《基于直觉模糊推理的威胁评估方法》由会员分享,可在线阅读,更多相关《基于直觉模糊推理的威胁评估方法(5页珍藏版)》请在金锄头文库上搜索。
1、第 29 卷第 9 期 电 子 与 信 息 学 报 Vol.29No.9 2007 年 9 月 Journal of Electronics Threat assessment; Intuitionistic fuzzy reasoning; Threat verdict 1 引言 按 照 JDL 信 息 融 合 模 型1,2, 威 胁 评 估 (Threat Assessment, TA)处于第三级, 其功能是量化判断敌方的兵力结构部署或武器装备系统对我方构成威胁的能力和敌方可能的行动意图。这一级融合接收前一级态势评估的输出作为输入,其输出为一威胁视图,描述敌方的目标位置及威胁程度,处理过程
2、常采用贝叶斯网络、模糊推理、黑板模型、模板匹配、计划识别、D-S证据理论、指数法、对策论、多属性决策理论、条件事件代数、统计时间推理、主动权指数、Lachester方程、集对分析、案例推理、专家系统与机器学习等诸多方法3, 4。这些方法各有千秋,分别适应不同的情形。其共同点是在综合考虑多因素对威胁程度的影响及推理解释等方面欠缺或不足46。 有鉴于此, 本文提出一种基于直觉模糊推理的威胁评估方法。 直觉模糊集79是对Zadeh模糊集的有效扩充和发展,已2006-01-12 收到,2006-07-14 改回 国家部级基金(51406030104DZ0120)资助课题 经在多属性决策、医疗图像处理、
3、模式识别、战场态势评估等领域取得成功应用10。理论分析与实践表明,直觉模糊集理论在语义表述11和推理能力1214等方面都优于Zadeh模糊集。 2 威胁评估问题描述 未来防空作战环境越来越复杂,大规模的空天袭击,可能来自太空、高空、中空、低空、超低空等不同空域,而且目标类型有轰炸机、直升机、空地导弹、巡航导弹等多种多样,有时伴随假目标、诱饵和干扰等等。在这种多批次、多方向、多层次、连续饱和攻击等情况下,地面指挥员很难人为做出合理的指挥决策。因此,对空天来袭目标的威胁程度做出准确的判断,成为防空作战决策的重要环节。 空中目标特征描述为目标类型、距离、速度、加速度、数量、方位、遂行任务企图、干扰能
4、力、空袭样式、平台机载武器装备及突防能力等多个方面。其中的每一个因素都会对综合的威胁程度产生影响,而敌目标威胁程度的大小是由多种属性共同决定的。例如,当目标的航向角处于径向临近2078 电 子 与 信 息 学 报 第 29 卷 区域(5),则该目标可能构成的威胁最大,但当其距离极远(R800km)时,则尚不能形成现实威胁。因此,在进行威胁程度判断时,应综合考虑各方面因素的影响。 威胁评估或判断过程涉及许多不确定性的因素,譬如:目标类型的不确定性,目标攻击方式的不确定性,作战区域气象条件、地理环境、敌方、我方、友邻、中立方军队的兵力部署情况的不确定性,等等。因此, 威胁判断属于信息不全、 信息不
5、确定、 信息模糊等条件下的在线式战术决策问题。 在防空作战中,威胁评估或判断的使命就是根据空天来袭目标的特征因素,确定每一批目标对我防空火力单元或保卫要地构成的威胁程度,并给出一个综合性的威胁估计值。 3 威胁程度量化等级 假定敌方能力与意图对我方产生的综合威胁程度为T,则可设定威胁等级判定门限分别为T0T1T2T3T4T5 , 再根据T的具体值,综合防空作战的实用性与方便性、模型处理的可行性与实时性、指挥员的思维习惯等多方面因素, 将来袭目标的威胁等级量化为 7 级: 重大/很大(VG), 较大(GR), 大(GT), 中等(MD), 较小(ST), 极小(TT), 无(NT),依次标识为
6、60 级。 4 威胁评估的直觉模糊推理方法 在运用直觉模糊推理方法进行威胁评估求解时,首先应建立系统状态变量的属性函数;其次在确定的模糊空间,建立推理合成规则,设计推理算法和解模糊算法;最后进行规则库检验和威胁评估实例研究,确定评估结果。 4.1 状态变量的属性函数 根据威胁评估的问题描述,可以根据空中目标的特征,设计出目标类型 x, 距离 r, 空袭样式 h, 速度 v, 航向角, 干扰能力g, 机载武器q及突防能力s等的隶属度函数和非隶属度函数。为便于研究规则的完备性、互作用性、相容性,隶属函数采用 Gauss 型,即 2222()()( )exp,( )1exp22AAxcxcxx=(1
7、) 这里为简化起见,令,式中 和c为函数的参数,分别代表宽度和中心。 ( )0Ax=需要指出,简化条件的设置是合理的。因为当直觉指数时, 非隶属度函数的反制作用或形成的反对程度最强。在此情形,如果得到的结论是可信的、有效的,那么当直觉指数时,亦即非隶属度函数的反制作用或形成的反对程度减弱时,所得到结果的可信度将会更高、更有效。 ( )0Ax=( )Ax( ) 0Ax( )Ax据此,可以设计各个状态变量论域及其直觉模糊子集。 目标类型论域X,来袭目标的类型可按照其反射面积分为小型目标:战术弹道导弹(TBM)、空地导弹(AGM)、反辐射导弹(ARM)、巡航导弹、隐身飞机等;大型目标:轰炸机、歼击轰
8、炸机、强击机等;其他目标:武装直升机等,它们分 别对应直觉模糊子集X10.225, 0,X2 0.225, 0.5,X3 0.225, 1,其中0.225。 距离论域R,设来袭目标的距离变化范围为0, 1200 km。状态变量r可划分为临空0.125, 0, 近距0.125, 0.25, 中距0.125, 0.5, 远距0.225, 0.75, 很远0.225, 1。它们分别对应直觉模糊子集R1,R2,R3,R4,R5,其中0.125。 输入变量r为 /480,60 km(130)/5600.25,60200 km(350)/12000.5,200500 km(650)/12000.75,50
9、0800 km(1200)/32001,800 kmxxxxrxxxxxx+(2) 空袭样式论域H,来袭目标的高度变化范围为0, 30000 m。对状态变量空袭样式h划分为4个区域:超低空0.1667, 0,低空0.1667, 0.3333, 中空0.1667, 0.6667, 高空0.1667, 1。它们分别对应直觉模糊子集H1,H2,H3,H4,其中 0.1667。输入变量h为 /4800,800 m(4400)/216000.3333,8008000 m(11500)/210000.6667, 800015000 m(30000)/900001,15000 mxxxx hxxxx+ (3
10、) 速度论域V,来袭目标的速度变化范围为0, 1800 m/s,对状态变量v定义5个函数:超高速0.125, 0, 高速0.125, 0.25,中速0.125, 0.5, 低速0.125, 0.75, 慢速0.125, 1。它们分别对应直觉模糊子集V1,V2,V3,V 4,V5 ,其中0.125。输入变量v为 (1800)/8000,800800 m/s(650)/12000.25,500800 m/s(360)/11200.5,220500 m/s(150)/5600.75,80220 m/s()/6401,80 m/sxxxxvxxxxxx+=+1(4) 航向角论域B,来袭目标的航向角变化
11、范围为0, 180,对状态变量定义7个函数: 径向临近0.0833, 0, 临近0.0833, 0.1667, 侧翼临近0.0833, 0.3333, 迂回临近0.0833, 0.5, 侧迂临近0.0833, 0.6667, 侧翼0.0833, 0.8333, 背离0.0833, 1,分别对应输入直觉模糊子集BB1,B2B,BB3,B4B,BB5,B6B,BB7,其中0.0833,输入变量为 2 /125,54(7.5)/1250.1667,5104(12.5)/1250.3333,10154(17.5)/1250.5,1520(30)/1250.6667,20402(65)/6250.833
12、3,40902(135)/11251,90180xxxxxxxxxxxxxx+=+ +?(5) 第9期 雷英杰等: 基于直觉模糊推理的威胁评估方法 2079 干扰能力论域G,来袭目标的干扰能力g可大致分为强0.1667, 0, 中0.1667, 0.3333, 弱0.1667, 0.6667, 无0.1667, 1,共4个级别,分别对应直觉模糊子集G1,G2,G3,G4,其中0.125。 机载武器论域Q,来袭目标的机载武器q可粗略分为核弹、常规武器装备或其他(如指挥通信设备、干扰设备、侦察设备、软杀伤等)设备3类,分别对应直觉模糊子集Q10.25, 0,Q20.25, 0.5,Q30.25,
13、1,其中0.225。 在输出论域U, 来袭目标的威胁等级共划分为7 级:VG, GR, GT, MD, ST, TT, NT,依次标识为60级,分别对应于直觉模糊子集U10.1, 1,U20.1, 0.8333,U30.1, 0.6667,U 40.1, 0.5,U50.1, 0.3333,U 60.1, 0.1667,U 70.1, 0, 其中0.1。 由于输入空间是非线性的,所以在模糊化策略方面对输入变量进行了量化和量程变换。其步骤是:(1)确定函数的中心值对(c, x0)和某一区间任一点值对(c+d, x1);(2)求取变换系数或比例因子k=d/(x1x0);(3)求得输入状态变量变换关
14、系s =k(xx0)+c。这里,c是状态变量空间的函数中心的自变量值,x0是输入变量空间的该区间中心的自变量值。经此处理后,各个输入状态变量的隶属度函数和非隶属度函数均定义在区间0,1,便于统一处理。 4.2 推理规则 威胁评估的输入参数x, r, v, , g, h及q等状态变量的属性函数个数分别为Nx3, Nr5, Nv5, N7, Ng4, Nh4, Nq3。威胁评估输出量的属性函数个数Nu7。 从理论上讲, 为了获得可信的推理结果, 规则越多越好,越精细越好。但从实现考虑,必须对规则进行简化,以避免 “组合爆炸” 。为此,可忽略一些次要的或难以获取的因素,如突防能力s等;减少某些输入变量的隶属度函数的个数,如目标类型x, 航向角等,即可使系统的推理规则总数显著减少。另外,由于其中有一些组合规则无实际意义,如当判明为核弹载机时,干扰能力g, 空袭样式h以及其他许多因素即可不予考虑,所以可进行合并,从而使实现时应考虑的推理规则总数进一步减少。 推理规则是多重多维的,其形式为 IF x is Xix and r is Rir and h is Hih and v is Vivand is BB;i and g is Gig and q i