[发明专利]一种基于粒子群搜索的神经网络空战机动决策方法

权利要求书

1.一种基于粒子群搜索的神经网络空战机动决策方法，其特征在于：包括以下步骤：

一、建立红蓝双方空战战斗机运动学与动力学模型；

二、建立空战态势优势函数，包括角度优势函数、速度优势函数、距离优势函数、高度优势函数；

三、粒子群算法优化空战机动决策；

四、生成空战双方轨迹与机动决策数据库；

五、构建神经网络并训练；

步骤五中，构建神经网络并训练包括以下步骤：

5.1)设置神经网络训练数据结构和构建训练样本集并归一化；

5.2)构建神经网络并训练，初始化网络权值，利用步骤5.1)中样本对网络进行训练，然后用测试样本对训练后的网络进行性能测试并更新网络参数再次训练；

步骤5.1)中，将机动轨迹数据库，按照时间间隔进行采样，并构建训练输入输出样本对，其中样本输入为红蓝双方空战态势及状态信息，样本输出为红方战机机动决策变量[n_x,n_z,γ_v]；

在进行轨迹预测时，需考虑无人机本身的三维位置、姿态和速度信息，以及敌机的三维位置、姿态和速度信息，还需要考虑两机的相对距离、相对高度、速度矢量夹角、敌机进入角、敌机方位角；另外，还需考虑状态信息随时间变化的历史信息；用t₁至t_n时刻的红蓝双方的历史状态信息{S₁,S₂,...,S_n}预测t_n+1时刻空战机动a_n+1，其中，x，y，z为战机位置，v为战机速度，θ_r，ψ_r分别为速度倾角和速度方向角，q表示战机进入角，r、b分别代表红方与蓝方，β表示红蓝双方战机的速度夹角；

历史状态信息和空战机动的映射关系可以表示为：

a_n+1＝f(S₁,S₂,...,S_n)；

对于给定的空战实测轨迹数据，首先利用目标机轨迹数据按照一定比例构建训练样本和测试样本；构建训练样本时，选取{S₁,S₂,...,S_n}组成第1个样本的输入，a_n+1为第一个样本的输出，然后再选取{S₂,S₂,...,S_n+1}为第2个样本的输入，a_n+2为样本期望输出，依次类推，最终可以形成以下训练样本矩阵：

其中，L_in为输入样本矩阵，L_in每一行为样本的输入矩阵，A_out为输出样本矩阵，A_out每一行为输入样本种对应的输出矩阵；测试样本矩阵也按照同样的方式进行构建；接着，对所有训练样本和测试样本进行数据归一化处理；

六、基于神经网络的机动决策。

2.根据权利要求1所述的一种基于粒子群搜索的神经网络空战机动决策方法，其特征在于：步骤一中，在地面坐标系中，ox轴取正东方向，oy轴取正北方向，oz轴取竖直方向，向上为正；在地面坐标系中红蓝双战机运动模型为：

在地面坐标系中，红蓝双方战机动力学模型

其中，(x,y,z)为红蓝战机在地面坐标系中的位置，表示速度v在地面坐标系中的三轴分量，θ表示航迹倾角，ψ表示航迹偏角，g表示重力加速度，n_x表示轴向过载，n_z表示战机俯仰方向的过载，即法向过载，γ_v表示速度矢量的滚转角；通过n_x控制速度的大小，n_z和γ_v控制速度的方向。