CN115759754A - 基于动态博弈变权的超视距空战模拟目标威胁评估方法 - Google Patents
基于动态博弈变权的超视距空战模拟目标威胁评估方法 Download PDFInfo
- Publication number
- CN115759754A CN115759754A CN202211558290.2A CN202211558290A CN115759754A CN 115759754 A CN115759754 A CN 115759754A CN 202211558290 A CN202211558290 A CN 202211558290A CN 115759754 A CN115759754 A CN 115759754A
- Authority
- CN
- China
- Prior art keywords
- threat
- target
- situation
- weight
- model
- 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.)
- Pending
Links
Images
Classifications
-
- 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
Abstract
本发明公开了基于动态博弈变权的超视距空战模拟目标威胁评估方法,包括:根据超视距空战的威胁评估模型和当前时刻的态势信息,确定每个目标针对各指标的威胁值;指标包括空战态势、空战意图、空战事件和空战能力;空战态势包括多个态势属性;利用所有目标的态势属性的威胁值构建多目标态势威胁矩阵,基于熵权法得到态势属性基础权重向量;得到态势属性变权重矩阵;得到各目标的综合态势威胁值构建多目标多指标威胁矩阵,对其通过求解灰色关联深度及基于极大熵模型求解客观指标权重向量;结合主观指标权重向量,建立博弈收益模型并求解最优指标权重向量,对其基于GRA‑TOPSIS方法评估各目标的威胁大小,得到各目标的威胁大小排序结果。
Description
技术领域
本发明属于计算机仿真与人工智能技术领域,具体涉及一种基于动态博弈变权的超视距空战模拟目标威胁评估方法。
背景技术
空战模拟系统是借助于计算机仿真手段对战斗机的整个作战过程进行细致、逼真的模拟。为了有效提高用户体验的真实性以及对抗游戏和模拟系统的易操控性,需要从实际空战角度仿真设计对抗游戏和模拟系统,更为重要的是战术模拟及其便捷性交互设计,从而在还原空战真实度的同时,提高用户在对抗游戏和模拟系统中的操控水平。
针对敌方飞机等目标,在空战模拟与目标进行对抗的过程中,威胁评估作为作战流程的基础将直接影响我方的武器目标分配等战术行为,能够为智能化空战辅助决策提供支撑。威胁评估是通过分析空战机理,建立威胁评估模型,选取合适指标对威胁进行量化并进行分析得到最终威胁评估结果。而现代化空战以超视距多目标攻击为主,空战模式改变导致传统威胁评估模型与方法不再适用。评估过程需要考虑的因素增多,评估的层次与指标变得更加多样化,对威胁评估的准确性、科学性、有效性提出了更高的要求。
目前绝大多数研究是针对威胁指标分析算法和权重确定方法展开的,主要采用的方法有:多属性决策理论,其中包含TOPSIS(Technique for Order Preference bySimilarity to Ideal Solution,逼近理想解排序法)、多准则妥协解排序法(简称VIKOR)、灰色理论、证据理论、模糊理论等。其中,《Improved TOPSIS Based on IAHP and Entropyfor Threat Assessment》一文采用TOPSIS对目标威胁进行评估,针对TOPSIS自身不足从数据标准化以及权重计算两方面对算法进行改进。《Dynamic Threat Assessment of Airmulti-target Based on DBN-TOPSIS Method》一文将贝叶斯网络与TOPSIS进行结合,通过动态贝叶斯网络获得多目标威胁级别可能性并将其映射到TOPSIS评估矩阵,有效解决了小样本威胁距离评估问题。《基于灰主成分的空战目标威胁评估》一文在主成分分析的基础上用灰色关联系数替代相关系数将PCA和灰色理论结合,同时利用灰色关联深度对主成分权重进行确定。《Multi-domain battlefield threat assessment based on DS evidencetheory and conditional probability table》一文采用D-S证据理论、条件概率表和综合权重建立分级评估模型并将其进行整合,从而得到完整模型对目标威胁进行评估。
但经过分析,现有技术存在以下缺点:
1)部分研究中威胁评估模型所涉及指标并不全面。而随着航电武器系统发展及对现代化作战的深入研究,威胁评估考虑因素增多,变得复杂多样。现有方法面对多层次的评估模型已不适用,求解得到的权重会存在一定相关性及耦合性,无法充分利用态势信息。
2)对指标权重的求解大多基于数据自身特性,且得到的固定权重不能反映空战态势的动态变化对其自身重要性的影响,存在状态失衡的问题,忽略了态势与权重的动态联系。
3)针对不同作战场景以及不同决策者,在对威胁指标赋权时容易过度依赖专家经验使得权重过于主观,或者仅根据数据本身进行分析,但分析方法不同其结果也存在差异,因此无法做到主观与客观的协调统一。
4)无论是灰色关联度分析法GRA还是优劣解距离法TOPSIS均存在不足,GRA方法体现的是评价序列与参考序列的形状相似性,而TOPSIS方法计算评价序列与参考序列的形状相似性,仅采用单一方法无法得到准确合理的评估结果。
因此如何提出一种新的超视距综合目标威胁评估方法以解决上述缺陷,是本领域内一个亟待解决的问题。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于动态博弈变权的超视距空战模拟目标威胁评估方法。本发明要解决的技术问题通过以下技术方案实现:
根据预先建立的超视距空战的威胁评估模型和当前时刻的态势信息,确定每个目标针对所述威胁评估模型中各指标的威胁值;其中,所述威胁评估模型根据影响目标威胁的多类指标建立,所述多类指标包括空战态势、空战意图、空战事件和空战能力;所述空战态势的威胁值以内部多个态势属性的威胁值表征,所述多个态势属性包括角度威胁、速度威胁、距离威胁和高度威胁;
利用所有目标的态势属性的威胁值构建多目标态势威胁矩阵,对所述多目标态势威胁矩阵基于熵权法得到态势属性基础权重向量;
基于所述态势属性基础权重向量、所述多目标态势威胁矩阵,结合变权理论以及空战对抗过程中不同态势属性对态势威胁的影响分析结果,得到态势属性变权重矩阵;并利用所述多目标态势威胁矩阵和所述态势属性变权重矩阵,得到各目标的综合态势威胁值;其中,所述态势属性变权重矩阵包含各目标针对多个态势属性的态势属性变权重;
根据各目标的综合态势威胁值以及其余指标的威胁值得到多目标多指标威胁矩阵;利用所述多目标多指标威胁矩阵,通过求解灰色关联深度以及基于极大熵模型求解客观指标权重向量;
根据所述客观指标权重向量和预先建立的主观指标权重向量,建立主观与客观的博弈收益模型并求解最优解,基于所述最优解得到最优指标权重向量;其中,所述最优指标权重向量包含针对多类指标的最优指标权重;
利用所述最优指标权重向量,基于GRA-TOPSIS方法评估各目标的威胁大小,得到各目标的威胁大小排序结果。
本发明实施例为了解决传统模型针对超视距空战背景不适用的问题,预先分析超视距空战机理,建立综合考虑目标空战态势、空战意图、空战能力空战、事件的新的超视距空战的威胁评估模型。并在此基础上提供了一种基于动态博弈变权的超视距空战模拟目标威胁评估方法。该方法分析指标与内部属性之间的层级关系,为避免信息冗余,指标与属性之间出现相互耦合,提出了一种分布式的权重确定方法:先求解空战态势指标内部态势属性的权重,再计算四种指标所对应权重。同时针对空战态势失衡问题,在熵权法的基础上基于变权理论得到态势属性变权重,实现动态变权。接着为实现主观与客观的统一,提出基于博弈论的组合赋权方法,通过专家经验确定主观权重,采用基于灰色关联深度的极大熵模型确定客观指标权重。最后考虑到GRA和TOPSIS自身的局限性,将两者结合,从形状相似性与位置相似性两个方面进行考量,基于GRA-TOPSIS方法全面准确地评估目标威胁大小。本发明实施例方法为进行深度态势感知、辅助战术决策及武器目标分配提供了一种合理可行的解决方案。
附图说明
图1为本发明实施例所提供的一种基于动态博弈变权的超视距空战模拟目标威胁评估方法的流程示意图;
图2为本发明实施例所提供的基于动态博弈变权的超视距空战模拟目标威胁评估方法的整体流程示意图;
图3为本发明实施例中超视距空战态势威胁动态变权流程图;
图4为本发明实施例中超视距空战2v4仿真示例空间态势图;
图5为本发明实施例中超视距空战2v4仿真示例二维平面态势图;
图6为本发明实施例中各目标的正负理想解灰色关联度及欧几里得距离示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例所提供的一种基于动态博弈变权的超视距空战模拟目标威胁评估方法的执行主体可以为一种基于动态博弈变权的超视距空战模拟目标威胁评估装置,装置可以运行于电子设备中。其中,该电子设备可以为一服务器或终端设备,当然并不局限于此。
请参见图1和图2理解发明实施例所提供的一种基于动态博弈变权的超视距空战模拟目标威胁评估方法的处理流程。如图1所示,本发明实施例所提供的一种基于动态博弈变权的超视距空战模拟目标威胁评估方法,可以包括如下步骤:
S1,根据预先建立的超视距空战的威胁评估模型和当前时刻的态势信息,确定每个目标针对威胁评估模型中各指标的威胁值;
本领域技术人员可以理解的是,超视距空战场景中对抗的双方是敌方飞机和我方飞机。本发明实施例中,敌方飞机即为目标,我方飞机称为载机。
其中,威胁评估模型根据影响目标威胁的多类指标建立,多类指标包括空战态势、空战意图、空战事件和空战能力;空战态势的威胁值以内部多个态势属性的威胁值表征,多个态势属性包括角度威胁、速度威胁、距离威胁和高度威胁。
具体的,本发明实施例预先从超视距空战背景出发,对现有传统威胁评估模型进行整合分析,针对空战中不同事件所产生的影响,将影响目标威胁的因素至少分为上述四类指标。针对每类指标,本发明实施例预先建立对应的威胁模型,以共同构成一种新的超视距空战的威胁评估模型。并且,本发明实施例对空战态势这一指标进行了细化,将其分为不同的态势属性,针对每个态势属性建立相应的威胁模型,由所有态势属性的威胁模型来构成空战态势的威胁模型。
也就是说,本发明实施例中,对应多类指标,威胁评估模型包括态势威胁模型、意图威胁模型、事件威胁模型和能力威胁模型;其中,对应多个态势属性,态势威胁模型包括角度威胁模型、速度威胁模型、距离威胁模型和高度威胁模型。当然,本发明实施例中指标不限于以上四类,态势属性也不限于以上四种,可以根据实际需要增加,这都是合理的。
为了便于理解本发明实施例的方案,首先对超视距空战的威胁评估模型的建模过程予以说明。
(一)态势威胁模型
(1)角度威胁模型
角度威胁主要由目标的方位角和进入角决定,本发明实施例结合雷达探测区、导弹攻击区的发射区、不可逃逸区,对方位角区间和进入角区间进行划分,方位角越小、进入角越大,空空导弹攻击区的范围越大,角度威胁越大。具体的角度威胁模型如下:
可见,公式(1)划分出了四个方位角威胁区间计算公式;公式(2)划分出了两个进入角威胁区间计算公式。
其中,表示目标的方位角威胁;表示目标的方位角;表示最大离轴发射角;表示最大搜索方位角;表示不可逃逸圆锥角;Tq表示目标的进入角威胁;q表示目标的进入角。上述公式(1)和(2)中,除了和q之外,其余参数已知。
由于方位角和进入角之间对空战态势影响存在耦合关系,本发明实施例构建角度态势函数,可以表示为:
其中,Ta表示角度威胁;γ1、γ2表示方位角和进入角的权重,用于对方位角和进入角的威胁占比进行分配,γ1+γ2=1;γ1、γ2可以根据专家经验确定,比如可选的一种实施方式中,γ1=0.7,γ2=0.3。
(2)速度威胁模型
超视距空战中,速度的大小决定了攻击占位以及发射导弹时的能量大小,但速度超过一定界限时,飞行的稳定性以及转弯性能会下降,能量损耗也会增加,因此本发明实施例引入目标的最佳空战速度,此速度大小由飞机性能,飞行员经验综合确定,当目标的飞行速度超过其最佳空战速度时威胁下降。
具体的速度威胁模型如下:
当vbv>1.5vt时:
当vbv≤1.5vt时:
可见,公式(4)和公式(5)作为两种情况,均划分出了多个速度威胁区间计算公式。
其中,Tv表示速度威胁;vm表示目标的速度;vt表示载机的速度;vbv表示目标的最佳空战速度,针对每个目标而言,参数vbv已知。
(3)距离威胁模型
基于超视距空战以导弹攻击为主,因此本发明实施例在仅考虑雷达最大探测距离的基础上结合导弹攻击区,对距离威胁区间重新进行划分,具体的距离威胁模型如下:
可见,公式(6)划分出了多个距离威胁区间计算公式。
其中,Td表示距离威胁;D表示载机与目标之间的距离:Drmax表示雷达最大探测距离;Dmmax表示导弹最大攻击距离;Dmmin表示导弹最小攻击距离;Dmkmax表示不可逃逸最大距离;Dmkmin表示不可逃逸最小距离;Dmmin<Dmkmin<Dmkmax<Dm max<Drmax。
本领域技术人员可以理解,上述公式(6)中,除了D之外,其余参数已知。
(4)高度威胁模型
超视距空战往往需要进行高度占位,同时高度越高导弹攻击区越大,但由于飞机的性能限制以及高度过高会导致导弹性能下降,因此本发明实施例设定目标的最佳空战高度。具体的高度威胁模型如下:
当ht<hbh:
当hbh≤ht:
可见,公式(7)和公式(8)作为两种情况,均划分出了多个高度威胁区间计算公式。
其中,Th表示高度威胁;hm表示目标的高度;ht表示载机的高度,hbh目标的最佳空战高度,针对每个目标而言,参数hbh已知。
当然,如果态势属性除了上述四种之外还包括其余的态势属性,也可以构造类似的威胁模型,作为态势威胁模型的一部分。
(二)意图威胁模型
空战的战术意图反映的是飞行员所要实现的目的,不同的战术策略会在一定程度上决定战斗机之后的机动决策从而影响态势的变化,因此不同的战术意图具备不同程度的威胁,本发明实施例基于对空战战术机理进行的分析,将空战战术意图划分为攻击、防御、探测、干扰和逃逸五种,并根据专家经验为每一种空战战术意图设定具体的威胁值,构建出意图威胁模型如表1所示。
表1意图威胁模型中空战战术意图的威胁值
(三)事件威胁模型
本领域技术人员可以理解的是,存在多种空战事件,本发明实施例中多种空战事件包括敌雷达对我机持续扫描、敌雷达对我机持续干扰、敌雷达对我机持续跟踪、敌方导弹符合发射条件和敌方发射导弹。本发明实施例结合专家经验对空战事件的威胁值进行量化,构建出事件威胁模型如表2所示:
表2事件威胁模型中空战事件的威胁值
(四)能力威胁模型
空战能力评估是威胁评估的重要组成部分,飞机作战能力的强弱一定程度上直接决定了作战胜负,本发明实施例根据飞机性能相关参数确定能力量化公式,构建出能力威胁模型。
其中,能力量化公式表示为:
其中,E表示能力威胁;表示飞机的稳定飞行性能;表示飞机的机动飞行性能;EC表示飞机的操纵性能;ESA表示飞机的态势感知能力;EW表示飞机的火力性能;EV表示飞机的生存能力;EECM表示飞机的电子对抗能力;EC、ESA、EW、EV、EECM均为飞机性能相关参数,根据飞机类型确定;wF1表示稳定飞行能力的权重;wF2表示机动飞行能力的权重;τ1、τ2、τ3表示针对能力威胁预设的权重系数。
以上是超视距空战的威胁评估模型的建模过程,当然,如果除了上述四类指标之外还包括其余指标,也可以构造类似的威胁模型,作为超视距空战的威胁评估模型的一部分。
在建模基础上,针对S1,根据预先建立的超视距空战的威胁评估模型和当前时刻的态势信息,确定每个目标针对威胁评估模型中各指标的威胁值,可以包括以下步骤:
S11,根据当前时刻的态势信息中与角度、速度、距离、高度相关的参数,以及角度威胁模型、速度威胁模型、距离威胁模型和高度威胁模型,分别确定各目标的角度威胁值、速度威胁值、距离威胁值和高度威胁值;
该步骤具体包括:
S111,针对每个目标,基于当前时刻的态势信息中该目标的方位角,在角度威胁模型中的多个方位角威胁区间计算公式中,确定匹配的方位角威胁区间计算公式,并利用匹配的方位角威胁区间计算公式计算出该目标的方位角威胁值;基于当前时刻的态势信息中该目标的进入角,在角度威胁模型中的多个进入角威胁区间计算公式中,确定匹配的进入角威胁区间计算公式,并利用匹配的进入角威胁区间计算公式计算出该目标的进入角威胁值;并利用预设的方位角权重、进入角权重以及该目标的方位角威胁值、进入角威胁值,加权计算得到该目标的角度威胁值;
具体的,利用当前时刻的态势信息中该目标的方位角通过判断与π、 的数值关系,在公式(1)表示的四个方位角威胁区间计算公式中,确定匹配的方位角威胁区间计算公式,并代入相关数值,计算得到该目标的方位角威胁值
同样的,利用当前时刻的态势信息中该目标的进入角q,通过判断q与π的数值关系,在公式(2)表示的两个进入角威胁区间计算公式中,确定匹配的进入角威胁区间计算公式,并代入相关数值,计算得到该目标的进入角威胁值Tq。
可以理解的是,针对每个目标均可以计算得到一个角度威胁值Ta。
S112,针对每个目标,基于当前时刻的态势信息中载机的速度、该目标的速度和该目标的最佳空战速度,在速度威胁模型中的多个速度威胁区间计算公式中,确定匹配的速度威胁区间计算公式,并利用匹配的速度威胁区间计算公式计算出该目标的速度威胁值;
具体的,利用当前时刻的态势信息中载机的速度vt、该目标的速度vm,以及预先确定的该目标的最佳空战速度vbv,通过判断载机的速度vt和该目标的最佳空战速度vbv的数值关系,确定采用公式(4)或者公式(5),并在确定的公式所表示的多个速度威胁区间计算公式中,确定匹配的速度威胁区间计算公式,代入相关数值,计算得到该目标的速度威胁值Tv。
可以理解的是,针对每个目标均可以计算得到一个速度威胁值Tv。
S113,针对每个目标,基于当前时刻的态势信息中载机与该目标的距离,在距离威胁模型中的多个距离威胁区间计算公式中,确定匹配的距离威胁区间计算公式,并利用匹配的距离威胁区间计算公式计算出该目标的距离威胁值;
具体的,利用当前时刻的态势信息中载机与该目标的距离D,通过判断D与Drmax、Dmmax、Dmkmax、Dmkmin的数值关系,在公式(6)表示的五个距离威胁区间计算公式中,确定匹配的距离威胁区间计算公式,并代入相关数值,计算得到该目标的距离威胁值Td。
可以理解的是,针对每个目标均可以计算得到一个距离威胁值Td。
S114,针对每个目标,基于当前时刻的态势信息中载机的高度、该目标的高度和该目标的最佳空战高度,在高度威胁模型中的多个高度威胁区间计算公式中,确定匹配的高度威胁区间计算公式,并利用匹配的高度威胁区间计算公式计算出该目标的高度威胁值。
具体的,利用当前时刻的态势信息中载机的高度ht、该目标的高度hm,以及预先确定的该目标的最佳空战高度hbh,通过判断载机的高度ht和该目标的最佳空战高度hbh的数值关系,确定采用公式(7)或者公式(8),并在确定的公式所表示的多个高度威胁区间计算公式中,确定匹配的高度威胁区间计算公式,代入相关数值,计算得到该目标的高度威胁值Th。
可以理解的是,针对每个目标均可以计算得到一个高度威胁值Th。
综上,针对空战态势,每个目标可以针对角度威胁、速度威胁、距离威胁和高度威胁得到对应的威胁值,共同表征空战态势威胁值。
S12,根据当前时刻的态势信息中表征各目标空战战术意图的意图信息,以及空战意图对应的意图威胁模型中预先建立的多种空战战术意图分别对应的威胁值,确定各目标的空战意图威胁值;
其中,如前文所描述,多种空战战术意图包括攻击、防御、探测、干扰和逃逸。
当前时刻的态势信息中携带有目标的意图信息,比如针对一个目标,其意图信息为攻击,则可以在表1所示的意图威胁模型中,查询攻击对应的威胁值,作为该目标的空战意图威胁值。
S13,根据当前时刻的态势信息中表征各目标空战事件的事件信息,以及空战事件对应的事件威胁模型中预先建立的多种空战事件分别对应的威胁值,确定各目标的空战事件威胁值;
其中,如前文所描述,多种空战事件包括敌雷达对我机持续扫描、敌雷达对我机持续干扰、敌雷达对我机持续跟踪、敌方导弹符合发射条件和敌方发射导弹。
当前时刻的态势信息中携带有目标的事件信息,比如针对一个目标,其事件信息为敌雷达对我机持续扫描,则可以在表2所示的事件威胁模型中,查询敌雷达对我机持续扫描对应的威胁值,作为该目标的空战事件威胁值。
S14,根据当前时刻的态势信息中与各目标空战能力相关的参数,利用空战能力对应的能力威胁模型中的能力量化公式,确定各目标的空战能力威胁值。
当前时刻的态势信息中携带有目标的飞机性能相关参数,比如机型相关的参数,这些均为与目标空战能力相关的参数,那么,可以通过这些参数确定目标的空战能力威胁值E,具体过程在此不做详细说明。
综上,通过S1,每个目标针对空战态势可以得到角度威胁值、速度威胁值、距离威胁值和高度威胁值,同时可以得到空战意图威胁值、空战事件威胁值和空战能力威胁值。
S2,利用所有目标的态势属性的威胁值构建多目标态势威胁矩阵,对多目标态势威胁矩阵基于熵权法得到态势属性基础权重向量;
由于空战态势的威胁值目前是以其内多个态势属性的威胁值表征的,为了针对每个目标获得空战态势最终的一个威胁值,本发明实施例结合各个态势属性对态势威胁的影响分析,确定相应的权重,以实现态势属性的加权计算。
可选的一种实施方式中,S2可以包括以下步骤:
S21,以行依次表示不同目标,列依次表示目标的多个态势属性的威胁值,构建多目标态势威胁矩阵;
本发明实施例假设有m个目标,n个态势属性,m和n为大于0的自然数;基于S1得到的各个态势属性的威胁值,可以构建多目标态势威胁矩阵X。X中的元素xij表示第i个目标的第j个态势属性的威胁值。j=1,2,3,4分别对应角度、速度、距离、高度四个态势属性。
S22,针对每个态势属性,利用多目标态势威胁矩阵中该态势属性对应的一列元素,采用评价指标信息熵的计算公式得到该态势属性对应的信息熵;
其中,评价指标信息熵的计算公式为:
可以理解的是,针对每个态势属性,利用所有目标在多目标态势威胁矩阵中的一列元素,通过公式(11)可以计算出该态势属性对应的信息熵Hj。
S23,基于该态势属性对应的信息熵,利用熵权计算公式计算出该态势属性对应的态势属性基础权重,并由各个态势属性依次得到的态势属性基础权重构成态势属性基础权重向量。
态势属性的信息熵越大则反馈的信息越少,对决策的影响作用越小,对应的权重越低,因此,根据态势属性重要度与信息熵的关系,可以得到熵权计算公式为:
其中,δi为第i个态势属性对应的态势属性基础权重,1-Hj表示对应的态势属性重要度,可以看出态势属性重要度与态势属性基础权重呈正相关。
针对每个态势属性利用上述公式(12)可以得到对应的态势属性基础权重。
为了便于理解本发明实施例方案,以下均以四个目标、四类指标、四个态势属性进行说明。
那么,针对所有目标,该步骤最终得到态势属性基础权重向量可以表示为W1=[δ1,δ2,δ3,δ4],其中各个态势属性基础权重分别对应角度威胁、速度威胁、距离威胁、高度威胁四个态势属性。
S3,基于态势属性基础权重向量、多目标态势威胁矩阵,结合变权理论以及空战对抗过程中不同态势属性对态势威胁的影响分析结果,得到态势属性变权重矩阵;并利用多目标态势威胁矩阵和态势属性变权重矩阵,得到各目标的综合态势威胁值;
为了便于描述,将S3划分为S31和S32。S31表示:基于态势属性基础权重向量、多目标态势威胁矩阵,结合变权理论以及空战对抗过程中不同态势属性对态势威胁的影响分析结果,得到态势属性变权重矩阵。S32表示:利用多目标态势威胁矩阵和态势属性变权重矩阵,得到各目标的综合态势威胁值。
可选的一种实施方式中,S31包括以下步骤:
S311,针对每个目标,利用多目标态势威胁矩阵中该目标对应的元素、态势属性基础权重向量中各态势属性基础权重、预先设置的多个变权因子,以及预先建立的变权综合模型中各态势属性对应的态势属性变权重计算公式,计算该目标针对各态势属性的态势属性变权重,得到该目标的态势属性变权重向量;
S312,由所有目标的态势属性变权重向量构成态势属性变权重矩阵。
其中,态势属性变权重矩阵包含各目标针对多个态势属性的态势属性变权重。
为了便于理解本发明实施例中S31涉及的方案,在此先对变权综合模型的建模过程进行说明。
变权综合模型的构建过程,包括:
1)根据分析得到的空战对抗过程中态势属性内角度威胁、速度威胁、高度威胁作为正属性,对态势威胁的影响程度呈递增性的分析结果、针对正属性的变权因子以及多目标态势威胁矩阵中目标相对于正属性的元素,通过正相关非线性函数构造针对正属性的第一均衡函数;
为实现状态均衡,本发明实施例预先对四种态势属性的状态变化对态势的影响进行了分析:随着空战过程推移,双方从接敌转入交战,而随着距离的逼近,此时战斗机需要通过机动占位获得角度、速度、高度上的优势使得攻击区增大,提高发射导弹命中概率。因此可以得出结论,角度、速度、高度对态势的影响程度呈递增性。
因此,将态势属性内角度威胁、速度威胁、高度威胁作为正属性,通过正相关非线性函数构造针对正属性的激励型均衡函数,即第一均衡函数,具体如下:
其中,公式(13)以一个目标为例构造;j=1,2,4表示态势属性中的角度威胁、速度威胁、高度威胁;公式(13)中xj表示在多目标态势威胁矩阵中目标的角度威胁值、速度威胁值、高度威胁值;βj表示针对角度威胁值、速度威胁值、高度威胁值的变权因子。
2)根据分析得到的空战对抗过程中态势属性内距离威胁作为负属性,对态势威胁的影响程度呈递减性的分析结果、针对负属性的变权因子以及多目标态势威胁矩阵中目标相对于负属性的元素,通过负相关非线性函数构造针对负属性第二均衡函数;
和1)中的空战机理类似,距离因素是在接敌时判断态势威胁首要考量的属性,而随着距离的缩小,敌我双方更多的是进行博弈对抗实现其他三个指标的占优,所以距离与态势威胁的影响程度呈递减性。
因此,将态势属性内距离威胁作为负属性,通过负相关非线性函数构造针对负属性的惩罚性变权函数,即第二均衡函数,具体如下:
Bj=xj+βjlnxj,j=3 (14)
其中,公式(14)也是以一个目标为例构造;j=3表示态势属性中的距离威胁;公式(14)中xj表示在多目标态势威胁矩阵中目标的距离威胁值;βj表示针对距离威胁值的变权因子。
3)对第一均衡函数和第二均衡函数整合得到均衡函数模型;
其中,均衡函数模型如下所示:
其中,βj,j=1,2,3,4为变权因子,由指挥系统或飞行员实时确定,根据不同作战场景可以进行调整设置。
4)对均衡函数模型求取梯度得到用于求解状态变权向量的状态变权向量模型;
状态变权向量模型的表达式为:
其中,状态变权向量模型中,正属性和负属性对应的状态变权向量计算公式不相同。
5)根据态势属性基础权重向量中各态势属性基础权重和状态变权向量模型,构建包括正属性的态势属性变权重计算公式和负属性的态势属性变权重计算公式的变权综合模型。
其中,变权综合模型的表达式为:
其中,变权综合模型W2(Xi)针对每个目标i构建;上侧公式为正属性的态势属性变权重计算公式;下侧公式为负属性的态势属性变权重计算公式。其中δj表示第j个态势属性对应的态势属性基础权重;为了区分避免计算混淆,分母上的态势属性基础权重、状态变权向量的下标以k表示。
在预先建立的变权综合模型基础上,S31的过程具体为,
针对每个目标i,利用多目标态势威胁矩阵X中该目标i对应的一行态势属性威胁值xj、态势属性基础权重向量W1=[δ1,δ2,δ3,δ4]中各态势属性基础权重、预先设置的多个变权因子βj,以及公式(17)中的两个态势属性变权重计算公式,计算该目标i针对各态势属性的态势属性变权重εj,得到该目标的态势属性变权重向量W2(Xi)=[εi,1,εi,2,εi,3,εi,4];再由所有目标的态势属性变权重向量构成态势属性变权重矩阵:
其中,态势属性变权重矩阵包含各目标针对多个态势属性的态势属性变权重。
在此基础上,S32的过程具体为:
针对每个目标,利用态势属性变权重矩阵中该目标的态势属性变权重向量,对多目标态势威胁矩阵中该目标对应的行向量进行加权计算,得到该目标的综合态势威胁值;
该步骤可用以下公式表征:
FS=X·W2 (19)
但是需要注意的是,实际计算时,针对每个目标,是利用X中该目标对应的行向量与W2中该目标对应的行向量进行对应元素加权计算求和得到的。比如针对第一个目标,计算ε1,1*x11+ε1,2*x12+ε1,3*x13+ε1,4*x14,得到第一个目标的综合态势威胁值fs1。
可以理解的是,每个目标均会计算得到一个综合态势威胁值,则四个目标得到的综合态势威胁值构成一个向量FS=[fs1,fs2,fs3,fs4]。
通过S2~S3,本发明实施例利用熵权法得到各态势属性基础权重的基础上,结合变权理论通过分析空战对抗过程中不同态势属性对态势威胁的影响,实现了目标针对空战态势这一指标的态势属性动态变权,得到最终的综合态势威胁值,因而能够根据实时空战态势情况更为准确地评估态势威胁,避免态势失衡的问题。
S4,根据各目标的综合态势威胁值以及其余指标的威胁值得到多目标多指标威胁矩阵;利用多目标多指标威胁矩阵,通过求解灰色关联深度以及基于极大熵模型求解客观指标权重向量;
在前文基础上,S4中,根据各目标的综合态势威胁值以及其余指标的威胁值得到多目标多指标威胁矩阵,包括:
⑴针对每个目标,将该目标的综合态势威胁值和其余指标的威胁值构成该目标的多指标威胁向量;
⑵由所有目标的多指标威胁向量构成多目标多指标威胁矩阵。
其中,多目标多指标威胁矩阵可以表示为:
其中,多目标多指标威胁矩阵中不同的行表示不同的目标,各列从左至右依次表示四类指标的威胁值;其中,Fi1表示目标i的综合态势威胁值,即FS中的fsi,i=1,2,3,4;Fi2、Fi3和Fi4表示目标i的空战意图威胁值、空战事件威胁值和空战能力威胁值。
可选的一种实施方式中,S4中,利用多目标多指标威胁矩阵,通过求解灰色关联深度以及基于极大熵模型求解客观指标权重向量,包括以下步骤:
①根据多目标多指标威胁矩阵,确定正理想解和负理想解作为参考序列;
具体的,正理想解和负理想解的计算公式如下所示:
其中,x+表示正理想解;x-表示负理想解;Fij表示多目标多指标威胁矩阵中第i行第j列的元素,表示第i个目标针对第j类指标的威胁值;x表示正理想解或者负理想解内部元素。
可以理解的是,正理想解和负理想解为数值序列,均包含四个数值。正理想解是针对F的每一列求取该列四个数值中的最大值得到的四个数值构成的,负理想解是针对F的每一列求取该列四个数值中的最小值得到的四个数值构成的,具体求解过程在此不做详细说明。
②计算多目标多指标威胁矩阵中每个目标对应的各指标与正理想解和负理想解的灰色关联系数,得到正理想解对应的灰色关联系数矩阵和负理想解对应的灰色关联系数矩阵;
该步骤采用灰色关联系数计算公式实现,该公式具体为:
其中,grij表示关于指标j的灰色关联系数;ρ表示分辨系数,x0j表示参考序列。根据公式(23),将参考序列代入正理想解时,可以得到多目标多指标威胁矩阵中每个目标对应的各指标与正理想解的灰色关联系数grij +,继而得到正理想解对应的灰色关联系数矩阵;将参考序列代入负理想解时,可以得到多目标多指标威胁矩阵中每个目标对应的各指标与负理想解的灰色关联系数grij -,继而得到负理想解对应的灰色关联系数矩阵。具体计算过程请参见相关技术理解,在此不做详细说明。
③对正理想解对应的灰色关联系数矩阵和负理想解对应的灰色关联系数矩阵分别进行归一化,得到正理想解和负理想解分别对应的灰色关联深度系数矩阵;
其中,正理想解和负理想解分别对应的灰色关联深度系数的计算公式为:
其中,表示正理想解对应的灰色关联深度系数;表示负理想解对应的灰色关联深度系数。可以理解的是,利用归一化后得到的正理想解和负理想解分别对应的灰色关联深度系数,可以分别得到正理想解对应的灰色关联深度系数矩阵和负理想解对应的灰色关联深度系数矩阵,具体过程在此不做详细说明。
④基于正理想解和负理想解分别对应的灰色关联深度系数矩阵确定权重范围及波动约束,得到极大熵模型;
灰色关联深度系数反映与正负理想方案的关联程度,因此其大小能够在一定程度上反映指标的相对重要性,而依据极大熵准则,在满足约束条件的情况下权重熵值最大时所传递给决策者的信息量最大,所对应的权重可能性也最大,本发明实施例基于灰色关联深度系数确定权重范围及波动约束从而得到极大熵模型如下:
其中,公式(25)表示极大熵模型;公式(26)~(28)表示波动约束;ηj表示第j个指标的客观指标权重;p表示指标的总数,可以为4。 表示正理想解对应的灰色关联深度系数方差;表示负理想解对应的灰色关联深度系数方差。
⑤求解极大熵模型得到各指标的客观指标权重,并由所有指标的客观指标权重构成客观指标权重向量。
求解极大熵模型可以得到各指标的客观指标权重ηj,j=1,2,3,4分别对应空战态势、空战意图、空战事件和空战能力。则得到客观指标权重向量为W3=[η1,η2,η3,η4]。
S5,根据客观指标权重向量和预先建立的主观指标权重向量,建立主观与客观的博弈收益模型并求解最优解,基于最优解得到最优指标权重向量;
其中,最优指标权重向量包含针对多类指标的最优指标权重。
为实现主观与客观的统一,本发明实施例提出基于博弈论的组合赋权方,用于求解最优指标权重向量。
可选的一种实施方式中,S5可以包括以下步骤:
S51,将客观指标权重向量和预先建立的主观指标权重向量组合得到权重策略空间;
基于博弈理论,确定权重策略空间W为:
W=W3×W4 (29)
其中,W3表示客观指标权重向量;W4表示主观指标权重向量,W4基于专家经验预先确定;×表示组合。
S52,根据权重策略空间建立主观与客观的博弈收益模型;
其中,博弈收益模型表示为:
其中,αt表示主观指标权重与客观指标权重的占比系数,t=3时,α3为客观指标权重的占比系数;t=4时,α4为主观指标权重的占比系数。αt>0,且α3+α4=1。α3和α4表示W3和W4在最优指标权重向量中的占比,为要求解的解。
S53,求解博弈收益模型得到客观指标权重与主观指标权重的占比系数的最优解;
求解最优解的目的是使得主观指标权重与客观指标权重实现最大化。
可以理解的是,对博弈收益模型通过求解纳什均衡解可以得到α3和α4,具体求解过程在此不做详细说明。
S54,对最优解进行归一化;
具体的,
S55,利用归一化后的客观指标权重的占比系数与主观指标权重的占比系数,对客观指标权重向量和主观指标权重向量的转置向量进行加权计算,得到最优指标权重向量。
最优指标权重向量W*的计算公式表示如下:
由于W3和W4均包含四类指标的权重,所得到的W*包含的是针对四类指标的最优指标权重。
可见,本发明实施例考虑的威胁因素相较于现有技术有所增多,由于指标与属性之间层级不同,信息冗余,存在耦合性的问题,本发明提出了分布式权重计算方法,即先求解空战态势这一指标内部的态势属性所对应的权重,再计算四类指标所对应的权重;其中针对空战态势失衡问题,在熵权法的基础上基于变权理论得到态势属性权重,实现了动态变权。
S6,利用最优指标权重向量,基于GRA-TOPSIS方法评估各目标的威胁大小,得到各目标的威胁大小排序结果。
可选的一种实施方式中,该步骤可以包括以下步骤:
S61,针对每个目标,基于最优指标权重向量、多目标多指标威胁矩阵,计算该目标到多目标多指标威胁矩阵的正理想解和负理想解的加权欧几里得距离;
其中,p表示指标总数,可以为4;表示最优指标权重向量W*中第j个指标的最优指标权重;Fij表示多目标多指标威胁矩阵中第i个目标针对第j个指标的威胁值;针对多目标多指标威胁矩阵,表示正理想解;表示负理想解。具体计算过程不做详细说明。
S62,利用正理想解对应的灰色关联深度系数矩阵和最优指标权重向量,计算该目标到正理想解的灰色关联度;利用负理想解对应的灰色关联深度系数矩阵和最优指标权重向量,计算该目标到负理想解的灰色关联度;
S63,对该目标到正理想解和负理想解的加权欧几里得距离以及到正理想解、负理想解的灰色关联度进行无量纲化处理;
由于每个目标均会得到参数那么针对所有目标的 会分别对应构成一个列向量。该步骤对参数进行的无量纲化处理,具体是某个目标对应的参数除以所有目标针对该参数得到的列向量中的最大值,具体计算过程在此不做详细说明。
S64,利用预先设定的对TOPSIS和GRA的偏好程度系数,对无量纲化处理后得到的该目标到正理想解和负理想解的加权欧几里得距离以及到正理想解、负理想解的灰色关联度进行合并,得到该目标的正理想解偏好度和负理想解偏好度;
其中,a+b=1,a、b表示对GRA和TOPSIS这两种算法的偏向程度,可以根据决策者的需求进行调节。Ti +表示目标i的正理想解偏好度;Ti -表示目标i的负理想解偏好度。
S65,利用该目标的正理想解偏好度和负理想解偏好度计算得到该目标的相对贴进度;相对贴进度的计算公式为:
S66,将所有目标的相对贴进度由大至小排序,得到各目标的威胁大小排序结果。
可以理解的是,每个目标均会计算得到一个相对贴进度可以按照由大至小排序,则可以得到各目标的威胁大小排序结果,该威胁大小排序结果可以为智能化空战辅助决策提供支撑,具体用于支撑空战模拟系统中的态势感知与智能辅助决策任务等。
本发明实施例为了解决传统模型针对超视距空战背景不适用的问题,预先分析超视距空战机理,建立综合考虑目标空战态势、空战意图、空战能力空战、事件的新的超视距空战的威胁评估模型。并在此基础上提供了一种基于动态博弈变权的超视距空战模拟目标威胁评估方法。该方法分析指标与内部属性之间的层级关系,为避免信息冗余,指标与属性之间出现相互耦合,提出了一种分布式的权重确定方法:先求解空战态势指标内部态势属性的权重,再计算四种指标所对应权重。同时针对空战态势失衡问题,在熵权法的基础上基于变权理论得到态势属性变权重,实现动态变权。接着为实现主观与客观的统一,提出基于博弈论的组合赋权方法,通过专家经验确定主观权重,采用基于灰色关联深度的极大熵模型确定客观指标权重。最后考虑到GRA和TOPSIS自身的局限性,将两者结合,从形状相似性与位置相似性两个方面进行考量,基于GRA-TOPSIS方法全面准确地评估目标威胁大小。本发明实施例方法为进行深度态势感知、辅助战术决策及武器目标分配提供了一种合理可行的解决方案。
为了验证本发明实施例方法的有效性,以下以仿真实验进行说明。
本发明实施例基于空战对抗仿真平台,选取一个超视距空战作战场景下2V4(即2对4)的空战案例验证本发明实施例所提出的威胁评估方法的有效性。现首先对该作战案例进行简要阐述,本发明实施例针对该空战案例从中选取时间长度为144秒的一段超视距空战进程,对其态势序列进行分析,其中我方有两架飞机,敌机有四架,其具体空战三维态势如图4所示,二维平面下的态势如图5所示。其中,坐标轴H表示高度,单位为米;E表示东经,N表示北纬,单位均为度。
从图4和图5可以看出,敌方执行2v1的战术策略,灰色的加粗线表示目标所发射的导弹轨迹,黑色的加粗线为我方发射的导弹轨迹。本发明实施例以载机1作为分析对象,基于载机1的视角,针对四个目标进行威胁评估。
根据超视距空战的威胁评估模型及目标类型,可以得到对应空战能力大小,其中目标1为F-16C,目标2为F-16C,目标3为F-05E,目标4为F-15E,其中能力大小排序为F-15E>F-16C>F-05E。其中,F-16C等参数表示机型,空战能力大小的计算过程在此不做详细说明。敌方飞机参数如表3所示。
表3敌方飞机参数
基于本发明实施例所提出的威胁评估方法,评估过程共分为两部分,态势属性权重求解及威胁指标权重确定。从仿真案例中选取起始阶段时间节点为例进行说明。该时刻的态势信息如表4所示。
表4起始时刻态势信息
根据威胁评估模型可以得到多目标态势威胁矩阵如下,其中行表示不同目标,列代表态势属性,分别对应角度威胁、速度威胁、距离威胁和高度威胁。
基于熵权法得到态势属性基础权重向量W1=[0.014,0.963,0,023],根据变权理论及态势信息可以得到态势属性变权重矩阵:
W2中行表示目标,列表示指标:空战态势、空战意图、空战事件和空战能力分别对应的权重,利用公式(19)可得各目标的综合态势威胁值为:
Fs=[0.1375,0.1384,0.1114,0.1655]
在此基础上可以得到多目标多指标威胁矩阵:
其中,行表示不同的目标,从左到右的各列分别代表空战态势、空战意图、空战事件和空战能力分别对应的威胁值。从该多目标多指标威胁矩阵可以看到,同样执行探测意图,但目标1、3、4所对应的意图威胁有所区别。由于此时敌我空间位置不同影响其对应的RCS(RadarCrosssection,雷达散射截面)大小,从而导致执行探测意图所对应的威胁大小产生变化。从其威胁值也可以看出,其变化规律符合实际。
接着根据本发明实施例所建立的博弈收益模型得到四类指标的最优指标权重向量,其中主观指标权重向量为W4=[0.2,0.3,0.2,0.3],基于灰色关联度的极大熵方法求解的客观指标权重向量为W3=[0.250,0.246,0.253,0.251],最优指标权重向量W*=[0.203,0.297,0.202,0.293]。
最后基于GRA和TOPSIS的威胁评估方法得到各个目标的正负理想解的灰色关联度及加权欧几里得距离,结果如图6所示。图6中,针对每个目标,四个柱形图从左至右依次为正理想解灰色关联度、负理想解灰色关联度、正理想解欧几里得距离和负理想解欧几里得距离;其中,正理想解欧几里得距离和负理想解欧几里得距离由步骤S61得到。
确定对两种方法的偏好程度,从而得到正负理想解的偏好度及相对贴进度,并利用相对贴进度进行排序得到各目标的威胁大小排序结果作为最终的威胁评估结果,如表5所示。
表5基于GRA-TOPSIS的威胁评估结果
起始时刻位于空战初始阶段,此时由于四个目标距离载机1均较远,其态势威胁相对来说差别不大。但由于目标1、3、4执行探测意图,较目标2的干扰意图威胁性更大。且由于目标4的空战能力处于领先定位,综合其所有威胁指标以及战场态势情况,可以得出结论,此时目标4威胁程度最大。而目标3由于其空战能力最弱且态势威胁最小,对我方载机1来说威胁最低。同时目标1和目标2的空战威胁相差不大,这是因为无论是态势、空战能力、事件还是意图,其具备高度一致性。但由于态势和事件存在一定的差异导致威胁大小有所不同,而最终的排序结果也证实了这一特点,目标1和目标2的相对贴进度大小相近,符合实际。
综上,本发明实施例针对现代化超视距空战模拟场景,重新建立了威胁评估模型,并基于此模型提出了一种新的威胁评估方法。具体的,本发明实施例针对多属性决策指标层级不同的问题,提出分布式权重计算方法,将权重求解分为态势权重求解及指标权重求解两部分,且态势权重求解基于熵权法得到态势属性基础权重向量,在结合变权理论以及空战对抗过程中不同态势属性对态势威胁的影响分析结果,得到态势属性变权重,继而得到各目标的综合态势威胁值。其中,态势权重求解在熵权法的基础上引入变权理论,得到态势属性变权重,能够解决常权向量所导致的态势失衡问题。并且,针对权重求解时主观与客观的对立冲突问题,本发明实施例提出基于博弈论的组合赋权方法,根据专家经验确定主观指标权重并基于灰色关联深度的极大熵模型确定客观指标权重向量,通过求解纳什均衡解实现了主观与客观的统一,得到最优指标权重。最后,考虑到单一多属性决策算法的局限性,本发明实施例采用GRA-TOPSIS方法评估目标威胁大小。
最终通过仿真实验验证了所提模型及方法能够准确反映超视距空战中不同目标的威胁大小。通过仿真案例与其他算法进行对比,本发明实施例方法的评估结果更符合空战真实情况,验证了本发明实施例方法的有效性、合理性和准确性。
以上仅为本发明的较佳实施例而已,并非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作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,包括:
根据预先建立的超视距空战的威胁评估模型和当前时刻的态势信息,确定每个目标针对所述威胁评估模型中各指标的威胁值;其中,所述威胁评估模型根据影响目标威胁的多类指标建立,所述多类指标包括空战态势、空战意图、空战事件和空战能力;所述空战态势的威胁值以内部多个态势属性的威胁值表征,所述多个态势属性包括角度威胁、速度威胁、距离威胁和高度威胁;
利用所有目标的态势属性的威胁值构建多目标态势威胁矩阵,对所述多目标态势威胁矩阵基于熵权法得到态势属性基础权重向量;
基于所述态势属性基础权重向量、所述多目标态势威胁矩阵,结合变权理论以及空战对抗过程中不同态势属性对态势威胁的影响分析结果,得到态势属性变权重矩阵;并利用所述多目标态势威胁矩阵和所述态势属性变权重矩阵,得到各目标的综合态势威胁值;其中,所述态势属性变权重矩阵包含各目标针对多个态势属性的态势属性变权重;
根据各目标的综合态势威胁值以及其余指标的威胁值得到多目标多指标威胁矩阵;利用所述多目标多指标威胁矩阵,通过求解灰色关联深度以及基于极大熵模型求解客观指标权重向量;
根据所述客观指标权重向量和预先建立的主观指标权重向量,建立主观与客观的博弈收益模型并求解最优解,基于所述最优解得到最优指标权重向量;其中,所述最优指标权重向量包含针对多类指标的最优指标权重;
利用所述最优指标权重向量,基于GRA-TOPSIS方法评估各目标的威胁大小,得到各目标的威胁大小排序结果。
2.根据权利要求1所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述威胁评估模型包括态势威胁模型、意图威胁模型、事件威胁模型和能力威胁模型;其中,所述态势威胁模型包括角度威胁模型、速度威胁模型、距离威胁模型和高度威胁模型;
相应的,所述根据预先建立的超视距空战的威胁评估模型和当前时刻的态势信息,确定每个目标针对所述威胁评估模型中各指标的威胁值,包括:
根据当前时刻的态势信息中与角度、速度、距离、高度相关的参数,以及所述角度威胁模型、所述速度威胁模型、所述距离威胁模型和所述高度威胁模型,分别确定各目标的角度威胁值、速度威胁值、距离威胁值和高度威胁值;
根据当前时刻的态势信息中表征各目标空战战术意图的意图信息,以及空战意图对应的意图威胁模型中预先建立的多种空战战术意图分别对应的威胁值,确定各目标的空战意图威胁值;其中,所述多种空战战术意图包括攻击、防御、探测、干扰和逃逸;
根据当前时刻的态势信息中表征各目标空战事件的事件信息,以及空战事件对应的事件威胁模型中预先建立的多种空战事件分别对应的威胁值,确定各目标的空战事件威胁值;其中,所述多种空战事件包括敌雷达对我机持续扫描、敌雷达对我机持续干扰、敌雷达对我机持续跟踪、敌方导弹符合发射条件和敌方发射导弹;
根据当前时刻的态势信息中与各目标空战能力相关的参数,利用空战能力对应的能力威胁模型中的能力量化公式,确定各目标的空战能力威胁值。
3.根据权利要求2所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述根据当前时刻的态势信息中与角度、速度、距离、高度相关的参数,以及所述角度威胁模型、所述速度威胁模型、所述距离威胁模型和所述高度威胁模型,分别确定各目标的角度威胁值、速度威胁值、距离威胁值和高度威胁值,包括:
针对每个目标,基于当前时刻的态势信息中该目标的方位角,在所述角度威胁模型中的多个方位角威胁区间计算公式中,确定匹配的方位角威胁区间计算公式,并利用所述匹配的方位角威胁区间计算公式计算出该目标的方位角威胁值;基于当前时刻的态势信息中该目标的进入角,在所述角度威胁模型中的多个进入角威胁区间计算公式中,确定匹配的进入角威胁区间计算公式,并利用所述匹配的进入角威胁区间计算公式计算出该目标的进入角威胁值;并利用预设的方位角权重、进入角权重以及该目标的方位角威胁值、进入角威胁值,加权计算得到该目标的角度威胁值;
针对每个目标,基于当前时刻的态势信息中载机的速度、该目标的速度和该目标的最佳空战速度,在所述速度威胁模型中的多个速度威胁区间计算公式中,确定匹配的速度威胁区间计算公式,并利用所述匹配的速度威胁区间计算公式计算出该目标的速度威胁值;
针对每个目标,基于当前时刻的态势信息中载机与该目标的距离,在所述距离威胁模型中的多个距离威胁区间计算公式中,确定匹配的距离威胁区间计算公式,并利用所述匹配的距离威胁区间计算公式计算出该目标的距离威胁值;
针对每个目标,基于当前时刻的态势信息中载机的高度、该目标的高度和该目标的最佳空战高度,在所述高度威胁模型中的多个高度威胁区间计算公式中,确定匹配的高度威胁区间计算公式,并利用所述匹配的高度威胁区间计算公式计算出该目标的高度威胁值。
4.根据权利要求3所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述利用所有目标的态势属性的威胁值构建多目标态势威胁矩阵,对所述多目标态势威胁矩阵基于熵权法得到态势属性基础权重向量,包括:
以行依次表示不同目标,列依次表示目标的多个态势属性的威胁值,构建多目标态势威胁矩阵;
针对每个态势属性,利用所述多目标态势威胁矩阵中该态势属性对应的一列元素,采用评价指标信息熵的计算公式得到该态势属性对应的信息熵;
基于该态势属性对应的信息熵,利用熵权计算公式计算出该态势属性对应的态势属性基础权重,并由各个态势属性依次得到的态势属性基础权重构成态势属性基础权重向量。
5.根据权利要求4所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述基于所述态势属性基础权重向量、所述多目标态势威胁矩阵,结合变权理论以及空战对抗过程中不同态势属性对态势威胁的影响分析结果,得到态势属性变权重矩阵,包括:
针对每个目标,利用所述多目标态势威胁矩阵中该目标对应的元素、所述态势属性基础权重向量中各态势属性基础权重、预先设置的多个变权因子,以及预先建立的变权综合模型中各态势属性对应的态势属性变权重计算公式,计算该目标针对各态势属性的态势属性变权重,得到该目标的态势属性变权重向量;
由所有目标的态势属性变权重向量构成态势属性变权重矩阵。
6.根据权利要求5所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述变权综合模型的构建过程,包括:
根据分析得到的空战对抗过程中态势属性内角度威胁、速度威胁、高度威胁作为正属性,对态势威胁的影响程度呈递增性的分析结果、针对所述正属性的变权因子以及所述多目标态势威胁矩阵中目标相对于所述正属性的元素,通过正相关非线性函数构造针对所述正属性的第一均衡函数;
根据分析得到的空战对抗过程中态势属性内距离威胁作为负属性,对态势威胁的影响程度呈递减性的分析结果、针对所述负属性的变权因子以及所述多目标态势威胁矩阵中目标相对于所述负属性的元素,通过负相关非线性函数构造针对所述负属性第二均衡函数;
对所述第一均衡函数和所述第二均衡函数整合得到均衡函数模型;
对所述均衡函数模型求取梯度得到用于求解状态变权向量的状态变权向量模型;其中,所述状态变权向量模型中,所述正属性和所述负属性对应的状态变权向量计算公式不相同;
根据所述态势属性基础权重向量中各态势属性基础权重和所述状态变权向量模型,构建包括所述正属性的态势属性变权重计算公式和所述负属性的态势属性变权重计算公式的变权综合模型。
7.根据权利要求6所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述利用所述多目标态势威胁矩阵和所述态势属性变权重矩阵,得到各目标的综合态势威胁值,包括:
针对每个目标,利用所述态势属性变权重矩阵中该目标的态势属性变权重向量,对所述多目标态势威胁矩阵中该目标对应的行向量进行加权计算,得到该目标的综合态势威胁值;
相应的,所述根据各目标的综合态势威胁值以及其余指标的威胁值得到多目标多指标威胁矩阵,包括:
针对每个目标,将该目标的综合态势威胁值和其余指标的威胁值构成该目标的多指标威胁向量;
由所有目标的多指标威胁向量构成多目标多指标威胁矩阵。
8.根据权利要求7所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述利用所述多目标多指标威胁矩阵,通过求解灰色关联深度以及基于极大熵模型求解客观指标权重向量,包括:
根据所述多目标多指标威胁矩阵,确定正理想解和负理想解作为参考序列;
计算所述多目标多指标威胁矩阵中每个目标对应的各指标与正理想解和负理想解的灰色关联系数,得到正理想解对应的灰色关联系数矩阵和负理想解对应的灰色关联系数矩阵;
对所述正理想解对应的灰色关联系数矩阵和所述负理想解对应的灰色关联系数矩阵分别进行归一化,得到正理想解和负理想解分别对应的灰色关联深度系数矩阵;
基于所述正理想解和负理想解分别对应的灰色关联深度系数矩阵确定权重范围及波动约束,得到极大熵模型;
求解所述极大熵模型得到各指标的客观指标权重,并由所有指标的客观指标权重构成客观指标权重向量。
9.根据权利要求8所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述根据所述客观指标权重向量和预先建立的主观指标权重向量,建立主观与客观的博弈收益模型并求解最优解,基于所述最优解得到最优指标权重向量,包括:
将所述客观指标权重向量和预先建立的主观指标权重向量组合得到权重策略空间;
根据所述权重策略空间建立主观与客观的博弈收益模型;
求解所述博弈收益模型得到客观指标权重与主观指标权重的占比系数的最优解;
对所述最优解进行归一化;
利用归一化后的客观指标权重的占比系数与主观指标权重的占比系数,对所述客观指标权重向量和所述主观指标权重向量的转置向量进行加权计算,得到最优指标权重向量。
10.根据权利要求9所述的基于动态博弈变权的超视距空战模拟目标威胁评估方法,其特征在于,所述利用所述最优指标权重向量,基于GRA-TOPSIS方法评估各目标的威胁大小,得到各目标的威胁大小排序结果,包括:
针对每个目标,基于所述最优指标权重向量、所述多目标多指标威胁矩阵,计算该目标到所述多目标多指标威胁矩阵的正理想解和负理想解的加权欧几里得距离;
利用所述正理想解对应的灰色关联深度系数矩阵和所述最优指标权重向量,计算该目标到正理想解的灰色关联度;利用所述负理想解对应的灰色关联深度系数矩阵和所述最优指标权重向量,计算该目标到负理想解的灰色关联度;
对该目标到正理想解和负理想解的加权欧几里得距离以及到正理想解、负理想解的灰色关联度进行无量纲化处理;
利用预先设定的对TOPSIS和GRA的偏好程度系数,对无量纲化处理后得到的该目标到正理想解和负理想解的加权欧几里得距离以及到正理想解、负理想解的灰色关联度进行合并,得到该目标的正理想解偏好度和负理想解偏好度;
利用该目标的正理想解偏好度和负理想解偏好度计算得到该目标的相对贴进度;其中,目标的相对贴进度用于表示目标的威胁大小;
将所有目标的相对贴进度由大至小排序,得到各目标的威胁大小排序结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558290.2A CN115759754A (zh) | 2022-12-06 | 2022-12-06 | 基于动态博弈变权的超视距空战模拟目标威胁评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558290.2A CN115759754A (zh) | 2022-12-06 | 2022-12-06 | 基于动态博弈变权的超视距空战模拟目标威胁评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759754A true CN115759754A (zh) | 2023-03-07 |
Family
ID=85343956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211558290.2A Pending CN115759754A (zh) | 2022-12-06 | 2022-12-06 | 基于动态博弈变权的超视距空战模拟目标威胁评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759754A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861645A (zh) * | 2023-06-27 | 2023-10-10 | 四川大学 | 基于非线性预测控制的飞行器超视距空战机动决策方法 |
CN116930880A (zh) * | 2023-07-21 | 2023-10-24 | 哈尔滨工业大学 | 一种欺骗干扰威胁的动态评估方法 |
-
2022
- 2022-12-06 CN CN202211558290.2A patent/CN115759754A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861645A (zh) * | 2023-06-27 | 2023-10-10 | 四川大学 | 基于非线性预测控制的飞行器超视距空战机动决策方法 |
CN116861645B (zh) * | 2023-06-27 | 2024-04-16 | 四川大学 | 基于非线性预测控制的飞行器超视距空战机动决策方法 |
CN116930880A (zh) * | 2023-07-21 | 2023-10-24 | 哈尔滨工业大学 | 一种欺骗干扰威胁的动态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115759754A (zh) | 基于动态博弈变权的超视距空战模拟目标威胁评估方法 | |
Ardil | Fighter Aircraft Selection Using Technique for Order Preference by Similarity to Ideal Solution with Multiple Criteria Decision Making Analysis | |
CN113791634A (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
Virtanen et al. | Decision theoretical approach to pilot simulation | |
Ardil | Advanced Jet Trainer and Light Attack Aircraft Selection Using Composite Programming in Multiple Criteria Decision Making Analysis Method | |
CN114444203B (zh) | 基于战场态势变权的空中集群威胁评估方法 | |
CN108983800B (zh) | 一种基于深度学习的飞机姿态控制方法 | |
CN112417710B (zh) | 基于作战环的武器装备体系贡献度评估方法 | |
CN114239728A (zh) | 一种多域战场态势评估与威胁排序方法 | |
CN112861257A (zh) | 一种基于神经网络的飞机火控系统精度敏感性分析方法 | |
Radovanović et al. | Application of the fuzzy AHP-VIKOR hybrid model in the selection of an unmanned aircraft for the needs of tactical units of the armed forces | |
CN113987789A (zh) | 无人机协同空战中的动态威胁评估方法 | |
Jia et al. | Aircraft combat survivability calculation based on combination weighting and multiattribute intelligent grey target decision model | |
CN115951709A (zh) | 基于td3的多无人机空战策略生成方法 | |
CN114912741A (zh) | 一种作战体系结构效能评估方法、装置以及存储介质 | |
CN114444389A (zh) | 基于组合赋权和改进vikor的空袭目标动态威胁评估方法 | |
CN116050515B (zh) | 一种基于XGBoost的平行推演多分支态势预测方法 | |
CN116739428A (zh) | 一种主客观赋权的变权topsis炮兵火力打击目标价值分析方法 | |
CN116738334A (zh) | 一种基于dbn和topsis法的空中多目标威胁评估方法 | |
CN115456090A (zh) | 一种基于知识推理机的战斗机多层次复合意图预测方法 | |
CN114118664A (zh) | 一种解决属性权重和时间权重复杂性的动态决策方法 | |
CN115186378A (zh) | 一种空战模拟环境中的战术控制距离实时解算方法 | |
Jia et al. | An operational effectiveness evaluation method of the swarming UAVs air combat system | |
CN112612300A (zh) | 多平台智能决策的多目标博弈方法及装置 | |
Virtanen et al. | Modeling pilot decision making by an influence diagram |
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 |