CN115033025A - 一种基于态势认知结果的航迹保障方法 - Google Patents

Abstract

本发明公开了一种基于态势认知结果的航迹保障方法，采用蚁群算法，从对抗的态势认知结果入手，完成对抗过程中的状态推演，获得实时性能参数，从对抗态势分析、飞行器威胁度分析、航迹生成3个方面，对飞行器进行航迹保障设计，保证飞行器在以自身安全保障前提下完成飞行任务。本发明通过对对抗中飞行器所受威胁进行分析，得出威胁能力模型，获得飞行器所受威胁范围与威胁值，并根据分析结果实现飞行器的航线生成，确保飞行器依据航线飞行所受威胁最低。

Description

一种基于态势认知结果的航迹保障方法

技术领域

本发明属于雷达对抗领域，具体涉及一种基于态势认知结果的航迹保障方法。

背景技术

随着现代科技和信息化技术的迅速发展，对抗的突发性增加、对抗态势的变化和进程加快，都对对抗的时效性和灵活性提出了更高的要求。而飞行器具有速度快、突防能力强、战术灵活多变等特点，特别是具有隐身功能的飞行器的出现以及威力强大武器的配备，这就使得飞行器成为了现代对抗中当之无愧的主角。但是，由于现代对抗的综合性越来越强，各种尖端设备层出不穷，特别是雷达技术的不断发展，使得飞行器在对抗中所受到的威胁越来越大。因此，如何保障实际对抗中飞行器的生存机率与任务执行效率已经成为了现今众多研究者的关注重点之一，而这其中一种比较有效的方法就是航迹保障设计。航迹保障设计就是通过情报融合，可以充分利用飞行计划关于飞行器的属性信息以及对抗相关态势信息，预先或临时确定的有关飞行器的飞行航线和飞行航向、速度、高度、时间等参数，在保障飞行器安全的前提下完成计划任务。

飞行器的航迹保障设计实际上就是根据航线上飞行器方向、速度、高度、位置、所受威胁度的计算得到飞行航迹安全阈值的定量描述，将航迹设计问题转化为一个航迹优化问题。为此，国内外研究人员提出了一些相应算法，这些算法普遍是利用路径最优的数值求解算法，通过对飞行航迹的相关函数求最值以得到最优路径。但是这些算法由于对求解条件要求比较严格，缺乏普适性，同时对所受威胁缺少动态性分析，适用性不强。

发明内容

本发明提出了一种基于态势认知结果的航迹保障方法，从对抗的态势认知结果入手，以蚁群算法为基础，从对抗态势分析、飞行器威胁度分析、航迹生成3个方面，对飞行器进行航迹保障设计，保证飞行器在以自身安全保障前提下完成飞行任务。

实现本发明的技术解决方案为：一种基于态势认知结果的航迹保障方法，步骤如下：

步骤1、构建对抗态势分析仿真平台，对抗态势分析仿真平台包括雷达模型、通信模型、电子干扰模型、电子侦察模型、飞机/舰船模型、环境模型、武器装备模型，通过雷达模型、通信模型、电子干扰模型、电子侦察模型、飞机/舰船模型、环境模型、武器装备模型建立飞行器飞行过程中各装备模型间的对抗关系，作为后续航迹保障设计中各项计算和评估的数据源，转入步骤2。

步骤2、根据对抗态势分析仿真平台的控制参数，建立时序仿真模块，生成态势仿真工作时序，且态势仿真工作时序与实际情况保持一致，向仿真平台中各个模型提供各种触发、同步信号，向信号处理内部提供各模型所属的时序及控制信号，转入步骤3。

步骤3、对抗态势分析仿真平台根据步骤1建立的各装备模型间的对抗关系与步骤2生成的态势仿真工作时序进行仿真推演，并基于仿真态势认知对飞行器进行组网雷达探测距离评估，确定飞行器被雷达发现的概率，获得雷达威胁度值，转入步骤4。

步骤4、针对对抗空间各网格点进行飞行器综合威胁度计算，获得各网格点的综合威胁度值，转入步骤5。

步骤5、根据各网格点综合威胁值，进行最优航迹求解，实现航迹规划：

在进行航迹规划时，根据对抗场景进行推演，获得推演中针对飞行器威胁的影响范围及威胁程度，综合考虑航迹路线与威胁相互间的影响，形成安全航线。

本发明与现有技术相比，其显著优点在于：针对现代对抗中飞行器的航迹保障问题，采用蚁群算法，利用态势认知结果对航迹进行规划的航迹保障设计方法。基于态势认知结果的航迹保障设计方法将对抗中雷达装备对飞行器的威胁作为参考因素，网格划分对抗空间，针对对抗中的威胁进行实时推演分析，并融合计算各网格点的综合威胁，并将各网格点的威胁范围与威胁值作为参考量引入信息素函数加以充分考虑，得到最优飞行航迹的求解。在现有情况下，能够有效的实现具有安全保障的最优航线设计。

附图说明

图1为本发明的对抗态势仿真平台工作流程图。

图2为本发明的空基组网雷达收发分置协同探测方式示意图。

图3为基于蚁群算法的飞行器航迹保障设计流程图。

图4为飞行器航迹保障设计的最优飞行航迹图。

图5为本发明基于态势认知结果的航迹保障方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面将结合本设计实例对具体实施方式、以及本次发明的技术难点、发明点进行进一步介绍。

结合图1~图5，本发明所述的一种基于态势认知结果的航迹保障方法，步骤如下：

步骤1、构建对抗态势分析仿真平台。对抗态势分析是飞行器航迹保障设计的基础，其目的是作对抗态势推演以及仿真评估。对抗态势分析仿真平台根据仿真参数采用各装备模型，包括雷达模型、通信模型、电子干扰模型、电子侦察模型、飞机/舰船模型、环境模型、武器装备模型，通过上述模型建立飞行器飞行过程中各装备间的对抗关系，并作为后续航迹保障设计中各项计算和评估的数据源，其分析的准确度决定了后续设计的可靠性、完备性以及有效性。

对抗态势仿真作为一个复杂的综合体，为了保证对飞行器所受威胁度所作分析的全面、准确，应用了雷达、通信、电子干扰、电子侦察、飞机/舰船、环境、武器装备模型，几乎包括了构建对抗仿真的各要素。在态势仿真中，对于仿真模型的要求是多方位的，包括功能性、灵活性以及真实性。

功能性：仿真模型针对不同的仿真推演方案或策略，采取与之适应的模型形式，应用不同的仿真时间步长、粗\细颗粒度仿真功能。

灵活性：仿真模型根据动态推演的需求，自行匹配模型内仿真处理流程和算法，采用同种设备模型不同推演类型的仿真功能，实现灵活的、可配置化的态势仿真。

真实性：仿真模型综合考虑实际对抗情况，仿真计算符合实际装备处理流程，以量化方式描述态势结果。

步骤2、根据仿真平台的控制参数，建立时序仿真模块，生成态势仿真工作时序，且与实际情况保持一致。向仿真平台中各个模型提供各种触发、同步信号，向信号处理内部提供各模型所属的时序及控制信号等。具体功能和流程如下：

步骤2-1）时序仿真模块与对抗态势分析仿真平台中的各模型进行通信，发送当前的仿真时间，转入步骤2-2）；

步骤2-2），判断模型是否接收到仿真时间，若模型接收到仿真时间，则返回自身模型的状态，并开始执行当前仿真时间的操作，转入步骤2-3）；若模型没有接收到时序仿真模块的仿真时间，该模型停止工作；

步骤2-3）判断时序仿真模块是否收到某个模型的返回状态，若未接收到某个模型的返回状态，则进行等待，超过设定的等待时长后，仍未收到状态信息，则认为该模型出现故障，进行上报，并下发关闭仿真命令，强行终止仿真运行。

根据仿真的各种需求，对抗态势仿真处理流程如图1所示。

步骤3、对抗态势分析仿真平台根据步骤1建立的各装备模型间的对抗关系与步骤2生成的态势仿真工作时序进行仿真推演，并基于仿真态势认知对飞行器进行组网雷达探测距离评估。在对抗中，若要提高飞行器的生存几率，最有效的措施就是降低飞行器被发现的概率。而作为一种有效探测目标的装备，雷达被广泛应用于对抗当中。现代雷达即使在复杂的对抗环境下，也能够对目标实施快速、准确的探测与跟踪，从而严重影响飞行器的安全，是飞行器飞行的主要威胁，所以基于态势认知的飞行器威胁评估主要以雷达威胁为主。雷达威胁根据雷达状态又可以分为固定位置雷达威胁和机动雷达威胁，其中固定位置雷达因其位置、环境等参数变化很小，探测能力及范围通常保持不变，所以威胁程度相对明确。而机动雷达，特别是空基雷达，机动能力强，而且往往利用收发分置的方式协同探测，大大增加了对飞行器探测的威胁，所以需要重点分析。

空基组网雷达主要是利用飞行器的外形和飞行姿态对雷达散射截面积有影响这一理论，通过多部雷达接收信号，从而提高发现目标的概率。理论研究和实验表明，当电磁波照射在飞行器的不同部位时，如前向、侧向与后向，飞行器对应的雷达散射截面积会产生差异，利用多部雷达协同探测的方式，可以获取不同部位反射的雷达信号，从而避免因飞行器的雷达散射截面积会随着外形、飞行姿态的不同而产生变化所带来的影响，图2给出了空基组网雷达收发分置协同探测方式。空基组网雷达的散射特性可以通过飞行器的飞行姿态角与发射雷达和接收雷达天线间夹角来计算飞行器的散射截面积特性，此时，双基组网雷达方程可表示为：

(1)

式中，G ₁为发射雷达天线增益，G ₂为接收雷达天线增益，

为雷达信号波长，

为飞行器雷达截面积，SNR _min为最小可检测信号信噪比，R ₁为飞行器到发射雷达间距离，R ₂为飞行器到接收雷达间距离，需要满足：

-R ₁₂ ≤ R ₁-R ₂ ≤ R ₁₂，R ₁-R ₂ ≥ R ₁₂ (2)

式中，R ₁₂为发射雷达与接收雷达之间的距离。而当组网雷达采用A发B收模式时，则探测距离R _d 可以表示为：

(3)

式中，R _dn 为第n部雷达单独工作时的探测距离，A表示发射雷达数目，B表示接收雷达数目。

步骤4、针对对抗空间各网格点进行飞行器综合威胁度计算。飞行器航迹保障设计是在综合考虑自身性能和所受威胁程度的基础上，规划飞行的最优航迹，使飞行器能够安全的完成任务执行，所以需要对空间内的威胁度分布进行评估计算。

4-1）将对抗空间进行空间网格划分。

4-2）针对网格点处对应的雷达威胁度进行计算，获得各网格点的雷达威胁度值，表达式如下所示：

(4)

式中，

为第i个网格点第n部雷达的威胁度值，

、

、

、

、

分别为距离、速度、方位角、速度变化、方位变化对应威胁度的加权值，R _dnmax为第n部雷达的最大探测距离，R _dnmin为第n部雷达的最小探测距离，R _i 为第i个网格点到第n部雷达间的距离，

v _ni 为飞行器在第i个网格点时与第n部雷达间的速度差，

v _max为速度差最大值，

a _vni 为飞行器在第i个网格点时与第n部雷达间的速度变化差，

a _vmax为速度变化差最大值，

为飞行器在第i个网格点时与第n部雷达间的方位差，

为方位差最大值，

为飞行器在第i个网格点时与第n部雷达间的方位变化差，

为方位变化差最大值。

4-3）根据态势推演对所有网格点处对应的综合威胁度进行计算，获得各网格点的综合威胁度值，表达式如下所示：

(5)

式中，

为第i个网格点的综合威胁度值，

为根据雷达探测能力获得的第n部雷达威胁度加权值，N为第i个网格点受威胁的雷达数目。

步骤5、利用步骤4获得的各网格点综合威胁值进行航迹规划。在进行航迹规划时，算法根据对抗场景进行推演，获得推演中针对飞行器威胁的影响范围及威胁程度，综合考虑航迹路线与威胁相互间的影响，形成安全航线。由于对抗中飞行器的威胁有很多种，并且各种威胁还可以相互叠加，航迹规划分析比较复杂，所以本方法采用蚁群算法进行最优航迹求解。

蚁群算法是一种利用蚁群在搜索食物源的过程中所体现出来的寻优能力来解决优化难题的方法，它具有并行性和随机搜索性，能够通过群体进化过程获得最优解。对于航迹保障规划问题，本方法采用步骤4得到的各网格点的综合威胁度值作为蚁群算法的数据依据。以飞行器顺序飞过一条飞行规划航迹所受到的综合威胁度生成初始信息素：

(6)

式中，w _i 为初始群体中飞行规划航迹经过第i个网格点的可能性，E为固定常数，

为信息素常数。

随后，利用信息素生成转移概率q _i ：

(7)

式中，

为第i个网格点信息素，M为信息素数目。

按照转移概率选择下一个节点，记录已访问的节点，完成所有节点的访问，计算本次航迹规划方案的威胁度，然后按照信息素更新方程式(8)修改规划航迹经过网格点的信息素强度

：

(8)

式中，

为信息素衰减系数，

表示第i个网格点的信息素强度。

最终，反复迭代计算，输出最优解，得到最优的飞行规划航迹。基于蚁群算法的飞行器航迹保障设计流程如图3所示。

Claims (6)

1.一种基于态势认知结果的航迹保障方法，其特征在于，步骤如下：

步骤1、构建对抗态势分析仿真平台，对抗态势分析仿真平台包括雷达模型、通信模型、电子干扰模型、电子侦察模型、飞机/舰船模型、环境模型、武器装备模型，通过雷达模型、通信模型、电子干扰模型、电子侦察模型、飞机/舰船模型、环境模型、武器装备模型建立飞行器飞行过程中各装备模型间的对抗关系，作为后续航迹保障设计中各项计算和评估的数据源，转入步骤2；

步骤2、根据对抗态势分析仿真平台的控制参数，建立时序仿真模块，生成态势仿真工作时序，且态势仿真工作时序与实际情况保持一致，向仿真平台中各个模型提供各种触发、同步信号，向信号处理内部提供各模型所属的时序及控制信号，转入步骤3；

步骤3、对抗态势分析仿真平台根据步骤1建立的各装备模型间的对抗关系与步骤2生成的态势仿真工作时序进行仿真推演，并基于仿真态势认知对飞行器进行组网雷达探测距离评估，确定飞行器被雷达发现的概率，获得雷达威胁度值，转入步骤4；

步骤4、针对对抗空间各网格点进行飞行器综合威胁度计算，获得各网格点的综合威胁度值，转入步骤5；

步骤5、根据各网格点综合威胁值，进行最优航迹求解，实现航迹规划：

在进行航迹规划时，根据对抗场景进行推演，获得推演中针对飞行器威胁的影响范围及威胁程度，综合考虑航迹路线与威胁相互间的影响，形成安全航线。

2.根据权利要求1所述的基于态势认知结果的航迹保障方法，其特征在于：步骤2中，根据仿真平台的控制参数，建立时序仿真模块，生成态势仿真工作时序，且与实际情况保持一致，向仿真平台中各个模型提供各种触发、同步信号，向信号处理内部提供各模型所属的时序及控制信号，具体如下：

步骤2-1）时序仿真模块与对抗态势分析仿真平台中的各模型进行通信，发送当前的仿真时间，转入步骤2-2）；

步骤2-2），判断模型是否接收到仿真时间，若模型接收到仿真时间，则返回自身模型的状态，并开始执行当前仿真时间的操作，转入步骤2-3）；若模型没有接收到时序仿真模块的仿真时间，该模型停止工作；

步骤2-3）判断时序仿真模块是否收到某个模型的返回状态，若未接收到某个模型的返回状态，则进行等待，超过设定的等待时长后，仍未收到状态信息，则认为该模型出现故障，进行上报，并下发关闭仿真命令，强行终止仿真运行。

3.根据权利要求1所述的基于态势认知结果的航迹保障方法，其特征在于：步骤3中，当采用双基组网雷达时，双基组网雷达方程表示为：

式中，G ₁为发射雷达天线增益，G ₂为接收雷达天线增益，

为雷达信号波长，

为飞行器雷达截面积，SNR _min为最小可检测信号信噪比，R ₁为飞行器到发射雷达间距离，R ₂为飞行器到接收雷达间距离，需要满足：

-R ₁₂ ≤ R ₁-R ₂ ≤ R ₁₂ 且 R ₁-R ₂ ≥ R ₁₂

式中，R ₁₂为发射雷达与接收雷达之间的距离，而当组网雷达采用A发B收模式时，则探测距离R _d 表示为：

式中，R _dn 为第n部雷达单独工作时的探测距离，A表示发射雷达数目，B表示接收雷达数目。

4.根据权利要求3所述的基于态势认知结果的航迹保障方法，其特征在于：步骤4中，针对对抗空间各网格点进行飞行器综合威胁度计算，获得各网格点的综合威胁度值，具体如下：

4-1）将对抗空间进行空间网格划分；

4-2）针对各网格点处对应的雷达威胁度进行计算，获得各网格点的雷达威胁度值，表达式如下所示：

式中，

为第i个网格点第n部雷达的威胁度值，

、

、

、

、

分别为距离、速度、方位角、速度变化、方位变化对应威胁度的加权值，R _dnmax为第n部雷达的最大探测距离，R _dnmin为第n部雷达的最小探测距离，R _i 为第i个网格点到第n部雷达间的距离，

v _ni 为飞行器在第i个网格点时与第n部雷达间的速度差，

v _max为速度差最大值，

a _vni 为飞行器在第i个网格点时与第n部雷达间的速度变化差，

a _vmax为速度变化差最大值，

为飞行器在第i个网格点时与第n部雷达间的方位差，

为方位差最大值，

为飞行器在第i个网格点时与第n部雷达间的方位变化差，

为方位变化差最大值；

4-3）根据态势推演对所有网格点处对应的综合威胁度进行计算，获得各网格点的综合威胁度值，表达式如下所示：

式中，

为第i个网格点的综合威胁度值，

为根据雷达探测能力获得的第n部雷达威胁度加权值，N为第i个网格点受威胁的雷达数目。

5.根据权利要求4所述的基于态势认知结果的航迹保障方法，其特征在于：步骤5中，进行最优航迹求解时采用蚁群算法。

6.根据权利要求5所述的基于态势认知结果的航迹保障方法，其特征在于：步骤5中，采用蚁群算法进行最优航迹求解，具体如下：

各网格点的综合威胁度值作为蚁群算法的数据依据，以飞行器顺序飞过一条飞行规划航迹所受到的综合威胁度生成初始信息素：

式中，w _i 为初始群体中飞行规划航迹经过第i个网格点的可能性，E为固定常数，

为信息素常数；

随后，利用信息素生成转移概率

：

式中，

为第i个网格点信息素，M为信息素数目；

按照转移概率选择下一个节点，记录已访问的节点，完成所有节点的访问，计算本次航迹规划方案的威胁度，然后按照信息素更新式(8)修改规划航迹经过网格点的信息素强度

：

(8)

式中，

为信息素衰减系数，

表示第i个网格点的信息素强度；

最终，反复迭代计算，输出最优解，即最优航迹。

Images