《使用深度神经网络进行武器交战区最大发射距离估算》巴西空军高等研究院

这项工作研究了使用深度神经网络（DNN）来进行武器交战区（WEZ）最大发射距离的估算。WEZ允许飞行员确定一个空域，在这个空域中，可用的导弹有更大的概率成功地攻击一个特定的目标，即一个假想的飞机周围的区域，在这个区域中，对手容易被击中。我们提出了一种方法，使用50,000次不同条件下的模拟发射来确定一个特定导弹的WEZ。这些模拟被用来训练一个DNN，它可以预测飞机在不同发射条件下的WEZ，其决定系数为0.99。它提供了有关前述研究的另一个步骤，因为它采用了一个非具体化的模型，即它一次性考虑了WEZ的所有方向，这在以前是没有的。此外，建议的方法采用了一种实验设计，允许较少的模拟运行，提供更快的模型训练。

在模拟的计算环境中，军事系统必须与真实相似，其保真度要达到一定程度，才能得出有用的结论[15]。这是通过使用可靠的计算模型来实现的，这些模型被认为包含了它们所代表系统的主要特征[16]。

在处理空战时，需要建模的最关键部分之一是导弹。关于导弹系统本身和何时使用它的决定，即开火，都是如此。在考虑超视距（BVR）空战时，这一点甚至更为关键，因为这一决定必须只根据态势感知系统显示给飞行员的内容来做出[11]。

在建设性模拟的背景下，飞机的行为是自主的，有必要为其控制算法提供类似于真正的飞行员会收到的数据，以便执行一致[9]。飞行员可以用来决定是否向对方飞机发射导弹的一个最重要的方面是武器交战区（WEZ），简单地说，它代表武器的射程[10]。这个定义将在第2.1节中进一步深入讨论。然而，这个范围的确定不是一个简单的任务，因为它受到射手和目标的一系列变量的影响。此外，它自然也取决于导弹本身。在这项工作中，我们提出了一种方法，利用一系列不同条件下的模拟发射来确定特定导弹的WEZ。这些模拟被用来训练一种机器学习算法，当飞机发现自己处于不同的发射条件时，可以预测WEZ。以前的工作已经采用了一些类型的人工神经网络（ANN），如小波神经网络（WNN）[29]和带有贝叶斯正则化人工神经网络（BRANN）的多层感知器（MLP）[4]，对WEZ进行预测，也是基于模拟数据进行预测。文献内也有纯粹的数学方法，如[14]和[23]，但它们提供了考虑固定导弹射程的不切实际的导弹模型和基于仿真的更复杂模型之间的中间步骤。

公司和政府内部可能已经开展了更多关于WEZ确定的研究[5]，但这仍然很少公开。这项工作的贡献是采用了深度神经网络（DNN）和一个新的非离散模型，即该模型同时考虑了WEZ的所有方向，而不是像我们所知的那样离散了off-boresight角度（图5）。此外，它使用的实验设计允许较少的模拟运行次数，这提供了一个更快的模型训练。