Resumen

Para mejorar la precisin y el rendimiento en tiempo real de la toma de decisiones autnoma del vehculo areo de combate no tripulado (UCAV), se propone un mtodo de toma de decisiones que combina el algoritmo de peso relacional dinmico y la estrategia de tiempo mvil, y se aade la prediccin de trayectoria a la toma de decisiones de maniobra. Considerando la falta de continuidad y diversidad de la situacin de combate areo reflejada por el peso constante en la evaluacin de la situacin, se propone un algoritmo de peso relacional dinmico para establecer un sistema de situacin de combate areo y ajustar el peso segn la situacin actual. Basndose en la funcin de dominancia, este mtodo calcula el grado de correlacin de cada subsituacin y la situacin total. De acuerdo con el principio de prioridad y la teora de la entropa de la informacin, se propone la funcin de ajuste jerrquico, se calcula la expectativa de asociacin mediante reglas si-entonces y se ajusta dinmicamente el peso. En la prediccin de trayectorias, se introduce el mdulo de entrada deslizante en lnea y se utiliza la red de memoria a largo y corto plazo (LSTM) para la prediccin en tiempo real. Para mejorar an ms la precisin de la prediccin, se utiliza el mtodo de refuerzo adaptativo (Ada) para construir el marco exterior y se compara con tres redes de prediccin tradicionales. Los resultados muestran que la precisin de prediccin de Ada-LSTM es mejor. En el mtodo de toma de decisiones, se adopta la estrategia de optimizacin del tiempo en movimiento. Para resolver el problema de la puntualidad y la optimizacin, cada variable de control se divide en 9 gradientes, y hay 729 esquemas de control en la secuencia de control. Mediante experimentos de simulacin de persecucin por contraste, se verifica que el mtodo de decisin de maniobra que combina el algoritmo de peso relacional dinmico y la estrategia de tiempo mvil tiene una mejor precisin y rendimiento en tiempo real. En el caso de usar prediccin y no usar prediccin, la simulacin de contramedida adaptativa se lleva a cabo con el actual esquema de decisin de maniobra de inferencia bayesiana ms avanzado. Los resultados muestran que la capacidad de toma de decisiones de maniobra del UCAV combinada con una prediccin precisa es mejor.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Toma de decisiones autónoma; UCAV; Algoritmo de peso relacional dinámico; Predicción de trayectoria; Situación de combate aéreo; Estrategia de tiempo móvil
• Keywords:Autonomous decision-making; UCAV; Dynamic relational weight algorithm; Trajectory prediction; Air combat situation; Moving time strategy