用于导弹反舰作战弹量规划的概率化推断方法技术

本发明专利技术公开了导弹反舰作战弹量规划的概率化推断方法，它包括如下步骤，打靶实采数据准备；目标打击构设映射；建立概率化推断模型；数据代入推断。本发明专利技术针对现有弹量规划方法在建模和计算成本以及样本数据规模等方面的限制，从贝叶斯后验推断的角度看待弹量规划问题，将导弹反舰作战的突防和毁伤等过程抽象成高层的概率模型，并构建实体过程间的随机关联影响关系，仅需少量实弹打靶样本就可驱动模型关键参数的学习过程，进而推断出满足特定成本约束与预定毁伤要求下的发射弹量。约束与预定毁伤要求下的发射弹量。约束与预定毁伤要求下的发射弹量。

【技术实现步骤摘要】
用于导弹反舰作战弹量规划的概率化推断方法


[0001]本专利技术属于一种弹量规划方法，具体涉及一种用于导弹反舰作战弹量规划的概率化推断方法。

技术介绍

[0002]导弹反舰作战作为一种新兴的作战样式，可以有效起到反介入\区域拒止的战略战役效果，是一种典型的非对称打击手段。弹量规划在导弹反舰作战中扮演着关键角色，它能在给定导弹型号和性能的前提下，计算满足预定毁伤要求时的最优发射弹量，是火力打击规划的重要一环，对于作战辅助决策、作战运用研究和装备体系建设等问题具有重大的理论和现实意义。
[0003]目前，主要有两种技术方法可用于反舰导弹弹量规划：一、在系统级和机理级上，建立反舰导弹(包括弹体、战斗部、导引头等)和目标舰船(包括船体、动力系统、反导系统等)以及关于它们之间在探测、突防、干扰、毁伤等物理层面相互作用的细粒度行为模型，通过数学解析方法或仿真模拟方法获得满足毁伤要求的发射弹量；二、基于实弹打击靶船实采数据，以导弹特征、目标特征、环境特征、目标毁伤程度等要素为自变量，以耗弹量为因变量，通过传统的模式识别和机器学习算法(如线性回归、支持向量机、深度学习等)建立两者之间的线性或非线性函数关系，在新的作战想定下，即可直接利用此函数关系求出发射弹量。
[0004]然而，这些方法都存在一定程度的局限。第一种方法为确保结果可信，要求对作战实体及实体间相互作用进行细粒度建模，然而粒度越细，计算代价越高，且对于敌方舰船，通常难以获得建模所需的详细信息；第二种方法采用的模式识别和机器学习算法一般需要大样本量数据作为支撑，但鉴于反舰作战在军事上和政治上的敏感性与特殊性，难以在特定成本约束下收集大量实采数据，样本量不足以支撑模型的充分训练。

技术实现思路

[0005]本专利技术的目的是提供一种用于导弹反舰作战弹量规划的概率化推断方法，它针对现有弹量规划方法在建模和计算成本以及样本数据规模等方面的限制，从贝叶斯后验推断的角度看待弹量规划问题，将导弹反舰作战的突防和毁伤等过程抽象成高层的概率模型，并构建实体过程间的随机关联影响关系，仅需少量实弹打靶样本就可驱动模型关键参数的学习过程，进而推断出满足特定成本约束与预定毁伤要求下的发射弹量。
[0006]本专利技术的技术方案如下：用于导弹反舰作战弹量规划的概率化推断方法，它包括如下步骤：
[0007](1)打靶实采数据准备；
[0008](2)目标打击构设映射；
[0009](3)建立概率化推断模型；
[0010](4)数据代入推断。
[0011]所述的步骤(1)包括采集实弹打靶数据集{(n
k
,n_pe
k
,de
k
,factor_pe
k
,factor_de
k
)|k＝1～K}，其中K为打靶次数，n
k
、n_pe
k
和de
k
分别为第k次打靶采集的发射弹量、突防弹量和靶船毁伤程度，毁伤程度为二值量，取值为“毁伤”或“未毁伤”，分别对应1或0，factor_pe
k
和factor_de
k
是两个目标打击构设映射因子，是与靶船和待打击的目标舰船相关联的量。
[0012]所述的步骤(2)包括：
[0013](a)目标反导能力映射
[0014]所述的(a)包括计算目标反导能力映射因子factor_pe，其衡量在各自的打击构设下，目标舰船相比靶船在反导能力上的倍数，定义factor_pe为：
[0015][0016]其中，s_p_pe
o
和s_p_pe
t
分别为在靶船和目标舰船的打击构设下，单枚导弹对软拦截方式的突防概率，h_p_pe
o
和h_p_pe
t
分别为在靶船和目标舰船的打击构设下，单枚导弹对硬拦截方式的突防概率。
[0017](b)目标易损性映射
[0018]所述的(b)包括计算目标易损性映射因子factor_de，其衡量在各自的打击构设下，目标舰船相比靶船在抗毁伤能力上的倍数，这里定义factor_de为：
[0019][0020]其中，v
o
和v
t
分别为靶船和目标舰船在各自打击构设下的逃逸航速，m
o
和m
t
分别为靶船和目标舰船在各自打击构设下的材料强度。
[0021]所述的步骤(3)包括：
[0022](a)建立反舰导弹能力参数先验分布
[0023]所述的(a)包括建立反舰导弹总体能力ability、打击目标舰船的突防能力偏差pe_ability和打击目标舰船的毁伤能力偏差de_ability的先验分布，参数ability表征反舰导弹在飞行、突防、毁伤等方面的综合性能水平，反舰导弹能力参数先验分布及相关衍生参数的定义为：
[0024]ability～Normal(μ1,τ)
[0025]pe_ability～Normal(μ2,τ)
[0026]de_ability～Normal(μ2,τ)
[0027]logit(pp_pe)＝ability+pe_ability
[0028]logit(pp_de)＝ability+de_ability
[0029]其中，Normal代表高斯分布密度函数，μ1和μ2为分布均值，τ为分布精确度，表达式ability+pe_ability和ability+de_ability分别代表单枚导弹打击目标舰船的突防能力和毁伤能力，参数pp_pe和pp_de分别代表单枚导弹打击目标舰船的突防概率和毁伤概率，logit函数定义为：
[0030][0031](b)建立目标舰船毁伤概率产生过程
[0032]所述的(b)包括利用步骤(a)中的pp_pe和pp_de建立目标舰船毁伤概率的产生过程，同时设定目标舰船最低毁伤概率阈值threshold，概率化表示如下：
[0033]pre_n～round(Exponential(λ))
[0034]pre_n_pe～Binomial(pp_pe,pre_n)
[0035]pp＝1-(1-pp_de)
pre_n_pe
[0036]evt～Bernoulli(step(pp-threshold))
[0037]其中，Exponential、Binomial和Bernoulli分别代表指数分布、二项式分布和伯努利分布，round函数为四舍五入取整函数，step函数定义为：
[0038][0039]此外，pre_n和pre_n_pe分别是发射弹量和突防弹量，pp是在有pre_n_pe枚导弹突防情况下目标舰船的毁伤概率。
[0040](c)建立打靶实采数据产生过程
[0041]包括利用步骤(a)中的ability、pe_ability和de_ability以及fac本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于导弹反舰作战弹量规划的概率化推断方法，其特征在于，它包括如下步骤：(1)打靶实采数据准备；(2)目标打击构设映射；(3)建立概率化推断模型；(4)数据代入推断。2.如权利要求1所述的用于导弹反舰作战弹量规划的概率化推断方法，其特征在于：所述的步骤(1)包括采集实弹打靶数据集{(n
k
,n_pe
k
,de
k
,factor_pe
k
,factor_de
k
)|k＝1～K}，其中K为打靶次数，n
k
、n_pe
k
和de
k
分别为第k次打靶采集的发射弹量、突防弹量和靶船毁伤程度，毁伤程度为二值量，取值为“毁伤”或“未毁伤”，分别对应1或0，factor_pe
k
和factor_de
k
是两个目标打击构设映射因子，是与靶船和待打击的目标舰船相关联的量。3.如权利要求1所述的用于导弹反舰作战弹量规划的概率化推断方法，其特征在于：所述的步骤(2)包括：(a)目标反导能力映射所述的(a)包括计算目标反导能力映射因子factor_pe，其衡量在各自的打击构设下，目标舰船相比靶船在反导能力上的倍数，定义factor_pe为：其中，s_p_pe
o
和s_p_pe
t
分别为在靶船和目标舰船的打击构设下，单枚导弹对软拦截方式的突防概率，h_p_pe
o
和h_p_pe
t
分别为在靶船和目标舰船的打击构设下，单枚导弹对硬拦截方式的突防概率。(b)目标易损性映射所述的(b)包括计算目标易损性映射因子factor_de，其衡量在各自的打击构设下，目标舰船相比靶船在抗毁伤能力上的倍数，这里定义factor_de为：其中，v
o
和v
t
分别为靶船和目标舰船在各自打击构设下的逃逸航速，m
o
和m
t
分别为靶船和目标舰船在各自打击构设下的材料强度。4.如权利要求1所述的用于导弹反舰作战弹量规划的概率化推断方法，其特征在于：所述的步骤(3)包括：(a)建立反舰导弹能力参数先验分布所述的(a)包括建立反舰导弹总体能力ability、打击目标舰船的突防能力偏差pe_ability和打击目标舰船的毁伤能力偏差de_ability的先验分布，参数ability表征反舰导弹在飞行、突防、毁伤等方面的综合性能水平，反舰导弹能力参数先验分布及相关衍生参数的定义为：ability～Normal(μ1,τ)pe_ability～Normal(μ2,τ)de_ability～Normal(μ2,τ)logit(pp_pe)＝ability+pe_ability
logit(pp_de)＝ability+de_ability其中，Normal代表高斯分布密度函数，μ1和μ2为分布均值，τ为分布精确度，表达式ability+pe_ability和ability+de_ability分别代表单枚导弹打击目标舰船的突防能力和毁伤能力，参数pp_pe和pp_de分别代表单枚导弹打击目标舰船的突防概率和毁伤概率，logit函数定义为：(b)建立目标舰船毁伤概率产生过程所述的(b)包括利用步骤(a)中的pp_pe和pp_de...

【专利技术属性】
技术研发人员：李聪，易当祥，
申请(专利权)人：信云领创北京科技有限公司，
类型：发明
国别省市：