基于能量机动的近距空战模型及应用

doi:10.7527/S1000-6893.2024.30863

Abstract

Abstract:

At present， research on intelligent air combat at close range focuses on theories and algorithms， but lacks consideration in energy maneuverability. To integrate energy maneuverability into close-range air combat， an analysis of air combat theories is conducted， and a one-to-one expert system construction method for close-range air combat based on energy maneuverability is proposed. Based on energy maneuvering， decisions on static and dynamic situations of air combat are made to obtain the expected roll angle and normal G-force， and Proportion-Integration-Differentiation （PID） control algorithm is constructed to control the lateral and longitudinal directions of the model. That is， the model directly obtains the expected flight state through situational judgment， without the need to choose to execute a certain maneuver. The decision time step can be shortened as much as possible， which is beneficial for shortening the Observation-Orientation-Decision-Action （OODA） cycle time. Simulation results show that the established model achieves 58 victories in 60 simulations， which can fully demonstrate the maneuverability of the fighter as designed. The model construction method proposed has universality and prospects for application in close-range air combat teaching and training， Unmanned Aerial Vehicle （UAV） air combat， and other fields.

Key words: intelligent air combat, close-range air combat, energy maneuverability, expert model, maneuverability

CLC Number:

V219

Henghui LI, Qianhui LIN, Taofeng HAN, Yang HE. Close-range air combat model based on energy maneuverability and its applications[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(7): 330863.

Figures/Tables 14

Fig.1

Fig.2

Fig.3

Table 1

Fig.4

Fig.5

Table 2

Dynamic situation and maneuver strategy

静态态势	视线角速率	距离变化率	$Δ H$	机动策略
1-5	+		1	敌机在高处且我机趋于劣势，速度大应选择双环，以较大的过载与盘旋角速率，使用筋斗、斜筋斗抢攻；速度小应增加盘旋角速率，可以进行单环水平盘旋，或通过低速摇-摇、半滚倒转机动，以牺牲高度恢复速度，再进行斜筋斗抢攻
1-5	+		0	敌我高度接近且我机趋于劣势，速度大应选择双环，以较大的过载与盘旋角速率，使用斜筋斗、水平盘旋抢攻；速度小应应增加盘旋角速率，可以进行单环盘旋，或通过低速摇-摇机动抢攻
1-5	+		-1	敌机在低处且我机趋于劣势，应进行低速摇-摇或半滚倒转机动，以较大的过载与盘旋角速率抢攻，并控制我机处于合适的速度
1-5	-		1	敌机在高处且我机趋于优势，以最大稳定盘旋角速率为目标持续机动至敌机进入导弹攻击角度之内
1-5	-		0	敌我高度接近且我机趋于优势，以最大稳定盘旋角速率为目标持续机动至敌机进入导弹攻击角度之内
1-5	-		-1	敌机在低处且我机趋于优势，以最大稳定盘旋角速率为目标持续机动至敌机进入导弹攻击角度之内
1-7		+		我机处于敌机导弹发射角度内，距离大于其最大射程且在增加，应根据当前速度选取机动迅速转向进行对头
1-7		-		我机处于敌机导弹发射角度内，距离大于其最大射程且在减小，应根据当前速度选取机动迅速转向进行对头
1-8		+		我机处于敌机导弹发射角度内，距离小于其最小射程且在增加，应减小速度，使用防御桶滚、滚剪机动占据敌机后半球位置
1-8		-		我机处于敌机导弹发射角度内，距离小于其最小射程且在减小，应减小速度，使用防御桶滚、滚剪机动占据敌机后半球位置
3-5				敌机处于我机导弹发射角度内，距离大于其最大射程，应限制长时间处于大仰角以维持一定速度并减小距离，并减小或维持视线角
3-7				双机为对头态势且距离均超过双方导弹射程，可以减小视线角，并控制速度为合适的空战进入速度
3-8				在双方导弹性能相差不大时不可能出现，该态势可忽略，可按3-7态势处理
4-5				敌机处于我机导弹发射角度内，距离小于其最小射程，应减小速度，可以采用进攻桶滚机动以维持敌方后半球占位，并增加距离以获得导弹发射机会
4-7				在双方导弹性能相差不大时不可能出现，该态势可忽略，可按4-8态势处理
4-8				双机对头交汇前的态势，双方距离较近，该态势无法维持太久，应控制速度为合适的空战进入速度并减小视线角，为交汇后抢攻做准备

Table 2

Fig.6

Fig.7

Fig.8

Table 3

Table 4

Fig.9

Fig.10

References 24

1	孙聪. 从空战制胜机理演变看未来战斗机发展趋势［J］. 航空学报， 2021， 42（8）： 525826.
	SUN C. Development trend of future fighter： A review of evolution of winning mechanism in air combat［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（8）： 525826 （in Chinese）.
2	DARPA. ACE program’s AI agent transition from simulation to live flight ［EB/OL］. （2023-02-13）［2024-04-27］. .
3	孙智孝，杨晟琦，朴海音，等. 未来智能空战发展综述［J］. 航空学报， 2021， 42（8）： 525799.
	SUN Z X， YANG S Q， PIAO H Y， et al. A survey of air combat artificial intelligence［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（8）： 525799 （in Chinese）.
4	XU G Y， LIU Q， ZHANG H. The application of situation function in differential game problem of the air combat［C］‍∥2018 Chinese Automation Congress （CAC）. Piscataway： IEEE Press， 2018： 1190-1195.
5	PARK H， LEE B Y， TAHK M J， et al. Differential game based air combat maneuver generation using scoring function matrix［J］. International Journal of Aeronautical and Space Sciences， 2016， 17（2）： 204-213.
6	ZHENG H Y， DENG Y， HU Y. Fuzzy evidential influence diagram and its evaluation algorithm［J］. Knowledge-Based Systems， 2017， 131： 28-45.
7	PAN Q， ZHOU D Y， HUANG J C， et al. Maneuver decision for cooperative close-range air combat based on state predicted influence diagram［C］‍∥2017 IEEE International Conference on Information and Automation （ICIA）. Piscataway： IEEE Press， 2017： 726-731.
8	ZHENG Z Q， DUAN H B. UAV maneuver decision-making via deep reinforcement learning for short-range air combat［J］. Intelligence Robotics， 2023， 3（1）： 76-94.
9	傅莉，谢福怀，孟光磊，等. 基于滚动时域的无人机空战决策专家系统［J］. 北京航空航天大学学报， 2015， 41（11）： 1994-1999.
	FU L， XIE F H， MENG G L， et al. An UAV air-combat decision expert system based on receding horizon control［J］. Journal of Beijing University of Aeronautics and Astronautics， 2015， 41（11）： 1994-1999 （in Chinese）.
10	王锐平，高正红. 无人机空战仿真中基于机动动作库的决策模型［J］. 飞行力学， 2009， 27（6）： 72-75， 79.
	WANG R P， GAO Z H. Research on decision system in air combat simulation using maneuver library［J］. Flight Dynamics， 2009， 27（6）： 72-75， 79 （in Chinese）.
11	王炫，王维嘉，宋科璞，等. 基于进化式专家系统树的无人机空战决策技术［J］. 兵工自动化， 2019， 38（1）： 42-47.
	WANG X， WANG W J， SONG K P， et al. UAV air combat decision based on evolutionary expert system tree［J］. Ordnance Industry Automation， 2019， 38（1）： 42-47 （in Chinese）.
12	李高垒，马耀飞. 基于深度网络的空战态势特征提取［J］. 系统仿真学报， 2017， 29（S1）： 98-105.
	LI G L， MA Y F. Feature extraction algorithm of air combat situation based on deep neural networks［J］. Journal of System Simulation， 2017， 29（S1）： 98-105 （in Chinese）.
13	TENG T H， TAN A H， TAN Y S， et al. Self-organizing neural networks for learning air combat maneuvers［C］‍∥The 2012 International Joint Conference on Neural Networks （IJCNN）. Piscataway： IEEE Press， 2012： 1-8.
14	YANG Q M， ZHANG J D， SHI G Q， et al. Maneuver decision of UAV in short-range air combat based on deep reinforcement learning［J］. IEEE Access， 2020， 8： 363-378.
15	LIU P， MA Y F. A deep reinforcement learning based intelligent decision method for UCAV air combat［C］‍∥17th Asia Simulation Conferenve. Melaka： Federation of Asian Simulation Societies， 2017： 274-286.
16	PIAO H Y， SUN Z X， MENG G L， et al. Beyond-visual-range air combat tactics auto-generation by reinforcement learning［C］‍∥2020 International Joint Conference on Neural Networks （IJCNN）. Piscataway： IEEE Press， 2020： 1-8.
17	付宇阳，邓向阳，朱子强，等. 基于价值滤波的空战机动决策方法［J］. 航空学报， 2023， 44（22）： 628871.
	FU Y Y， DENG X Y， ZHU Z Q， et al. Value-filter based air-combat maneuvering optimization［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（22）： 628871 （in Chinese）.
18	Koren Air Force. F-16C basic employment manual［R］. Seoul： Koren， 2005.
19	秦玮，马雯，张楠. 某大机动无人机基于飞行任务的敏捷性评估飞行科目设计与仿真［J］. 测控技术， 2020， 39（11）： 119-125.
	QIN W， MA W， ZHANG N. Design and simulation of flight courses for agility evaluation of high maneuver UAV based on flight mission［J］. Measurement & Control Technology， 2020， 39（11）： 119-125 （in Chinese）.
20	王忠俊，高浩. 关于飞机功能敏捷性尺度的计算［J］. 飞行力学， 1994， 12（2）： 15-20.
	WANG Z J， GAO H. On the calculation of fighter functional agility metrics［J］. Flight Dynamics， 1994， 12（2）： 15-20 （in Chinese）.
21	方伟，王玉佳，徐涛，等. 航空兵智能决策模型的评估方法［J］. 兵器装备工程学报， 2021， 42（8）： 126-132.
	FANG W， WANG Y J， XU T， et al. Research on evaluation method of aviation intelligent decision model［J］. Journal of Ordnance Equipment Engineering， 2021， 42（8）： 126-132 （in Chinese）.
22	BOYD J R. The essence of winning and losing ［EB/OL］. （2016-03-13）［2024-04-23］. .
23	冯宇鹏，郭强，赵创新，等. 一种基于试飞数据的飞机稳定盘旋性能极限修正方法： CN114676501A［P］. 2022-06-28.
	FENG Y P， ZHAO Q， ZHAO C X， et al. A method for correcting the limit of stable hovering performance of aircraft based on test flight data： CN114676501A［P］. 2022-06-28 （in Chinese）.
24	邱福生，魏闯，院老虎. 基于试飞数据的固定翼飞机盘旋性能仿真分析技术［J］. 科学技术与工程， 2019， 19（30）： 348-353.
	QIU F S， WEI C， YUAN L H. Simulation and analysis technology of fixed-wing aircraft circling performance based on flight test data［J］. Science Technology and Engineering， 2019， 19（30）： 348-353 （in Chinese）.

态势	需求	我机速度	期望目标	典型机动	典型过程
双环	盘旋角速率大	速度较大	以最大过载进行非定常盘旋	筋斗、高速摇-摇机动、水平盘旋	点2→点3→点4
		速度较大	迅速达到并保持稳定盘旋	高速摇-摇机动、水平盘旋	点2→点6
		速度较小	达到并保持稳定盘旋	水平盘旋、高速摇-摇机动	点4→点6
单环	盘旋半径小	速度较大	以最大过载进行非定常盘旋并减速	筋斗、高速摇-摇机动、水平盘旋	点2→点3→点4
单环	盘旋半径小	速度较小	维持小速度盘旋	水平盘旋、高速摇-摇机动、半滚倒转	维持点4

双方初始态势	红方获胜场次	仿真情况概述
双方对头，间距2 n mile	20	双方飞机初始态势为均势，在不同初始条件下，红方均可在2次交汇后可获得优势，达到满足获胜判据
红方尾追，间距2 n mile	20	红方初始态势为优势，在仿真前5 s内均可保持视线角小于10°，达到满足获胜判据
蓝方尾追，间距2 n mile	18	红方初始态势为劣势，在仿真初始高度为500 ft、初始马赫数0.4、0.5时，由于初始高度与速度较低，红方选择以较小的过载与盘旋角速率进行水平盘旋并增速，导致仿真前5 s内蓝方视线角小于10°并达到获胜判据。其余条件仿真中，红方通过水平盘旋、斜筋斗、下降盘旋等机动进行防御，在5 s内均可使蓝方视线角大于10°，并可在1~2次交汇后获得优势，达到满足获胜判据

[1]	Shuheng YANG, Dong ZHANG, Wei XIONG, Zhi REN, Shuo TANG. Decision-making method for air combat maneuver based on explainable reinforcement learning [J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(18): 329922-329922.
[2]	Baolai WANG, Xianzhong GAO, Tao XIE, Zhongxi HOU. Decision⁃making in close⁃range air combat based on reinforcement learning and population game [J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(12): 329446-329446.
[3]	Sheng ZHANG, Pan ZHOU, Yang HE, Jiangtao HUANG, Gang LIU, Jigang TANG, Huaizhi JIA, Xin DU. Air combat maneuver decision-making test based on deep reinforcement learning [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(10): 128094-128094.
[4]	SUN Cong. Development trend of future fighter: A review of evolution of winning mechanism in air combat [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2021, 42(8): 525826-525826.
[5]	CEN Fei, NIE Bowen, LIU Zhitao, GUO Linliang, SUN Haisheng, LI Qing. Wind tunnel model flight test technique for advanced fighter aircraft design [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2020, 41(6): 523444-523444.
[6]	XIAO Zhixiang, CUI Wenyao, LIU Jian, LUO Kunyu, SUN Yuanhao. Review of numerical research on unsteady flows of the new generation fighters [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2020, 41(6): 523451-523451.
[7]	LIANG Xiao, WANG Honglun, LI Dawei, LÜ Wentao. Three-dimensional Path Planning for Unmanned Aerial Vehicles Based on Principles of Stream Avoiding Obstacles [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2013, 34(7): 1670-1681.
[8]	Shui Qingcai;Fang Zhenping . EVALUATION OF FUNCTIONAL AGILITY METRICS FOR AN ADVANCED FIGHTER AEROCRAFT USING TRAJECTORY OPTIMIZATION TECHNIQUES [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 1996, 17(4): 456-459.

Close-range air combat model based on energy maneuverability and its applications

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 14

References 24

Related Articles 8

Recommended Articles

Metrics

Comments