论文部分内容阅读
在现代空战中制空型无人机需具备自主空战能力,因此需要相应智能决策系统作为支撑,提高无人机自主决策能力、战场环境适应能力、以及容错能力。为了解决无人机的自主空战决策问题,文章以人工智能方法为基础,开展基于动态贝叶斯网络的空战决策方法研究。通过决策系统输出灵活机动策略,引导无人机进行有效空间占位以迅速构成攻击条件。文章分析了传统的专家系统、微分对策、动态规划、矩阵对策、影响图以及轨迹预测等空战决策方法,根据当前研究现状得出影响空战决策方法适用性的主要原因。在分析传统方法的基础上提出了基于动态贝叶斯网络的空战决策方法,并进行工程实践探索。贝叶斯网络具备结合专家经验和客观数据进行决策建模的能力,因此建模过程中可以充分利用先验空战经验。分析影响空战结果的战场态势因素,完成网络证据节点定义,用于感知战场环境。在证据节点定义基础上,分析证据节点间逻辑关系,完成网络中间节点定义,实现战场环境特征提取。最后,根据空战决策过程空间占位需要,确定无人机可执行的机动动作,完成决策节点定义。决策网络节点以有向弧形式进行连接,连接关系由相应条件概率表决定,初始网络参数通过空战先验进行设定,实现对空战过程中飞行员决策思维拟合。空战决策网络为标准马尔科夫网络,参照马尔科夫网络推理过程,设计滤波推理算法用以求解网络模型。为了保证决策过程客观性,决策网络应对空战结果统计规律进行拟合,因此进一步开展了基于贝叶斯估计理论的参数学习方法研究。通过参数学习可以不断优化网络参数,学习过后能进一步提升网络性能。完成方法论证后,构建仿真实验平台,通过开展仿真实验对方法进行验证以得出结论。仿真结果验证了基于动态贝叶斯网络的空战决策方法的有效性,表明该方法能有效克服传统空战决策方法的不足之处,具备工程应用价值。决策网络模型具备较强战场环境适应性以及错误信息处理能力,能在空战过程中输出灵活可靠的机动策略。同时,机动策略求解过程不依赖飞机动力学模型,使得决策网络具备很强移植性,并且网络求解过程中克服了计算维数灾难,能够很好的满足空战过程实时性要求。