一种无人机蜂群反制的决策生成方法及系统技术方案

本发明专利技术提供了一种无人机蜂群反制的决策生成方法及系统，包括：将无人机蜂群攻击事件的发生信息和蜂群态势信息，与预先构建的无人机蜂群反制决策案例库中各个案例的发生信息和蜂群态势信息进行匹配；若匹配到与无人机蜂群攻击事件相似的案例，则基于相似的案例中的反制手段确定无人机蜂群的反制手段；否则，调用规则推理法推理出无人机蜂群的反制手段；基于无人机蜂群的反制手段对无人机蜂群进行反制；若探测到存在无人机逃脱，则针对探测到的每个逃脱的无人机，获取对应的每个无人机攻击事件的发生信息和无人机态势信息，以确定每个逃脱的无人机的反制手段，对每个逃脱的无人机进行反制。本发明专利技术提升了对无人机蜂群的反制成功率和反制效率。功率和反制效率。功率和反制效率。

【技术实现步骤摘要】
一种无人机蜂群反制的决策生成方法及系统


[0001]本专利技术属于无人机反制指挥决策
，更具体地，涉及一种无人机蜂群反制的决策生成方法及系统。

技术介绍

[0002]无人机蜂群是由大量无人机(Unmanned Aerial Vehicle，UAV)，以单平台无人机的作业能力为基础、无人机之间的协同交互能力为支撑、群体智能涌现能力为核心，基于开放式体系架构综合集成构建，具有抗毁性、低成本、功能分布化等优势和智能特征的作业体系。近年来，蜂群无人机作业越来越受重视，无人机蜂群作业理念的发展对重点区域、重点目标和重大活动产生的重大威胁也日益突出。
[0003]传统无人机反制手段主要非为软杀伤和硬杀伤两大类，软杀伤手段包括电磁干扰、导航诱骗、网捕等，硬杀伤类主要包括大型无人机撞击、激光打击等。由于对抗环境下，无人机蜂群具有数量多、体积小、飞行高度低、相对于其他飞行器速度较慢、协同能力强等特点，现有无人机反制系统多针对单个无人机采用无人机反制手段进行拦截，难以应对无人机蜂群的饱和式攻击，导致部分无人机极易实现突防，无人机蜂群的反制成功率和反制效率较低。

技术实现思路

[0004]针对现有技术的缺陷，本专利技术的目的在于提供一种无人机蜂群反制的决策生成方法及系统，旨在解决现有无人机反制系统对于无人机蜂群的反制成功率和反制效率较低的问题。
[0005]为实现上述目的，第一方面，本专利技术提供了一种无人机蜂群反制的决策生成方法，包括以下步骤：
[0006]步骤S101，获取无人机蜂群攻击事件的发生信息，以及无人机蜂群的蜂群态势信息；
[0007]步骤S102，将无人机蜂群攻击事件的发生信息和蜂群态势信息，与预先构建的无人机蜂群反制决策案例库中各个案例的发生信息和蜂群态势信息进行匹配；
[0008]步骤S103，若匹配到与无人机蜂群攻击事件相似的案例，则基于相似的案例中的反制手段确定无人机蜂群的反制手段；否则，调用规则推理法基于无人机蜂群攻击事件的发生信息和蜂群态势信息推理出无人机蜂群的反制手段；
[0009]步骤S104，基于无人机蜂群的反制手段对无人机蜂群进行反制；
[0010]步骤S105，若探测到无人机蜂群内全部无人机反制成功，则生成无人机蜂群攻击事件的反制决策案例并存入无人机蜂群反制决策案例库，反制任务结束，否则，针对探测到的每个逃脱的无人机，获取对应的每个无人机攻击事件的发生信息和无人机态势信息；
[0011]步骤S106，基于每个无人机攻击事件的发生信息和无人机态势信息，确定每个逃脱的无人机的反制手段；
[0012]步骤S107，基于每个逃脱的无人机的反制手段对每个逃脱的无人机进行反制。
[0013]在一个可选的示例中，发生信息包括发生地点，发生时间，以及发生时气象信息中的多种；蜂群态势信息包括无人机蜂群中无人机数量，蜂群编队类型，蜂群飞行速度，蜂群飞行方向，蜂群与防御中心的相对距离，以及蜂群行动意图中的多种；无人机态势信息包括无人机飞行速度，无人机飞行方向，无人机飞行高度，无人机与防御中心的相对距离，无人机类型，以及无人机载荷中的多种。
[0014]在一个可选的示例中，在存在多个相似的案例的情况下，步骤S103中基于相似的案例中的反制手段确定无人机蜂群的反制手段，具体包括：
[0015]基于每个相似的案例中的反制起效时间、反制成功的无人机数量和反制成功的无人机类型中的一种或多种，从多个相似的案例中选取最佳案例；反制起效时间为案例对应的各反制设备的起效时间；
[0016]基于所述最佳案例中的反制手段确定无人机蜂群的反制手段。
[0017]在一个可选的示例中，步骤S106具体包括：
[0018]将无人机攻击事件的发生信息和态势信息，与预先构建的无人机反制决策案例库中各个案例的发生信息和态势信息进行匹配；
[0019]若匹配到与无人机攻击事件相似的案例，则基于相似的案例中的反制手段确定无人机的反制手段；否则，调用规则推理法基于无人机攻击事件的发生信息和态势信息推理出无人机的反制手段。
[0020]在一个可选的示例中，步骤S102具体包括：
[0021]将无人机蜂群攻击事件的发生信息和蜂群态势信息，与K个聚类中心的发生信息和蜂群态势信息进行相似度计算，并选出相似度最高的聚类；K个聚类中心是采用K
‑
Means算法对无人机蜂群反制决策案例库中各个案例进行聚类得到的；
[0022]将无人机蜂群攻击事件的发生信息和蜂群态势信息，与相似度最高的聚类中各个案例的发生信息和蜂群态势信息进行相似度计算，并将计算得到的相似度与预设的相似度阈值进行比较，以判断是否匹配到与无人机蜂群攻击事件相似的案例。
[0023]第二方面，本专利技术提供了一种无人机蜂群反制的决策生成系统，包括：
[0024]蜂群信息获取模块，用于获取无人机蜂群攻击事件的发生信息，以及无人机蜂群的蜂群态势信息；
[0025]蜂群信息匹配模块，用于将无人机蜂群攻击事件的发生信息和蜂群态势信息，与预先构建的无人机蜂群反制决策案例库中各个案例的发生信息和蜂群态势信息进行匹配；
[0026]蜂群反制决策模块，用于若匹配到与无人机蜂群攻击事件相似的案例，则基于相似的案例中的反制手段确定无人机蜂群的反制手段；否则，调用规则推理法基于无人机蜂群攻击事件的发生信息和蜂群态势信息推理出无人机蜂群的反制手段；
[0027]蜂群反制模块，用于基于无人机蜂群的反制手段对无人机蜂群进行反制；
[0028]反制结果处理模块，用于若探测到无人机蜂群内全部无人机反制成功，则生成无人机蜂群攻击事件的反制决策案例并存入无人机蜂群反制决策案例库，反制任务结束，否则，针对探测到的每个逃脱的无人机，获取对应的每个无人机攻击事件的发生信息和无人机态势信息；
[0029]无人机反制决策模块，用于基于每个无人机攻击事件的发生信息和无人机态势信
息，确定每个逃脱的无人机的反制手段；
[0030]无人机反制模块，用于基于每个逃脱的无人机的反制手段对每个逃脱的无人机进行反制。
[0031]在一个可选的示例中，发生信息包括发生地点，发生时间，以及发生时气象信息中的多种；蜂群态势信息包括无人机蜂群中无人机数量，蜂群编队类型，蜂群飞行速度，蜂群飞行方向，蜂群与防御中心的相对距离，以及蜂群行动意图中的多种；无人机态势信息包括无人机飞行速度，无人机飞行方向，无人机飞行高度，无人机与防御中心的相对距离，无人机类型，以及无人机载荷中的多种。
[0032]在一个可选的示例中，在存在多个相似的案例的情况下，所述蜂群反制决策模块具体用于：
[0033]基于每个相似的案例中的反制起效时间、反制成功的无人机数量和反制成功的无人机类型中的一种或多种，从多个相似的案例中选取最佳案例；反制起效时间为案例对应的各反制设备的起效时间；
[0034]基于所述最佳案例中的反制手段确定无人机蜂群的反制手段。
[0035]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机蜂群反制的决策生成方法，其特征在于，包括以下步骤：步骤S101，获取无人机蜂群攻击事件的发生信息，以及无人机蜂群的蜂群态势信息；步骤S102，将无人机蜂群攻击事件的发生信息和蜂群态势信息，与预先构建的无人机蜂群反制决策案例库中各个案例的发生信息和蜂群态势信息进行匹配；步骤S103，若匹配到与无人机蜂群攻击事件相似的案例，则基于相似的案例中的反制手段确定无人机蜂群的反制手段；否则，调用规则推理法基于无人机蜂群攻击事件的发生信息和蜂群态势信息推理出无人机蜂群的反制手段；步骤S104，基于无人机蜂群的反制手段对无人机蜂群进行反制；步骤S105，若探测到无人机蜂群内全部无人机反制成功，则生成无人机蜂群攻击事件的反制决策案例并存入无人机蜂群反制决策案例库，反制任务结束，否则，针对探测到的每个逃脱的无人机，获取对应的每个无人机攻击事件的发生信息和无人机态势信息；步骤S106，基于每个无人机攻击事件的发生信息和无人机态势信息，确定每个逃脱的无人机的反制手段；步骤S107，基于每个逃脱的无人机的反制手段对每个逃脱的无人机进行反制。2.根据权利要求1所述的方法，其特征在于，发生信息包括发生地点，发生时间，以及发生时气象信息中的多种；蜂群态势信息包括无人机蜂群中无人机数量，蜂群编队类型，蜂群飞行速度，蜂群飞行方向，蜂群与防御中心的相对距离，以及蜂群行动意图中的多种；无人机态势信息包括无人机飞行速度，无人机飞行方向，无人机飞行高度，无人机与防御中心的相对距离，无人机类型，以及无人机载荷中的多种。3.根据权利要求1所述的方法，其特征在于，在存在多个相似的案例的情况下，步骤S103中基于相似的案例中的反制手段确定无人机蜂群的反制手段，具体包括：基于每个相似的案例中的反制起效时间、反制成功的无人机数量和反制成功的无人机类型中的一种或多种，从多个相似的案例中选取最佳案例；反制起效时间为案例对应的各反制设备的起效时间；基于所述最佳案例中的反制手段确定无人机蜂群的反制手段。4.根据权利要求1所述的方法，其特征在于，步骤S106具体包括：将无人机攻击事件的发生信息和态势信息，与预先构建的无人机反制决策案例库中各个案例的发生信息和态势信息进行匹配；若匹配到与无人机攻击事件相似的案例，则基于相似的案例中的反制手段确定无人机的反制手段；否则，调用规则推理法基于无人机攻击事件的发生信息和态势信息推理出无人机的反制手段。5.根据权利要求1至4任一项所述的方法，其特征在于，步骤S102具体包括：将无人机蜂群攻击事件的发生信息和蜂群态势信息，与K个聚类中心的发生信息和蜂群态势信息进行相似度计算，并选出相似度最高的聚类；K个聚类中心是采用K
‑
Means算法对无人机蜂群反制决策案例库中各个案例进行聚类得到的；将无人机蜂群攻击事件的发生信息和蜂群态势信息，与相似度最高的聚类中各个案例的发生信息和蜂群态势信息进行相似度计算，并将计算得到的相似度与预设的相似度阈值进行比较，以判断是否匹配到与无人机蜂群攻击事件相似的案例。6.一种无人机蜂群反制的决策生...

【专利技术属性】
技术研发人员：蒋昕，何志峰，陈爽，
申请(专利权)人：中国船舶集团有限公司第七〇九研究所，
类型：发明
国别省市：