基于微分对策的攻防对抗末段制导方法研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:Y644900
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
高技术战争条件下,攻防对抗双方呈现出高机动、智能化与群集化的发展趋势,在未来高动态对抗环境下,对抗双方面对的将是机动性更强、智能化水平更高、群集规模更大的对手。对于攻击方而言,需要提升对目标的拦截能力,一方面可以通过改进导航、制导控制系统提高命中精度,提升单发拦截概率;另一方面可以采取多对一方式,通过协同拦截提高对目标的毁伤概率。反之,对于防御方而言,一方面可以通过提高预警能力,释放诱饵与干扰或实施最优躲避机动,增加攻击方的脱靶概率;另一方面可以采取主动防御方式,发射防御导弹,对攻击方实施主动拦截,同时进行机动,通过主动协同达到反拦截的目的。本文以攻防对抗中的末制导方法为研究主线,基于微分对策理论,主要围绕主动防御制导律、协同制导律及制导/估计集成设计方法等内容开展了研究分析工作。本文主要的研究内容和取得的成果如下:
  针对典型的追逃问题,研究了在拦截导弹采用线性最优制导律的条件下目标飞行器的最优躲避机动策略。以大气层内追逃问题为背景,在已知拦截导弹制导律的基础之上,推导了最优躲避机动策略,并对典型的线性制导律进行分析,对完全信息与非完全信息条件下的追逃场景进行了仿真分析,对目标飞行器最优躲避机动策略进行了验证。
  为提高对目标的拦截效能,研究了终端碰撞角度约束的微分对策制导律。考虑了弹体动力学特性,通过引入终端碰撞角度约束,分别设计了线性二次最优制导律及线性二次微分对策制导律,可实现从不同方向与不同角度对目标实施围捕拦截的能力。考虑多枚拦截导弹协同拦截的场景,提出了一种考虑动力学特性的协同微分对策制导律,提高了制导系统对目标机动过载变化的适应能力。
  为有效提高目标飞行器面对高性能攻击导弹的生存能力,研究了目标-攻击导弹-防为导弹三方对抗问题,基于微分对策理论设计了主动防御制导律,实现了目标与防卫导弹的协同机动,对攻击导弹实施反拦截,降低了防卫导弹的机动过载需求。提出了带终端碰撞角度约束的主动防御制导律,可实现防卫导弹多角度对攻角导弹实施拦截,增强防卫导弹的打击能力,从而提高目标飞行器的生存能力。
  采用红外等被动探测设备的拦截导弹存在目标状态估计的问题,纯角度测量条件下,相对距离的可观测性是值得研究的问题。在末制导阶段,由于弹目之间已经形成碰撞三角,同时传统制导律通常抑制视线角的转动,因此相对距离可观性较差。针对大气层外机动目标的拦截问题,设计了集成估计制导方法,通过非线性滤波器对目标状态进行估计,同时利用微分对策制导律中的奇异区域特点,提出了可观性增强微分对策制导律,提高了被动探测条件下目标状态的可观性。
  在主动防御中,采用多个防卫导弹对进攻导弹进行拦截,一方面提高对攻击导弹的拦截概率,另一方面通过引入不同的终端碰撞角度对协同作战的防卫者飞行轨迹进行控制,通过增大相对视线角度,提高对攻击导弹状态的可观性。基于微分对策理论设计了带相对碰撞角度约束的协同制导律,并利用非线性滤波设计了协同状态估计器,充分利用协同主动防御与协同探测的优势,可有效提高目标飞行器的生存能力。
  本文的研究考虑多种场景下的制导律设计,涉及主动防御制导律、协同制导律、制导/估计综合设计等问题,对攻防对抗中的多个末段制导方法进行了研究,提出了多种针对不同场景的制导方法,具有一定的理论意义和工程实用价值。
其他文献
大规模图像检索任务通常被抽象为近似最近邻搜索问题(Approximate Nearest Neighbor Search,ANN),哈希方法作为ANN的代表方法,被广泛应用于图像检索任务中。近年来,基于深度神经网络良好的特征提取能力,一系列深度哈希方法被提出,也使基于深度哈希的多标签图像检索方法成为新的研究方向。
  本文聚焦多标签图像的深度哈希检索任务,着力解决其存在的多标签图像相似度的精确度量、图像代表性语义信息的提取、哈希码汉明距离与原始图像相似度的一致性保留3个难题,提出一种融合注意力机制和
随着车联网、无线通信技术的不断发展,涌现了一系列诸如超高清视频、自动驾驶等计算密集型、时延敏感型应用。传统集中式的云计算架构因过重的主网络负载和过长的服务响应时延,无法满足海量终端和新兴应用所需的低时延、高带宽等需求。有研究提出,联合车联网和雾计算形成车载雾计算(Vehicular Fog Computing,VFC),将计算、存储以及通信等功能从云端下沉到无线网络边缘,为移动终端提供邻近的实时计算服务,从而减轻网络负担,降低响应时延。VFC作为一种新的应用范式,在车联网中具有广阔前景。然而,VFC架构中
输电线路场景下,防震锤、绝缘子、导线等关键设备的损坏间接影响供电系统的正常稳定运行。定期巡检输电线路,可以有效的避免供电系统故障。如今通常采用无人机巡检输电线路,并拍下输电线路场景下的巡线图像,最后人工查看巡线图像中的缺陷。因此,为了提高输电线目标缺陷检查效率,需要研究输电线关键目标检测,实现目标的快速定位,最终提高输电线路巡检工作效率。
  在输电线关键目标检测研究过程中,以手工特征为主的传统目标检测方法,只能针对特定类型并且具有易区分特征的目标,其鲁棒性较差。当前主流的基于深度神经网络的目标检测
深度学习的神经网络相较于传统神经网络方法显著的特点是计算量大,因此迫切需要计算系统具备更高的性能、更低的功耗来运行深度神经网络,本文的研究目标在于设计基于忆阻交叉阵列的深度神经网络电路,达到速度和能效的大幅提升,通过该电路实现图像语义分割、文本情感分析任务。
  本文将忆阻交叉阵列和深度学习中应用广泛的全卷积神经网络、长短期记忆神经网络结合,设计基于忆阻交叉阵列的深度神经网络,使用忆阻作为神经网络的突触,可降低整个电路系统的能耗和延迟。在实现全卷积神经网络设计过程中,本文利用忆阻交叉阵列实现包括卷积
随着大数据时代的到来以及深度学习算法在工业界的普遍应用,机器学习模型的构建开始由理论驱动转为数据驱动。但是在处理在线问题时,不能同时使用大批量样本并且样本不能保存,所以常规离线算法很难发挥作用。在线迁移学习算法通过迁移源域知识,能够降低目标域在线任务对训练样本的要求,同时又能够辅助目标域在线模型的构建,近年来得到了很多关注。本文围绕文本分类问题,对已有的有监督在线迁移学习算法框架进行改进,并针对半监督在线迁移学习问题提出新的方法。
  现有的在线迁移学习算法框架大部分是基于多模型加权融合的集成方式构
随着互联网的快速发展,以微信、微博为代表的自媒体平台成为信息发布和传播的主要媒介。舆情从现实世界转移到网络虚拟空间,一些社会突发事件或公共问题往往成为社会舆论焦点,诱发网络舆情。舆情反转是网络舆情中的一种重要现象,反转事件的频繁上演,不仅损害媒体的公信力,也造成一定的社会负面效应。目前关于舆情反转的研究多以定性分析为主,较少从定量角度研究舆情反转的演化规律。因此,运用科学可靠的技术手段分析舆情反转的内在原因及演化过程,具有重要的研究意义。
  本文基于现实社会的个体视角,采用数学建模、计算机仿真分析
群智能指的是在由众多简单个体组成的种群中,个体遵循简单的行为规则并且彼此进行交互时,在宏观层面上涌现出来的智能现象。目前,对群智能的研究多集中于对群智能优化算法的研究,主要体现在提出的一些新型群智能优化算法,例如狼群算法、狮群算法,或是对已有的群智能优化算法加以改进,例如对经典的蚁群算法、粒子群算法、遗传算法等群智能优化算法加以改进,使其在某些性能指标上得到改善。本文针对以蜂群劳动分工为代表的群智能劳动分工展开相关研究,将关注点由群智能优化算法转移到对种群协调分工相关问题的研究。
  群智能劳动分工
随着经济和互联网的发展,客户订单数量激增且种类繁杂,配送中心为了降低物流成本同时提升服务质量,以快速高效的将商品配送到客户手中,就需要对其作业流程进行优化。其中订单拣选作业是配送中心人工成本最高的部分,因此制定合理的订单拣选作业解决方案,不仅可以提高订单拣选效率,同时也能提高订单准时性。然而,目前多数关于订单拣选作业的研究都忽略了拣货员之间的路径冲突,并且订单拣选作业的优化目标都比较单一。因此本文重点研究考虑路径冲突的拣选路径优化问题,建立符合实际情况的优化模型并求解,对于指导配送中心的订单拣选作业具有非
近年来,深度神经网络已经在人类日常生活中得到广泛普遍的应用。但有研究表明这些模型并非完全可靠,它们容易受到对抗样本的攻击而做出违背人类直觉的判定。研究对抗攻击既可以作为衡量神经网络鲁棒性的基准,促进建立结构更合理、鲁棒性更强的模型。又可以作为保护人类隐私的手段,遏制利用深度神经网络恶意窃取个人信息的违法现象。
  理想的对抗样本应在保持攻击成功率的同时不影响人类的正常判定,即兼具隐蔽性和攻击强度。针对对抗样本的隐蔽性,本文提出了一种基于注意力机制的空间转换对抗样本(A-stadv)生成算法。该算法首
温度能够反映生物体的新陈代谢和健康状况等,因此活体内温度的准确测量,一直是众多科研人员努力的方向。由于生物体的电阻特性、不透明性等,以及出于安全性、舒适性等考虑,磁学温度测量/成像逐步成为最具前景的医学影像方法之一。因此本文对基于磁纳米粒子磁化响应和基于核磁共振机理的两种磁学测温方法进行研究,以外加激励磁场对磁纳米粒子磁化响应的温度敏感性的调控规律为出发点,优化了磁纳米粒子直流测温模型的测温性能,并重点探究了将氧化铁磁纳米粒子作为温度传感器实现高灵敏度的核磁共振温度测量和温度成像的可行性。具体内容如下:<