无人机协同空战中的动态威胁评估方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113987789A(43)申请公布日2022.01.28(21)申请号202111250404.2(22)申请日2021.10.26(71)申请人西北工业大学地址710072陕西省西安市碑林区友谊西路127号(72)发明人杨振李枭扬刘悦朴海音闵令通周德云(74)专利代理机构西安嘉思特知识产权代理事务所(普通合伙)61230代理人王萌(51)Int.Cl.G06F30/20(2020.01)权利要求书3页说明书16页附图3页(54)发明名称无人机协同空战中的动态威胁评估方法(57)摘要本发明公开了一种无人机协同空战中的动态威胁评估方法，包括：获取我方无人机在预设时刻下的态势信息、以及敌方作战飞机的识别类型和在预设时刻下的态势信息；确定威胁属性模型，并确定预设时刻下各敌方作战飞机对我方每个无人机的态势属性威胁值；确定预设时刻下各敌方作战飞机对我方每个无人机的态势属性威胁值的综合权重；确定预设时刻下各敌方作战飞机对于我方每个无人机的态势属性威胁值的广义直觉模糊软集及广义直觉模糊加权平均值，并确定态势属性威胁值的目标综合威胁直觉模糊数；利用得分函数及精确函数评判目标综合威胁直觉模糊数，并按照评判结果进行威胁排序。上述方法降低了整体威胁评估的不确定性，进而提升威胁评估方法的合理性。CN113987789ACN113987789A权利要求书1/3页1.一种无人机协同空战中的动态威胁评估方法，其特征在于，包括：获取我方无人机在预设时刻下的态势信息、以及敌方作战飞机的识别类型和在预设时刻下的态势信息；确定威胁属性模型，并根据所述威胁属性模型确定预设时刻下，各敌方作战飞机对我方每个无人机的态势属性威胁值；确定预设时刻下，各敌方作战飞机对于我方每个无人机的态势属性威胁值的综合权重；确定预设时刻下，各敌方作战飞机对于我方每个无人机的态势属性威胁值的广义直觉模糊软集及广义直觉模糊加权平均值，并根据所述广义直觉模糊软集、所述广义直觉模糊加权平均值和所述综合权重确定态势属性威胁值的目标综合威胁直觉模糊数；利用得分函数及精确函数对所述目标综合威胁直觉模糊数进行评判，并按照评判结果进行威胁排序。2.根据权利要求1所述的无人机协同空战中的动态威胁评估方法，其特征在于，所述确定威胁属性模型，并根据所述威胁属性模型确定预设时刻下，各敌方作战飞机对我方每个无人机的态势属性威胁值的步骤之前，还包括：利用AR(p)模型、BIC准则和最小二乘法，对敌方作战飞机的识别类型和在预设时刻下的所述态势信息进行预处理。3.根据权利要求1所述的无人机协同空战中的动态威胁评估方法，其特征在于，所述威胁属性模型包括：相对距离威胁模型、相对角度威胁模型、相对速度威胁模型和相对高度威胁模型；所述确定威胁属性模型，并根据所述威胁属性模型确定预设时刻下，各敌方作战飞机对我方每个无人机的态势属性威胁值的步骤，包括：根据所述相对距离威胁模型，计算预设时刻下各敌方作战飞机对我方每个无人机的相对距离威胁值；根据所述相对角度威胁模型，计算预设时刻下各敌方作战飞机对我方每个无人机的相对角度威胁值；根据所述相对速度威胁模型，计算预设时刻下各敌方作战飞机对我方每个无人机的相对速度威胁值；根据所述相对高度威胁模型，计算预设时刻下各敌方作战飞机对我方每个无人机的相对高度威胁值。4.根据权利要求3所述的无人机协同空战中的动态威胁评估方法，其特征在于，所述相对距离威胁模型为：2CN113987789A权利要求书2/3页式中，d1、d2和d3为预设系数，D表示各敌方作战飞机与我方每个无人机之间的距离，RTr表示各敌方作战飞机目标传感器的最远获取范围，RTmmax表示各敌方作战飞机对我方各无人机的极限作战范围，RTmmin表示各敌方作战飞机对我方各无人机的极限作战范围，表示各敌方作战飞机相对我方无人机的相对距离威胁值；所述相对角度威胁模型为：A式中，a1、a2和b为预设系数，ω表示为我方各无人机的速度方向与目标视线的夹角，所述目标视线为我方无人机与敌方作战飞机的连线，表示各敌方作战飞机相对我方无人机的相对角度威胁值；所述相对速度威胁模型为：T式中，τv为预设系数，V为敌方作战飞机的预设速度指标，VC表示地方作战飞机与我方无人机的相对速度，表示各敌方作战飞机相对我方无人机的相对速度威胁值；所述相对高度威胁模型为：式中，h1、h2表示预设系数，ΔH表示敌方作战飞机与我方无人机的高度差，Hlim表示预设高度界限值，表示敌方作战飞机相对我方无人机的相对高度威胁值。5.根据权利要求1所述的无人机协同空战中的动态威胁评估方法，其特征在于，所述确定预设时刻下，各敌方作战飞机对于我方每个无人机的态势属性威胁值的综合权重的步骤，包括：利用区间层次分析法IAHP确