[發明專利]用于導彈反艦作戰彈量規劃的概率化推斷方法

在審

• 申請號: 202010810832.5
• 申請日: 2020-08-13
• 公開（公告）號: CN112241582A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 李聰;易當祥
• 申請（專利權）人: 信云領創（北京）科技有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 仇蕾安

本發明公開了導彈反艦作戰彈量規劃的概率化推斷方法，它包括如下步驟，打靶實采數據準備；目標打擊構設映射；建立概率化推斷模型；數據代入推斷。本發明針對現有彈量規劃方法在建模和計算成本以及樣本數據規模等方面的限制，從貝葉斯后驗推斷的角度看待彈量規劃問題，將導彈反艦作戰的突防和毀傷等過程抽象成高層的概率模型，并構建實體過程間的隨機關聯影響關系，僅需少量實彈打靶樣本就可驅動模型關鍵參數的學習過程，進而推斷出滿足特定成本約束與預定毀傷要求下的發射彈量。

技術領域

本發明屬于一種彈量規劃方法，具體涉及一種用于導彈反艦作戰彈量規劃的概率化推斷方法。

背景技術

導彈反艦作戰作為一種新興的作戰樣式，可以有效起到反介入\區域拒止的戰略戰役效果，是一種典型的非對稱打擊手段。彈量規劃在導彈反艦作戰中扮演著關鍵角色，它能在給定導彈型號和性能的前提下，計算滿足預定毀傷要求時的最優發射彈量，是火力打擊規劃的重要一環，對于作戰輔助決策、作戰運用研究和裝備體系建設等問題具有重大的理論和現實意義。

目前，主要有兩種技術方法可用于反艦導彈彈量規劃：一、在系統級和機理級上，建立反艦導彈(包括彈體、戰斗部、導引頭等)和目標艦船(包括船體、動力系統、反導系統等)以及關于它們之間在探測、突防、干擾、毀傷等物理層面相互作用的細粒度行為模型，通過數學解析方法或仿真模擬方法獲得滿足毀傷要求的發射彈量；二、基于實彈打擊靶船實采數據，以導彈特征、目標特征、環境特征、目標毀傷程度等要素為自變量，以耗彈量為因變量，通過傳統的模式識別和機器學習算法(如線性回歸、支持向量機、深度學習等)建立兩者之間的線性或非線性函數關系，在新的作戰想定下，即可直接利用此函數關系求出發射彈量。

然而，這些方法都存在一定程度的局限。第一種方法為確保結果可信，要求對作戰實體及實體間相互作用進行細粒度建模，然而粒度越細，計算代價越高，且對于敵方艦船，通常難以獲得建模所需的詳細信息；第二種方法采用的模式識別和機器學習算法一般需要大樣本量數據作為支撐，但鑒于反艦作戰在軍事上和政治上的敏感性與特殊性，難以在特定成本約束下收集大量實采數據，樣本量不足以支撐模型的充分訓練。

發明內容

本發明的目的是提供一種用于導彈反艦作戰彈量規劃的概率化推斷方法，它針對現有彈量規劃方法在建模和計算成本以及樣本數據規模等方面的限制，從貝葉斯后驗推斷的角度看待彈量規劃問題，將導彈反艦作戰的突防和毀傷等過程抽象成高層的概率模型，并構建實體過程間的隨機關聯影響關系，僅需少量實彈打靶樣本就可驅動模型關鍵參數的學習過程，進而推斷出滿足特定成本約束與預定毀傷要求下的發射彈量。

本發明的技術方案如下：用于導彈反艦作戰彈量規劃的概率化推斷方法，它包括如下步驟：

(1)打靶實采數據準備；

(2)目標打擊構設映射；

(3)建立概率化推斷模型；

(4)數據代入推斷。

所述的步驟(1)包括采集實彈打靶數據集{(n_k,n_pe_k,de_k,factor_pe_k,factor_de_k)|k＝1～K}，其中K為打靶次數，n_k、n_pe_k和de_k分別為第k次打靶采集的發射彈量、突防彈量和靶船毀傷程度，毀傷程度為二值量，取值為“毀傷”或“未毀傷”，分別對應1或0，factor_pe_k和factor_de_k是兩個目標打擊構設映射因子，是與靶船和待打擊的目標艦船相關聯的量。

所述的步驟(2)包括：

(a)目標反導能力映射