[发明专利]基于麻雀搜索神经网络的空战机动决策方法

权利要求书

1.基于麻雀搜索神经网络的空战机动决策方法，其特征在于，包括：

基于角度、距离、高度因素构造相应的态势函数，将所述态势函数结合起来并加权得到空战态势评估函数；角度态势函数包括俯仰角态势函数和偏航角态势函数；

所述俯仰角态势函数定义为：

其中γ_r是速度矢量相对于视距矢量的俯仰角；

所述偏航角态势函数定义为：

其中ψ_r速度矢量相对于视距矢量的偏航角；

距离态势函数定义为：

式中，R_D是为导弹射程，σ为攻击距离的标准差，R为空战两机之间的距离；

高度态势函数定义为：

式中，h_op表示飞机对目标的最优攻击高度差，Δz为飞机与目标的实时高度差，σ_h为最优攻击高度标准差；

将所述态势函数作为神经网络的输入，将所述空战态势评估函数作为神经网络的输出，该输出结果作为机动决策的依据，利用麻雀搜索算法对所述神经网络的权值和阈值进行优化，得到麻雀搜索神经网络；所述空战态势评估函数为：

S＝ω₁S_γa+ω₂S_ψa+ω₃S_R+ω₄S_H+ω₅S_γb+ω₆S_ψb     (5)

其中，i＝1,2,…,6；S_γa为作战飞机俯仰角，S_ψa为作战飞机偏航角，S_γb为攻击目标飞机俯仰角，S_ψb为攻击目标飞机偏航角；

因此，将判断空战是否成功构建为：

其中，R_fire是最佳导弹发射距离，S_a、S_b分别为作战飞机的空战态势评估函数和攻击目标飞机的空战态势评估函数；首先必须满足导弹发射条件，即式(6)中的前三个条件；然后作战飞机的空战态势评估函数必须大于攻击目标飞机的空战态势评估函数，才能取得胜利；

利用所述麻雀搜索神经网络的学习和预测功能对所述空战态势评估函数进行学习，得到空战机动决策模型；

所述神经网络包括：输入层，接收作战决策数据，将决策影响因素细分为因素1、因素2、…、因素N；隐藏层，对输入层传输的归一化数据信息进行组织，并按照一定的规则学习；输出层，通过S型变换函数映射完成非线性问题的解；所述S型函数为：

其中，u是输入的值；

得到空战机动决策模型，包括：

确定神经网络的结构和参数；

生成一组随机分布作为态势函数的权重，并确定神经网络的隐藏节点数目；

初始化麻雀搜索算法参数；

获取态势数据集，对所述态势数据集进行归一化操作，按照一定的比例划分训练集、测试集和验证集；

利用麻雀搜索算法修改神经网络的权重；

将麻雀搜索算法得到的优化值作为神经网络的权值，进行多次训练，不断优化权值，直到满足预定的精度；

获得空战机动决策模型，对该模型的输入数据集进行测试，不满足预先设定的误差要求，则继续训练；

所述利用麻雀搜索算法修改神经网络的权重，包括：

根据神经网络的误差函数，确定神经网络适应度函数；

获取麻雀的适应度函数并将其排序进而选择出初始最优值和最差值；

更新发现者的位置、加入者的位置以及意识到危险的麻雀位置；

获得当前最优值，如果当前最优值比上一次迭代的最优值好的话则进行更新操作，否则不进行更新操作，并继续进行迭代直到满足条件为止，最终得到全局最优值和最佳适应度值。