針對目標(biāo)威脅評估中信息表達(dá)的不確定性和評估指標(biāo)之間的關(guān)聯(lián)性,以及動態(tài)貝葉斯網(wǎng)絡(luò)推理方法不能滿足條件獨立性假設(shè)的問題,提出了一種基于加權(quán)動態(tài)云貝葉斯網(wǎng)絡(luò)的目標(biāo)威脅評估模型。首先,利用云模型良好的知識表達(dá)能力將不確定性信息進(jìn)行定量描述;其次,基于改進(jìn)的灰色關(guān)聯(lián)系數(shù)極大熵模型求解指標(biāo)間權(quán)重,弱化了貝葉斯網(wǎng)絡(luò)節(jié)點條件獨立性假設(shè);最后,利用證據(jù)相關(guān)法對加權(quán)動態(tài)云貝葉斯網(wǎng)絡(luò)進(jìn)行推理,實現(xiàn)了關(guān)聯(lián)性指標(biāo)間的評估。仿真結(jié)果表明,該模型能夠有效地進(jìn)行超視距空戰(zhàn)目標(biāo)威脅評估。 

【文章來源】：飛行力學(xué). 2020,38(04)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

加權(quán)動態(tài)貝葉斯網(wǎng)絡(luò)推理流程圖

在超視距空戰(zhàn)中,影響目標(biāo)威脅等級的關(guān)鍵因素主要有空間態(tài)勢、作戰(zhàn)能力、空情事件和戰(zhàn)術(shù)意圖�？臻g態(tài)勢可以分為敵方位角、相對距離、相對速度比和占位高度,相比于近距空戰(zhàn),角度態(tài)勢的影響程度降低,敵方相對我方的距離和速度以及敵方占位高度影響程度較高。作戰(zhàn)能力可以分為攻擊能力、通信能力、探測能力、生存能力、電子干擾能力、協(xié)同能力和全向告警能力[14]�？涨槭录梢苑譃樵跀忱走_(dá)的探測范圍內(nèi)、被敵方雷達(dá)鎖定、敵方發(fā)射導(dǎo)彈等。戰(zhàn)術(shù)意圖可以分為攻擊、突擊、掩護(hù)以及干擾等。通過專家對于空戰(zhàn)因素分析和粗糙集理論進(jìn)行屬性約簡,確定網(wǎng)絡(luò)結(jié)構(gòu)中的觀測節(jié)點變量和輸出節(jié)點變量。通過有向弧將這些節(jié)點變量連接起來,建立了單個時間片下的超視距空戰(zhàn)目標(biāo)威脅評估貝葉斯網(wǎng)絡(luò),由單時間片下的貝葉斯網(wǎng)絡(luò)拓展到相鄰時間片下的網(wǎng)絡(luò),構(gòu)建了超視距空戰(zhàn)目標(biāo)威脅評估動態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),如圖2所示。圖2中方框部分表示離散型變量,橢圓部分表示連續(xù)型變量。在超視距空戰(zhàn)目標(biāo)威脅評估網(wǎng)絡(luò)結(jié)構(gòu)中,空間態(tài)勢和空情事件是表示狀態(tài)信息的動態(tài)屬性,主要通過機(jī)載傳感器、數(shù)據(jù)通信等獲取空戰(zhàn)場實時狀態(tài)信息經(jīng)過數(shù)據(jù)處理得到。作戰(zhàn)能力表示特征信息的靜態(tài)屬性,主要通過情報手段或者在對抗過程中根據(jù)圖像識別、雷達(dá)反射面積、射頻信號等信息對比目標(biāo)特征數(shù)據(jù)庫判斷敵方機(jī)型,進(jìn)而判斷探測能力和武器攻擊能力優(yōu)劣。戰(zhàn)術(shù)意圖表示行為特征,是一個動態(tài)的時序過程,通過敵方機(jī)動類型以及最后時刻的飛行狀態(tài)信息作為目標(biāo)機(jī)動特征[15],基于目標(biāo)機(jī)動強(qiáng)度來判斷敵方作戰(zhàn)意圖。

表2 云模型參數(shù)Table 2 Cloud model parameters θ/(°) X/km ε h/km 高威脅區(qū)間 [0,60]C(0,20,3) [0,80]C(40,20,2) [1,2]C(1.5,0.4,0.03) [4,16]C(10,2,0.2) 中威脅區(qū)間 [0,120]C(60,20,3) [0,60]C(20,20,2) [20,100]C(60,20,2) [0.5,1.5]C(1,0.3,0.03) [1.5,2.5]C(2,0.3,0.03) [2,12]C(7,2,0.2) [8,18]C(13,2,0.2) 低威脅區(qū)間 [60,180]C(120,20,3) [50,130]C(90,20,2) [0,1]C(0.7,0.3,0.03) [2,3]C(2.5,0.3,0.03) [0,10]C(5,1,0.2) [12,22](17,1,0.2)圖3 連續(xù)變量云族

【參考文獻(xiàn)】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)作戰(zhàn)意圖識別[J]. 周旺旺,姚佩陽,張杰勇,王勛,魏帥.  航空學(xué)報. 2018(11)
[2]基于小波神經(jīng)網(wǎng)絡(luò)的無人機(jī)目標(biāo)威脅評估[J]. 陳俠,喬艷芝.  火力與指揮控制. 2018(08)
[3]改進(jìn)TOPSIS的多態(tài)融合直覺模糊威脅評估[J]. 張浩為,謝軍偉,葛佳昂,張昭建,宗彬鋒.  系統(tǒng)工程與電子技術(shù). 2018(10)
[4]基于加權(quán)貝葉斯網(wǎng)絡(luò)的海洋災(zāi)害風(fēng)險評估[J]. 李明,張韌,洪梅.  海洋通報. 2018(02)
[5]基于貝葉斯網(wǎng)絡(luò)云模型的目標(biāo)毀傷評估方法[J]. 曲婉嘉,徐忠林,張柏林,劉穎.  兵工學(xué)報. 2016(11)
[6]基于高斯云貝葉斯網(wǎng)絡(luò)的空戰(zhàn)態(tài)勢評估[J]. 蒙小飛,杜海文,封普文.  計算機(jī)工程與應(yīng)用. 2016(15)
[7]基于動態(tài)貝葉斯網(wǎng)絡(luò)的空戰(zhàn)目標(biāo)威脅等級評估[J]. 晏師勵,李德華.  計算機(jī)與數(shù)字工程. 2015(12)
[8]基于動態(tài)威力場的協(xié)同空戰(zhàn)態(tài)勢評估方法研究[J]. 李戰(zhàn)武,常一哲,楊海燕,寇英信,徐安.  系統(tǒng)仿真學(xué)報. 2015(07)
[9]模糊離散動態(tài)貝葉斯網(wǎng)絡(luò)的目標(biāo)威脅等級評估[J]. 邸若海,高曉光.  火力與指揮控制. 2012(04)
[10]基于導(dǎo)彈攻擊區(qū)的超視距空戰(zhàn)態(tài)勢評估改進(jìn)[J]. 吳文海,周思羽,高麗,劉錦濤.  系統(tǒng)工程與電子技術(shù). 2011(12)

博士論文
[1]基于貝葉斯網(wǎng)絡(luò)的洪水災(zāi)害風(fēng)險評估與建模研究[D]. 劉瑞.華東師范大學(xué) 2016



本文編號：3537164