CN115544714B - 一种基于飞行器编队的时序动态对抗威胁评估方法 - Google Patents
一种基于飞行器编队的时序动态对抗威胁评估方法 Download PDFInfo
- Publication number
- CN115544714B CN115544714B CN202210853924.0A CN202210853924A CN115544714B CN 115544714 B CN115544714 B CN 115544714B CN 202210853924 A CN202210853924 A CN 202210853924A CN 115544714 B CN115544714 B CN 115544714B
- Authority
- CN
- China
- Prior art keywords
- threat
- aircraft
- weight
- target
- determining
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请属于飞行控制技术领域,特别涉及一种基于飞行器编队的时序动态对抗威胁评估方法。该方法包括步骤S1、构建目标飞行器相对于己方飞行器的态势威胁模型;步骤S2、对己方每一架飞行器,基于各态势威胁模型分别计算各目标飞行器各威胁属性的属性值;步骤S3、确定态势威胁模型中的各威胁属性的目标权重;步骤S4、基于各威胁属性的目标权重及每个目标飞行器的各威胁属性的属性值确定各目标的威胁值;步骤S5、确定己方飞行器编队内的每一架飞行器的自身权重;步骤S6、确定对己方飞行器编队整体而言的整体威胁值。本申请能够更加全面、合理、有效且准确地对目标进行威胁排序。
Description
技术领域
本申请属于飞行控制技术领域,特别涉及一种基于飞行器编队的时 序动态对抗威胁评估方法。
背景技术
目标威胁评估是多飞行器(或无人机)协同自主打击关键技术之一, 有效且合理的威胁评估结果能够帮助我方迅速分析当前空中态势,准确 判断对方来袭目标对于我方无人机编队的威胁程度及对应的威胁评估排 序结果,能够帮助己方编队进行任务分配。威胁评估实际上是基于空中 态势信息的一个数据融合、决策和推理的过程,其前提是目标的状态估 计和属性估计。通过综合考虑目标状态信息和属性信息,设定合理的模型,将目标的各个威胁属性聚合起来得到目标综合威胁,最后通过编队 整合得到目标对编队的综合威胁。
威胁评估问题本质上是多属性决策问题,现有的威胁评估方法中, 主要考虑的是目标当前的态势属性威胁,并将目标的态势属性聚合得到 对于目标的综合威胁评估。这些方法对具体问题是有效的,但仍然不适 用于以下情况:
(1)大多数威胁评估方法在确定属性权重的过程中依赖专家经验, 使得评估结果的准确性取决于专家经验的可信度。权重选择不适应,灵 活性差,因此,这种方法在实际运作中受到限制。
(2)在空中对抗中,对抗方与我方以编队形式进行对抗,因此需要 分析对抗方各目标对于我方编队的整体威胁。在现有威胁评估方法中, 还鲜有考虑目标对于我方编队整体的威胁评估方法。
(3)大多数方法只使用当前数据而不是不同时刻的综合数据来进行 威胁评估。对于先进的高速飞机,由于其速度高且机动性强,其态势数 据动态变化明显,应结合不同时刻的态势属性数据进行威胁评估。
发明内容
为了解决上述问题,本申请提供了一种基于飞行器编队的时序动态 对抗威胁评估方法,该方法主要的架构是建立对应的空中态势威胁模型, 借由直觉模糊数,直觉模糊熵,区间参差分析法,相对模糊熵等工具计 算得到目标对于编队中个体的威胁评估结果,最后通过建立编队价值模 型将各个威胁评估结果进行聚合得到最终的威胁评估结果。
本申请提供的基于飞行器编队的时序动态对抗威胁评估方法,主要 包括:
步骤S1、构建目标飞行器相对于己方飞行器的态势威胁模型,所述 态势威胁模型包括基于相对距离威胁属性构建的距离威胁模型、基于相 对角度威胁属性构建的角度威胁模型、基于相对速度威胁属性构建的速 度威胁模型、基于相对高度威胁属性构建的高度威胁模型,以及基于目标飞行器的飞行器类型构建的目标类型威胁模型;
步骤S2、对己方每一架飞行器,基于各态势威胁模型分别计算各目 标飞行器各威胁属性的属性值;
步骤S3、对己方每一架飞行器,确定所述态势威胁模型中的各威胁 属性的目标权重;
步骤S4、对己方每一架飞行器,基于各威胁属性的目标权重及每个 目标飞行器的各威胁属性的属性值确定各目标的威胁值;
步骤S5、确定己方飞行器编队内的每一架飞行器的自身权重;
步骤S6、基于己方每一架飞行器的自身权重,及对己方每一架飞行 器的各目标威胁值,确定对己方飞行器编队整体而言的整体威胁值。
优选的是,步骤S3进一步包括:
步骤S31、基于直觉模糊数确定各威胁属性的客观权重;
步骤S32、基于AHP确定各威胁属性的主观权重;
步骤S33、基于相对熵确定所述主观权重与所述客观权重的衡量因子;
步骤S34、基于所述衡量因子确定由所述主观权重与所述客观权重组 成的所述目标权重。
优选的是,步骤S31进一步包括:
步骤S311、确定各威胁属性的直觉模糊数;
步骤S312、基于所述直觉模糊数构建直觉模糊集;
步骤S313、计算所述直觉模糊集的直觉模糊熵;
步骤S314、基于客观权重的非线性规划模型进行各客观权重的权重 值优化,获得对己方每一架飞行器的各威胁属性的客观权重。
优选的是,步骤S32进一步包括:
步骤S321、基于专家给定的定性分析构建判断矩阵,所述定性分析 包括各威胁属性两两之间的比较结果;
步骤S322、根据对元素间比较的犹豫度确定所述判断矩阵中的每一 项的上下界;
步骤S323、基于所述上下界分别确定上限判断矩阵及下限判断矩阵;
步骤S324、分别求解所述上限判断矩阵及下限判断矩阵的特征向量 以及上下限判断矩阵的权重;
步骤S325、确定由各所述特征向量形成的所述主观权重。
优选的是,步骤S33进一步包括:
步骤S331、对所述主观权重与所述客观权重进行聚合,以获得聚合 权重;
步骤S332、计算所述主观权重与所述聚合权重的第一接近程度,计 算所述客观权重与所述聚合权重之间的第二接近程度;
步骤S333、基于所述第一接近程度与所述第二接近程度分别计算所 述主观权重与所述客观权重的衡量因子。
优选的是,步骤S5进一步包括:
步骤S51、确定己方飞行器的作为长机或僚机的基础权值;
步骤S52、确定用于表征己方飞行器投放物损耗程度的损耗权值;
步骤S53、确定用于表征己方飞行器健康状态的健康度权值;
步骤S54、基于所述基础权值、损耗权值及健康度权值加权获得所述 自身权重。
本申请提出的威胁评估方法能够更加全面、合理、有效且准确地对 目标进行威胁排序。
附图说明
图1为本申请基于飞行器编队的时序动态对抗威胁评估方法的一优 选实施例的流程图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本 申请实施方式中的附图,对本申请实施方式中的技术方案进行更加详细 的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件 或具有相同或类似功能的元件。所描述的实施方式是本申请一部分实施方式,而不是全部的实施方式。下面通过参考附图描述的实施方式是示 例性的,旨在用于解释本申请,而不能理解为对本申请的限制。基于本 申请中的实施方式,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他实施方式,都属于本申请保护的范围。下面结合附图 对本申请的实施方式进行详细说明。
本申请提供了一种基于飞行器编队的时序动态对抗威胁评估方法, 如图1所示,主要包括:
步骤S1、构建目标飞行器相对于己方飞行器的态势威胁模型,所述 态势威胁模型包括基于相对距离威胁属性构建的距离威胁模型、基于相 对角度威胁属性构建的角度威胁模型、基于相对速度威胁属性构建的速 度威胁模型、基于相对高度威胁属性构建的高度威胁模型,以及基于目标飞行器的飞行器类型构建的目标类型威胁模型。
该步骤中,严格来说距离威胁模型、角度威胁模型、速度威胁模型 及高度威胁模型属于目标态势威胁模型,目标类型威胁模型属于另一威 胁模型。在目标态势威胁模型中,我方飞行器(或简称飞机)与对抗方 (或简称对方)飞行器的相对态势可以描述为:O和T分别代表我方和对 抗方飞行器;VO和VT分别代表我方和对抗方飞行器的速度;D代表我方和对抗方飞行器之间的相对距离或相对目标线;ωO和ωT代表我方和对抗 方飞行器的速度矢量和相对目标线之间的夹角,也被称为对抗方/我方飞 行器相对于我方/对抗方飞行器的方位角;θO和θT代表对抗方/我方飞行器 速度矢量和相对目标线延长线之间的夹角,也称为对抗方/我方飞行器相 对于我方/对抗方飞行器的进入角;VA代表我方和对抗方飞行器速度矢量 之和在相对目标线上的分量,即相对速度。通过对双方态势信息进行分 析,对相对距离威胁、相对角度威胁、相对速度威胁以及相对高度威胁 属性进行建模分析。以下详细说明。
a.相对距离威胁模型
对抗方飞行器相对我方飞行器的相对距离威胁主要由双方飞行器之 间的相对距离、打击区以及双方的传感器探测范围所决定的。因此可以 根据双方的传感器探测范围以及打击区的范围,将双方飞行器之间的区 域划分为如若干不同区域。
对双方相对位置图进行分析可得,对抗方飞行器对我方飞行器的相 对距离威胁与双方之间的相对距离成一定的反比例关系:
①当我方飞行器在对抗方传感器探测范围之外时,对抗方飞行器无 法探测到我们的存在,故而对抗方飞行器对我方飞行器的威胁低;
②当我方飞行器在对抗方传感器探测范围之内且不在打击区之内时, 对抗方飞行器可以对我方飞行器形成有效的跟踪但无法立刻对我方飞行 器发动打击,故而对抗方飞行器对我方飞行器的威胁较低;
③当我方飞行器在对抗方打击区之内且不在不可逃逸区内时,对抗 方飞行器可以立刻对我方飞行器发动打击,但是我方飞行器仍旧有机会 躲避此次打击,故而对抗方飞行器对我方飞行器的威胁较高;
④当我方飞行器在对抗方飞行器的不可逃逸区内时,对抗方飞行器 可以对我方飞行器发起十分有效的打击,我方飞行器难以通过机动规避, 故而对抗方飞行器对我方飞行器的威胁高。
因此,令对抗方飞行器所携带传感器最远探测范围为RTr,对抗方飞 行器所携带的投放物对我方飞行器最大可打击区为RTw_max,最小打击区为 RTw_min,则对抗方飞行器相对于我方飞行器之间的相对距离威胁模型如下 所示:
式中,d1、d2和d3为相对距离威胁模型系数,且满足d1,d2,d3∈[0,1]。
b.相对角度威胁模型
对抗方飞行器与我方飞行器之间的相对角度威胁由双方飞行器的进 入角以及方位角所决定,我方飞行器的相对角度态势中ωO和θO分别表示 对抗方飞行器相对于我方飞行器的方位角和进入角,ωO和θO的变化范围 为[-180°,180°]。为了更好地确定相对角度威胁,将方位角和进入角分为三个区域,如表2-1所示:
表2-1方位角、进入角划分表
对上表分析可知:
①当对抗方飞行器处于我方飞行器正视区域且我方飞行器处于对抗 方飞行器背视区域时,我方飞行器对对抗方飞行器形成尾追对抗方态势, 为我方角度优势区域;
②当对抗方飞行器处于我方飞行器正视区域且我方飞行器处于对抗 方飞行器侧视区域时,我方飞行器对对抗方飞行器形成侧向打击态势, 为我方角度优势区域;
③当对抗方飞行器处于我方飞行器正视区域且我方飞行器处于对抗 方飞行器正视区域时,我方飞行器对对抗方飞行器形成迎头打击态势, 为双方角度均势区域;
④当对抗方飞行器处于我方飞行器侧视区域且我方飞行器处于对抗 方飞行器背视区域时,我方飞行器对对抗方飞行器形成侧向打击态势, 为我方角度优势区域;
⑤当对抗方飞行器处于我方飞行器侧视区域且我方飞行器处于对抗 方飞行器侧视区域时,双方都无法构成有效打击态势,为双方角度均势 区域;
⑥当对抗方飞行器处于我方飞行器侧视区域且我方飞行器处于对抗 方飞行器正视区域时,对抗方飞行器对我方飞行器构成侧向打击态势, 为我方角度劣势区域;
⑦当对抗方飞行器处于我方飞行器背视区域且我方飞行器处于对抗 方飞行器背视区域时,双方均无法构成有效打击态势,为双方角度均势 区域;
⑧当对抗方飞行器处于我方飞行器背视区域且我方飞行器处于对抗 方飞行器侧视区域时,对抗方飞行器对我方飞行器形成侧向打击态势, 为我方角度劣势区域;
⑨当对抗方飞行器处于我方飞行器背视区域且我方飞行器处于对抗 方飞行器正视区域时,对抗方飞行器对我方飞行器形成尾追打击态势, 为我方角度劣势区域;
基于上述分析可知,对抗方飞行器对我方飞行器的相对角度威胁主 要来自于我方飞行器处于对抗方正视区域的情形中,故可近似认为相对 角度威胁只取决于θO,故所建立的相对角度威胁模型如下所示:
式中,a1,a2为相对角度威胁模型系数,且满足a1,a2∈[0,1]。
c.相对速度模型
对抗经验表明,当其他威胁属性条件一致时,相对速度威胁模型只 与双方之间的相对角度威胁模型相关:
①当时,表示我方飞行器处于角度优势态势,此时应该使得 我方飞行器与对抗方飞行器之间的相对速度值VA大于0,来拉近我方飞行 器与对抗方飞行器之间的距离;
②当时,表示我方飞行器处于角度劣势态势,此时应该使得 我方飞行器与对抗方飞行器之间的相对速度值VA小于0,来增大我方飞行 器与对抗方飞行器之间的距离。
故所建立的相对速度威胁模型应该按照相对速度威胁变化曲线图所 示的曲线变化趋势进行建模。例如,可以构造反正切函数形式的相对速 度威胁模型如下所示:
式中,τv为控制系数,根据相对速度威胁变化曲线的变化形式给出。
d.相对高度威胁模型
相对高度威胁模型考虑双方飞行器之间的相对高度差,并且根据对 抗经验表明,只有双方飞行器之间高度差处于某一区间范围[-Hlim,Hlim]内 才会产生相对高度威胁模型,因此,构建相对高度威胁模型如下所示:
式中,ΔH表示双方飞行器之间相对高度差;h1、h2为相对高度威胁 模型系数。
除了上边所述的态势属性威胁之外,对抗方目标的类型对于我方无 飞行器编队对于对方飞行器的威胁评估结果也有着直接的影响。对方目 标的类型会直接决定对方飞行器的任务执行能力,以及所挂载的投放物 类型以及数量、机动性能以及电子对抗性能等能力指标,因此在对对抗 方飞行器进行威胁评估过程中,需建立目标类型属性模型,目标类型威胁属性量化值如表2-2所示。
表2-2目标类型威胁量化表
步骤S2、对己方每一架飞行器,基于各态势威胁模型分别计算各目 标飞行器各威胁属性的属性值。
在此假设我方无人机共有四架,分别用o1、o2、o3和o4表示,对抗方 飞行器共有四架,分别用t1、t2、t3和t4表示。,我方无人机在T1和T2时刻 的态势获得的我方无人机态势信息和对抗方飞行器态势信息分别如表2-3 和表2-4所示。
表2-3我方无人机态势信息表
表2-4对抗方飞行器态势信息表
利用式(1)~式(4)计算可得不同时刻下双方相对态势属性威胁值, 计算结果如表2-5所示。
步骤S3、对己方每一架飞行器,确定所述态势威胁模型中的各威胁 属性的目标权重。
在一些可选实施方式中,步骤S3进一步包括:
步骤S31、基于直觉模糊数确定各威胁属性的客观权重;
步骤S32、基于AHP确定各威胁属性的主观权重;
步骤S33、基于相对熵确定所述主观权重与所述客观权重的衡量因子;
步骤S34、基于所述衡量因子确定由所述主观权重与所述客观权重组 成的所述目标权重。
首先,在步骤S31中,设X={x1,x2,…,xn}表示非空集合,一个直觉模糊 集(Intuitionistic Fuzzy Sets,IFS)可以表示为:
A={[xi,μA(xi),vA(xi)]∣xi∈X} (5)
式中,函数μA(xi):X→[0,1]表示参数xi∈X属于A的隶属度,函数 vA(xi):X→[0,1]表示参数xi∈X属于A的非隶属度。对于xi∈X,其隶属度与 非隶属度满足:0≤μA(xi)+vA(xi)≤1。则直觉模糊集A表示如下:
A={[xi,μA(xi),vA(xi)]∣xi∈X} (6)
定义参数xi∈X属于A的犹豫度πA(xi):X→[0,1],其计算方法为:
πA(xi)=1-μA(xi)-vA(xi) (7)
令两个直觉模糊数α=(μα,vα)和β=(μβ,vβ),则有以下运算法则:
设B为直觉模糊集合,β=(μi,vi)(i=1,2,…n)为一组直觉模糊数, ω=(ω1,ω2,…,ωn)为直觉模糊数β的权重向量,满足ωi∈[0,1],则直 觉模糊加权平均(IFWA)表示如下:
设U表示论域,E表示参数集合,P(U)表示U上所有子集构成的集合。 令则称序对(S,A)为论域U上的一个软集(Soft Set,SS)。S为参 数/>到集合P(U)的一个映射,S:A→P(U)。
设U表示论域,E表示参数集合,PF(U)表示U上所有模糊子集构成 的集合。令则称序对(F,A)为论域U上的一个模糊软集(Fuzzy Soft Set,FSS)。F为参数/>到集合PF(U)的一个映射,F:A→PF(U)。
设U表示论域,E表示参数集合,PIF(U)表示U上所有直觉模糊子集 构成的集合。令则称序对(I,A)为论域U上的一个直觉模糊软集 (Intuitionistic Fuzzy SoftSet,IFSS)。I为参数/>到集合PIF(U)的一个 映射,I:A→PIF(U)。
令U={u1,u2,u3,u4,u5}与E={e1,e2,e3,e4,e5}分别为目标集合和威胁属性集 合,A={e1,e4}表示需要提供的威胁属性信息,则序对(S,A)的表示如下所示:
(S,A)={S(e1)=[u1,u2],S(e4)=[u1,u5]} (10)
该式表示只有目标u1和目标u2具有威胁属性e1,只有目标u1和目标u5具有威胁属性e4。同理可获得模糊软集序对与直觉模糊序对的表示方法。 模糊软集序对(F,A)表示如下所示:
(F,A)={F(e1)=[u1|0.7,u2|0.9],F(e4)=[u1|0.6,u5|0.8]} (11)
式中,F(e1)=[u1|0.7,u2|0.9]表示只有目标u1和目标u2具有威胁属性e1, 并且目标u1和目标u2的威胁属性e1的大小分别为0.7和0.9。直觉模糊软集 序对(I,A)表示如下所示:
(I,A)={I(e1)=[u1|(0.7,0.2),u2|(0.9,0.05)],I(e4)=[u1|(0.6,0.2),u5|(0.8,0.1)]} (12)
式中,I(e1)=[u1|(0.7,0.2),u2|(0.9,0.05)]表示只有目标u1和目标u2具有威胁属性e1,并且目标u1和目标u2的威胁属性e1的大小分别为0.7和0.9,同时 目标u1和目标u2的威胁属性e1的犹豫度大小分别为0.1和0.05。
通过上述表示分析可得,软集可以描述哪些目标具有期望的威胁属 性信息,模糊软集在软集的基础上提供目标威胁度的信息,直觉模糊软 集在二者的基础上提供目标对于当前威胁属性的犹豫度大小。
考虑到直觉模糊熵(Intuitionistic Fuzzy Entropy,IFE)利用概率论作 为衡量信息的数学工具,具有克服直觉和模糊性对不确定信息的影响, 测量直觉模糊集中不确定信息的优点。因此,本文采用IFE方法求解各威胁属性客观权重式中,k表示威胁属性的数量。记威胁 属性权重向量为/>且满足/>且∑wo=1(1≤k≤l)。
设U是一个非空域,A={[xi,μA(xi),vA(xi)]∣xi∈U}是定义在域U上的直 觉模糊集,IFE定义如下所示:
则客观权重wo的计算步骤如下所示:
步骤1:确定目标相对态势威胁属性直觉模糊数
式中,
——第ti架对抗方飞行器对我方第oj架无人机的相对态势威胁 属性k在时刻t的威胁值;
——该直觉模糊数的隶属度;
——该直觉模糊数的非隶属度;
——该直觉模糊数的犹豫度。
步骤2:确定IFS矩阵。
式中,fik={(μik,vik,πik)},i=1,2,…,n;k=1,2,…,l。
步骤3:计算直觉模糊集的IFE。
由式(16)可得IFE矩阵E=(Ek)1×l。
步骤4:构建威胁属性客观权重非线性规划模型。
步骤5:则针对我方无人机oj的各威胁属性客观权重计算如下所示:
结合步骤S2给出的参数,利用式(14)计算可得T2时刻下的双方相 对态势属性威胁值的直觉模糊数,计算结果如表2-6所示。
表2-6双方相对态势威胁属性直觉模糊数表
在步骤S32中,层次分析法(Analytic Hierarchy Process,AHP)是美 国教授T.L.Satty提出的一种决策方法,该方法是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点就是在对复杂决策问 题的本质、影响因素及其内在关系等进行深入研究的基础上,利用较少 的定量信息使决策的思维过程数学化,从而为多目标、多准则或无结构 特性的复杂决策问题提供简便的决策方法,是对难以完全定量的复杂系统做出决策的模型和方法。
AHP的关键步骤为构建判断矩阵,判断矩阵中的元素表示不同判断 指标之间的相互重要性。但在实际使用中,准确的给出相互重要性的数 值是难以做到的,往往只能给出一个判断区间,因此本文采用区间层次 分析法(Interval Analytic Hierarchy Process,IAHP)来构建具体的判断矩 阵。通过专家对威胁属性的定性分析来确定具体的判断矩阵,依据重要 度标度表将定性分析转化为具体的数值,标度表如表2-7所示。
表2-7威胁属性相对重要度标度表
构造威胁属性判断矩阵矩阵J:
J=[pij]l×l(19)
式中,pij表示威胁属性i相对于威胁属性j的相对重要性。
对威胁属性判断矩阵J分析可得pij性质为:pji=1/pij,pij=1(i=j)。以 具有四个威胁属性的判断矩阵为例,如下所示:
通过对比较的肯定情况引入区间数,倘若对此次比较的结果绝对确 信,则不做处理,对此次比较的结果稍有怀疑,则令:
式中,为区间下界,/>为区间上界,k1为常数。
若对此次比较的结果较为怀疑,则令:
式中为区间下界,/>为区间上界,k2为常数。
示例如下所示:
使用IAHP计算威胁属性主观权重具体步骤如下所示:
步骤1:依据专家的定性分析构建判断矩阵J,J中的元素pij为区间中的基数;
步骤2:根据对元素间比较的犹豫度确定区间的上下界;
步骤3:将判断矩阵J分成下限判断矩阵和上限判断矩阵/>通过特征向量求解法求得/>和/>归一化最大特征值所对应的特征 向量/>和/>
步骤4:依据式(24)分别求解参数ρ1和ρ2;
步骤4:依据参数ρ1和ρ2构造区间形式的权值向量
步骤5:对权重向量wp进行归一化处理,得到各个威胁属性的主观权 重
举例来说,经过参考相关文献以及听取专家意见,构建多无人机协 同对抗场景下的相对距离、相对角度、相对速度、相对高度等态势属性 威胁判断矩阵,矩阵如表2-8所示。
表2-8威胁属性判断矩阵
根据式(21)~式(22)以及专家意见构建威胁属性区间判断矩阵, 结果如表2-9所示。
表2-9威胁属性区间判断矩阵
/>
根据表中数据,容易得到下限判断矩阵和上限判断矩阵/>
计算得到两个矩阵的最大特征值所对应的特征向量分别为:和/>根据式(24) 计算得到两者的权重值分别为ρ1=0.9815,ρ2=1.014。加权得到最终的主观 威胁属性权重值wp=[0.1540,0.0810,0.2880,0.4770]。
在步骤S33中,基于IAHP的主观权重求解方法综合了专家对于各威胁 属性的主观考虑,基于IFE方法的客观权重求解方法充分挖掘了威胁属性 相对威胁度内部的信息。仅考虑主观权重或者客观权重都是对于空中环 境认识的不充分,将专家知识与实际对抗情况相结合,综合分析威胁信 息,使得各威胁属性的权重值达到主客观的相统一。根据博弈论的理论, 主客观权重聚合就是找到一个解使得聚合后的解尽可能的距离原来的双 方距离近,而相对熵可以衡量两个随机分布之间的距离。当两个随机分 布相同时,它们的相对熵为零,当两个随机分布的差别增大时,他们的相对熵也会增大,因此本文采用相对熵理论将主观权重和客观权重组合 确定综合权重w=(w1,w2,…wl),即:
w=λwp+μwo(25)
式中,λ,μ分别为各传感器信任度的主观、客观权重衡量因子, 0≤λ≤1,0≤μ≤1,λ+μ=1。
设X=(x1,x2,…,xi,…,xn)和Y=(y1,y2,…,yi,…,yn)是两个离散概率分布,且 满足以下条件:
那么,X和Y之间的相对熵计算如下所示:
相对熵满足以下性质:
相对熵h(X,Y)可以用来测量离散概率分布X和Y之间的接近程度。当X 和Y是两种不同方法得到的权重向量时,可以通过相对熵h(X,Y)得到两种 不同权重之间的接近程度。为获得主客观权重衡量因子λ和μ,先对主观 权重wp和客观权重wo进行聚合,以获得聚合权重d={d1,d2,…,dj,dl}。求解 聚合权重d的问题可以转换为如下所示的优化问题:
对于式(29)所示的优化问题,存在全局最优解如 下所示:
综上,基于相对熵理论求解主客观权重衡量因子λ和μ的步骤如下所 示:
步骤1:确定主观权重和客观权重/>
步骤2:构造式(29)所示的优化模型;
步骤3:利用式(30)计算聚合权重
步骤4:利用式(27)分别计算主观权重和客观权重与聚合权重/>之间的接近程度h(wp,d*)和 h(wo,d*);
步骤5:根据接近程度分别计算主观权重和客观权重的衡量因子λ和 μ,计算如下所示:
最后,在步骤S34中,利用式(25)确定综合权重w。
在具体实施例中,首先根据式(13)计算得到我方各无人机在T2时刻 的威胁属性直觉模糊数的熵,计算结果如表2-11所示。
表2-11直觉模糊熵表
根据式(18)求得我方各无人机的各威胁属性客观权重,计算结果 如表2-11所示。
表2-11各属性客观权重
之后根据相对熵理论,依据式(27)~式(31)求解主客观权重衡量 因子,计算结果如表2-12所示。
表2-12我方各无人机主客观因子权重
步骤S4、对己方每一架飞行器,基于各威胁属性的目标权重及每个 目标飞行器的各威胁属性的属性值确定各目标的威胁值。
以对无人机o4为例,将本申请提出的综合权重与只考虑主观权重或客 观权重的态势属性威胁权重求解方法进行对比,可以得到三种不同的结 果,具体结果如表2-13所示:
表2-13不同权重因子下我方无人机o4威胁排序结果
由表可知,当值考虑主观权重时,对抗方无人机对我方无人机o4的威 胁排序结果为:目标3>目标2>目标4>目标1;当只考虑客观权重时,对抗 方无人机对我方无人机o4的威胁评估结果排序为:目标3>目标1>目标4>目标2;当考虑本文采用的综合权重时,对抗方无人机对我方无人机o4的 威胁评估结果排序为:目标3>目标2>目标1>目标4。显然,在本次仿真案 例中,单纯考虑主观或者客观因素所导致的结果是大相径庭的,除了目 标3,两个方法所求得的威胁排序结果直接颠倒了过来,这说明,在此仿真场景中,主观期望与客观事实存在较大的偏差,只考虑其中任何一种 方法,都不能保证评估结果的正确度。而采用综合权重的评估结果则更 加折中,与定性分析结果一致,说明了本申请方法的有效性,且该方法 能更为综合的反应真实的主客观信息。
步骤S5、确定己方飞行器编队内的每一架飞行器的自身权重。
在一些可选实施方中,步骤S5进一步包括:
步骤S51、确定己方飞行器的作为长机或僚机的基础权值;
步骤S52、确定用于表征己方飞行器投放物损耗程度的损耗权值;
步骤S53、确定用于表征己方飞行器健康状态的健康度权值;
步骤S54、基于所述基础权值、损耗权值及健康度权值加权获得所述自身 权重。
显然,在空中执行任务中,己方各无人机的价值是不等同的,每个无人机 的价值由他的成本、所携带的投放物、打击的能力等因素决定,即使是完全一 样的无人机,在实际执行任务的过程中,也往往会有长机和僚机之分,显然, 长机的地位应该是高于僚机的。
因此,本文选择给各个己方无人机赋予对应的价值权值,通过加权计算, 得到最终的威胁评估结果。
设己方无人机的价值权值为w=(w1,w2,…wj),首先确定各无人机的基础权 值。在多无人机协同自主打击过程中,我方无人机编队中往往会有一个无人机 作为长机,其余无人机作为僚机,当各无人机的自主决策产生冲突时,长机拥 有最终裁定权,故而长机的价值较其余僚机较高。设无人机o1为长机,则令:
由于无人机在任务发布前,往往所携带的投放物是固定的,故本文只考虑 无人机在执行任务时造成的投放物损耗,设在当前时刻各无人机所携带的投放 物储备为xj,则令:
式中,a,b为留存投放物价值系数,且b≤a≤1,为确保毁伤目标所需的 最低限度。
除了所携带的载荷数量,更为重要的影响因素为机体受损情况。结合常识, 同一编队中的不同无人机个体,若其机体受损情况越重,则其执行任务的能力 越低,其对整个任务所能做出的贡献越低,其的相对价值也越低。在参考了专 家的意见后,得到具体的机体健康度影响因子yj如下表2-14所示。
表2-14机体健康度影响因子表
得到最终权值wj:
步骤S6、基于己方每一架飞行器的自身权重,及对己方每一架飞行器的各 目标威胁值,确定对己方飞行器编队整体而言的整体威胁值。
参考表2-15,由表可知,对我方无人机编队而言,对抗方无人机的威胁排 序结果均为目标3>目标2>目标4>目标1,这充分证明了本文方法的有效性,且 由于本文方法对编队的情况进行了定性以及定量分析,与TOPSIS法相比,本 文方法充分挖掘了编队的客观信息,而与基于熵权法的直觉模糊威胁评估方法 相比多考虑了专家的定性分析,既克服了人为因素导致的对客观信息获取不全 面以及专家知识不足导致的误判影响,又充分挖掘了空中态势信息。因此,本 文所提出的威胁评估方法能够更加全面、合理、有效且准确地对目标进行威胁 排序。
表2-15不同方法威胁排序结果
虽然,上文中已经用一般性说明及具体实施方案对本申请作了详尽的描述, 但在本申请基础上,可以对之作一些修改或改进,这对本领域技术人员而言是 显而易见的。因此,在不偏离本申请精神的基础上所做的这些修改或改进,均 属于本申请要求保护的范围。
Claims (5)
1.一种基于飞行器编队的时序动态对抗威胁评估方法,其特征在于,包括:
步骤S1、构建目标飞行器相对于己方飞行器的态势威胁模型,所述态势威胁模型包括基于相对距离威胁属性构建的距离威胁模型、基于相对角度威胁属性构建的角度威胁模型、基于相对速度威胁属性构建的速度威胁模型、基于相对高度威胁属性构建的高度威胁模型,以及基于目标飞行器的飞行器类型构建的目标类型威胁模型;
步骤S2、对己方每一架飞行器,基于各态势威胁模型分别计算各目标飞行器各威胁属性的属性值;
步骤S3、对己方每一架飞行器,确定所述态势威胁模型中的各威胁属性的目标权重;
步骤S4、对己方每一架飞行器,基于各威胁属性的目标权重及每个目标飞行器的各威胁属性的属性值确定各目标的威胁值;
步骤S5、确定己方飞行器编队内的每一架飞行器的自身权重;
步骤S6、基于己方每一架飞行器的自身权重,及对己方每一架飞行器的各目标威胁值,确定对己方飞行器编队整体而言的整体威胁值;
其中,步骤S5进一步包括:
步骤S51、确定己方飞行器的作为长机或僚机的基础权值其中长机的基础权值为1,僚机的基础权值为0.67;
步骤S52、确定用于表征己方飞行器投放物损耗程度的损耗权值,其中,设在当前时刻各无人机所携带的投放物储备为xj,则损耗权值为:
式中,a,b为留存投放物价值系数,且b≤a≤1,为确保毁伤目标所需的最低限度;
步骤S53、确定用于表征己方飞行器健康状态的健康度权值yj,其中,基于无人机机体受损严重、一般、良好及没有受损四种情况分别设定健康度权值yj为0.1、0.4、0.8、1;
步骤S54、基于所述基础权值、损耗权值及健康度权值加权获得所述自身权重其中,k1,k2、k3分别为基础权值、损耗权值及健康度权值的加权权重。
2.如权利要求1所述的基于飞行器编队的时序动态对抗威胁评估方法,其特征在于,步骤S3进一步包括:
步骤S31、基于直觉模糊数确定各威胁属性的客观权重;
步骤S32、基于AHP确定各威胁属性的主观权重;
步骤S33、基于相对熵确定所述主观权重与所述客观权重的衡量因子;
步骤S34、基于所述衡量因子确定由所述主观权重与所述客观权重组成的所述目标权重。
3.如权利要求2所述的基于飞行器编队的时序动态对抗威胁评估方法,其特征在于,步骤S31进一步包括:
步骤S311、确定各威胁属性的直觉模糊数;
步骤S312、基于所述直觉模糊数构建直觉模糊集;
步骤S313、计算所述直觉模糊集的直觉模糊熵;
步骤S314、基于客观权重的非线性规划模型进行各客观权重的权重值优化,获得对己方每一架飞行器的各威胁属性的客观权重。
4.如权利要求3所述的基于飞行器编队的时序动态对抗威胁评估方法,其特征在于,步骤S32进一步包括:
步骤S321、基于专家给定的定性分析构建判断矩阵,所述定性分析包括各威胁属性两两之间的比较结果;
步骤S322、根据对元素间比较的犹豫度确定所述判断矩阵中的每一项的上下界;
步骤S323、基于所述上下界分别确定上限判断矩阵及下限判断矩阵;
步骤S324、分别求解所述上限判断矩阵及下限判断矩阵的特征向量以及上下限判断矩阵的权重;
步骤S325、确定由各所述特征向量形成的所述主观权重。
5.如权利要求3所述的基于飞行器编队的时序动态对抗威胁评估方法,其特征在于,步骤S33进一步包括:
步骤S331、对所述主观权重与所述客观权重进行聚合,以获得聚合权重;
步骤S332、计算所述主观权重与所述聚合权重的第一接近程度,计算所述客观权重与所述聚合权重之间的第二接近程度;
步骤S333、基于所述第一接近程度与所述第二接近程度分别计算所述主观权重与所述客观权重的衡量因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210853924.0A CN115544714B (zh) | 2022-07-12 | 2022-07-12 | 一种基于飞行器编队的时序动态对抗威胁评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210853924.0A CN115544714B (zh) | 2022-07-12 | 2022-07-12 | 一种基于飞行器编队的时序动态对抗威胁评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115544714A CN115544714A (zh) | 2022-12-30 |
CN115544714B true CN115544714B (zh) | 2023-10-10 |
Family
ID=84724356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210853924.0A Active CN115544714B (zh) | 2022-07-12 | 2022-07-12 | 一种基于飞行器编队的时序动态对抗威胁评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115544714B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739431B (zh) * | 2023-06-28 | 2024-03-26 | 北京流体动力科学研究中心 | 基于层次分析法的飞行器实时威胁评估方法 |
CN116956642B (zh) * | 2023-09-19 | 2024-01-12 | 中国电子科技集团公司第十研究所 | 一种威胁评估算法性能动态仿真验证方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2270259A1 (en) * | 1998-06-12 | 1999-12-12 | The Boeing Company | Dynamic, multi-attribute hazard prioritization system for aircraft |
CN108549233A (zh) * | 2018-05-04 | 2018-09-18 | 南京航空航天大学 | 一种带有直觉模糊信息的无人机空战机动博弈方法 |
CN113987789A (zh) * | 2021-10-26 | 2022-01-28 | 西北工业大学 | 无人机协同空战中的动态威胁评估方法 |
-
2022
- 2022-07-12 CN CN202210853924.0A patent/CN115544714B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2270259A1 (en) * | 1998-06-12 | 1999-12-12 | The Boeing Company | Dynamic, multi-attribute hazard prioritization system for aircraft |
CN108549233A (zh) * | 2018-05-04 | 2018-09-18 | 南京航空航天大学 | 一种带有直觉模糊信息的无人机空战机动博弈方法 |
CN113987789A (zh) * | 2021-10-26 | 2022-01-28 | 西北工业大学 | 无人机协同空战中的动态威胁评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115544714A (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | A novel target threat assessment method based on three-way decisions under intuitionistic fuzzy multi-attribute decision making environment | |
CN115544714B (zh) | 一种基于飞行器编队的时序动态对抗威胁评估方法 | |
CN113987789B (zh) | 无人机协同空战中的动态威胁评估方法 | |
CN110348708B (zh) | 一种基于极限学习机的地面目标动态威胁评估方法 | |
CN110490422B (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
Yin et al. | Threat assessment of aerial targets based on improved GRA-TOPSIS method and three-way decisions | |
CN102222240B (zh) | 一种基于DSmT的图像目标多特征融合识别方法 | |
CN112596031A (zh) | 一种基于知识图谱的目标雷达威胁度评估方法 | |
CN101893441A (zh) | 基于离差最大化及灰色关联分析的无人机航迹优选方法 | |
Jinfu et al. | Dynamic assessment method of air target threat based on improved GIFSS | |
Cao et al. | Target threat assessment in air combat based on improved glowworm swarm optimization and ELM neural network | |
CN109885082A (zh) | 一种基于任务驱动下的无人机航迹规划的方法 | |
Jian et al. | An Apriori-based data analysis on suspicious network event recognition | |
Xiang et al. | Interval TOPSIS with a novel interval number comprehensive weight for threat evaluation on uncertain information | |
Liu et al. | Energy-balanced multiple-sensor collaborative scheduling for maneuvering target tracking in wireless sensor networks | |
Zhang et al. | A novel ranking method for intuitionistic fuzzy set based on information fusion and application to threat assessment | |
CN112269401B (zh) | 基于跟踪精度与风险控制的自适应主动传感器跟踪方法 | |
Gao et al. | UAV swarm cooperative situation perception consensus evaluation method based on three-parameter interval number and heronian mean operator | |
Yu et al. | A novel tent-levy fireworks algorithm for the UAV task allocation problem under uncertain environment | |
Wang et al. | Air combat effectiveness assessment of military aircraft using a fuzzy AHP and TOPSIS methodology | |
CN116738334A (zh) | 一种基于dbn和topsis法的空中多目标威胁评估方法 | |
CN116520281A (zh) | 一种基于ddpg的扩展目标跟踪优化方法和装置 | |
CN115661576A (zh) | 一种样本不平衡下的飞机群组意图识别方法 | |
CN115456171A (zh) | 一种基于bp神经网络模型的飞行器姿态估计方法 | |
CN114580884A (zh) | 多特性分层结构与自适应逼近的空天目标威胁评估方法 |
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 |