基于遗传算法的自主干扰决策方法

中国民航大学学报 ›› 2023, Vol. 41 ›› Issue (4): 58-64.

• 民用航空 • 上一篇

基于遗传算法的自主干扰决策方法

朱卓^1，2a，刘琦妍^2a，张策^2b

（1.中国电子科技集团公司第五十三研究所机载产品事业部，天津300308；2.西北工业大学a.无人系统技术研究院；b.航天学院，西安710072）

收稿日期:2023-07-03 修回日期:2023-07-29 出版日期:2023-08-25 发布日期:2023-10-25

Autonomous interference decision-making method based on genetic algorithm

ZHU Zhuo^1,2a , LIU Qiyan^2a , ZHANG Ce^2b#br#

(1. Airborne Products Division, 53rd Research Institute of China Electronics Technology Corporation, Tianjin 300308, China; 2a. Unmanned System Research Institute; 2b. School of Astronautics, Northwestern Polytechnical University, Xi′an 710072, China)

Received:2023-07-03 Revised:2023-07-29 Online:2023-08-25 Published:2023-10-25

摘要/Abstract

摘要： 针对大型高价值无人机对抗红外地空导弹成功率低的问题，本文结合红外干扰弹的使用提出一种面向典型对抗态势的红外干扰弹投放自主干扰决策模型。首先，基于干扰弹投放策略集和典型对抗态势建立红外对抗样本库，为干扰弹投放策略的选择提供数据支撑；其次，基于遗传算法及决策匹配得到典型对抗态势的干扰弹投放策略；最后，通过三线性插值思想和红外对抗策略迁移模型得到任一态势下近似最优的自主对抗策略模型。不同红外场景下的对抗仿真实验结果表明，本文提出的自主决策模型有效可行。

关键词: 红外对抗, 自主决策, 地空导弹, 干扰策略, 对抗态势, 遗传算法

Abstract: Aiming at the problem of low success rate of large high-value unmanned aerial vehicle (UAV) against infrared sur鄄 face-to-air missile, an autonomous interference decision-making model of infrared decoy delivery for typical confrontation situation is proposed combining with the use of infrared decoy. Firstly, to provide data support for the selection of delivery strategy of decoy, the sample library of infrared countermeasures is established based on the delivery strategy set of decoy and typical countermeasure situation. Secondly, the delivery strategy of decoy for typical confrontation situation is obtained based on genetic algorithm and decision matching. Finally, the nearoptimal autonomous countermeasure strategy model under any situation is obtained through tri-linear interpola鄄 tion idea and infrared countermeasure strategy migration model. The results of confrontation simulation experi鄄 ments in different infrared scenes show that the autonomous decision-making model proposed in this paper is ef鄄 fective and feasible.

Key words: infrared countermeasure, autonomous decision-making, surface-to-air missile, interference strategy, confrontation posture, genetic algorithm

中图分类号:

朱卓, 刘琦妍, 张策. 基于遗传算法的自主干扰决策方法[J]. 中国民航大学学报, 2023, 41(4): 58-64.

ZHU Zhuo , LIU Qiyan , ZHANG Ce. Autonomous interference decision-making method based on genetic algorithm[J]. Journal of Civil Aviation University of China, 2023, 41(4): 58-64.

参考文献 15

[1]	闫家鼎, 谢海斌, 庄东晔. 无人机集群对要地防空的威胁及反制对策研究[J]. 飞航导弹, 2021(7): 56-61.
[2]	兰文博, 付义伟, 李平坤, 等. 小型战术察打一体无人机武器系统作战应用研究[J].飞航导弹, 2013(2): 57-61.
[3]	李刚, 王蜀杰, 李兴格. 地空导弹突防技术综述[J]. 飞航导弹, 2019 (8): 35-38.
[4]	WANG Y K, JIN L, LOU Y, et al Small signal anti-jamming scheme based on a DMA linear array under strong jamming [J]. Electronics, 2023, 12(6): 1389.
[5]	王斯财, 南英, 刘经纬. 导弹迎击时飞机的最佳逃逸策略研究[J].
	航空兵器, 2009, 16(4): 28-32.
[6]	李慎波, 李韬锐, 童中翔, 等. 导弹战术参数对面源红外诱饵干扰效能影响[J]. 红外与激光工程, 2018, 47(7): 133-142.
[7]	杨曦中, 艾剑良. 自主空战中无人机规避导弹机动策略研究[J]. 系统仿真学报, 2018, 30(5): 1957-1966.
[8]	ZHANG X B, LIU G Q, YANG C J, et al Research on air combat ma－ neuver decision -making method based on reinforcement learning [J].
	Electronics, 2018, 7(11):279.
[9]	王青, 刘华华. 变体飞行器智能自主决策与控制[J]. 现代防御技术, 2020, 48(6): 5-11.
[10]	ZHANG C D, SONG Y Q, JIANG R D, et al A cognitive electronic jamming decision-making method based on Q-Learning and ant colony fusion algorithm[J]. Remote Sensing, 2023, 15(12): 3108.
[11]	MIRJALILI S. Evolutionary algorithms and neural networks: theory and applications[M]. Cham: Springer, 2019: 43-55.
[12]	张冬冬. 基于遗传算法的决策树优化算法研究[D]. 兰州: 兰州交通大学, 2014.
[13]	魏丹. 遗传算法在 AHP 权值确定中的应用研究[D]. 沈阳: 东北大学, 2011.
[14]	王晓田, 马万超, 张凯, 等. 面向自动目标跟踪红外图像序列复杂度度量[J]. 西北工业大学学报, 2019, 37(4): 664-672.
[15]	范青武, 张恒, 刘旭东, 等. 基于三线性插值法的 preisach 模型及数值实现[J]. 压电与声光, 2018, 40(5): 811-814.

基于遗传算法的自主干扰决策方法

Autonomous interference decision-making method based on genetic algorithm

可视化

摘要/Abstract

引用本文

使用本文

参考文献 15

相关文章 15

编辑推荐

Metrics

本文评价

[1]	谷润平, 张扬宗, 刘家明. 基于传染病模型的飞机客舱旅客布局方案设计 [J]. 中国民航大学学报, 2025, 43(3): 32-37.
[2]	徐东旭, 张戎. 航班延误扰动条件下的离场航班调度方法 [J]. 中国民航大学学报, 2024, 42(6): 39-45.
[3]	冯兴, 张健, 李汝宁. 基于BIM与GA的机场场道施工进度多目标优化[J]. 中国民航大学学报, 2023, 41(5): 49-56.
[4]	李龙海, 姚金程. 基于双层规划模型的停机位冲突优化研究[J]. 中国民航大学学报, 2022, 40(1): 7-12.
[5]	田静, 胡鹤翔. 基于 GA-LSSVM 的航空发动机气路故障诊断 [J]. 中国民航大学学报, 2021, 39(3): 29-33.
[6]	张兆宁 , 张莹莹 , 冀姗姗. 基于 GA-BP 神经网络的空中交通网络流系统拥堵预测 [J]. 中国民航大学学报, 2021, 39(3): 1-5.
[7]	郑丽君, 胡荣, 张军峰, 朱佳琳. 基于废气排放因素的离港航空器滑行路径优化[J]. 中国民航大学学报, 2019, 37(6): 34-38.
[8]	孙淑光, 张泰荣. 遗传与禁忌搜索算法组合的停机位优化分配#br#[J]. 中国民航大学学报, 2019, 37(4): 11-14.
[9]	高庆吉，王文周，王渗，朱王振. 嵌入式助航灯具清洗过程的参数优化[J]. 中国民航大学学报, 2019, 37(2): 49-52.
[10]	沈笑云，于荟文. 基于分层序列法的多目标停机位分配[J]. 中国民航大学学报, 2019, 37(2): 43-48.
[11]	刘鹏，赵言正，闫维新. 基于改进遗传算法的管道机器人摩擦参数辨识[J]. 中国民航大学学报, 2018, 36(6): 54-58.
[12]	冯兴，李汝宁，安然，谭永峰. 基于节能的机场飞行区平面布局优化[J]. 中国民航大学学报, 2016, 34(2): 27-31.
[13]	徐兆龙，姜雨，罗宇骁，徐新星. 基于独立运行的远距平行跑道进离场调度研究[J]. 中国民航大学学报, 2015, 33(5): 1-6.
[14]	贾宝惠，杜建勋，李耀华. 基于遗传算法的航班串优化方法研究[J]. 中国民航大学学报, 2014, 32(5): 45-48.
[15]	刘长有，曹强. 基于运行安全的停机位再分配问题研究[J]. 中国民航大学学报, 2014, 32(1): 15-19.