数据驱动的AUV鱼雷攻击有效阵位自主决策方法

自主决策能力是无人水下航行器与有人平台的最显著区别,要求决策速度快、正确率高、方案可执行.针对自主水下航行器(AUV)发射声自导鱼雷攻击水面舰艇时传统有效阵位决策方法在攻击效果和决策速度方面的不足,提出将作战仿真与集成学习相结合的自主决策方法.首先通过作战仿真优化声自导鱼雷发现目标概率,得到不同战场态势下的大量基础数据;而后设置鱼雷发现概率判断阈值,将AUV有效阵位决策转换为二分类问题,形成分类实验数据;最后分析支持向量机、随机森林和XGBoost的分类效果,得出集成学习更适用于该不均衡样本分类问题的结论,并进一步对模型在多种任务阈值下的适应能力和复杂海洋环境下的泛化能力进行检验.实验结果表明,该方法在保证鱼雷攻击效果的前提下,可大幅加快AUV决策速度,满足攻击决策要求,为装备攻击规划模块的研究提供参考.