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。

本文的其余部分组织如下。第2节提供了背景,更深入地解释了WEZ的概念,并介绍了所采用的特定导弹模型和所使用的实验设计。在第3节中,详细介绍了所提出的方法,而在第4节中介绍和分析了由此产生的结果。最后,第5节阐述了该工作的主要结论,并提出了一些未来的发展建议。

成为VIP会员查看完整内容
10
0

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、物流运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
【ICML2022】可解释的心理学理论
专知会员服务
26+阅读 · 5月29日
专知会员服务
12+阅读 · 2021年8月6日
UCL最新「机器学习隐私」综述论文,概述隐私挑战
专知会员服务
29+阅读 · 2021年7月11日
《小样本元学习》2020最新综述论文
专知会员服务
156+阅读 · 2020年7月31日
计算机安全深度学习的白盒解释方法
CCF计算机安全专委会
0+阅读 · 4月20日
学习抓取柔性物体
TensorFlow
0+阅读 · 2021年7月5日
深度学习技术在自动驾驶中的应用
智能交通技术
23+阅读 · 2019年10月27日
卷积神经网络的最佳解释!
专知
12+阅读 · 2018年5月1日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
小贴士
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员