基于卷积神经网络的毁伤效能评估和火力规划方法技术

本发明专利技术提供了一种基于卷积神经网络的毁伤效能评估和火力规划方法，能够充分考虑各种不确定性随机因素的影响，提高火力规划的合理性和精度。同时，将毁伤概率评估的过程看作图像到数值的回归问题，训练毁伤评估的卷积神经网络模型，进而解决火力规划耗时的难题。引入了卷积神经网络，通过将目标二维投影的几何外形及坐标、相应的瞄准点坐标转化为图像，基于图像处理的方式，通过构建卷积神经网络去预测任意给定瞄准点下对该目标的毁伤概率，使得毁伤效能的评估过程非常直观，同时为快速进行火力规划提供保障。力规划提供保障。力规划提供保障。

【技术实现步骤摘要】
基于卷积神经网络的毁伤效能评估和火力规划方法


[0001]本专利技术涉及毁伤效能评估和火力规划，具体涉及一种基于卷积神经网络(CNN)的毁伤效能评估和火力规划方法。

技术介绍

[0002]目前的毁伤效能评估和火力规划方法有如下缺点：
[0003](1)毁伤效能评估时，基本都基于毁伤半径的概念，与实际相差较远，毁伤效能评估不理想，进而导致火力规划方案在实际中无法达到预期效果。
[0004](2)毁伤效能评估时，未考虑探测误差带来的目标位置的不确定性，实际中探测误差可能很大，严重影响毁伤效能。
[0005](3)针对多(大于4)边形面目标时，没有很好地划分出面目标的有效面积，同时在计算毁伤效能时，往往将毁伤幅员近似成圆形或椭圆形，与真实毁伤幅员(元宝形、月牙形等)差别很大，在毁伤评估时误差较大。

技术实现思路

[0006]本专利技术提供了一种基于卷积神经网络的毁伤效能评估和火力规划方法，能够充分考虑各种不确定性随机因素的影响，提高火力规划的合理性和精度。同时，将毁伤概率评估的过程看作图像到数值的回归问题，训练毁伤评估的卷积神经网络模型，进而解决火力规划耗时的难题。
[0007]有益效果：
[0008]本专利技术的毁伤效能评估中引入了卷积神经网络，通过将目标二维投影的几何外形及坐标、相应的瞄准点坐标转化为图像，基于图像处理的方式，通过构建卷积神经网络去预测任意给定瞄准点下对该目标的毁伤概率，使得毁伤效能的评估过程非常直观，同时为快速进行火力规划提供保障。本专利技术的毁伤效能评估中引入了目标位置和导弹瞄准点的不确定性，所得评估结果更符合真实情况。
[0009]本专利技术的毁伤效能评估中，对于多边形面目标，本专利技术在通过毁伤幅员评估毁伤效能时，根据不同工况下，战斗部破片实际分布设计毁伤幅员，通过读取仿真或实验数据生成的地面网靶文件中各个区域的破片分布数量拟合形成较圆形和椭圆更为精准的毁伤幅员。首先将面目标按外接矩形切割成若干个矩形面元，然后识别其中在面目标内的矩形，标记为有效面元。此时，只需计算被毁伤的有效面元数量占总有效面元数量的比重，即可得到当前导弹对目标的毁伤概率。
[0010]本专利技术的毁伤效能评估中，对于远距离作用式导弹，借鉴卷积滤波器原理，设计一种数据提取方式，可以灵活组合横(m)、纵(n)有效面元的数量，将多个有效面元(m*n)组合成一个大面元，将大面元作为新的有效面元进行单枚导弹对目标的毁伤概率计算，在计算时只要判断大面元被毁伤，即认为大面元内所有有效面元均被毁伤，不需要再对每个有效面元进行遍历，只需要遍历大面元即可，可极大地提高计算效率。
[0011]本专利技术的火力规划方法，由于毁伤概率评估基于毁伤效能评估代理模型进行，优化仅需不断调用毁伤效能评估代理模型，有效解决了火力规划计算耗时的难题。
[0012]本专利技术的火力规划方法，根据给定的题设条件，采用遗传算法等智能优化算法求解优化问题，得到火力规划的最佳方案，保证优化全局最优解的获取。
附图说明
[0013]图1为本专利技术卷积神经网络结构图。
[0014]图2(a)为本专利技术的面目标的有效面积分割时的有效面元示意图。
[0015]图2(b)为本专利技术的面目标的有效面积分割时的多个有效面元(m*n)组合成一个大面元示意图。
[0016]图3为本专利技术火力规划流程图。
具体实施方式
[0017]下面结合附图，对本专利技术进行详细描述。
[0018]本专利技术的基于卷积神经网络的毁伤效能评估方法，包括如下步骤：
[0019]步骤1，构建基于卷积神经网络的毁伤效能评估代理模型，具体如下：
[0020]考虑到整个火力规划中最为耗时的部分为毁伤效能评估，尤其是需要考虑探测、制导和毁伤等多源不确定性，当涉及优化迭代后，整个火力规划面临计算量大的问题，无法满足战场快速规划的需求。为此，利用图像处理领域的深度学习技术，通过设计网络的卷积层、池化层和线性层，构建基于卷积神经网络的毁伤效能评估代理模型，本专利技术的卷积神经网络结构图如图1所示。
[0021]所述毁伤效能评估代理模型输入为图像，所述图像为数据形式的目标信息和对应导弹瞄准点分布信息转化得到的图像，所述目标信息包括目标类别、几何外形尺寸和坐标；
[0022]所述毁伤效能评估代理模型输出为目标信息和导弹瞄准点分布信息对应的毁伤概率。
[0023]步骤2，针对不同用弹量、不同类别目标，生成一定数量的训练样本和测试样本，并将打击目标的几何外形尺寸、类别、导弹瞄准点分布转化为图像格式，与各自打击情况下的毁伤概率一一对应，具体为：
[0024]在多组不同目标信息和对应导弹瞄准点分布信息下，分别根据目标类别和几何外形尺寸得到表征导弹对目标是否毁伤的毁伤矩阵；根据目标坐标得到目标位置的散布律；根据导弹瞄准点分布信息得到导弹瞄准点的散布律；
[0025]根据毁伤矩阵、目标位置的散布律以及导弹瞄准点的散布律，获得多组不同目标信息和对应导弹瞄准点分布信息对应的毁伤概率；
[0026]将多组不同目标信息和对应导弹瞄准点分布信息分别转化为图像，得到多组图像；
[0027]将多组图像与各自的毁伤概率一一对应，作为训练样本和测试样本；
[0028]其中，对具有一定职能的、尺寸相对较小的单个小目标，比如：一架飞机、一艘舰艇、一辆坦克。根据目标侦查误差(TEP)得到目标位置的散布标准差σ
t
＝TEP，根据导弹CEP
获得弹着点散布规律或CEP，得弹着点分布标准差认为两种散布律均服从零均值正态分布。
[0029]对于远距离作用式导弹，引入坐标毁伤矩阵的概念，进而更加精确地评估对目标的杀伤效果。单枚导弹对目标的毁伤概率为：
[0030][0031]其中，(x,y)表示目标位置；G(x,y)是由毁伤幅员转化而来的毁伤矩阵，表征导弹对面目标某一处是否毁伤，毁伤则为1，反之为0；f(x,y)表示目标位置的散布律；l(x,y)表示导弹瞄准点的散布律。
[0032]对于多边形面目标，由于目标面积较大，几乎无法获取有效的毁伤矩阵，因此一般通过毁伤幅员，计算被毁伤的面积占总面积的比重来评估毁伤效能。
[0033]在通过毁伤幅员评估毁伤效能时，一改往常将毁伤幅员近似成圆或椭圆等与真实情况相差极大的几何形状，根据不同工况下(导弹不同落速、落角等)，战斗部破片实际分布设计毁伤幅员，通过读取仿真或实验数据生成的地面网靶文件中各个区域的破片分布数量拟合形成较圆形和椭圆更为精准的毁伤幅员。首先将面目标按外接矩形切割成若干个矩形面元，然后识别其中在面目标内的矩形，标记为有效面元，如图2(a)所示。此时，只需计算被毁伤的有效面元数量占总有效面元数量的比重，即可得到当前导弹对目标的毁伤概率。
[0034]单枚导弹对目标的毁伤概率计算方式为：
[0035][0036]其中，G(x
‑
x
′
,y
‑
y
′<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的毁伤效能评估方法，其特征在于，包括如下步骤：步骤1，构建基于卷积神经网络的毁伤效能评估代理模型；所述毁伤效能评估代理模型输入为图像，所述图像为数据形式的目标信息和对应导弹瞄准点分布信息转化得到的图像，所述目标信息包括目标类别、几何外形尺寸和坐标；所述毁伤效能评估代理模型输出为目标信息和导弹瞄准点分布信息对应的毁伤概率；步骤2，获得多组不同目标信息和对应导弹瞄准点分布信息下的毁伤概率；将多组不同目标信息和对应导弹瞄准点分布信息分别转化为图像，得到多组图像；将多组图像与各自的毁伤概率一一对应，作为训练样本和测试样本；步骤3，利用训练样本训练所述毁伤效能评估代理模型，利用测试样本测试训练后的毁伤效能评估代理模型精度，直至训练后的毁伤效能评估代理模型满足设定精度，得到训练好的毁伤效能评估代理模型；步骤4，将待评估的目标信息和对应导弹瞄准点分布信息转化为图像，输入到训练好的毁伤效能评估代理模型中，得到对应的毁伤概率，完成毁伤效能评估。2.如权利要求1所述的毁伤效能评估方法，其特征在于，所述步骤2中，获得多组不同目标信息和对应导弹瞄准点分布信息下的毁伤概率的具体方式为：在多组不同目标信息和对应导弹瞄准点分布信息下，分别根据目标类别和几何外形尺寸得到表征导弹对目标是否毁伤的毁伤矩阵；根据目标坐标得到目标位置的散布律；根据导弹瞄准点分布信息得到导弹瞄准点的散布律；根据毁伤矩阵、目标位置的散布律以及导弹瞄准点的散布律，获得多组不同目标信息和对应导弹瞄准点分布信息对应的毁伤概率。3.如权利要求2所述的毁伤效能评估方法，其特征在于，对于点目标，K枚连射导弹对目标的毁伤概率为：其中，P
i
为第k发导弹对目标的毁伤概率，k＝1，2，3
…
K；对于面目标，k次独立射击下，对目标的毁伤概率为：其中，N为对导弹落点和目标位置根据散布律抽样的数量，表示在k发导弹对面目标共同作用下，第j个抽样点对面目标的被毁伤的面积占比，j＝1，2，3
…
N。4.如权利要求3所述的毁伤效能评估方法，其特征在于，对于点目标，单枚导弹对目标的毁伤概率计算方式为：其中，(x,y)表示地面上一点的坐标；f(x,y)表示目标位置的散布律；l(x,y)表示导弹瞄准点的...

【专利技术属性】
技术研发人员：熊芬芬，吴巍，张成，任成坤，李超，
申请(专利权)人：中国人民解放军六三八六三部队，
类型：发明
国别省市：