針對無人機(unmanned aerial vehicle, UAV)集群執行對地攻擊任務可靠性評估問題, 考慮實際作戰環境和任務規劃, 建立了一種適用于具體任務過程的可靠性評估方法。首先, 建立了UAV集群作戰的時態異構網絡模型, 用時態打擊鏈模擬UAV集群任務規劃和協同作戰過程。然后, 基于連續時間馬爾可夫鏈(continuous-time Markov chain, CTMC)建立了UAV集群在威脅區域飛行的生存概率模型。進而, 綜合UAV集群的作戰能力和生存概率, 提出了任務可靠性評估方法。最后, 通過實例分析, 驗證了該模型的實用性和合理性。該模型考慮到各方面影響戰果的因素, 貼合實際, 為UAV集群任務可靠性評估和決策提供了參考。
//www.sys-ele.com/article/2023/1001-506X/20230938.shtml
無人機(unmanned aerial vehicle, UAV)執行對地作戰任務具有成本低、效率高等優勢, 在現代戰場中應用越來越廣泛。使用UAV進行進攻作戰、非常規作戰、高價值目標打擊成為UAV發展的一個重要趨勢[1]。 隨著UAV系統自主性、網絡通信技術和群體智能理論的發展, UAV以集群形式執行任務是未來的應用趨勢[2]。UAV集群具有一定的冗余性和魯棒性[3-4], 即使部分UAV墜毀, 集群仍能完成任務。因此, 相對于傳統單體可靠性而言, 集群面向任務的可靠性評估更具實際意義。近年來，有一種針對任務可靠性量化的應用, 對UAV集群系統進行任務可靠性預測并將其作為重要因素幫助指揮人員進行任務決策[5]。作戰指揮人員可以在任務開始前預測UAV集群的任務可靠性, 以保證任務成功率。
目前, 在UAV集群任務可靠性方面已有很多研究。一部分基于傳統可靠性分析方法進行推廣。文獻[5-6]使用二元決策圖和分階段任務方法評估UAV集群任務可靠性; 文獻[7]考慮幾個自治系統執行的任務, 并提出一種通過擴展二元決策圖技術來預測任務可靠性的方法; 文獻[8]提出連續系統多級平衡UAV的可靠性建模和估計。還有基于概率論方法[9]、劃分多級系統[10-12]、基于Agent建模與仿真系統建模[13-17]和連續時間馬爾可夫鏈(continuous-time Markov chain, CTMC) 等建模方法[18]。此外, 用復雜網絡對集群進行建模是目前一種比較熱門的方法。文獻[19]建立了UAV集群的多層次網絡模型, 根據網絡的連通性和脆弱性評估群的任務可靠性; 文獻[20]用多態網絡建模UAV集群, 提出考慮信息交換能力的任務可靠性評估方法; 文獻[21-22]用k/n系統對UAV集群進行建模, 并基于重要性度量提出結構優化模型和數量優化模型。 上述研究成果從各個角度對UAV集群作戰系統進行建模和可靠性評估。然而, 對于對地作戰任務的UAV集群任務可靠性評估尚沒有一套成熟的方法。在UAV集群執行對地作戰任務過程中, 其任務可靠性不僅受到集群自身能力的影響, 還會受到作戰環境和任務規劃的影響。針對上述問題, 本文面向UAV集群對地作戰過程, 定義了時態打擊鏈(temporal operational chain, TOC)來描述UAV集群對敵方目標的攻擊方式, 建立了更貼合實際作戰場景的集群任務可靠性評估方法, 并且通過實例驗證了該方法的合理性。
付費5元查看完整內容
相關內容
通過異型無人機（unmanned aerial vehicle, UAV)的協同作戰, 可極大豐富空中作戰樣式, 提高空戰戰損比. 雙機編隊是最基 本的協同作戰單元, 具有較大的研究價值. 針對無人機協同空戰可能面臨的不同空中態勢, 分別設計殲擊無人機和電子干擾無人 機的機動決策模式, 通過不同模式下的算法切換實現更好的協同作戰. 基于一致性理論設計了無人機的編隊飛行與伴隨干擾算法. 根據動態的空戰對抗特性, 設計自適應的動態柵格環境, 可更好地支撐路徑規劃與機動決策. 分別使用改進的蟻群算法（ant colony algorithm, ACO）和 Q-learning 算法構建無人機的機動決策和沖突解脫算法, 可實現無人機在空戰機動的同時避免相撞事故的發生. 最后以戰損比為指標, 通過協同空戰仿真證明了協同機動決策算法的有效性.無人作戰飛機 （unmanned combat aerial vehicle, UCAV）作為未來空戰的重要角色, 實現其空戰過程 智能化是各軍事強國研究的關鍵方向[1] . 美國作為航 空和人工智能技術最發達的國家, 在無人作戰系統 的研究上同樣走在世界最前沿. 早在 2016 年, 美國 的智能空戰模擬系統便能以 100%的概率戰勝退役 的空軍上校[2] . 2017 年 3 月, 美國空軍與洛·馬公司 基于無人化的 F-16 對“忠誠僚機”概念關鍵性技術 展開驗證, 包括開放式系統架構的軟件集成環境和 無人機的自主任務規劃功能, 旨在實現有人機與無 人機的協同作戰[3-4] . 在美軍的 2013 版《無人機系統 綜合路線圖》中, 更是計劃到 2030 年前后實現無人 機編隊的自主協同偵察與攻擊功能. 因此, 我國同樣 應當加大無人作戰飛機自主決策技術的研究, 否則 難以在未來的空戰場上取得優勢. 無人機協同空戰對抗既涉及空中的自主避撞, 又涉及戰術的協同機動決策, 相對單機對抗和同型 機協同機動決策具有更大的技術難度和復雜度. 從 國內外的研究現狀來看, 主要仍基于同機型的對抗 決策或協同機動決策研究, 對于異型機之間的協同 機動決策還仍有不足. NGUYEN 使用線性二階模型 構建無人機編隊模型, 使用一致性理論設計集群的 編隊控制算法[5] , 但該研究主要關注動目標的協同追 蹤問題, 對于更復雜的協同控制決策則并沒有涉及. ZHEN 提出了一種智能自組織算法[6] , 該算法可實現 多無人機對抗的目標分配問題, 主要方法是將全局 問題分解為局部問題并進行優化計算. 但該研究主 要關注對地目標的協同攻擊, 態勢相對簡單. 朱星宇 基于 Q-Learning 算法構建無人機的機動決策模型[7] , 而無人機之間的協同目標分配則是使用納什均衡理 論, 由此實現多無人機空戰機動決策. 研究中既考慮 了沖突解脫問題, 也考慮了態勢問題, 具有較好的參 考價值. 魏瀟龍基于改進蟻群算法研究了無人機的 自主沖突解脫問題[8] , 具有一定參考價值. 本文對異型機之間的空戰協同決策問題展開研 究, 主要分析電子干擾無人機與空戰無人機之間的 自主協同決策方法. 在探討電子干擾伴隨支援戰術 機動方法基礎上, 基于一致性理論設計了無人機之 間的編隊控制方法, 使用蟻群算法實現我方無人機 之間的沖突解脫與戰術機動, 使用改進的 Q-learning 算法設計敵對無人機的空戰機動決策算法, 最后通 過空戰仿真驗證協同機動算法的有效性。
付費5元查看完整內容
本文應用深度學習技術實現海天背景下基于可見光、紅外方式成像的艦船及角反、煙幕干擾的目標檢測，這也是反艦導彈作戰使用的關鍵技術之一。采集的可見光與紅外成像目標檢測數據集涵蓋實施典型干擾下的態勢場景，貼近實戰；結合四種不同的目標檢測機制，選取YOLOV3、Faster R-CNN、SSD及CenterNet四種典型模型分別進行訓練與驗證，通過對比分析進一步提高弱小目標、復雜干擾態勢的的檢測，可以實現端到端的高精度裝備目標檢測模型。在確保精度的前提下基于現場可編程門陣列（FPGA）進行軟硬件協同設計，通過對比分析選定基于Vitis AI的實施方案，經過模型的量化、編譯與優化，可在保證檢測效率的前提下快速實現模型的小型化部署，便于進行裝備移植。研究結果表明，該研究內容可有效提高現役反艦導彈目標檢測的準確率。
目前，軍事應用中通常使用紅外與可見光成 像的手段對導引頭及監控檢測設備進行目標檢 測，實際使用的檢測算法多為基于輪廓和邊緣檢 測的傳統方法，無法應對遮蔽、煙霧及模糊等干 擾因素。近些年來，人工智能尤其是深度學習技 術快速發展成熟，在計算機視覺領域展現出較好 的應用前景。深度學習的方法能夠通過自動特征 提取及大樣本訓練提升模型精度，其提取的復雜 特征是依靠人為設計無法比擬的，可極大改善檢 測精度。 本文擬使用深度學習目標檢測框架實現海 天背景可見光及紅外成像中的目標檢測，選擇目 前最優的深度學習目標檢測方法，如 Faster R-CNN、SSD、YOLO 和 CornerNet 等開展訓練， 在海量目標數據上訓練模型并進行對比分析，驗 證其檢測精度并進行調優改進；在提高準確率的 基礎上進行模型壓縮，然后基于現場可編程門陣 列（Field Programmable Gate Array，簡稱 FPGA） 進行軟硬件協同，實現設計目標。這種軟硬件協 同的實現方案可作為現役裝備紅外與可見光成 像后處理部分的有效補充。
付費5元查看完整內容
具有沉浸顯示、智能輔助、自然化人機交互等先進控制能力的新型無人機地面站已成為當前無人機控制領域的研究熱點。為分析其中的技術脈絡,系統性地梳理國內外一系列無人機先進地面站的功能要點及設計理念,在此基礎上從無人機地面站指揮控制的觀察—判斷—決策—行動回路出發,歸納提煉了其技術體系構成,分析指出了其中的任務環境構建、戰場態勢沉浸式顯示、智能化輔助決策和自然化人機交互等關鍵技術,并對各項技術的主要研究方法進行了深入剖析,還對無人機先進地面站目前存在的挑戰和未來發展趨勢進行了研判。該研究對新型地面站的研制具有指導和借鑒意義。
付費5元查看完整內容
智能化分布式協同作戰具有高度集成、自組織、自決策、效費比高等特點，勢必將成為未來戰場上行之有效的作戰模式。從作戰理念的核心思想、體系架構的組成要素及其突出特點三個方面出發，論述了智能化分布式協同作戰的概念與內涵。首先，概括介紹了國內外先進的智能化分布式協同作戰系統項目，重點闡述了相關項目的發展目的和技術特點；隨后,詳細分析了推動智能化分布式協同作戰系統發展的關鍵技術，包括態勢感知與認知技術、信息融合與目標跟蹤技術、分布式協同任務規劃技術以及一致性控制與協同制導技術；最后，根據對國內外相關項目和關鍵技術研究成果的分析，從平臺設計過程和技術特點出發提出相關發展建議，為智能化分布式協同作戰體系總體架構設計與關鍵技術攻關提供重要參考。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191