基于改進MGM（1,N）軌跡預測的空戰(zhàn)態(tài)勢評估
發(fā)布時間：2021-07-23 18:52
針對傳統(tǒng)態(tài)勢評估方法只考慮當前時刻靜止態(tài)勢,難以對整個空戰(zhàn)態(tài)勢情況進行評估和不具有預見性的局限,提出了一種基于改進MGM（1,N）軌跡預測的態(tài)勢評估方法。首先,根據(jù)MGM（1,N）預測模型難以描述變量間線性關系的不足,建立了基于背景值優(yōu)化的改進MGM（1,N）預測模型;然后建立了基于非參量法的空戰(zhàn)態(tài)勢優(yōu)勢模型,用來定量描述各空戰(zhàn)態(tài)勢影響因素;利用灰色關聯(lián)度計算各指標權重,考慮并建立了多時刻時序權重的計算方法。通過對實際空戰(zhàn)數(shù)據(jù)進行仿真,改進方法的預測精度好于傳統(tǒng)MGM（1,N）方法,態(tài)勢評估結果不僅能夠準確反映戰(zhàn)場態(tài)勢,而且能夠有效反映空戰(zhàn)態(tài)勢的變化趨勢,具備良好的預見性。
【文章來源】：電光與控制. 2020,27(11)北大核心CSCD
【文章頁數(shù)】：7 頁
【部分圖文】：
圖1 兩機相對位置關系
表1和表2是敵我雙方一部分的飛行軌跡數(shù)據(jù),總共5個階段,每個坐標點時間間隔為0.5 s,總共14個數(shù)據(jù),其中第2 s是按飛行方向劃分的第5個階段的起始點。本例利用這14個飛行軌跡點根據(jù)本文基于背景值優(yōu)化的改進MGM(1,3)模型進行仿真驗證。為了驗證改進算法(本文算法)的有效性,將本文算法和傳統(tǒng)算法進行比較,共分為兩組,第一組是利用前5個數(shù)據(jù)點預測第6到第9個數(shù)據(jù)點;第二組利用第6到第10個數(shù)據(jù)點預測最后4個數(shù)據(jù)點,預測結果如圖3所示,8個預測時刻點中,前4個代表第一組的預測點,后4個代表第二組的預測點。
表2 敵方機動軌跡數(shù)據(jù)Table 2 Maneuvering trajectory data of enemy aircraft 時間/s 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 X/m 5405 5538 5666 5784 5888 5980 6056 6112 6146 6157 6156 6132 6079 6012 Y/m 2825 2848 2891 2955 3032 3122 3227 3344 3471 3605 3743 3880 4012 4140 Z/m 2946 2977 3012 3050 3089 3130 3172 3213 3256 3296 3334 3368 3398 3426表3 均方根誤差及提升效果Table 3 RMSE and its improvement X方向 Y方向 Z方向 X方向 Y方向 Z方向 我方改進前/m 44.901 38.183 40.659 敵方改進前/m 32.173 47.376 39.598 我方改進后/m 35.355 26.517 18.031 敵方改進后/m 21.213 18.031 16.971 提升效果/% 21.3 30.6 55.6 提升效果/% 34.1 61.9 57.1
【參考文獻】：
期刊論文
[1]改進決策樹的無人機空戰(zhàn)態(tài)勢估計[J]. 趙克新,黃長強,魏政磊,王樂. 哈爾濱工業(yè)大學學報. 2019(04)
[2]空戰(zhàn)臨戰(zhàn)態(tài)勢評估方法研究[J]. 曹慧敏,黃安祥,雷祥. 系統(tǒng)仿真學報. 2019(02)
[3]基于時間序列加權與模糊理論的無人機作戰(zhàn)態(tài)勢評估方法[J]. 陸遙,李東生,高楊. 探測與控制學報. 2018(06)
[4]基于熵權與灰關聯(lián)度定權的VIKOR多準則綜合評價研究[J]. 儲冉,王懷秀,王亞慧. 現(xiàn)代電子技術. 2018(24)
[5]無人作戰(zhàn)飛機一對一超視距空戰(zhàn)態(tài)勢評估[J]. 王光輝,徐光達,謝宇鵬,呂超. 指揮控制與仿真. 2018(05)
[6]基于混合動態(tài)貝葉斯網(wǎng)的無人機空戰(zhàn)態(tài)勢評估[J]. 孟光磊,馬曉玉,劉昕,徐一民. 指揮控制與仿真. 2017(04)
[7]基于深度置信網(wǎng)絡的近距空戰(zhàn)態(tài)勢評估[J]. 張彬超,寇雅楠,鄔蒙,左家亮. 北京航空航天大學學報. 2017(07)
[8]基于攻擊區(qū)和殺傷概率的視距內(nèi)空戰(zhàn)態(tài)勢評估[J]. 顧佼佼,劉衛(wèi)華,姜文志. 系統(tǒng)工程與電子技術. 2015(06)
[9]基于機動識別的空戰(zhàn)意圖威脅建模與仿真[J]. 童奇,李建勛,童中翔,郭華,李慎波,黃鶴松. 現(xiàn)代防御技術. 2014(04)
[10]運動目標的MGM（1,N）軌跡預測算法[J]. 柯宏發(fā),何可,陳永光. 武漢大學學報(信息科學版). 2012(06)
本文編號：3299843
【文章來源】：電光與控制. 2020,27(11)北大核心CSCD
【文章頁數(shù)】：7 頁
【部分圖文】：
圖1 兩機相對位置關系
表1和表2是敵我雙方一部分的飛行軌跡數(shù)據(jù),總共5個階段,每個坐標點時間間隔為0.5 s,總共14個數(shù)據(jù),其中第2 s是按飛行方向劃分的第5個階段的起始點。本例利用這14個飛行軌跡點根據(jù)本文基于背景值優(yōu)化的改進MGM(1,3)模型進行仿真驗證。為了驗證改進算法(本文算法)的有效性,將本文算法和傳統(tǒng)算法進行比較,共分為兩組,第一組是利用前5個數(shù)據(jù)點預測第6到第9個數(shù)據(jù)點;第二組利用第6到第10個數(shù)據(jù)點預測最后4個數(shù)據(jù)點,預測結果如圖3所示,8個預測時刻點中,前4個代表第一組的預測點,后4個代表第二組的預測點。
表2 敵方機動軌跡數(shù)據(jù)Table 2 Maneuvering trajectory data of enemy aircraft 時間/s 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 X/m 5405 5538 5666 5784 5888 5980 6056 6112 6146 6157 6156 6132 6079 6012 Y/m 2825 2848 2891 2955 3032 3122 3227 3344 3471 3605 3743 3880 4012 4140 Z/m 2946 2977 3012 3050 3089 3130 3172 3213 3256 3296 3334 3368 3398 3426表3 均方根誤差及提升效果Table 3 RMSE and its improvement X方向 Y方向 Z方向 X方向 Y方向 Z方向 我方改進前/m 44.901 38.183 40.659 敵方改進前/m 32.173 47.376 39.598 我方改進后/m 35.355 26.517 18.031 敵方改進后/m 21.213 18.031 16.971 提升效果/% 21.3 30.6 55.6 提升效果/% 34.1 61.9 57.1
【參考文獻】：
期刊論文
[1]改進決策樹的無人機空戰(zhàn)態(tài)勢估計[J]. 趙克新,黃長強,魏政磊,王樂. 哈爾濱工業(yè)大學學報. 2019(04)
[2]空戰(zhàn)臨戰(zhàn)態(tài)勢評估方法研究[J]. 曹慧敏,黃安祥,雷祥. 系統(tǒng)仿真學報. 2019(02)
[3]基于時間序列加權與模糊理論的無人機作戰(zhàn)態(tài)勢評估方法[J]. 陸遙,李東生,高楊. 探測與控制學報. 2018(06)
[4]基于熵權與灰關聯(lián)度定權的VIKOR多準則綜合評價研究[J]. 儲冉,王懷秀,王亞慧. 現(xiàn)代電子技術. 2018(24)
[5]無人作戰(zhàn)飛機一對一超視距空戰(zhàn)態(tài)勢評估[J]. 王光輝,徐光達,謝宇鵬,呂超. 指揮控制與仿真. 2018(05)
[6]基于混合動態(tài)貝葉斯網(wǎng)的無人機空戰(zhàn)態(tài)勢評估[J]. 孟光磊,馬曉玉,劉昕,徐一民. 指揮控制與仿真. 2017(04)
[7]基于深度置信網(wǎng)絡的近距空戰(zhàn)態(tài)勢評估[J]. 張彬超,寇雅楠,鄔蒙,左家亮. 北京航空航天大學學報. 2017(07)
[8]基于攻擊區(qū)和殺傷概率的視距內(nèi)空戰(zhàn)態(tài)勢評估[J]. 顧佼佼,劉衛(wèi)華,姜文志. 系統(tǒng)工程與電子技術. 2015(06)
[9]基于機動識別的空戰(zhàn)意圖威脅建模與仿真[J]. 童奇,李建勛,童中翔,郭華,李慎波,黃鶴松. 現(xiàn)代防御技術. 2014(04)
[10]運動目標的MGM（1,N）軌跡預測算法[J]. 柯宏發(fā),何可,陳永光. 武漢大學學報(信息科學版). 2012(06)
本文編號：3299843
本文鏈接：http://sikaile.net/kejilunwen/jingguansheji/3299843.html
