[0001] 本发明属于供靶效能评估方法，具体涉及一种靶标编队协同供靶效能评估方法、存储介质、设备。

[0002] 靶标是导弹武器系统在研制、定型和训练中，为导弹提供能够模拟不同特性的空中目标、一次性或可重复使用的无人飞行器。靶标对于制导武器系统的研制与发展、作战使用以及提高部队战斗力具有重要意义。

[0003] 随着空中目标向集群化、协同化、智能化等方向发展，能够模拟目标飞行特性及协同作战样式的高性能靶标编队协同供靶模式，已成为现在及未来靶场供靶的趋势。高性能靶标编队协同供靶模式作为导弹武器系统评价的标杆，其供靶效能本身会对评价标准、有效性产生重要影响，因此，如何对高性能靶标编队协同供靶效能进行更好的评价，是导弹武器系统评价体系的基石。

[0004] 高性能靶标编队供靶模式具备以下几点模拟能力：性能模拟(模拟目标的高机动飞行性能)、组成模拟(模拟目标编队的红外、雷达特性的组成)、电子对抗模拟(目标干扰措施、抗干扰措施)、自主性模拟、智能化程度模拟等。目前，对高性能靶标编队供靶效能的评估尚处于起步阶段，缺乏供靶效能指标的评估方法。

[0037] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

[0038] 对高性能靶标编队协同供靶效能进行科学合理的评估，不仅能够定位编队协同供靶方案的不足和缺陷，为靶标编队组成、优化编队协同供靶方案提供参考，而且，能够为靶试方案的制定提供依据。

[0039] 如图2所示，本发明基于高性能靶标编队协同供靶的靶试特性，给出了高性能靶标编队协同供靶效能评估体系，在此基础上，结合离散型Hopfiel神经网络，提出了一种基于离散型Hopfiel神经网络的高性能靶标编队协同供靶效能评估方法。

[0040] 如下以本发明一种靶标编队协同供靶效能评估方法的一个实施例为例，对本发明的评估方法进行说明：

[0041] 一、构建高性能靶标编队协同供靶效能多指标评估体系

[0042] 如图1所示，高性能靶标编队协同供靶效能多指标评估体系包括：供靶态势透明度a1，指挥决策a2，编队供靶能力a3，编队供靶有效性a4，编队供靶可靠性a5，共五个一级指标。其中，供靶态势透明度主要表征靶标的情况透明度，与实际待模拟实况的差异情况，指挥决策主要表征对靶标的编队指挥和决策情况，编队供靶有效性主要指靶标的整体情况，如是否能够有效工作、是否存在故障等，编队供靶可靠性主要指各靶标的基本参数和基本情况可靠性。

[0043] 具体的，供靶态势透明度a1包括：靶试环境透明度b1(主要考虑进行靶试的环境与实际环境差异情况)，供靶任务复杂程度透明度b2(主要考虑各靶标预计完成的供靶任务与实际供靶任务的情况差异情况)，供靶态势信息管理b3(主要考虑各靶标的基本态势情况与实际待模拟靶标的基本态势差异情况)。

[0044] 指挥决策a2包括：智能决策机制自主程度b4(供靶模拟方案执行过程中，根据具体情况，供靶模拟方案能够调整的程度)，供靶模拟方案适配性b5(供靶模拟方案与实际靶标情况的适配情况)，自主协同航迹规划b6(供靶模拟方案中，各靶标的航迹规划方案，能够协同完成供靶任务)，自主协同机动决策b7(供靶模拟方案中，各靶标之间为协同完成供靶任务，根据具体情况能够做出机动性调整的决策能力)，自主协同战术编队b8，离队入队管理能力b9。

[0045] 编队供靶能力a3包括：单靶标供靶能力b10，单靶标供靶体系贡献度b11，协同供靶能力b12，保障能力b13。

[0046] 编队供靶有效性a4包括：系统故障率b14，系统维修率b14，靶标数字模型天地一致性b16(模拟的靶标编队协同供靶情况与实际情况的一致性)。

[0047] 编队供靶可靠性a5包括：发射可靠性b17，飞控可靠性b18，遥控遥测可靠性b19，数据链可靠性b20(各靶标之间、指挥方与被指挥靶标之间的数据链上信息传输可靠性)。

[0048] 以上，标号b1至b20共计20个二级指标。

[0049] 二、建立专家打分规则及专家样本库

[0050] 将所有二级指标的评估等级均划分为5个等级，分别为：优、良、中、可、差。对应的分数区间分别为：80～100分，60～80分，40～60分，20～40分，0～20分。对于各二级指标，不同的分数表示各二级指标的性能不同，例如，对于指挥决策a2来说，除供靶模拟方案适配性b5外，其余二级指标分数越高，代表系统的自主决策能力越高，分数越低则表示人在回路中参与程度越高。

[0051] 可组织专家对各二级指标进行打分，打分时，最小的打分区间一般设置为5分。以当前已有的高性能靶标作为成员，构成编队协同供靶系统，设计协同空战对抗场景作为样本库，并请专家进行打分，建立高性能靶标编队协同供靶效能专家样本库。

[0052] 三、建立基于离散型Hopfield神经网络的评估系统

[0053] 创建关于高性能靶标编队协同供靶效能多指标评估体系的神经网络评估模型输入矩阵XB，输入矩阵XB的行数为二级指标个数，在本实施例中为20，输入矩阵XB的列数为5，每一列分别表示某二级指标的优、良、中、可、差五种评估结果。

[0054] 为输入矩阵XB中每个元素编码，取值1或‑1，当二级指标为优时，二级指标所在行的第一列编码为1，其余列为‑1，依次类推。输入矩阵XB具体如式(1)：

[0055]

[0056] 其中， 为输入矩阵XB中第i行第k列的编码值，在本实施例中，i＝1,2,...20，k＝1,2,...5。

[0057] 以一个实例为例，例如，靶试环境透明度b1至数据链可靠性b20得到的输入矩阵XB如下(对矩阵从第10行进行了折叠)：

[0058]

[0059] 建立用于评价高性能靶标供靶效能多指标评估体系的离散型Hopfield神经网络评估模型HB，离散型Hopfield神经网络评估模型HB具有5×20个神经元，神经元的初始状态设定为XB的编码值，每个神经元的输出与其他神经元的输入连接。

[0060] 离散型Hopfield神经网络评估模型HB神经元的计算：离散型Hopfield神经网络神经元对输入信息和权重系数进行乘积求和，并经非线性函数处理后输出，第i行第k列神经元的计算公式如式(2)：

[0061]

[0062] 其中， 为离散型Hopfield神经网络评估模型HB中第n行第m列的神经元在第t‑1次迭代时的权重， 为离散型Hopfield神经网络评估模型HB中位于第i行第k列的神经元在第t‑1次迭代时的输出， 为神经网络评估模型输入矩阵XB中位于第i行第k列的元素， 为离散型Hopfield神经网络评估模型HB中第i行第k列神经元在第t次迭代时的计算函数，i＝1,2,...p，k＝1,2,...q，t＝1,2,...g，g为总迭代次数； 和均为设定值。

[0063] 离散型Hopfield神经网络评估模型HB中神经元的输出：离散型Hopfield神经网络评估模型HB神经元的输出，由二值函数计算，第i行第k列神经元的输出为：

[0064]

[0065] 其中， 为离散型Hopfield神经网络评估模型HB第i行第k列的阈值。

[0066] 由以上公式(1)和公式(3)得到离散型Hopfield神经网络评估模型HB的输出矩阵YB(n)为：

[0067]

[0068] 将专家样本库带入建立的离散型Hopfield神经网络评估模型HB，通过上述方式进行训练，迭代计算得到YB(t+1)，若YB(t+1)＝YB(t)时，或达到最大迭代次数时，停止迭代计算，选取第t次的YB(t)作为离散型Hopfield神经网络评估模型HB的最终状态，完成训练，否则，继续迭代。

[0069] 四、高性能靶标编队协同供靶效能评估

[0070] 利用训练好的离散型Hopfield神经网络评估模型HB，将待评估高性能靶标编队协同供靶方案的全部二级指标作为模型的输入变量，得到离散型Hopfield神经网络评估模型HB的最终状态，作为高性能靶标编队协同供靶效能评估结果。

[0071] 当离散型Hopfield神经网络评估模型HB的最终状态为第一列神经元均被激活时，编队协同供靶效能评估结果为优；当离散型Hopfield神经网络评估模型HB的最终状态为第二列神经元均被激活时，编队协同供靶效能评估结果为良；当离散型Hopfield神经网络评估模型HB的最终状态为第三列神经元均被激活时，编队协同供靶效能评估结果为中；当离散型Hopfield神经网络评估模型HB的最终状态为第四列神经元均被激活时，编队协同供靶效能评估结果为可；当离散型Hopfield神经网络评估模型HB的最终状态为第五列神经元均被激活时，编队协同供靶效能评估结果为差。上述的激活表示数值为1。

[0072] 以步骤三，建立基于离散型Hopfield神经网络的评估系统中XB的实例为例，选择迭代次数为30次，经过离散型Hopfield神经网络迭代，得到最终的输出矩阵YB(t)如下：

[0073]

[0074] 如图3，为高性能靶标编队协同供靶效能评估标准，每一行代表一个二级指标，每一列分别代表二级指标的五个评估结果：优、良、中、可、差，其中，a部分表示20个二级指标均为优，b部分表示20个二级指标均为良，c部分表示20个二级指标均为中，d部分表示20个二级指标均为可，e部分表示20个二级指标均为差。如图4，a1至a4分别为四个待评估高性能靶标编队协同供靶方案中的全部二级指标示意图。如图5，其中A1至A4分别为图4中四个待评估方案经本发明方法得到的评估结果示意图，从图4中可知，本发明的评估方法准确可行。图3至图5中，使用●代表输入的数字为1，使用○代表输入的数字为‑1。

[0075] 另外，本发明的评估方法可在计算机的储介质中应用，存储介质存储有计算机程序，上述评估方法可作为计算机程序存储于计算机存储介质中，计算机程序被处理器执行时实现上述评估方法的各步骤。

[0076] 本发明的评估方法还可以应用于设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现本发明评估方法的步骤。此处的设备可以是计算机、笔记本、掌上电脑，及各种云端服务器等计算设备，处理器可以是通用处理器、数字信号处理器、专用集成电路或其他可编程逻辑器件等。

[0077] 以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。