基于目标属性的终端打击策略智能规划方法
本发明涉及无人集群协同任务规划,具体而言,涉及基于目标属性的终端打击策略智能规划方法。
背景技术:
1、无人集群协同任务规划是无人系统自主化应用中的关键技术之一。随着目标类型、任务环境和作战样式不断复杂化,单一无人平台或简单编队方式已经难以满足多目标、强约束、动态变化场景下的协同任务需求。特别是在终端任务执行阶段,系统不仅需要识别目标类别,还需要进一步分析目标的关键部位、防护能力、运动状态、目标价值、防御威胁以及毁伤需求,并据此确定合适的任务分配方案、进攻模式和航迹规划方案。
2、现有无人集群协同规划方法多侧重于路径规划、数量协同或固定规则下的任务分配。例如,一些方法主要依靠无人集群的数量优势形成饱和式进攻,或者按照预设队形、预设波次执行任务;也有方法仅针对单一目标或单一进攻样式进行航迹规划。这类方法虽然能够在特定场景下完成基础协同任务,但通常未充分结合目标属性进行差异化决策,难以根据目标的移动/固定状态、关键部位分布、防护能力、攻击价值和防御威胁动态生成最优或较优的终端策略。
3、此外,现有方法中目标识别、威胁评估、任务分配、攻击方式选择和航迹规划之间往往缺少统一的数据关联。目标属性识别结果不能充分转化为打击策略生成依据,目标分配结果也不能与攻击部位、攻击时序、攻击间隔、编队样式和协同航迹形成闭环衔接。当面对多个目标、多个攻击部位、无人机数量和能量受限、航迹交叉风险、碰撞风险以及攻击时间窗约束时,现有方法容易出现策略生成效率低、资源分配不合理、攻击样式单一、动态重规划能力不足等问题。
4、因此,有必要提出基于目标属性的终端打击策略智能规划方法,通过构建目标属性与打击规律知识库,将目标类型、目标部位、防御力、毁伤所需能量、目标运动状态、目标价值、防御威胁等属性与协同进攻模式建立关联,并结合威胁评估、攻击方式推荐、无人机编组分配、协同航迹规划和动态重规划,实现面向多类型目标和复杂约束条件的终端策略自主生成。
5、因此,有必要提出基于目标属性的终端打击策略智能规划方法来解决上述这些问题。
技术实现思路
1、本发明的目的在于解决上述背景技术中提出的技术问题,提供了基于目标属性的终端打击策略智能规划方法。
2、本发明的目的通过以下技术方案实现:
3、基于目标属性的终端打击策略智能规划方法,包括如下步骤:
4、s1、构建目标属性与打击规律知识库,所述目标属性与打击规律知识库记录目标类别、目标可攻击部位、部位权重、防御力、毁伤所需能量、目标运动状态、目标价值、防御威胁属性以及与目标属性对应的协同进攻模式;
5、s2、获取待打击目标信息和无人集群资源信息,对所述待打击目标信息进行目标识别、目标属性提取和属性规范化处理,得到目标属性数据;
6、s3、根据所述目标属性数据、任务优先级、时间紧迫度以及无人集群与目标之间的资源匹配关系,对各待打击目标进行威胁评估和打击价值排序,生成待打击目标优先级列表;
7、s4、基于所述目标属性与打击规律知识库以及所述待打击目标优先级列表,为各待打击目标确定候选进攻模式和候选攻击部位;
8、s5、在满足毁伤门限、无人机数量、单机毁伤能力、航程代价、风险代价、攻击时间窗、攻击方向和航迹冲突约束的条件下,求解无人机与待打击目标之间的分配方案;
9、s6、根据所述分配方案生成终端打击策略,所述终端打击策略包括攻击目标、攻击部位、无人机编组、进攻模式、攻击次序、攻击间隔和协同打击航迹;
10、s7、在目标状态、无人机状态或任务优先级发生变化时,触发动态重规划,并重新执行步骤s2至s6,以更新所述终端打击策略。
11、作为本发明优选的技术方案,步骤s1中,所述目标属性包括基础标识属性、时空动态属性、功能价值属性和防御威胁属性;其中,所述基础标识属性包括目标类型、型号或所属方,所述时空动态属性包括目标位置、运动状态、速度矢量和航向,所述功能价值属性包括目标战略或战术价值、目标关键程度和抗毁伤能力当量值,所述防御威胁属性包括防御系统类型、探测范围、火力强度和反应时间。
12、作为本发明优选的技术方案,步骤s1中,针对每一类目标建立目标属性结构和攻击方案结构;所述目标属性结构至少包括目标id、目标名称、可攻击部位、总防御力和攻击力,所述可攻击部位按照部位、权重和防御力的关联形式存储;所述攻击方案结构至少包括攻击部位、无人机数量、攻击样式、攻击次序和攻击间隔。
13、作为本发明优选的技术方案,步骤s2包括:通过机载光学、红外或雷达传感器获取目标数据;采用目标检测或分类模型识别目标类别和目标部位;对目标类别、目标部位、目标位置、速度、防御能力和目标价值进行归一化编码,形成目标属性向量或目标属性矩阵,作为威胁评估和策略规划的输入。
14、作为本发明优选的技术方案,步骤s3中,采用模糊推理模型、神经网络模型或效用函数中的至少一种进行威胁评估;所述效用函数综合目标价值、任务优先级、时间紧迫度、防御威胁、目标机动性以及无人机与目标之间的距离或资源匹配度,得到目标威胁等级排序列表。
15、作为本发明优选的技术方案,步骤s4包括:将目标类型、攻击部位、是否多部位目标、是否单体目标、是否防御目标以及是否攻击性部位作为决策树输入特征,利用经训练的j48决策树或c4.5决策树输出攻击方式;所述攻击方式包括周向单点向心攻击、双面多点向心攻击、单面单点序贯进攻、周向多点向心攻击、单面多点向心进攻和多波次单多点交替进攻中的至少一种。
16、作为本发明优选的技术方案,步骤s5包括:根据目标规模、约束强度、任务时序要求和实时计算资源,自适应选择改进遗传算法、改进蚁群算法、信息素启发狼群算法或蒙特卡洛树搜索算法中的至少一种求解无人机与待打击目标之间的分配方案;并通过信息素图或公共态势图共享历史优选分配模式、目标优先级和可行任务序列。
17、作为本发明优选的技术方案,当步骤s5采用遗传算法时,将染色体表示为与目标数量对应的整数数组,每个基因表示分配给对应目标的无人机数量;对每个染色体执行毁伤约束检查,当任一目标对应的无人机总毁伤能力低于该目标毁伤所需能量时,将该染色体判定为无效方案;当染色体满足毁伤约束时,根据所使用无人机总数、目标价值、航程代价和风险代价计算适应度,并通过选择、交叉和变异得到优化后的无人机编组方案。
18、作为本发明优选的技术方案,步骤s6中,生成协同打击航迹包括:针对区域目标计算目标区域几何中心点,按照无人机与目标区域的距离排序并为各目标区域分配邻近无人机,计算攻击入口坐标并平衡能量分配;针对单体目标计算目标与无人机之间的距离,根据距离排序、毁伤能量和攻击部位权重生成编组策略;并在航迹规划过程中约束攻击方向、攻击时间窗、俯仰角、转向角、航迹交叉、碰撞风险和安全距离。
19、作为本发明优选的技术方案,步骤s6生成的终端打击策略以结构化数据输出,所述结构化数据至少包括目标名称、目标id、毁伤所需能量、攻击该目标的无人机编组、攻击部位、无人机数量、编队样式、攻击时序起点和同组攻击间隔;步骤s7中,当监测到新目标出现、目标位置或速度变化、无人机失能、剩余能量不足或任务优先级变化时,重新执行目标属性评估、进攻模式确定、无人机分配和航迹规划。
20、有益效果:本发明通过构建目标属性与打击规律知识库,将目标类别、可攻击部位、部位权重、防御力、毁伤所需能量、目标运动状态、目标价值和防御威胁属性,与多轴向心攻击、接力序贯攻击、平行攻击、分布式多点攻击、跟踪灌顶攻击等协同进攻模式建立对应关系。由此,系统能够根据目标的移动/固定状态、关键部位、防护能力和毁伤需求选择匹配的攻击方式,避免仅依靠固定规则或单一队形进行策略规划,提高了终端打击策略生成的针对性和适应性。
21、本发明在无人机与目标之间进行编组分配时,综合考虑目标毁伤门限、无人机数量、单机毁伤能力、航程代价、风险代价、任务收益和目标优先级等因素,并可采用遗传算法、蚁群算法、信息素启发狼群算法或蒙特卡洛树搜索算法求解分配方案,使无人机资源能够按照不同目标和攻击部位的需求进行配置,减少资源浪费,提高多目标场景下的任务分配合理性和整体任务效能。
22、本发明将攻击方式推荐、无人机编组分配和协同航迹规划结合起来,能够输出包括攻击目标、攻击部位、无人机编组、进攻模式、攻击次序、攻击间隔和航迹节点序列的结构化终端打击策略;同时,当出现新目标、目标位置或速度变化、无人机失能、剩余能量不足或攻击时间窗变化时,能够重新进行属性更新、方式选择、编组分配和航迹规划,提高了复杂动态环境下策略规划的实时性、可执行性和持续适应能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com