论文摘要
面向多电子战飞行器（Electronic Combat Air Vehicle,ECAV）协同干扰的干扰资源优化分配方法对于提高作战飞机的作战效能和战场生存率具有重要现实意义。近年来,由于各种现代化、高性能防空武器的出现,使得飞行器突防任务的难度、危险度以及强度不断增加,在此种背景下,多ECAV协同干扰面临的任务环境更加复杂,使得干扰资源分配问题的优化求解过程非常困难。为此,本文主要研究了以下问题:1.对多ECAV协同干扰资源优化分配问题进行了分析与建模。通过对多ECAV协同干扰所面临的复杂任务环境中存在的各种辐射源威胁的分析,建立了基于模糊离散动态贝叶斯网络的威胁评估模型,能够处理具有连续观测值的定性推理问题,对不同雷达的威胁程度进行快速评估;其次,分析了ECAV和雷达的性能参数,从攻防双方选取了雷达干扰效果的影响因素和指标,基于各指标对干扰效果影响的模糊不确定性,设计了综合多属性决策方法和模糊集理论的雷达干扰效果评估模型,能够快速合理地对雷达干扰效果进行评估;最后,建立了用于解决协同干扰资源分配问题的多约束优化模型,为下文的问题求解奠定了基础。2.研究了基于动态规划的协同干扰资源分配方法。多ECAV协同干扰资源分配问题是一个高维、多约束的组合优化问题,一般的思路是采用最优化方法对问题进行求解。文章通过对动态规划的基本概念和原理进行了详细的介绍,推导出了用于解决多ECAV协同干扰资源优化分配问题的顺序递推方程,针对多ECAV协同干扰资源分配这一具体问题,给出了动态规划算法的求解流程,并对算法的时间复杂度进行了分析。最后,通过实例对算法的有效性和算法的性能进行验证与分析。3.设计了基于蚁群-微粒群融合算法的协同干扰资源优化分配方法。针对最优化方法求解协同干扰资源分配问题面临维数灾难的缺点,采用了现代智能优化方法对问题进行求解。介绍了基于蚁群算法的协同干扰资源分配求解过程,分析了此算法在求解过程中存在的不足;针对蚁群算法初期信息素匮乏,搜索具有盲目性以及搜索速度慢等缺点,设计了蚁群-微粒群融合算法,利用微粒群算法的快速性和全局性等特点寻找当前的最优解,并根据当前最优解来调整蚁群算法的初始信息素分布,最终利用蚁群算法的正反馈机制和求解精度高等优点对问题进一步优化,从而获得全局最优解;最终通过仿真实验验证了方法的有效性。
论文目录
相关论文文献
标签：协同干扰论文; 资源分配论文; 威胁评估论文; 模糊离散动态贝叶斯网络论文; 雷达干扰评估论文; 蚁群算法论文; 微粒群算法论文;