[发明专利]一种光电装备防御规划方法、装置、设备及存储介质

说明书

本申请公开了一种光电装备防御规划方法、装置、设备及存储介质，该方法包括：利用已有弹道数据训练BP神经网络，得到弹道模型；根据光电防御装备特性设计光电防御装备防御模型；利用弹道模型和光电防御装备防御模型建立武器目标对抗态势图；利用蒙特卡洛树搜索算法和深度学习神经网络算法对武器目标对抗态势图进行预测，训练出深度神经网络；通过训练好的BP神经网络根据输入的来袭导弹属性来预测任意时间的来袭导弹弹道参数；通过训练好的深度神经网络根据来袭导弹弹道参数和光电防御装备参数来求解最优防御策略。这样有效应对光电对抗时效性和复杂性，并能自动应对来袭威胁，减少了人在回路，以及增强了光电防御系统的自动化控制。

技术领域

本发明涉及装备防御策略领域，特别是涉及一种光电装备防御规划方法、装置、设备及存储介质。

背景技术

装备防御规划方法是实现装备自动、半自动防御的一种规划方法，由于在作战对抗中的瞬时性，战机往往稍纵即逝，因而提供一种自动化的防御规划方法显得很有意义，在装备防御策略领域一直是研究的热门问题。

目前，光电装备防御规划方法一般是针对多威胁对单防御装备的威胁排序优化算法，利用来袭威胁的各种属性：速度、种类、各种姿态角、攻击目标、与目标距离等进行威胁排序，进而确定防御装备的干扰顺序，这种方法可以用神经网络、支持向量机等来实现。该方法针对多威胁对单防御装备比较有效，但面对多威胁对多防御装备由于情况的复杂，很难用简单的威胁排序优化方法来解决。

另外，也有利用把来袭威胁的状况和防御装备的状况按步来表示，即应对某一步的威胁，应用何种防御装备防御策略，再针对下一步的威胁，又用何种防御装备策略。该方法可以用数学优化、遗传算法、群算法等实现。该方法一定程度解决了多威胁对多防御装备的问题，但把来袭威胁的状况和防御装备的状况按步来表示，与实际随时间不同步变化的威胁有一定区别，因而该方法说服力有所欠缺。

因此，如何既有效处理威胁又合理规划防御装备的防御，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种光电装备防御规划方法、装置、设备及存储介质，可以有效应对光电对抗时效性和复杂性，并能自动应对来袭威胁，减少人在回路，增强自动化控制。其具体方案如下：

一种光电装备防御规划方法，包括：

利用已有弹道数据训练BP神经网络，得到弹道模型；

根据光电防御装备特性设计光电防御装备防御模型；

利用所述弹道模型和所述光电防御装备防御模型建立武器目标对抗态势图；

利用蒙特卡洛树搜索算法和深度学习神经网络算法对所述武器目标对抗态势图进行预测，训练出深度神经网络；

通过训练好的所述BP神经网络根据输入的来袭导弹属性来预测任意时间的来袭导弹弹道参数；

通过训练好的所述深度神经网络根据所述来袭导弹弹道参数和光电防御装备参数来求解最优防御策略。

优选地，在本发明实施例提供的上述光电装备防御规划方法中，在建立武器目标对抗态势图的同时，还包括：

划定防御区域的不同程度及确立防御区域的毁伤损失分数。

优选地，在本发明实施例提供的上述光电装备防御规划方法中，利用蒙特卡洛树搜索算法和深度学习神经网络算法对所述武器目标对抗态势图进行预测，训练出深度神经网络，具体包括：

以所述武器目标对抗态势图为输入，构建深度神经网络；

在每次所述深度神经网络的迭代中产生自我对抗；

在设定间隔时间点利用自我对抗的深度学习神经网络算法进行训练，并利用蒙特卡洛树搜索算法进行搜索，输出当前对抗状态到下一个对抗状态的概率分布和对抗结果效能。