申请/专利权人：北京航空航天大学

申请日：2021-08-27

公开（公告）日：2024-03-29

公开（公告）号：CN113741500B

主分类号：G05D1/495

分类号：G05D1/495;G05D1/46;G05D101/15;G05D109/20

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.12.21#实质审查的生效;2021.12.03#公开

摘要：本发明公开一种仿哈里斯鹰智能捕食优化的无人机空战机动决策方法：步骤一：搭建六自由度飞机模型及控制器；步骤二：设计战术规划机动指令生成器；步骤三：设计红蓝博弈得分矩阵；步骤四：设计混合策略机动决策目标函数；步骤五：设计仿哈里斯鹰智能捕食的优化算法；步骤六：更新六自由度飞机状态。本发明优点：1控制对象为模拟真实飞机的六自由度非线性飞机模型，相比三自由度飞机质点模型更具实际应用价值；2利用博弈混合策略构造机动决策目标函数，并处理了约束条件转换为无约束优化问题；3设计了基于多维学习机制的哈里斯鹰智能捕食优化算法，提高了种群多样性，避免陷入局部最优解。

主权项：1.一种仿哈里斯鹰智能捕食优化的无人机空战机动决策方法，其特征在于：该方法步骤如下：步骤一：搭建六自由度飞机模型及控制器采用模拟真实飞机的六自由度非线性模型；步骤二：设计战术规划机动指令生成器S21、三自由度机动指令生成器机动指令生成器采用三自由度简化飞机模型，切向过载、法向过载、速度滚转角作为机动指令生成器的输入，飞行速度、航迹倾角、航向角作为输出，实现对飞机运动轨迹的控制；切向过载主要用于调整飞机的速度，法向过载与滚转角主要调整飞机的俯仰角和偏航角；S22、战术规划机动库机动动作库设计为以法向过载和速度滚转角作为控制指令，通过不同的法向过载和速度滚转角的组合生成期望的机动动作；红蓝双方机动动作库中所有动作组合，构成博弈机动矩阵；该动作库在设计上的灵活性在于可扩展性，在满足飞机性能限制的条件下，用户根据需要自行设定动作库中法向过载和速度滚转角的取值，其取值间隔合适，即获得强操纵性；步骤三：设计红蓝博弈得分矩阵S31、基于直接威胁的态势评估函数设计定义空战态势评估函数的两个组成部分：角度威胁指数和距离威胁指数，总的态势评估函数为角度威胁指数和距离威胁指数的乘积；S32、计算博弈得分矩阵博弈得分矩阵，即针对每一步红蓝双方的状态量，对应步骤二中的博弈机动矩阵，分别计算双方每种动作下的态势评估函数，即构成博弈得分矩阵；记红方为我方，蓝方为敌方，我方期望态势评估函数值越大越有利，蓝方相反；步骤四：设计混合策略机动决策目标函数利用混合策略来描述选择各个机动动作的概率，混合策略是维度为机动动作个数的向量，其和为1；记红方混合策略为Pr＝[Pr1,Pr2,...,Prm]T，蓝方混合策略为Pb＝[Pb1,Pb2,...,Pbn]T；机动决策过程分为两步：第一步是预测蓝方的混合策略，第二步是根据蓝方的混合策略计算红方的混合策略；红蓝双方是一种零和博弈状态，每一方都试图将自己的利益最大化，将对方的利益最小化；确定了机动决策的混合策略后，采用轮盘赌的方式来确定最终的机动动作；步骤五：设计仿哈里斯鹰智能捕食的优化算法S51、哈里斯鹰优化算法S52、基于多维学习的哈里斯鹰智能捕食优化针对哈里斯鹰优化算法存在易陷入局部最优的问题，改变探索阶段的学习对象，利用多维学习机制充分体现哈里斯鹰的智能捕食行为；S53、仿哈里斯鹰智能捕食优化的无人机空战机动决策步骤六：更新六自由度飞机状态确定了最优机动后，将三自由度控制指令输入到六自由度飞机控制器，进而转换为六自由度飞机控制量，即更新飞机状态；所述步骤S52、改变探索阶段的学习对象，利用多维学习机制充分体现哈里斯鹰的智能捕食行为，具体过程如下：利用多维度学习机制，对鹰的位置在各个维度分别更新，根据适应度函数值确定学习对象；探索阶段的更新方式如式20所示； 其中，表示在第t次迭代时第i只鹰在第d个维度上的位置，fi表示鹰的编号索引，表示第fi只鹰的第d个维度上的位置；对于每个维度更新，在鹰群中任意选择两只，计算适应度值，取占优的鹰为学习对象，记该鹰的编号为index，则fi＝index。

全文数据：

权利要求：

百度查询： 北京航空航天大学 仿哈里斯鹰智能捕食优化的无人机空战机动决策方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD