融合意图识别的近距空战决策方法研究.pdfVIP

摘要

随着人工智能的不断发展，智能空战的应用愈发广泛，俄乌冲突进一步表明，

未来战场将是智能化的战场。空中战场作为未来战争的主要阵地，其智能决策水

平的研究也受到了广泛关注。在未来空战过程中，无人机通过提取空战态势数据

和历史航迹数据，对敌方进行意图识别和威胁评估，并给出当前场景下的最佳机

动决策，从而获得空中战场的主动权。本文在1v1近距空战场景下，对融合意图

识别的空战决策方法开展了以下研究：

首先，针对近距空战对抗场景下的目标意图识别问题，提出了一种基于GRU

网络的意图识别模型，通过提取多时刻空战数据生成符合空战对抗场景的意图标

签。然后将空战数据输入网络模型进行训练，构建了态势数据与意图标签的映射

关系，并在网络结构中引入注意力机制，通过仿真验证了该模型的可靠性和准确

性。

其次，针对意图难以直接应用在空战决策的问题，提出了一种融合意图的空

中目标威胁评估方法，将意图识别结果和当前态势数据作为输入，输出威胁值，

构建了空战场景下的威胁要素模型，将输入数据进行量化后，输入MLP网络进行

训练。仿真实验表明，该方法有效提高了空战对抗场景下威胁评估的准确性。

最后，为解决1v1场景下的近距空战决策问题，搭建了智能空战研究平台，

构建了符合空战对抗的马尔可夫决策模型，并对空战奖励函数进行了优化。为进

一步提升空战智能决策水平，基于前述意图识别和威胁评估结果，重塑了空战决

策奖励函数，有效加快了决策模型的训练收敛能力和决策能力。同时，针对智能

空战模型决策单一的问题，采用自博弈框架的训练方式，有效丰富了空战决策模

型的策略种类。

本文以空战作战“OODA”环为基础，从空战智能决策的输入数据、数据处

理、决策模型和空战训练几个环节出发，提高智能空战决策模型的决策能力。仿

真实验结果表明，本文提出的融合意图的智能空战决策方法，相比其他模型取得

约5%的胜率提升。

关键词：强化学习，意图识别，威胁评估，近距对抗，自博弈训练

ABSTRACT

Withthecontinuousdevelopmentofartificialintelligence,theapplicationof

intelligentaircombatisbecomingmoreandmorewidespread.TheRussia-Ukraine

conflictfurtherdemonstratesthatthefuturebattlefieldwillbeanintelligentone.Asthe

mainpositionoffuturewarfare,theresearchonthelevelofintelligentdecision-making

intheairbattlefieldhasalsoreceivedextensiveattention.Intheprocessoffutureair

combat,unmannedaerialvehicles(UAVs)extractaircombatsituationdataandhistorical

trajectorydatatoidentifyenemyintentionsandassessthreats,andprovidethebest

maneuveringdecisionsunderthecurrentscenario,therebygainingtheinitiativeintheair

battlefield.Thisarticleconductsthefollowingresearchontheaircombatdecision-

makingmethodintegratingintentionrecognitioninthe1v1close-rangeaircombat

scenario:

Firstly,fortheproblemoftargetintentionrecognitioninclo