基于神经网络的飞机空战效能评估

基于神经网络的飞机空战效能评估王新虎陈柏松李良峰高鹍（空军航空大学研究生队吉林长春130022）AirCombatEfficiencyEvaluationBasedonNeuralNetwork(WangxinhuChenbaisongLiliangfengGaokun)(AviationUniversityofAirForceChangchunJilin130022)摘要：为有效评估反映现代飞机作战特点的飞机空战的综合效能，本文选取了兼顾传统空战和超视距空战特点的飞机空战效能评估的指标体系，并且为了克服传统效能评估中各指标权重的选择受人为主观因素影响较大的缺陷，根据该指标体系建立了基于BP神经网络的能力评估模型。采用了相关算例进行了评估，通过与相关文献结论的对比验证了其模型的科学性和可行性。关键词：指标体系空战效能评估BP神经网络Abstract:Overthehorizonaircombatanddogfightarethemaincharactersofmodernaircombat.Aindexsystembasedonthecharacteristicforaircombatefficiencyevaluationisproposedinthisarticle.Accordingtotheindexsystem,amodelofaircombatefficiencyevaluationisestablished,basedonthreeBPneuralnetwork.Themodelcanavoidthenegativeinfluenceofthehumanfactorwhenwecalculationtheweightofeveryindexofthesystem.Finally,wegetaresultbytheevaluationmodelwithacase.Bycomparingresultswithsomeotherliteratures,weconsiderthismodelforaircombatevaluationisscientific,correctandpractical.Keywords:indexsystem,aircombatefficiencyevaluation,BPneuralnetwork随着战场复杂性的提高和战场网络化的发展,未来空战的对抗不再是一对一的对抗,而是由各武器系统组成的装备体系的综合对抗，采用科学的方法,比较全面、科学地评价飞机空战效能,全面衡量作战飞机在未来战场上应具备的能力,对飞机装备的发展、论证和使用具有至关重要的作用。为此,本文针对飞机系统的特点,先建立了合理的关于飞机空战效能指标体系，再根据指标体系合理的建立BP神经网络，最后通过样本训练使网络具备效能评估的能力，从而达到评估装备空战能力的目的。1、空战评价指标体系的建立战斗机空战效能是对战斗机各项能力和性能的综合描述,表现为多层次、多参数、多因素的特点。评价指标体系是评价各待评机型的统一尺度，是建立数学模型的基础,因此指标体系建立的是否科学、合理将直接影响到评价结果的可信度。本文参考文献[1]中参考了文献[3]中的对数法空战指标体系和文献[4]中对对数法的分析，选取了影响空战的9个主要因素来衡量飞机空对空作战能力：机动性、生存力、格斗火力、快速瞄准能力、拦射火力、超视距态势感知能力、作战半径、操纵效能和电子对抗能力，构建了战斗机空战效能指标体系，基本能够覆盖空战效能的指标空间，如图1。指标的具体说明见文献[1]。图1空战指标评价体系2、BP神经网络的建立2.1BP神经网络算法简介1986年，以Rumelhart和McCelland为首的科学家小组首次对于非连续性转移函数的多维多层前反馈网络的误差逆传播（ErrorBackPropagation，简称BP）进行了讨论，开启了BP神经网络发展应用的历史。从此人们把按误差逆传播算法训练的多层前馈网络直接称为BP网络。BP算法的基本思想是，学习过程有信号正向传播和误差逆向传播两个过程组成。正向传播时，模式作用于输入层，经隐层处理后，传向输出层。若输出层未得到期望输出，则转入误差逆向传播阶段，将输出误差以某种形式通过隐层向输入层逐层返回，并“分担”给各层的所有单元，从而获得各层单元的误差信号以作为修改权值的依据。通过这种周而复始的各层权矩阵的修改过程，使网络的输出达到误差最小或设计要求。由于BP网络的出色的性能，其已经成为应用最为广泛的神经网络。利用Kosmogorov定理可证明在合理的结构和恰当的权值条件下，单隐层BP网络可逼近任意的连续函数，因此本文中选取结构相对简单的单隐层BP网络。2.2学习算法设计网络中，设M表示输入层节点数，Q表示隐含层节点数，L表示输出层节点数，θj表示隐含层中第j个神经元的阈值，θj表示输出层中第r个神经元的阈值，ωij表示输入层和隐含层节点之间的连接权值，ωjr表示隐含层和输出层节点之间的连接权值，同时隐含层和输出层节点的输入是前一层节点的输出加权和。则具体的算法步骤如下:1)初始化权值、阈值ωij、ωjr、θj、θr；2)输入样本12,,MXxxx……，并输入对应的期望值12(,,,)LTttt……；3)计算出各层的输出。对于隐含层第j个节点的输出Oj有1MjjijijiOfUfwO式中：Uj为隐含层第j个节点的输入；Oi为输入层第i个节点的输出；f为Sigmoid函数，11xfxe。对于输出层第r各节点的输出有1OrrjrjrjOfUfO式中：Ur为输出层第r个节点的输入；f为Sigmoid函数，11xfxe。4)计算各层的误差对于输出层有：1rrrrrdOOtO；对于隐含层有：1LjjjrrrdfUd。5)修正权值和阈值11ijijjiijijnndOnn；11jrjrrjjrjrnndOnn；11jjjjjnndnn；11rrrrrnndnn。式中：n为迭代次数；η为学习速率，0,1；α为动量因子，0,1。6)当求出各权值和阈值后，得到输出，若输出结果符合要求则算法结束，若不符合返回第三步继续执行。2.3BP网络空战效能评估模型的拓朴结构的设计1）确定输入神经元的个数。根据建立起的空战效能评估指标体系中的九个影响空战能力的分项指标：机动性、生存力、格斗火力、快速瞄准能力、拦射火力、超视距态势感知能力、操作能力、电子对抗能力和作战半径，确定输入神经元的个数为9个。2）确定输出神经元的个数。输出层节点数在分类网络中一般取类别数，在拟合网络中一般取输出的空间维数。本模型本质上为函数拟合网络，其输出输出的为对战机空战能力的综合指数，输出只有一个在（0，1）区间内的衡量值，是一维的，因此输出神经元的个数为1个。3）确定隐含层神经元的个数。隐含层节点数的选择是十分复杂的，节点过少，容错性差，识别未训练的样本能力低；节点过多会增加收敛时间，降低泛化能力。目前比较常用的方法就是试验凑试法，即可以用同一样本集对具有不同隐节点数的网络进行训练，直到权值不再变化稳定位置；然后，依据测试误差最小，确定网络的隐含层神经元的个数。试验个数的范围为MLa，其中M表示输入层节点数，L表示输出层节点数，a为（0，10）区间中的常数。通过试验确定隐含神经元的个数为4个。4）空战评估模型的拓朴结构如图2所示。图图2拓朴结构3、评估实例本文选择文献[1]显示的七组样本数据作为该网络的训练样本，用来评估F-16C、Mig-29和F-15C三型现役外军战机空战能力。通过结果与文献[1]与文献[2]的结果进行对比来验证该模型的正确性。表1三型战机空战分项能力表2样本数据将表2中的数据七组数据的前八项分项能力作为神经网络的输入样本数据，第九项综合能力作为网络的输出样本，通过网络的学习训练，使网络达到要求，再将表1中三型战机的数据输入网络得到评估结果：F-16C的综合能力为0.756，Mig-29为0.727，F-15C为0.914。由结果可知F-15CF-16CMig-29，与文献[1]、[2]结果相符，证明模型科学可行。运用该模型计算流程如图3所示：图3计算流程4、结语1）在战斗机系统空战能力的评价过程中，指标体系的选取是至关重要的，本文中根据文献[1]和文献[3]所选取的指标有一定的代表性和参考价值。2）建立的空战能力评估BP神经网络模型，经理论分析与实例计算结果证明也是可行的，可为战斗机系统的研制、改进、采购、训练和作战使用等提供一定的参考依据。3）该基于BP网络的评估模型可以克服传统评估模型中受人为因素影响较大的权值估计的缺陷。利用神经网络的自学习和泛化能力，通过输入一定规模的样本数据对网络进行学习，是网络具有相应的评估能力，脱离了所谓专家经验带来的主观因素，能够得到较为客观真实的评估结果，各位真实的反应出战机效能。4）一旦网络训练合格，只需将相应的战术指标数据归一化后输入网络，就可以得出正确的战机效能评估，具有操作方便、快捷、准确等特性，对于战时准确及时判断敌我装备对抗能力，做出正确的装备使用决策具有一定的参考意义。参考文献：[1]王礼沅，张恒喜，徐浩军.基于粗糙集的空战效能多指标综合评估模型.航空学，2009(4)[2]龚胜科，徐浩军，周莉，林敏.基于区间AHP法与粗糙集的飞机空战效能评估.空军工程大学学报(自然科学版)，2010.10[3]朱宝鎏，朱荣昌，熊笑非.作战飞机效能评估.北京：航空工业出版社，2006[4]张汉锋，卢呈，陈立云，王帅，杨传春.基于BP神经网络的防空武器系统保障性评估.四川兵工学报，2009.09[5]田福庆，冯昌林，刘骏.基于BP神经网络的舰炮武器系统综合保障性能评价.海军工程大学学报，2007（3）[6]傅荟璇，赵红.MATLAB神经网络应用设计.机械工业出版社，2010.07[7]史彦斌，高运泉，张安.BP神经网络在效能评估中的样本训练.火力与指挥控制，2007（4）[8]董彦非，王礼沅，张恒喜.战斗机空战效能评估的综合指数模型[J].航空学报,2006，27(6)：1084-1087[9]王文成.神经网络及其在汽车工业中的应用.北京理工大学出版社，1998.07第一作者：王新虎男1987.10.04江苏如皋人大学本科学历现就于空军航空大学攻读军事装备学硕士研究方向：航空装备技术保障联系电话[phone]