN113625746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种基于蜂群飞行器的空间集群作战方法及系统,该方法包括:构建空间集群运动模型,空间集群运动模型包括母舰运动模型以及空间集群相对运动模型;根据空间集群运动模型确定空间集群的当前状态和目标状态,根据当前状态和目标状态构建空间集群所对应的整体态势评估函数;根据整体态势评估函数对当前环境信息和态势信息进行评估得到当前集群作战环境的态势评估结果;获取当前目标星参数和母舰状态,根据目标星参数、母舰状态以及态势评估结果确定空间集群所对应的作战行为集和决策方法集,以及根据作战行为集和决策方法集控制空间集群对目标星进行打击。本申请解决了现有技术中集群作战方式无法满足空间集群作战的需求的技术问题。

Description

一种基于蜂群飞行器的空间集群作战方法及系统
技术领域
本申请涉及空间飞行器控制技术领域,尤其涉及一种基于蜂群飞行器的空间集群作战方法及系统。
背景技术
群体行为是自然界中常见的现象,典型的例子如编队迁徙的鸟群、结队巡游的鱼群、协同工作的蚁群、聚集而生的细菌群落等等。这些现象的共同特征是一定数量的自主个体通过相互合作和自组织,在集体层面上呈现出有序的协同运动和行为。对于复杂的空天任务,传统的航天器星座、编队等构型已无法满足对于自主任务、分布协同和系统进化的需求,因此模仿自然界中的群体行为演化出一种新的作战模式集群作战,集群作战可利用蜂群飞行器的集群行为增强空间集群感知、智能决策、协同攻防等能力,从而使集群作战模式发挥更大效能。
空间蜂群作战通过从底向上、总分总的系统,发挥分布式特点,实现对空间的特定目标的打击。集群主要由两部分组成,分别是作为空中基地的“母舰”和其上携带的大规模数量的微纳空间集群。“母舰”可以为其他作战单元提供补给、保障、支援与承载等功能,并进行各类情报、侦察与监视。母舰部署在近地轨道上,具备较强的变轨能力,装有足够的物资,足够数量的小卫星并可自主工作较长时间。还配备有进攻和防御系统,以确保自身以及护航和辅助卫星的自卫能力。微纳空间集群由“母舰”在目标附近释放,进行打击任务。微纳空间集群目标星的模式又多种,例如,打击模式包括:激光打击、动能打击和寄生打击。激光打击利用打击星上激光束的能量,在瞬间杀伤目标或使其丧失作战效能;动能打击以打击星自身作为武器,以其整体或爆炸的碎片直接碰撞毁伤目标;寄生打击通过打击星靠近目标附近之后利用自身携带的仿生吸附武器来捕获目标星。
进一步,不同于传统编队飞行,蜂群集群飞行不再具有成员间明显的隶属关系,而是关注整体分布。因此,空间蜂群作战可以实现多点分时的多重覆盖;针对敌方毁伤,可最大限度地实现饱和攻击、干扰和对抗。空间蜂群作战具有以下特点:1)体积小、质量轻;2)数量多、规模大;3)种类多、样式全;4)是成本低,生产快。随着卫星功能密度的不断提高,以集群为特征的微纳卫星建造成本不断减低,而且集群的网络化组织方式将极大地扩展传统卫星的探测区间或攻击范围。
目前,传统的集群作战多以航空领域无人机作战为主,通常以个体为单位,通过控制集群中的单个卫星完成集群任务,实际上仅达到个体数量的累积,并没有将集群视为一个整体,实现通信、感知、控制一体化设计。此外,空间集群作战不同于无人机,需要遵守轨道运动学规律,施加其上的控制力有限,需要通过集群自主协同控制,实现整体轨道迁移。因此,现有的集群作战方式无法满足空间集群作战的需求。
发明内容
本申请解决的技术问题是:针对现有技术中集群作战的控制方式无法满足空间集群作战的需求,本申请提供了一种基于蜂群飞行器的空间集群作战方法及系统,本申请实施例所提供的方案中,一方面通过模仿自然界蜂群现象,利用空间蜂群飞行器的集群行为增强空间战场感知、智能决策、协同攻防等能力,具有良好的自适应性和强大的自同步性,达到整体效能的最优;另一方面针对空间战场的特点,基于感知的环境信息进行态势评估,根据量化的态势评估函数值,给出蜂群作战的关键过程,对于敌方航天器类型选取不同蜂群类型及数量等策略,能够支持复杂空间战场环境,降低风险;又一方面将打击过程分为母舰转移与集群打击两部分,有效提高集群作战整体攻击效率,进而使得集群作战方式满足空间集群作战的需求。
第一方面,本申请实施例提供一种基于蜂群飞行器的空间集群作战方法,该方法包括:
构建空间集群运动模型,所述空间集群运动模型包括母舰运动模型以及空间集群相对运动模型;
根据所述空间集群运动模型确定空间集群的当前状态和目标状态,根据所述当前状态和目标状态构建空间集群所对应的整体态势评估函数;
采集空间集群的当前环境信息和态势信息,根据所述整体态势评估函数对所述当前环境信息和态势信息进行评估得到当前集群作战环境的态势评估结果;
获取当前目标星参数和母舰状态,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,以及根据所述作战行为集和决策方法集控制空间集群对目标星进行打击。
可选地,构建空间集群运动模型,包括:
通过如下公式构建母舰运动模型:
其中,r表示母舰相对地球惯性坐标系的状态量;表示r的二阶导数;μ表示地球引力常数;
通过如下公式构建空间集群相对运动模型:
其中,Xij表示空间集群中第i个打击星在第j轮打击中相对指挥星的运动状态量,i表示空间集群中打击星的标号,i=1,2,3,...,N,j表示打击轮数;表示Xij的变化率;Φij表示Xij的系数矩阵;uij表示小推力发动机提供的对空间集群中第i个打击星在第j轮打击中施加的控制加速度。
可选地,根据所述当前状态和目标状态构建空间集群所对应的整体态势评估函数,包括:
根据所述当前状态和目标状态构建角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数;
根据预设的Sigmoid函数、所述角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数构建所述整体态势评估函数。
可选地,根据预设的Sigmoid函数、所述角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数构建所述整体态势评估函数,包括:
通过下式构建所述整体态势评估函数:
其中,T表示所述整体态势评估函数;κA表示角度优势函数;kV表示速度优势函数;κH表示轨道高度优势函数;κD表示距离优势函数;κE表示效能优势函数;均表示预设的Sigmoid函数,ωk和βk均为预设的权重参数,k=1,2,3,4,5。
可选地,根据所述整体态势评估函数对所述当前环境信息和态势信息进行评估得到当前集群作战环境的态势评估结果,包括:
根据所述整体态势评估函数确定所述当前环境信息和态势信息所对应的态势评估值;
判断所述态势评估值是否不小于预设阈值;
若不小于,则确定态势评估结果为当前空间集群的作战环境处于优势;否则,态势评估结果为当前空间集群的作战环境处于劣势。
可选地,若所述作战行为集和所述决策方法集为第一轮打击所对应的作战行为集和决策方法集,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,包括:
根据所述目标星参数、所述母舰状态以及所述态势评估结果确定第一轮打击所对应的打击模式以及打击星组中打击星数量,根据所述打击模式和所述打击星数量得到所述作战行为集;
根据所述作战行为集和所述态势评估结果确定第一轮打击所对应的打击指令,根据所述打击指令得到所述决策方法集,其中,所述打击指令用于指示打击星组对目标星进行打击。
可选地,若所述作战行为集和所述决策方法集为第一轮打击之后任一轮打击所对应的作战行为集和决策方法集,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,包括:
确定上一轮打击后目标星的状态,根据所述目标星的状态进行损伤评估确定出目标星的损伤程度;
根据所述目标星的损伤程度、所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群下一轮打击所对应的作战行为集和决策方法集,直到对目标星的打击达到预设要求为止。
可选地,根据所述作战行为集和决策方法集控制空间集群对目标星进行打击,包括:
根据所述作战行为集控制母舰改变轨道面以及通过Lambert转移来缩短母舰与目标星的距离;
当目标星进入母舰打击范围内时,控制母舰释放空间集群,控制指挥星根据空间集群的状态和目标星的状态对空间集群进行构型和路径规划;
根据规划后的构型和路径对目标星进行打击,直到对目标星的打击达到预设要求为止。
可选地,根据所述作战行为集控制母舰改变轨道面以及通过Lambert转移来缩短母舰与目标星的距离,包括:
获取母舰和目标星的轨道信息,判断母舰和目标星是否在同一平面内;
若不在,则计算改变轨道面所需的第一脉冲和第一时长,根据所述第一脉冲和所述第一时长控制所述母舰运动,确定在第一时长范围内母舰和目标星的轨道变化参数;
若母舰和目标星在同一平面内,根据轨道变化参数判断母舰和目标星之间的距离是否小于预设值;
若不小于,则计算Lambert转移所需的第二脉冲和第二时长,根据所述第二脉冲和所述第二时长控制所述母舰运动,直到母舰和目标星之间的距离小于预设值为止;
计算所述母舰所需的第三脉冲,根据所述第三脉冲控制所述母舰减速到预设速度。
第二方面,本申请实施例提供了一种基于蜂群飞行器的空间集群作战系统,
该系统为两层结构的多个体agent系统,其特征在于,包括:多个体agent,多个体agent包括母舰和空间集群,其中,母舰为多agent系统的上层,用于根据构建的空间集群运动模型确定空间集群的当前环境信息和态势信息,根据整体态势评估函数对所述当前环境信息和态势信息进行评估得到态势评估结果,根据所述态势评估结果确定作战行为集和决策方法集;
空间集群为多agent系统的下层,空间集群包括相互交互的多个打击星和指挥星,指挥星用于根据空间集群的状态和目标星的状态对空间集群进行构型和路径规划,根据规划后的构型和路径对目标星进行打击;打击星用于根据作战行为集、决策方法集、规划后的构型和路径对目标星进行打击。
本申请实施例所提供的方案中,一方面通过模仿自然界蜂群现象,利用空间蜂群飞行器的集群行为增强空间战场感知、智能决策、协同攻防等能力,具有良好的自适应性和强大的自同步性,达到整体效能的最优;另一方面针对空间战场的特点,基于感知的环境信息进行态势评估,根据量化的态势评估函数值,给出蜂群作战的关键过程,对于敌方航天器类型选取不同蜂群类型及数量等策略,能够支持复杂空间战场环境,降低风险;又一方面将打击过程分为母舰转移与集群打击两部分,有效提高集群作战整体攻击效率,进而使得集群作战方式满足空间集群作战的需求。
附图说明
图1为本申请实施例所提供的一种基于蜂群飞行器的空间集群作战系统的结构示意图;
图2为本申请实施例所提供的一种空间集群的结构示意图;
图3为本申请实施例所提供的一种基于蜂群飞行器的空间集群作战方法的流程示意图;
图4为本申请实施例所提供的一种空间集群作战的流程示意图;
图5为本申请实施例所提供的一种母舰转移的流程示意图;
图6为本申请实施例所提供的一种基于蜂群飞行器的空间集群作战方法的流程示意图;
图7为本申请实施例所提供的一种母舰相对于目标星轨道转移段的示意图;
图8A为本申请实施例所提供的一种对目标星进行第1次打击绝对轨道(激光打击)示意图;
图8B为本申请实施例所提供的一种对目标星进行第1次打击相对于目标星轨道(激光打击)示意图;
图9A为本申请实施例所提供的一种对目标星进行第2次打击绝对轨道(激光打击)示意图;
图9B为本申请实施例所提供的一种对目标星进行第2次打击相对于目标星轨道(激光打击)示意图;
图10A为本申请实施例所提供的一种对目标星进行第3次打击绝对轨道(寄生打击)示意图;
图10B为本申请实施例所提供的一种对目标星进行第3次打击相对于目标星轨道(寄生打击)示意图;
图11A为本申请实施例所提供的一种对目标星进行第4次打击绝对轨道(寄生打击)示意图;
图11B为本申请实施例所提供的一种对目标星进行第4次打击相对于目标星轨道(寄生打击)示意图。
具体实施方式
本申请实施例提供的方案中,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
参见图1,本申请实施例提供的一种基于蜂群飞行器的空间集群作战系统。在图1中,该系统为两层结构的多个体agent系统,该多个体agent系统是由母舰和空间集群构成的一个垂个体(agent)集群智能系统,该多个体agent包括母舰和空间集群,其中,母舰为多agent系统的上层(multi-agents的决策层),用于根据构建的空间集群运动模型确定空间集群的当前环境信息和态势信息,根据整体态势评估函数对所述当前环境信息和态势信息进行评估得到态势评估结果,根据所述态势评估结果确定作战行为集和决策方法集;
空间集群为多agent系统的下层,空间集群(打击星组)包括相互交互的多个打击星和指挥星,指挥星用于根据空间集群的状态和目标星的状态对空间集群进行构型和路径规划,根据规划后的构型和路径对目标星进行打击;打击星用于根据作战行为集、决策方法集、规划后的构型和路径对目标星进行打击。参见图2所示为本申请实施例提供的一种空间集群的结构示意图。
进一步,在图1中,在基于多agent系统的集群作战中,母舰获取环境信息以及信息采集,例如,信息采集包括采集目标星的状态信息、目标星的类型、目标星的大小、母舰的状态等,以及从空间集群中获取每个agent的状态信息(空间集群中每个打击星的状态信息),然后母舰根据环境信息以及所采集的信息进行态势评估,根据态势评估结果进行智能决策确定每个打击所对应的作战行为集和决策方法集,根据每个打击的作战行为集和决策方法集进行作战指挥。
作为举例,母舰依据任务和环境信息设计作战行为集。设计作战行为集表示为Actioni={A1,A2,A3,Si},其中A1为动能打击模式,A2为激光打击模式,A3为寄生打击模式,Si为打击小组规模。决策方法集主要根据态势评估函数、目标星属性、目标星和母舰的状态、上一轮目标星损伤确定打击指令,包括是否进行下一次攻击、打击模式和打击规模。下达作战指令后,侦察星获取到目标星的状态并传送给母舰,母舰需要根据目标星的类型(遥感侦察、通信、拦截等)、自身状态、目标状态进行决策,确定每组打击方式与每组打击星数量。当第一组结束打击后,根据指挥星传递回来的损伤评估,进行下一组打击的方式与数量。重复以上过程直至完成作战目标。
以下结合说明书附图对本申请实施例所提供的一种基于蜂群飞行器的空间集群作战方法做进一步详细的说明,该方法具体实现方式可以包括以下步骤(方法流程如图3所示):
步骤301,构建空间集群运动模型,所述空间集群运动模型包括母舰运动模型以及空间集群相对运动模型。
在本申请实施例所提供的方案中,空间集群作战在确定打击的目标星之后,空间集群作战的整个流程可以分为两个阶段,分别为母舰转移阶段和空间集群打击阶段两部分,母舰转移阶段是为了使得目标星能够处于母舰的打击范围内。当目标星处于母舰的打击范围内时,母舰可以分批释放指挥星和空间集群来实现对目标星进行多轮打击。
进一步,为了使得目标星能够处于母舰的打击范围内需构建母舰运动学模型。作为举例,在地球惯性坐标系下,母舰运动学模型可通过如下公式构建:
其中,r表示母舰相对地球惯性坐标系的状态量;表示r的二阶导数;μ表示地球引力常数。
作战过程中集群打击部分,空间集群中单个卫星不宜继续在地球惯性坐标系进行近距离轨道转移来实现打击,因此采用相对轨道坐标系,以空间集群中的指挥星作为中心,实现对目标星的分布式打击。参见图4,为本申请实施例提供的一种空间集群分布式转移的示意图。
作为举例,通过下式构建由指挥星与N个打击星组成的第j轮空间集群相对运动关系:
其中,Xij表示空间集群中第i个打击星在第j轮打击中相对指挥性的运动状态量,i表示空间集群中打击星的标号,i=1,2,3,...,N,j表示打击轮数;表示Xij的变化率;Φij表示Xij的系数矩阵(无摄圆轨道下打击星与指挥星的相对运动模型);uij表示小推力发动机提供的对空间集群中第i个打击星在第j轮打击中施加的控制加速度。
步骤302,获取空间集群的当前状态和目标状态,根据所述当前状态和目标状态构建空间集群所对应的整体态势评估函数。
在本申请实施例所提供的方案中,在构建空间集群运动模型之后,需要根据集群状态和目标状态,对集群空间环境进行感知和战场态势评估,态势评估本质通过态势评估函数建立从感知战场态势信息到态势值的复杂非线性映射关系。具体的,构建该映射关系的方式有多种,下面以其中一种为例进行说明。
在一种可能实现的方式中,根据所述当前状态和目标状态构建空间集群所对应的整体态势评估函数,包括:根据所述当前状态和目标状态构建角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数;根据预设的Sigmoid函数、所述角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数构建所述整体态势评估函数。
具体的,在本申请实施例所提供的方案中,空间集群对目标星进行打击的方式有多种,例如,激光打击、动能打击或寄生打击等,而对于目标星进行打击可能不止一轮,每一轮打击的空间集群可能,打击方式也有可能不同。对于不同的打击方式其对应的态势评估函数不同,例如,态势评估函数包括角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数。为了便于理解下面对,不同态势评估函数进行简要说明。
1)、角度优势函数
对于激光打击方式,通过设计角度优势函数来评估其打击效果。具体的,通过下式来表示激光打击方式所对应的角度优势函数:
其中,表示打击星相对于目标星的方位角;表示卫星搭载的星间雷达最大搜索方位角;表示打击星上激光打击器最大摆角;表示不可逃逸圆锥角。
对于动能打击或寄生打击,无需考虑角度优势函数,默认κA=1。
2)、速度优势函数
对于动能打击方式,其相对速度差越大,打击效果越好。对于动能打击方式,通过设计速度优势函数来评估其打击效果。具体的,通过下式来表示动能打击方式所对应的速度优势函数:
其中,kV表示速度优势函数;Vrm表示动能打击的最佳速度;Vr表示打击星与目标星之间的速度差。
对于激光打击或寄生打击方式,相对速度差接近于0,打击效果最好。具体的,通过下式来表示激光打击或寄生打击方式所对应的速度优势函数:
3)、轨道高度优势函数
由于空间集群中由指挥星负责感知局部态势,并进行决策指挥,因此其相对于目标星的轨道高度将决定空间集群作战的优势程度。通过设计高度优势函数来表征空间集群作战的优势程度。具体的,通过如下公式表示高度优势函数:
其中,κH表示高度优势函数;hrm表示打击集群的作战最佳轨道高度;hr表示指挥星的运行高度。
4)、距离优势函数
对于激光打击方式,通过下式表示其距离优势函数:
其中,κD表示距离优势函数;dr表示打击星相对于目标星的距离;dR表示卫星搭载的星间雷达最大搜索距离;dM表示打击星所携带激光武器的最大攻击距离;dKmax表示激光武器最大不可逃逸距离;dKmin表示激光武器最小不可逃逸距离。
对于动能打击或寄生打击方式,通过下式表示其距离优势函数
其中,drm表示打击集群所对应的作战最佳距离。
5)、效能优势函数
集群作战的效能函数由飞行器及携带武器的性能决定,不需进行估计与优化,通过κE表示效能优势函数。当空间集群满足打击条件时,κE=1,否则为0。
进一步,在本申请实施例所提供的方案中,不同的态势评估函数所计算得到的姿态值之间会存在一定的差异,为了避免单个态势值差异过大而影响整体评估效果,利用整体态势评估函数来对目标星的打击效果进行评估。
在一种可能实现的方式中,根据预设的Sigmoid函数、所述角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数构建所述整体态势评估函数,包括:
通过下式构建所述整体态势评估函数:
其中,T表示所述整体态势评估函数;κA表示角度优势函数;kV表示速度优势函数;κH表示轨道高度优势函数;κD表示距离优势函数;κE表示效能优势函数;均表示预设的Sigmoid函数,ωk和βk均为预设的权重参数,k=1,2,3,4,5。
具体的,整体态势评估函数利用带权重的Sigmoid函数对态势评估函数进行优化,均衡了κA,kV,κH,κD之间的差异,使各个态势值保持在一定的范围,避免因单个态势值差异过大而影响整体评估效果。将κA,kV,κH,κD作为Sigmoid函数的自变量输入,即可得到参数可调的整体态势评估函数。
步骤303,采集空间集群的当前环境信息和态势信息,根据所述整体态势评估函数对所述当前环境信息和态势信息进行评估得到当前集群作战环境的态势评估结果。
在本申请实施例所提供的方案中,在确定出整体态势评估函数之后,采集空间集群的当前环境信息和态势信息,根据整体态势评估函数对当前环境信息和态势信息进行评估得到态势评估结果。作为举例,在一种可能实现的方式中,根据所述整体态势评估函数对所述当前环境信息和态势信息进行评估得到态势评估结果,根据所述整体态势评估函数确定所述当前环境信息和态势信息所对应的态势评估值;判断所述态势评估值是否不小于预设阈值;若不小于,则确定态势评估结果为空间集群的作战环境处于优势;否则,态势评估结果为空间集群的作战环境处于劣势。
作为举例,对集群作战环境的态势判定分为优势和劣势两种情况,判定依据如下:
其中,Situation表示态势评估结果;TT res old表示预设阈值。
步骤304,获取当前目标星参数和母舰状态,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,以及根据所述作战行为集和决策方法集控制空间集群对目标星进行打击。
在一种可能实现的方式中,若所述作战行为集和所述决策方法集为第一轮打击所对应的作战行为集和决策方法集,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,包括:
根据所述目标星参数、所述母舰状态以及所述态势评估结果确定第一轮打击所对应的打击模式以及打击星组中打击星数量,根据所述打击模式和所述打击星数量得到所述作战行为集;根据所述作战行为集和所述态势评估结果确定第一轮打击所对应的打击指令,根据所述打击指令得到所述决策方法集,其中,所述打击指令用于指示打击星组对目标星进行打击。
进一步,若所述作战行为集和所述决策方法集为第一轮打击之后任一轮打击所对应的作战行为集和决策方法集,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,包括:确定上一轮打击后目标星的状态,根据所述目标星的状态进行损伤评估确定出目标星的损伤程度;根据所述目标星的损伤程度、所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群下一轮打击所对应的作战行为集和决策方法集,直到对目标星的打击达到预设要求为止。
在本申请实施例所提供的方案中,作战行为集包括每一轮的打击模式和打击星数量,例如,作战行为集表示为Actioni={A1,A2,A3,Si},其中,A1表示动能打击模式,A2表示激光打击模式,A3表示寄生打击模式,Si表打击星数量。
进一步,为了便于理解下面对空间集群作战的过程进行简要介绍。参见图4,为本申请实施例提供的一种空间集群作战的流程示意图。
针对不同类型的目标星,打击的首要任务是决定打击方式的先后顺序。受限于打击星中动能打击的单次打击能力,一般情况下,先使目标丧失任务功能,之后再对其实施打击摧毁,而且不同的打击方式,后期姿态调整与损伤评估也不尽相同。在对目标星实施打击摧毁时,对于目标星的打击有可能不止一轮,对于每一轮的打击母舰都需要确定其对应的作战行为集和决策方法集。
如图4所示,对于目标星的第一轮打击所对应的作战行为集和决策方法集,母舰根据目标星状态、目标星类型和目标星大小、母舰状态以及态势评估结果确定第一轮打击所对应的打击模式以及打击星组中打击星数量,根据该打击模式和打击星数量得到第一轮打击所对应的作战行为集,根据该作战行为集和态势评估结果确定第一轮打击所对应的决策方法集,即确定第一轮打击所对应的打击方式和打击规模,然后母舰根据第一轮打击的打击方式和打击规模依次进行大尺度转移以及释放空间集群等操作,空间集群中打击星组和指挥星分离,指挥星对打击星组的打击构型和路径进行优化以及控制打击星轨道转移和打击目标星等操作。
在第一轮打击结束之后,指挥星获取打击后的目标星的状态和打击星组的状态,根据目标星的状态进行损伤评估确定出损伤程度,以及根据打击星组的转态和整体态势评估函数确定态势评估结果,然后母舰根据第一轮打击所对应的损伤程、态势评估结果、打击后的目标星的状态、目标星的类型、目标星的大小以及母舰的状态确定下一轮打击所对应的打击方式和打击模式,然后根据下一轮打击所对应的打击方式和打击模式对目标星进行下一轮打击,直到将目标星摧毁为止。
进一步,在一种可能实现的方式中,根据所述作战行为集和决策方法集控制空间集群对目标星进行打击,包括:根据所述作战行为集控制母舰改变轨道面以及通过Lambert转移来缩短母舰与目标星的距离;当目标星进入母舰打击范围内时,控制母舰释放空间集群,控制指挥星根据空间集群的状态和目标星的状态对空间集群进行构型和路径规划;根据规划后的构型和路径对目标星进行打击,直到对目标星的打击达到预设要求为止。
进一步,在一种可能实现的方式中,根据所述作战行为集控制母舰改变轨道面以及通过Lambert转移来缩短母舰与目标星的距离,包括:获取母舰和目标星的轨道信息,判断母舰和目标星是否在同一平面内;若不在,则计算改变轨道面所需的第一脉冲和第一时长,根据所述第一脉冲和所述第一时长控制所述母舰运动,确定在第一时长范围内母舰和目标星的轨道变化参数;若母舰和目标星在同一平面内,根据轨道变化参数判断母舰和目标星之间的距离是否小于预设值;若不小于,则计算Lambert转移所需的第二脉冲和第二时长,根据所述第二脉冲和所述第二时长控制所述母舰运动,直到母舰和目标星之间的距离小于预设值为止;计算所述母舰所需的第三脉冲,根据所述第三脉冲控制所述母舰减速到预设速度。
为了便于理解下面对母舰转移的过程进行简要介绍。参见图5,为本申请实施例提供的一种母舰转移的流程示意图。
如图5所示,输入母舰和目标星的轨道要素,然后开始执行母舰转移,其具体过程为:接收母舰和目标星的轨道要素;根据母舰和目标星的轨道要素;若不在,则计算使得母舰和目标星处于同一平面内所需的改变轨道面的脉冲和时长,并根据该脉冲和时长确定母舰改变轨道面所对应的机动信息;接着根据该机动信息控制母舰改变轨道面,确定该时长范围内母舰和目标星的轨道变化情况;接着根据轨道变化情况接着判断母舰与目标星是否同一平面内,若不在,则继续执行下一次改变母舰轨道面的操作,直到母舰与目标星在同一平面内为止;若母舰与目标星在同一平面内,则判断母舰与目标星之间的距离是否小于预设值;若不小于,则优化计算母舰平面内的Lambert转移,直到母舰与目标星之间的距离小于预设值为止;接着计算母舰与目标星之间的距离小于预设值所需的总脉冲,根据总脉冲推算母舰和目标星在下一时刻的状态,判断在下一时刻母舰和目标星的距离是否小于预设值;若下一时刻母舰和目标星的距离小于预设值,则计算母舰减速所需的脉冲,母舰转移过程结束;若下一时刻母舰和目标星的距离不小于预设值,则重新计算母舰与目标星之间的距离小于预设值所需的总脉冲,直到下一时刻母舰和目标星的距离小于预设值为止。
作为举例,在系统中输入打击星与母舰的轨道要素后,先通过在两轨道面交点上用一次脉冲改变轨道平面,对于本身已经共面或者两轨道面相差较小的情况可以跳过这部分。修改完轨道面后,通过Lambert转移缩短母舰与目标星的距离,其中Lambert转移的时间以及圈数通过优化算法得到,在优化中时间约束在适当范围内,以所需总的速度改变量为优化目标。当目标星进入母舰打击范围内后,母舰进行一定减速,既避免与目标星距离过近,也一定程度上减少了指挥星与目标星的速度差。当母舰完成减速后,开始进行集群作战构型优化与分布式打击控制。打击星个数以及打击方式由顶层决策得到。打击时刻的目标构型通过代理模型进行优化。
进一步,为了便于理解下面对基于蜂群飞行器的空间集群作战方法过程进行简要介绍,参见图6为本申请实施例提供的一种基于蜂群飞行器的空间集群作战方法的流程示意图。
如图6所示,输入母舰和目标星的轨道要素,然后开始执行空间集群作战方案,首先执接收母舰和目标星的轨道要素。接着输入本轮打击的配置,该配置包括打击行为集和决策方法集,接收本轮打击的配置。
作为举例,对于动能打击、激光打击、寄生打击这三种不同的打击方式,在打击构型的优化中,分别设置了不同的目标函数以及约束条件。对于动能打击,在打击构型的优化中,约束条件为打击时刻打击星能够与目标星发生碰撞,即打击星在打击时刻的位置应当都在目标星的体积内。优化目标考虑两个因素:需要碰撞时相对速度尽量较大,才能保证撞击的效果;对于不同的打击星,其与目标星碰撞的角度与位置尽量存在一定差异,从而能够将打击效果最大化。
对于激光打击,在打击构型的优化中,约束条件为打击时刻打击星与目标星的距离能够处于激光打击的范围之内。优化目标考虑三个因素,一方面考虑到进行激光打击的卫星并非一次性卫星,所以希望整个重构过程所消耗的推进剂总量最小;另一方面,考虑激光打击的指向性问题,对于激光打击的指向或者激光照射位置有明确要求的目标,尽量越多的打击卫星满足这一要求,对于没有要求的卫星,尽量使得激光打击卫星在空间上分布较为均匀,尽量从多个方向打击目标;第三方面,由于激光打击需要持续打击,所需希望在开始打击后一定时间内,打击星相对于目标星的角速度尽量较小。
对于寄生打击,在打击构型的优化中,约束条件设置为打击时刻打击星与目标星的距离和相对速度在一定范围内,对于寄生打击而言,这里的打击时刻并非直接产生打击效果的时刻,而是寄生打击的攻击卫星开始进行近距离逼近的时刻。优化目标考虑两个因素,一方面与激光打击相同,希望所消耗的推进剂尽量较少;另一方面,从实现寄生的角度考虑,需要使得在打击时刻,目标星与打击星的相对速度尽量较小,从而避免在交会对接中发生碰撞,影响寄生打击的效果。
进一步,初始化指挥星,计算指挥星Lambert转移所需的脉冲,根据该脉冲初始化打击星。
作为举例,在确定打击方式后,指挥星携带打击星进行一次Lambert转移,确保在设定时间能够到达目标星位置。在Lambert转移第一次脉冲后,打击星与指挥星分离,指挥星保持Lambert转移轨道而打击星通过一种基于Jordan分解的小推力变轨实现打击。
针对Φij进行Jordan分解Vij -1ΦijVij=Jij,Vij表示Jordan分解的特征向量,Vij -1表示Vij的逆矩阵,得到特征矩阵Jij。令Zij=Vij -1Xij,Zij表示属于Xij的变换后运动状态量,则相对运动关系可以改写为:
其中,表示Zij的变化率,Pij为uij的系数,取值为Vij的后三列元素的值。通解可以表示为 为状态转移矩阵。值得注意的是Z0,ij(0)视为区别编队构型的不变量。则在轨道转移时间为Td的情况下,打击星以指挥星为中心进行轨道转移问题可以表示为由轨道的初始构型状态量Z0,ij(T0)到目标构型状态量的转移Z0,ij(Td),即:
其中,Eij为特征值为1时的正交特征向量,Dm,ij为当阶数为m时的常值系数向量。对于同一重构路径,Dm,ij的选择不唯一,根据控制燃料消耗总量选择。至此,本申请实施例所提供的方案对于Dm,ij的选择是将轨道转移的路径求解问题转化为具有等式约束的非线性燃料消耗总量优化问题,可通过优化函数求解。
进一步,根据初始化打击星优化打击星有限推力重构的目标构型;继续根据该目标构型仿真母舰、目标星、指挥星和打击星在重构过程中的状态;继续根据该状态对打击效果进行评估,并计算下一次打击配置;以及判断本轮打击是否完成预设打击目标;若没有完成预设打击目标,则重新根据下一轮打击的配置进行下一轮打击操作;若完成预设打击目标,则过程结束。
此外,指挥星在打击前一定时间内进行机动,实现在适当距离环绕目标星的相对运动,一方面保证指挥星不会出现指挥星直接与目标星发生碰撞、指挥星干扰打击星工作、指挥星被打击行为的副作用影响等情况,也能够使得指挥星提前将姿态调整好,把观测设备对准目标星以观察评估打击效果。每次打击完成后,对于这次打击进行评估,并对于下一次打击的配置进行调整,如果评估认定打击已经完成所需效果,则打击过程结束。
进一步,为了便于理解本申请实施例所提供的基于蜂群飞行器的空间集群作战方法的效果,下面以举例的形式进行说明。
例如,蜂群飞行器针对单个目标星进行空间集群作战,母舰初始轨道要素为:轨道半长轴as=7178137m,偏心率es=0,轨道倾角is=30°,升交点赤经Ωs=30°,近地点幅角ωs=0°,纬度幅角Ms=0°。目标星初始轨道要素为:轨道半长轴at=7178137m,偏心率et=0,轨道倾角it=35°,升交点赤经Ωt=35°,近地点幅角ωt=0°,纬度幅角Mt=10°。集群作战打击配置为:集群最大打击轮次6次,单次打击最大卫星数20个。目标星整星重量1000kg,种类为侦察卫星。
采用本申请实施例所提供的方法实现集群作战空间环境感知和战场态势评估,母舰和打击星轨道转移与构型优化,最终实现分布式打击控制。图7给出母舰相对于目标星轨道(转移段)。此次作战共进行4轮打击,分别为激光打击(9颗打击星)、激光打击(10颗打击星)、寄生打击(10颗打击星)、寄生打击(10颗打击星)。作战打击过程中的绝对轨道如图8A、图9A、图10A、图11A所示,打击过程中的相对轨道如图8B、图9B、图10B、图11B所示。
本申请实施例所提供的方案中,一方面通过模仿自然界蜂群现象,利用空间蜂群飞行器的集群行为增强空间战场感知、智能决策、协同攻防等能力,具有良好的自适应性和强大的自同步性,达到整体效能的最优;另一方面针对空间战场的特点,基于感知的环境信息进行态势评估,根据量化的态势评估函数值,给出蜂群作战的关键过程,对于敌方航天器类型选取不同蜂群类型及数量等策略,能够支持复杂空间战场环境,降低风险;又一方面将打击过程分为母舰转移与集群打击两部分,有效提高集群作战整体攻击效率,采用基于Jordan分解的小推力变轨将减少能量消耗,从而减少打击星整星质量。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (7)

1.一种基于蜂群飞行器的空间集群作战方法,其特征在于,包括:
构建空间集群运动模型,所述空间集群运动模型包括母舰运动模型以及空间集群相对运动模型;
根据所述空间集群运动模型确定空间集群的当前状态和目标状态,根据所述当前状态和目标状态构建空间集群所对应的整体态势评估函数;
采集空间集群的当前环境信息和态势信息,根据所述整体态势评估函数对所述当前环境信息和态势信息进行评估得到当前集群作战环境的态势评估结果;
获取当前目标星参数和母舰状态,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,以及根据所述作战行为集和决策方法集控制空间集群对目标星进行打击;
通过如下公式构建母舰运动模型:
其中,r表示母舰相对地球惯性坐标系的状态量;表示r的二阶导数;μ表示地球引力常数;
通过如下公式构建空间集群相对运动模型:
其中,Xij表示空间集群中第i个打击星在第j轮打击中相对指挥星的运动状态量,i表示空间集群中打击星的标号,i=1,2,3,...,N,j表示打击轮数;表示Xij的变化率;Φij表示Xij的系数矩阵;uij表示小推力发动机提供的对空间集群中第i个打击星在第j轮打击中施加的控制加速度;
根据所述作战行为集和决策方法集控制空间集群对目标星进行打击,包括:
根据所述作战行为集控制母舰改变轨道面以及通过Lambert转移来缩短母舰与目标星的距离;
当目标星进入母舰打击范围内时,控制母舰释放空间集群,控制指挥星根据空间集群的状态和目标星的状态对空间集群进行构型和路径规划;
根据规划后的构型和路径对目标星进行打击,直到对目标星的打击达到预设要求为止;
根据所述作战行为集控制母舰改变轨道面以及通过Lambert转移来缩短母舰与目标星的距离,包括:
获取母舰和目标星的轨道信息,判断母舰和目标星是否在同一平面内;
若不在,则计算改变轨道面所需的第一脉冲和第一时长,根据所述第一脉冲和所述第一时长控制所述母舰运动,确定在第一时长范围内母舰和目标星的轨道变化参数;
若母舰和目标星在同一平面内,根据轨道变化参数判断母舰和目标星之间的距离是否小于预设值;
若不小于,则计算Lambert转移所需的第二脉冲和第二时长,根据所述第二脉冲和所述第二时长控制所述母舰运动,直到母舰和目标星之间的距离小于预设值为止;
计算所述母舰所需的第三脉冲,根据所述第三脉冲控制所述母舰减速到预设速度。
2.如权利要求1所述的方法,其特征在于,根据所述当前状态和目标状态构建空间集群所对应的整体态势评估函数,包括:
根据所述当前状态和目标状态构建角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数;
根据预设的Sigmoid函数、所述角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数构建所述整体态势评估函数。
3.如权利要求2所述的方法,其特征在于,根据预设的Sigmoid函数、所述角度优势函数、速度优势函数、轨道高度优势函数、距离优势函数以及效能优势函数构建所述整体态势评估函数,包括:
通过下式构建所述整体态势评估函数:
其中,T表示所述整体态势评估函数;κA表示角度优势函数;κV表示速度优势函数;κH表示轨道高度优势函数;κD表示距离优势函数;κE表示效能优势函数;均表示预设的Sigmoid函数,ωk和βk均为预设的权重参数,k=1,2,3,4,5。
4.如权利要求3所述的方法,其特征在于,根据所述整体态势评估函数对所述当前环境信息和态势信息进行评估得到当前集群作战环境的态势评估结果,包括:
根据所述整体态势评估函数确定所述当前环境信息和态势信息所对应的态势评估值;
判断所述态势评估值是否不小于预设阈值;
若不小于,则确定态势评估结果为当前空间集群的作战环境处于优势;否则,态势评估结果为当前空间集群的作战环境处于劣势。
5.如权利要求4所述的方法,其特征在于,若所述作战行为集和所述决策方法集为第一轮打击所对应的作战行为集和决策方法集,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,包括:
根据所述目标星参数、所述母舰状态以及所述态势评估结果确定第一轮打击所对应的打击模式以及打击星组中打击星数量,根据所述打击模式和所述打击星数量得到所述作战行为集;
根据所述作战行为集和所述态势评估结果确定第一轮打击所对应的打击指令,根据所述打击指令得到所述决策方法集,其中,所述打击指令用于指示打击星组对目标星进行打击。
6.如权利要求1~5任一项所述的方法,其特征在于,若所述作战行为集和所述决策方法集为第一轮打击之后任一轮打击所对应的作战行为集和决策方法集,根据所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群所对应的作战行为集和决策方法集,包括:
确定上一轮打击后目标星的状态,根据所述目标星的状态进行损伤评估确定出目标星的损伤程度;
根据所述目标星的损伤程度、所述目标星参数、所述母舰状态以及所述态势评估结果确定空间集群下一轮打击所对应的作战行为集和决策方法集,直到对目标星的打击达到预设要求为止。
7.一种基于蜂群飞行器的空间集群作战系统,采用权利要求1~6任一的一种基于蜂群飞行器的空间集群作战方法,该系统为两层结构的多个体agent系统,其特征在于,包括:多个体agent,多个体agent包括母舰和空间集群,其中,母舰为多agent系统的上层,用于根据构建的空间集群运动模型确定空间集群的当前环境信息和态势信息,根据整体态势评估函数对所述当前环境信息和态势信息进行评估得到态势评估结果,根据所述态势评估结果确定作战行为集和决策方法集;
空间集群为多agent系统的下层,空间集群包括相互交互的多个打击星和指挥星,指挥星用于根据空间集群的状态和目标星的状态对空间集群进行构型和路径规划,根据规划后的构型和路径对目标星进行打击;打击星用于根据作战行为集、决策方法集、规划后的构型和路径对目标星进行打击。
CN202110837451.0A 2021-07-23 2021-07-23 一种基于蜂群飞行器的空间集群作战方法及系统 Active CN113625746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110837451.0A CN113625746B (zh) 2021-07-23 2021-07-23 一种基于蜂群飞行器的空间集群作战方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110837451.0A CN113625746B (zh) 2021-07-23 2021-07-23 一种基于蜂群飞行器的空间集群作战方法及系统

Publications (2)

Publication Number Publication Date
CN113625746A CN113625746A (zh) 2021-11-09
CN113625746B true CN113625746B (zh) 2024-08-02

Family

ID=78380736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110837451.0A Active CN113625746B (zh) 2021-07-23 2021-07-23 一种基于蜂群飞行器的空间集群作战方法及系统

Country Status (1)

Country Link
CN (1) CN113625746B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114444201B (zh) * 2022-01-16 2024-05-14 中国人民解放军空军工程大学 基于贝叶斯网络的对地攻击无人机自主能力评估方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2904706B1 (fr) * 2006-08-02 2014-06-06 Airbus France Procede et dispositif pour determiner une hauteur de decision lors d'une approche autonome d'un aeronef.
CN103043220B (zh) * 2011-10-13 2015-07-01 王力丰 航空母舰舰载机起降系统及其起降方法
CN106853872A (zh) * 2015-12-08 2017-06-16 熵零股份有限公司 一种飞行器弹射方法及其系统
US10613489B2 (en) * 2017-06-20 2020-04-07 Baidu Usa Llc Method and system for determining optimal coefficients of controllers for autonomous driving vehicles
RU2707415C2 (ru) * 2018-04-28 2019-11-26 Александр Игоревич Галькевич Способ создания глобальной информационной среды в околоземном пространстве и многофункциональная космическая информационная система "Парадигма" на базе сети низкоорбитальных космических аппаратов для его осуществления
CN108680063B (zh) * 2018-05-23 2019-08-13 南京航空航天大学 一种针对大规模无人机集群动态对抗的决策方法
KR102164388B1 (ko) * 2018-11-16 2020-10-12 한국항공우주연구원 군집 비행 제어 방법 및 군집 비행 제어 시스템

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Low-Thrust Reconfiguration Strategy and Optimization for Formation Flying Using Jordan Normal Form;MING XU 等;IEEE;第3279-3295页 *
基于逆强化学习的空战态势评估函数优化方法;李银通 等;火力与指挥控制;第101-106页 *
航天器轨道机动策略研究;王佳 等;装备指挥技术学院学报;第52-57页 *
航空集群自主空战研究进展;梁晓龙 等;科技导报;第74-88页 *
防空压制任务中的智能协同作战体系研究;王兴虎 等;无人系统技术;第3卷(第4期);第10-21页 *

Also Published As

Publication number Publication date
CN113625746A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN111880563B (zh) 一种基于maddpg的多无人机任务决策方法
CN108549407B (zh) 一种多无人机协同编队避障的控制算法
US7047861B2 (en) System, methods and apparatus for managing a weapon system
CN112783209B (zh) 一种基于鸽群智能竞争学习的无人机集群对抗控制方法
US20040030571A1 (en) System, method and apparatus for automated collective mobile robotic vehicles used in remote sensing surveillance
US20040068351A1 (en) System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles
US20040068415A1 (en) System, methods and apparatus for coordination of and targeting for mobile robotic vehicles
US20040068416A1 (en) System, method and apparatus for implementing a mobile sensor network
US20040030448A1 (en) System, methods and apparatus for managing external computation and sensor resources applied to mobile robotic network
CN112198892B (zh) 一种多无人机智能协同突防对抗方法
CN112130581A (zh) 一种面向空中机动作战的无人机集群协同任务规划方法
CN113791634A (zh) 一种基于多智能体强化学习的多机空战决策方法
CN109669475A (zh) 基于人工蜂群算法的多无人机三维编队重构方法
CN113741500B (zh) 仿哈里斯鹰智能捕食优化的无人机空战机动决策方法
Wang et al. Multiple UAVs routes planning based on particle swarm optimization algorithm
CN109709981B (zh) 一种无人机群竞技对抗方法
Xia et al. Multi—UAV path planning based on improved neural network
CN113608546B (zh) 量子海狮机制的无人机群任务分配方法
CN113625746B (zh) 一种基于蜂群飞行器的空间集群作战方法及系统
CN115951709A (zh) 基于td3的多无人机空战策略生成方法
Wang et al. Autonomous maneuver decision of uav based on deep reinforcement learning: comparison of DQN and DDPG
Zhu et al. Mastering air combat game with deep reinforcement learning
Pinon et al. Task allocation and path planning for collaborative swarm guidance in support of artillery mission
CN116400729A (zh) 基于深度强化学习的分体飞机规避导弹的方法及分体飞机
Taşbaş et al. 2-D air combat maneuver decision using 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