[发明专利]一种UUV动态威胁态势评估方法

权利要求书

1.一种UUV动态威胁态势评估方法，其特征在于，该方法包括以下步骤：

步骤1：对在水下工作的UUV进行威胁要素提取，经过细化、量化之后，加入事件的先验概率，建立静态贝叶斯网络模型；

所述静态贝叶斯网络模型的基础是贝叶斯公式和独立假设：

式中，P(x|y)是在y事件发生的概率下x事件发生的概率；p(xy)是x、y事件同时发生的概率；

式中，P(X₁,X₂,…,X_n)是所建立的评估模型中的所有节点的联合分布；P_a(x_i)是节点X_i的父节点的一个集合；

对于静态贝叶斯网络模型来说，假设这个网络有n个隐藏节点、m个观测节点，结合上述公式和假设，获得其推理机制为：

式中，P(x₁,x₂,…,x_n|y₁,y₂,…,y_m)是在y集合的影响下，x集合发生的概率；i的取值为1到n，j的取值为1到m；x_i表示X_i的一个取值，y_j表示观测变量Y_j的取值；p_a(x_i)、p_a(y_j)分别表示x_i，y_j的父节点的集合；

步骤2：在静态贝叶斯网络的基础上加入时间状态转移概率，建立动态贝叶斯网络模型，并将模型分为环境级、平台级和任务级三级，实现分级评估；

所述在静态贝叶斯网络的基础上加入时间状态转移概率具体为：

将静态贝叶斯网络在时间线上扩展，扩展为包括T个时间点的动态网络，得到动态贝叶斯网络的推理机制，当它的观测值只有一种组合状态时，隐藏变量的分布为：

式中，i＝1,2,…,T；j＝1,2,…,m；k＝1,2,…,n；x_ij表示X_ij的一个取值状态，第一个下标表示的是第i个时间点，第二个下标表示该时间点内的第j个隐藏节点；y_ij表示观测变量Y_ij的取值；p_a(y_ij)表示y_ij的父节点集合；若观测值是多状态的，则：

式中，y_ijs表示第i个时间片内第j个观测节点x_ij的观测状态；p(y_ij＝y_ijs)是y_ij处于对应状态的概率，并将模型分为环境级、平台级和任务级三级，完成系统性综合评估；

步骤3：根据需要评估的实际案例提取威胁要素，并将威胁要素量化，对量化后的数据进行初步处理生成可输入网络的数据样本；

步骤4：将数据样本输入动态贝叶斯网络，经过模型的推理后，得到威胁态势评估结果和威胁方式推理结果；

步骤5：将每一时刻的数据样本输入静态贝叶斯网络中，进行灵敏度分析，得到当前时刻最大的威胁因素排序，该排序是UUV自主控制系统进行规划决策的优先级处理依据。