基于数据驱动的无人机智能对抗控制方法与流程

技术特征：

1.一种基于数据驱动的无人机智能对抗控制方法，其特征在于，包括以下步骤：

步骤P1，按照第一时间间隔，周期性的采集并存储敌机状态数据；

步骤P2，基于所获取的敌机状态数据构建敌机飞行动力学模型；

步骤P3，基于敌机当前状态数据、历史状态数据，根据敌机飞行动力学模型，推算敌机预测状态；所述敌机预测状态为按照第一时间间隔推算预测时段内的N个状态；其中所述预测时段对应时长是第一时间间隔对应时长的N倍；

步骤P4，基于本机当前状态数据，依据预设的动作调整策略表，构建本机M种动作组合；

步骤P5，基于本机当前状态数据，根据本机飞行动力学模型，按照第一时间间隔推算每一种动作组合预测时段内的N个状态作为本机预测状态；

步骤P6，根据敌机预测状态，对本机每一种动作组合对应的本机预测状态进行态势评估，每种动作组合得到N个态势评估值；

步骤P7，根据每种动作组合的N个态势评估值计算每种动作组合的最终态势评估值；

步骤P8，选取最终态势评估值最大的前Q种动作组合，对应的预测时段之后的Q种本机预测状态；

步骤P9，分别以Q种本机预测状态为假设的本机当前状态、以敌机预测时段之后的敌机预测状态为假设的敌机当前状态，重复执行步骤P3至步骤P8得到Q*Q种预测状态以及Q*Q种动作组合；

步骤P10，选取最终态势评估值最大的前Q种预测状态及对应的动作组合；

步骤P11，重复执行步骤P9、步骤P10，直到设置的时间窗口期，选取最终态势评估值最大的预测状态对应的首个预测时段动作组合并输出。

2.根据权利要求1所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P3中所述“推算敌机预测状态”，其方法为：

步骤P31，基于敌机当前状态数据，根据敌机飞行动力学模型，按照第一时间间隔推算预测时段内的N个状态作为惯性预测状态；其中所述预测时段对应时长是第一时间间隔对应时长的N倍；

步骤P32，根据敌机历史时段的历史状态数据，按照第一时间间隔推算预测时段内的N个状态作为动作预测状态；所述历史时段对应时长与预测时段对应时长相同；

步骤P33，将惯性预测状态和动作预测状态加权平均后得到N个状态，作为敌机预测状态。

3.根据权利要求1所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P6中所述“进行态势评估”，其方法为：

将每一个状态数据进行-1到+1的归一化之后，再赋予预设的权重得到每一个状态数据对应的值；

选取计算得到状态数据对应的值大于设定阈值的部分求和，得到态势评估值。

4.根据权利要求3所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P7中所述“根据每种动作组合的N个态势评估值计算每种动作组合的最终态势评估值”，其方法为：

对每个动作组合得到的N个态势评估值，根据时间越靠后的态势评估值价值越高原则进行时间加权，然后再对绝对值大于A的去除时间加权，选取绝对值最大的B个求和作为最终态势评估值。

5.根据权利要求1所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P2中采用龙格-库塔法构建敌机飞行动力学模型。

6.根据权利要求1所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P4中所述“动作调整策略表”中动作策略包括操纵杆X轴调整策略、操纵杆Y轴调整策略、油门调整策略。

7.据权利要求1所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，所述敌机状态数据、所述本机当前状态数据，均包括经度、纬度、高度、俯仰角、偏航角、滚转角、X轴速度、Y轴速度、Z轴速度、俯仰角速度、偏航角速度、滚转角速度、X轴加速度、Y轴加速度、Z轴加速度、俯仰角加速度、偏航角加速度、滚转角加速度。

8.据权利要求1-7任一项所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P1中所述第一时间间隔为10毫秒，存储敌机状态数据为最近的10P内的数据。

9.据权利要求8所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，步骤P3中所述预测时段当前时刻之后的10P。

10.据权利要求9所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，N的取值为100。

11.据权利要求10所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，Q的取值为3。

12.据权利要求4所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，在所述最终态势评估值的计算中，所述时间加权对应的权值在0.01到1.00之间，A取值为0.8，B取值为20。

13.据权利要求1-7任一项所述的基于数据驱动的无人机智能对抗控制方法，其特征在于，所述时间窗口期的取值为50毫秒。