[发明专利]仿哈里斯鹰智能捕食优化的无人机空战机动决策方法

说明书

本发明公开一种仿哈里斯鹰智能捕食优化的无人机空战机动决策方法：步骤一：搭建六自由度飞机模型及控制器；步骤二：设计战术规划机动指令生成器；步骤三：设计红蓝博弈得分矩阵；步骤四：设计混合策略机动决策目标函数；步骤五：设计仿哈里斯鹰智能捕食的优化算法；步骤六：更新六自由度飞机状态。本发明优点：1)控制对象为模拟真实飞机的六自由度非线性飞机模型，相比三自由度飞机质点模型更具实际应用价值；2)利用博弈混合策略构造机动决策目标函数，并处理了约束条件转换为无约束优化问题；3)设计了基于多维学习机制的哈里斯鹰智能捕食优化算法，提高了种群多样性，避免陷入局部最优解。

技术领域

本发明是一种仿哈里斯鹰智能捕食优化的无人机空战机动决策方法，属于空战自主决策领域。

背景技术

自主空战是未来战争的重要方式之一，无人作战飞机(Unmanned Combat AerialVehicle,UCAV)能够避免人员伤亡，并能应付人类难以忍受的恶劣条件，是未来空战中的主要力量，空战能力的强弱很大程度上决定了战争的主导权。无人作战飞机空战过程的核心是机动决策，机动决策的好坏直接关系到双方的胜败。

机动决策方法大致分为三类：一类是基于数学求解，以微分博弈为代表，这种方法数学概念清晰，但求解复杂，且面对复杂问题求解难度极大；一类是基于机器搜索，代表性方法有矩阵博弈、蒙特卡洛树搜索、马尔科夫决策等，这类方法应用最为广泛，可操作性强；一类是基于数据训练，典型方法有强化学习、遗传模糊树等，这类方法可以通过大量样本的学习衍生出许多意想不到的结果，是一类新兴的空战决策方法，但是其训练过程非常耗时，仍面临很多亟待攻克的难题。

仿哈里斯鹰智能捕食的优化算法，是哈里斯鹰智能捕食行为的数学化，是一种新兴的基于种群的、受自然启发的优化算法，它的灵感来自于哈里斯鹰的合作狩猎行为。哈里斯鹰要捕捉到猎物，需要经历长时间的狩猎过程，概括起来分为三个阶段：搜索猎物阶段、转换阶段、围捕猎物阶段，各个阶段有不同的攻击策略，用数学形式将三个阶段的狩猎过程映射到优化算法中，即为：探索阶段、转换阶段、开发阶段，该算法需要设置的参数少，易于应用，具有良好的优化能力。

综上所述，本发明提出一种仿哈里斯鹰智能捕食优化的无人机空战机动决策方法，结合博弈混合策略，优化得出最优机动，提高无人战机作战效能。

发明内容

本发明目的是提供一种仿哈里斯鹰智能捕食优化的无人机空战机动决策方法，旨在解决无人作战飞机空战过程中机动决策问题，以提升作战效能与自主决策水平；本发明基于矩阵博弈法进行机动决策，改进之处在于利用博弈混合策略设计了优化目标函数，并利用仿哈里斯鹰智能捕食的优化算法进行寻优，求得最优混合策略后，利用轮盘赌方式确定最终机动。混合策略的机动决策法改善了传统的纯策略最大最小算法的固化性，结合优化算法，使得最优解更加灵活，提高了机动决策的有效性。

为实现上述目的，本发明提出一种仿哈里斯鹰智能捕食优化的无人机空战机动决策方法，具体实现步骤如下：

步骤一：搭建六自由度飞机模型及控制器

S11、搭建六自由度飞机模型

本发明采用模拟真实飞机的六自由度非线性模型，而非通常采用的质点模型，六自由度飞机的运动方程包括动力学方程和运动学方程，具体可分为飞机质心的位移运动和绕质心的转动运动。

S12、基于迎角和滚转角的控制器设计

该控制器的输入为迎角和滚转角指令，输出为飞机的油门杆、升降舵偏转角、副翼偏转角、方向舵偏转角四个控制量，反馈信息是飞机的状态量。

步骤二：设计战术规划机动指令生成器

S21、三自由度机动指令生成器