[发明专利]基于模糊小波神经网络的目标攻击优先级评估方法及系统

权利要求书

1.基于模糊小波神经网络的目标攻击优先级评估方法，其特征是，包括：

仿真机器人获取攻击目标的类型、攻击目标的能力、攻击目标的价值、攻击目标的命中难度和攻击目标装甲板的像素面积；

判断攻击目标是否在机器人的射程范围内，如果是，则进入下一步；如果否，就返回上一步；

根据攻击目标的类型、攻击目标的能力、攻击目标的价值、攻击目标的命中难度和攻击目标装甲板的像素面积，基于训练后的改进的模糊小波神经网络中，得到待射击目标的优先级；

根据确定的待射击目标的优先级，确定相应的射击指令，根据射击指令向待射击目标进行射击。

2.如权利要求1所述的方法，其特征是，所述改进的模糊小波神经网络，包括：

输入层、隶属度函数层、模糊规则层、小波函数层和输出层；

其中，输入层，包括N个输入端口；N为正整数；隶属度函数层，包括3N个隶属度函数单元；模糊规则层，包括N个模糊规则单元；小波函数层，包括N个小波函数单元；

输入层的第i个输入端口，分别与隶属度函数层的三个隶属度函数单元的输入端连接；i的取值范围为1到N；

隶属度函数层的三个隶属度函数单元的输出端，均模糊规则层的第i个模糊规则单元的输入端连接；

输入层的第i个输入端口，还与小波函数层的第i个小波函数单元的输入端连接；

第i个小波函数单元的输出端的输出值与第i个模糊规则单元的输出值进行相乘运算，将乘积输入到输出层的求和单元；

输出层的求和单元对N个乘积进行求和后，得到最终的输出结果。

3.如权利要求2所述的方法，其特征是，

输入层，用于对输入的数据进行量化处理；

隶属度函数层中的隶属度函数单元，用于将输入的不确定非量化的信息指标转换为量化确定的值用于下一步输入；

模糊规则层中的模糊规则单元，用于将量化后的参考数据通过模糊规则输出为用于表示目标攻击优先级的指标；

小波函数层中的小波函数单元，用于拟合在确定输入信息的情况下的目标攻击优先级函数；

输出层，用于输出对于目标的攻击优先级量化和判断。

4.如权利要求1所述的方法，其特征是，

所述训练后的改进的模糊小波神经网络的训练步骤包括：

构建改进的模糊小波神经网络；

构建训练集；所述训练集为已知射击目标优先级的目标数据；所述目标数据包括：攻击目标的类型、攻击目标的能力、攻击目标的价值、攻击目标的命中难度和攻击目标装甲板的像素面积；

将训练集的攻击目标的类型、攻击目标的能力、攻击目标的价值、攻击目标的命中难度和攻击目标装甲板的像素面积输入到改进的模糊小波神经网络中将训练集的已知射击目标优先级作为改进的模糊小波神经网络的输出值；对网络进行训练，得到训练后的改进的模糊小波神经网络。

5.如权利要求1所述的方法，其特征是，目标类型，包括：哨兵、英雄、步兵、工程车、前哨站、基地、能量机关。

6.如权利要求1所述的方法，其特征是，目标攻击能力，包括：目标伤害能力与枪管数目、发射弹丸的类型、命中率。

7.如权利要求1所述的方法，其特征是，目标价值，包括：最高、高、中、低和极低；命中难度，包括：极低、低、中和高。

8.基于模糊小波神经网络的目标攻击优先级评估系统，其特征是，包括：

获取模块，其被配置为：仿真机器人获取攻击目标的类型、攻击目标的能力、攻击目标的价值、攻击目标的命中难度和攻击目标装甲板的像素面积；

判断模块，其被配置为：判断攻击目标是否在机器人的射程范围内，如果是，则进入下一步；如果否，就返回获取模块；

优先级计算模块，其被配置为：根据攻击目标的类型、攻击目标的能力、攻击目标的价值、攻击目标的命中难度和攻击目标装甲板的像素面积，基于训练后的改进的模糊小波神经网络中，得到待射击目标的优先级；

仿真射击模块，其被配置为：根据确定的待射击目标的优先级，确定相应的射击指令，根据射击指令向待射击目标进行射击。