[发明专利]基于支持向量机的飞机敏感性权衡优化方法

说明书

本发明提供一种基于支持向量机的飞机敏感性权衡优化方法，包括以下步骤：获取样本数据集；基于训练样本集，建立支持向量机回归模型；支持向量机回归模型的参数优化；对最优化的支持向量机回归模型进行精度检验；对于每个评估指标，均建立其与飞机寿命周期内费用改变之间的函数关系；计算评估指标对应的敏感性灵敏度值；计算评估指标对应的增加费用灵敏度值；计算评估指标对应的敏感性灵敏度值与增加费用灵敏度值的比值；对比值进行分析。优点为：将敏感性参数灵敏度与费用参数灵敏度的比值引入敏感性权衡优化设计中，通过对飞机敏感性指标参数与对应的增加费用的权衡进行优化分析，从而为飞机敏感性方案的设计和改进提供指导。

技术领域

本发明属于飞机敏感性权衡优化技术领域，具体涉及一种基于支持向量机的飞机敏感性权衡优化方法。

背景技术

从国内外研究现状来看，关于飞机敏感性的分析大多采用软件模拟或者仿真计算的方式，这些方式耗时较长，有的时候计算结果和实际相差较大。而基于支持向量机的回归模型通过学习敏感性方面的相关数据，建立学习模型以预测某种条件下飞机的敏感性结果。该方法无需专业知识，一旦建立回归模型，只要改变输入参数就能预测出敏感性结果。支持向量机(SVM)是由Vapnik教授提出的在小样本情况下建立在结构风险最小化基础上的近似方法，其基本思想为通过非线性变化将输入空间映射到一个高维空间，在高维空间中对输入、输出变量的非线性关系进行拟合。由于具有良好的学习能力，支持向量机能妥善处理样本数量小、维度数多、非线性强等问题，广泛用于模型识别和回归分析等问题的研究中。

飞机敏感性是飞机难以躲避雷达、导弹以及火炮等人为敌对环境因素的能力。飞机的敏感性水平主要与环境、威胁以及飞机本身这三个因素相关。环境是飞机在遭遇威胁时所处的自然环境、威胁的部署和活动、飞机的飞行路线和战术以及支援力量；威胁是指威胁的特性、工作状况以及有效性；飞机主要是可观察或探测到的飞机信号、飞机上使用的低探测措施、飞机性能和自卫武器。飞机敏感性减缩设计是提高飞机生存力的一个重要部分。

敏感性侧重于研究探测、跟踪、制导、引信引爆、命中等一系列事件，以飞机被威胁命中的可能性(命中概率)来度量。基于作战需求的飞机敏感性评估指标体系一般涵盖隐身、电子干扰、机载自卫、态势感知、体系支撑五个方面的内容。其中隐身主要包括雷达隐身、红外隐身以及射频隐身；电子干扰主要是指利用压制式干扰、欺骗式干扰、交叉眼、拖曳式干扰、箔条及曳光弹削弱或破坏敌方作战系统；机载自卫指使用空空自卫弹、反辐射导弹和能束武器等；态势感知能力主要是运用机载告警和数据链等技术；体系支撑主要包括战斗机护航以及无人机协同。飞机的敏感性减缩主要要从这五个方面进行分析设计。

在实际飞机敏感性方案设计、改进中，受到费用与敏感性这两个条件的约束，一般地，敏感性越低，生存力越高，但敏感性的降低使得飞机寿命周期内费用成本增高。例如，通过雷达隐身、红外隐身、射频隐身和电子干扰等手段的组合使用能有效降低飞机的敏感性，但这些手段的使用、组织和管理都要以相应费用为代价。因此在方案设计、改进中必须充分考虑效益和代价，单纯追求性能而忽略了效费比的方案并不可取，需要对各指标进行综合权衡优化才能获得效益最优的方案，实现敏感性降低的基础上效费比最大化。