[发明专利]一种基于D数和威胁性优先的弹炮结合火力分配方法

说明书

本发明基于D数，提供一种在威胁度优先条件下的弹炮结合火力分配的方法，涉及弹炮结合的火力分配优化技术领域。本发明对空中目标选取威胁因素根据威胁函数生成威胁值，对威胁程度建立梯形模糊数，根据各因素威胁值生成基本概率分配函数，利用邓熵生成各因素权重后加权平均，用D数实现数据融合，生成目标威胁性矩阵，并结合命中率矩阵、火力单元矩阵和火力效能矩阵，根据威胁性对火力进行分配。本发明提出的D数和梯形模糊数相结合的方法，计算简单；本发明用梯形模糊数对战场信息建模，解决了模糊信息的表示；本发明提出的火力效能矩阵，为火力分配提供了依据；本发明提出的威胁度优先的火力分配原则，对低空突袭作战模式效果良好。

技术领域

本发明涉及弹炮结合的火力分配优化技术领域，特别涉及一种基于D数和威胁性优先的弹炮结合火力分配方法。

背景技术

弹炮结合防空武器系统是一种高性能的中近程防空武器系统，它整合了高射炮和地空导弹，同时具备高炮反应速度快、火力密级度好、近距离毁伤概率大，以及防空导弹射程远、精度高、单发杀伤概率大的优点，是未来反空袭作战的重要方向。火力分配是弹炮结合的关键因素，对其充分发挥作战效能起着至关重要的作用。

针对复杂战场态势和高度不确定性环境下的弹炮系统火力分配模型，可以更加合理地协调和控制各子武器系统的行为，实现火力转换时机的优选和火力分配方案的优化，从而有效提升弹炮系统的作战效能。

信息融合技术是协同利用多源信息，以获得对事物或目标更客观、更本质认识的信息综合处理技术，是智能科学研究的关键技术之一。在诸多的融合模型和方法中，D-S证据理论算法是最为有效的算法之一。证据理论把概率论中的基本事件空间拓宽为基本事件的幂集，又称为辨识框架，在辨识框架上建立了基本概率分配函数(Basic ProbabilityAssignment，BPA)。此外，证据理论还提供了一个Dempster组合规则，该规则可以在没有先验信息的情况下实现证据的融合。特别地，当BPA只在辨识框架的单子集命题上进行分配时，BPA就转换为概率论中的概率，而组合规则的融合结果与概率论中的Bayes公式相同。D数是一种最新的不确定信息建模方法，是DS证据理论的推广，具备比D-S证据更好的不确定性表示和处理能力，使其在信息融合、决策分析、分析评估、模式识别等领域得到了广泛的应用。

而针对低空突袭的作战模式，突袭目标需要突破层层防线，应该优先对威胁性大的目标进行打击。

发明内容

为了实现弹炮结合的火力分配，本发明基于D数和威胁性优先原则，提供一种火力分配方法。使用该方法实现的火力分配方案，在低空突防等防空作战任务中，有明显效果。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤一：对空中目标威胁因素评估的方法为：

输入n个所探测空中目标，记为F₁,F₂,...,F_n，5种威胁因素的D_ij，其中i＝1,2,…,n,j＝1,2,…,5，对于每一个目标，计算各个因素威胁值，所述威胁因素为速度v、航路捷径p、高度h、干扰r和目标类型t，所述威胁值用威胁评估函数计算，分别为y(r)＝r和y(t)＝t；

步骤二：建立威胁度评估因子的威胁程度模糊数的方法为：

输入空中目标各因素威胁值，根据梯形模糊数建立模型生成威胁程度的基本概率分配函数m(F_jk)，所述威胁程度k分为低l、中低ml、中m、中高mh和高h五个等级，所述模糊数以梯形模糊数表示，对应隶属度函数分别为(0,0,0.1,0.2)、(0.1,0.2,0.3,0.4)、(0.3,0.4,0.6,0.7)、(0.6,0.7,0.8,0.9)和(0.8,0.9,1,1)；所述梯形模糊数是给定论域U上的一个模糊集，是指对任何x∈U，都有一个数μ(x)∈[0,1]与之对应，μ(x)称为x对U的隶属度，μ称为x的隶属函数，