[發明專利]基于麻雀搜索神經網絡的空戰機動決策方法

有效

• 申請號: 202110558220.6
• 申請日: 2021-05-21
• 公開（公告）號: CN113159266B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 劉慶利;喬晨昊;商佳樂;王建偉;楊國強;張振亞
• 申請（專利權）人: 大連大學
• 主分類號: G06N3/006
• 分類號: G06N3/006;G06N3/04;G06N3/08;G06Q10/04;G06Q10/0639
• 代理公司: 大連智高專利事務所(特殊普通合伙) 21235
• 代理人: 畢進

1.基于麻雀搜索神經網絡的空戰機動決策方法，其特征在于，包括：

基于角度、距離、高度因素構造相應的態勢函數，將所述態勢函數結合起來并加權得到空戰態勢評估函數；角度態勢函數包括俯仰角態勢函數和偏航角態勢函數；

所述俯仰角態勢函數定義為：

其中γ_r是速度矢量相對于視距矢量的俯仰角；

所述偏航角態勢函數定義為：

其中ψ_r速度矢量相對于視距矢量的偏航角；

距離態勢函數定義為：

式中，R_D是為導彈射程，σ為攻擊距離的標準差，R為空戰兩機之間的距離；

高度態勢函數定義為：

式中，h_op表示飛機對目標的最優攻擊高度差，Δz為飛機與目標的實時高度差，σ_h為最優攻擊高度標準差；

將所述態勢函數作為神經網絡的輸入，將所述空戰態勢評估函數作為神經網絡的輸出，該輸出結果作為機動決策的依據，利用麻雀搜索算法對所述神經網絡的權值和閾值進行優化，得到麻雀搜索神經網絡；所述空戰態勢評估函數為：

S＝ω₁S_γa+ω₂S_ψa+ω₃S_R+ω₄S_H+ω₅S_γb+ω₆S_ψb?????(5)

其中，i＝1,2,…,6；S_γa為作戰飛機俯仰角，S_ψa為作戰飛機偏航角，S_γb為攻擊目標飛機俯仰角，S_ψb為攻擊目標飛機偏航角；

因此，將判斷空戰是否成功構建為：

其中，R_fire是最佳導彈發射距離，S_a、S_b分別為作戰飛機的空戰態勢評估函數和攻擊目標飛機的空戰態勢評估函數；首先必須滿足導彈發射條件，即式(6)中的前三個條件；然后作戰飛機的空戰態勢評估函數必須大于攻擊目標飛機的空戰態勢評估函數，才能取得勝利；

利用所述麻雀搜索神經網絡的學習和預測功能對所述空戰態勢評估函數進行學習，得到空戰機動決策模型；

所述神經網絡包括：輸入層，接收作戰決策數據，將決策影響因素細分為因素1、因素2、…、因素N；隱藏層，對輸入層傳輸的歸一化數據信息進行組織，并按照一定的規則學習；輸出層，通過S型變換函數映射完成非線性問題的解；所述S型函數為：

其中，u是輸入的值；

得到空戰機動決策模型，包括：

確定神經網絡的結構和參數；

生成一組隨機分布作為態勢函數的權重，并確定神經網絡的隱藏節點數目；

初始化麻雀搜索算法參數；

獲取態勢數據集，對所述態勢數據集進行歸一化操作，按照一定的比例劃分訓練集、測試集和驗證集；

利用麻雀搜索算法修改神經網絡的權重；

將麻雀搜索算法得到的優化值作為神經網絡的權值，進行多次訓練，不斷優化權值，直到滿足預定的精度；

獲得空戰機動決策模型，對該模型的輸入數據集進行測試，不滿足預先設定的誤差要求，則繼續訓練；

所述利用麻雀搜索算法修改神經網絡的權重，包括：

根據神經網絡的誤差函數，確定神經網絡適應度函數；

獲取麻雀的適應度函數并將其排序進而選擇出初始最優值和最差值；

更新發現者的位置、加入者的位置以及意識到危險的麻雀位置；

獲得當前最優值，如果當前最優值比上一次迭代的最優值好的話則進行更新操作，否則不進行更新操作，并繼續進行迭代直到滿足條件為止，最終得到全局最優值和最佳適應度值。