题目：基于战术数据链的超视距空战多机协同攻击策略研究

基于战术数据链的超视距多机协同空战是一种新的现代化空战模式，是现代空战的一个重要标志。超视距空战具有比传统空战更复杂信息、战术的战场环境。仅靠单机机动作战已经不能满足战争的需要，基于战术数据链的多机协同空战是由单机性能的对抗转变为在预警机指挥下的多机协同空战。在多目标协同攻击过程中，战术数据链、态势评估、目标分配以及火力布置是非常重要的环节。本文基于神经网络研究方法，主要从以下几个方面进行研究：（1）基于超视距空战战术数据链系统的误差控制分析与延时补偿方法研究在总结了超视距空战战术数据链特点的基础上，进行需求分析得出，超视距空战数据链对信息准确性、实时性要求较高。误差方面，本文提出了一种智能卡尔曼滤波法对数据链系统信息滤波，通过结果的方根分析，证明该方法简单有效，计算速度快；延时方面，本文所使用的加速度模型对补偿时延效果明显。在此基础上分析了空战态势转换过程中涉及到的各个坐标系之间的转换关系，根据矢量合成定理和坐标变换原则给出了目标距离、目标方位的确定方法，根据理论力学运动学分析理论推导了目标绝对速度、相对速度以及接近速度的计算方法，并通过仿真计算验证了算法的可行性。（2）建立基于改进RBF神经网络的空空导弹攻击区域计算模型采用改进的RBF神经网络方法，通过合理选择网络结构参数和离线训练，建立相应的数学模型和网络模型对空空导弹攻击区进行解算，通过解算和仿真，能快速高精度地得到更详尽的空空导弹的攻击区。1) 该方法具有比现在实际应用的数值拟合方法更高的精度，计算速度较快，使导弹的失机概率和界外概率更小；2) 该方法通过提出自适应变异算子，能根据算法的搜索进展情况，自适应地确定变异率，使算法在初期有较大的变异率并保持个体的多样性，避免早熟；在后期逐步降低变异率，保留优良信息，避免最优解遭到破坏，从而增加了搜索到全局最优解的概率。（3）基于一种空域划分理论建立GA-BP神经网络模型评估超视距空战态势基于空战规模的不断扩大以及对计算速度的要求提高，本文提出将大规模空战转化分解为小规模空战。首先应用模糊聚类算法根据目标机群按照飞行参数的相似性将其分为多个小组。通过数值仿真可以看出，模糊聚类用于敌方机群分组是基本可行的，算法简单能够满足实时性要求。在此基础上，根据敌机分组情况及敌我武器性能等进行我方机群分组。然后提出空战态势模型，空战态势是在对目标进行跟踪和识别基础上，通过雷达探测获得各目标的几何特性和飞行参数后获得的。空战目标威胁程度的大小主要由目标武器系统的性能及空中目标的特性决定。威胁估计，就是将敌机的类型、距离、导弹性能等态势数据综合起来，估计出目标对我机群每架飞机威胁的重要程度。进而提出一种空域划分理论，并给出相应算法，为GA-BP网络训练提供数据。最后依据提出的超视距空战态势评估模型，应用GA-BP神经网络，计算出空战态势矩阵。（4）基于Hopfield神经网络，建立目标与火力分配模型，解算出最优火力分配在研究超视距空战多机协同攻击态势评估的基础上，主要研究多目标攻击的火力分配问题。首先建立了超视距空战多机协同空战的决策模型，在此基础上建立了多目标攻击的目标分配模型和火力分配模型。应用粒子群算法优化的Hopfield神经网络来寻优，进而计算出超视距空战的火力分配矩阵，得到目标分配方式以及分配导弹数量。最后通过火力分配矩阵计算出目标飞机的生存系数。（5）基于优势区域与暴露区域理论，应用RBF神经网络研究接敌机动决策。主要研究了超视距空战中的飞机机动策略问题，首先基于作战飞行器的战术实用原则，提出了接敌过程中的优势区域与暴露区域的概念，并给出了飞机机动飞行动作库，在此基础上提出了基于马尔科夫决策过程的RBF神经网络，并对飞机机动决策进行解算，最后通过实例验证其有效性。