导弹，一种火箭推进武器，旨在以极高的精度高速发射爆炸性弹头。导弹从只有几百英尺的小型战术武器到射程达数千英里的大型战略武器不等。几乎所有导弹都包含某种形式的制导和控制机制，因此通常被称为制导导弹。非制导军用导弹，以及用于探测高层大气或在太空中放置卫星的任何运载火箭，通常被称为火箭。螺旋桨驱动的水下导弹称为鱼雷，由吸气式喷气发动机沿低空飞行路径提供动力的制导导弹称为巡航导弹。

引导是将物体的路径引导到通常可能移动的给定点的过程 [1]。一般来说，导弹制导系统由三个基本子系统组成，包括运动学、动力学和制导规律。运动学描述了导弹与目标之间的关系，制导法发出保证会合的导弹命令，而动力学则考虑了导弹建模和控制。在大多数情况下，指导法会发出加速命令，由控制系统来满足所需的要求。为了获得令人满意的控制系统设计，需要一个准确的模型及其深刻的理解。大多数现有文献 [1]–[6] 以某种方式单独介绍了导弹制导和控制，并且几乎从未提出过 3D 空间中制导和控制的完整解决方案。本文旨在涵盖三维建模、控制和导航，以及连接这三个组件以获得完整的模拟器。

反坦克导弹 （ATGM） 选择问题是武器系统选择问题 （WSSP） 的一个子问题，是一个极其重要的战略层面决策问题，也是本研究的主要关注点。该研究旨在确定一种新方法，该方法代表了仿真模型的准确和可靠结果。该模型决定了各种不确定性高的战斗场景的反坦克武器系统。从数百个模拟场景中获得的数据，具有不同的战斗条件，如友军和敌军、地形和环境条件，以及技术武器规格，用于定义 ATGM 问题的解决方案，这样的解决方案建议在之前的任何研究中都没有出现。

设计导弹自动驾驶仪的常规方法是在几个配平点线性化原始非线性动力学，然后确定每个线性化模型的线性控制器，最后实现增益调度技术。这种控制器的验证通常基于在配平条件下对线性闭环系统的线性系统分析。尽管这种类型的增益调度线性自动驾驶仪在实践中效果很好，但仅基于线性分析的验证可能不足以完全表征闭环系统，尤其是当空气动力学系数在飞行条件方面表现出很大的非线性时。本文的目的是提出一种方法，用于在接近原始非线性设置的设置中分析增益调度控制器的稳定性。该方法基于平方和 （SOS） 优化，可用于通过求解凸优化问题来表征多项式系统的吸引力区域。所提出的基于 SOS 的方法的适用性在滑移转向导弹的短周期自动驾驶仪上得到了验证。

针对飞行控制过程中的多源不确定性扰动问题，一种二阶线性自抗扰控制器来稳定导弹的姿态角，并分析了其频域特性。证明线性膨胀状态观测器（LESO）是收敛的，可以实现系统状态变量和总扰动的无差别估计;然后，证明线性自抗扰控制（LADRC）具有抗扰特性，并分析了带宽参数对系统抗扰性能的影响。使用模糊控件对参数进行自适应调整。为了研究和分析反坦克导弹系统的动力学行为，应精确研究和确定空气动力学，因为它们是设计任何飞行或地面车辆数学模型的主要基石。本文对影响导弹体导致其空间运动的总力和力矩进行了充分而完整的分析。

Missile DATACOM 是一种用于获取力和力矩系数随马赫数、攻角、侧滑角和控制鳍偏转函数的完整图片的软件[1]，然后为我们的反坦克导弹开发了完整的非线性数学模型。导弹数学模型的仿真结果与真实射击数据进行了验证，比较表明导弹模型接近真实导弹行为。然后，使用不同的目标场景（移动和静止）评估模拟导弹，并且导弹在每种情况下都能够击中目标。最后，应对控制回路进行更多研究，以增强导弹在其他情况下的行为，例如空气动力学计算的不确定性、未建模的动力学和导弹主推力的退化。

为此，我们提出了一种由 4 个阶段和 15 个步骤组成的综合方法，使用模拟和技术数据，基于模糊香农熵 （F-Entropy）𝛼-级别集，以及带有 Bonferroni （F-CoCoSo'B） 的模糊 CoCoSo 方法，用于选择要在近距离战斗条件下使用的 ATGM。F-Entropy 方法用于获取标准权重，F-CoCoSo'B 用于对 ATGM 替代方案进行排名。通过考虑武器系统的技术数据以及从 JCATS 模拟工具获得的数据，确定了 3 个主要标准和 22 个子标准。与之前仅收集技术数据或军事专家经验的研究相比，这种数据源的组合导致标准更准确地反映战斗环境。为测试所提出的方法的有效性和适用性而进行的敏感性分析认可了该方法的稳定性、稳健性和实用性。本文的目的是介绍所提出的方法、发现和见解。

俯仰控制面主要控制导弹的俯仰和高度，方向舵主要控制导弹的航向，副翼主要控制导弹的滚动。Missile 是一个 MIMO 系统，因此一个输入的变化可能会影响所有状态变量。对于副翼偏转尤其如此，它甚至会使导弹不稳定。需要注意的是，空气动力作用在一个称为压力中心的点上。压力中心和重心的几何差异会导致力矩。如果压力中心在重心后面，则称导弹是稳定的，如果在前面，则称导弹不稳定。作用在导弹上的空气动力是一个更广泛的话题，但为了简洁和更深入地理解读者，将其缩短为 [2] 至 [7]。结果表明，对于零滚转率（P = 0），导弹模型可以分为三个独立的子系统：俯仰、偏航和滚转通道。这一事实对 Autopilot 设计很有用。前面介绍的方程可以使用 MATLAB 和 Simulink 实现，其中一些数值包含在 [7] 中，第 56 页。本文中未包含的参数是相应地选择的。

随着数据分析领域的快速发展，在最近开发的机器学习和深度学习算法的推动下，将数据分析技术应用于航空航天工程领域的潜力越来越大，尤其是在检测异常和发现飞行数据中的隐藏信息方面。数据集是数据分析研究和新数据分析框架开发的重要组成部分。然而，由于通过物理实验构建大型导弹数据集几乎不可能或效率极低，因此几乎不存在公开的数据库。即使这是可能的，由于安全问题，也没有用于学术研究的开源数据集。因此，通过开发高保真 6-DOF（自由度）仿真程序，我们生成了制导导弹的真实飞行数据集，可以公开使用。此外，我们还提供了使用生成的数据集来演示应用程序潜力的说明性示例，即检测异常数据模式以确定飞行过程中控制回路不稳定的迹象。

反坦克导弹选择问题是武器系统选择问题 （WSSP） 和武器系统评估问题 （WSEP） 的子问题之一，是一个极其重要的战略层面决策问题，因为它对国家安全产生重大影响。今天，ATGM 的选择是在战前和战中进行的，由于战斗条件的动态结构，必须通过分析和科学的方法评估许多标准来做出。通过正确的 ATGM 选择决定，防御力量将压制坦克，并可能使战斗进程对他们有利 [9]， [10]， [14]。在这种情况下，文献中经常有效地使用用于选择此类军事技术的多标准决策 （MCDM） 方法（即 [20]、[21]、[22]、[23]）。

在整个 WSSP 和 WSEP 文献中，研究通常基于决策者/军事专家的主观意见和/或技术文件中的确定性数据，因为无法确定武器系统在现实生活中对目标的有效性，并且问题受到许多可数/不可数因素的影响。

由于战斗条件受到许多不可预测的因素的影响，因此决策是在不确定性下做出的。在这种不确定的环境中，可能出现的情况以及这些情况可以采取的价值都不完全清楚。此外，在这种情况下，决策者无法确定标准的每个备选方案的性能值。在这一点上，模糊决策方法可以帮助决策者。模糊决策的主要目的是对决策机制进行建模，使决策者能够在完整和不精确的信息中做出正确和一致的决策。现实生活中的问题通常没有得到很好的定义，因为它们的目标和参数不确定。因此，模糊决策方法为此类问题提供了更好、更现实的解决方案 （[20]， [24]， [25]）。在文献中，观察到最近的大多数研究都集中在现实生活中的问题上，并且使用更适合这些类型问题的模糊 MCDM （FMCDM） 方法，而不是经典的 MCDM 方法（即 [16]）。

导弹动力学特性继承了非线性行为和从亚音速到高超音速的快速速度变化。因此，导弹对控制命令的响应必须非常快。因此，自动驾驶系统需要严格的设计，以确保导弹在飞行过程中仍能保持其性能。在靠近 S 平面原点附近具有主导磁极的导弹控制特性往往具有非常缓慢的瞬态响应。这个特性是不可接受的，因为由于动力学已经改变，控制命令不再与预期的飞行条件兼容。该文使用线性二次调节器 （LQR） 和模型预测控制 （MPC） 方法设计了一种导弹的最优控制器，该方法在纵向动力学中受慢瞬态响应的影响。飞行控制分析涵盖助推阶段、助推后阶段和终端阶段。每个相位的动力学都由从非线性 6 自由度 （DOF） 运动方程导出的线性模型表示。LQR 技术通过添加积分和补偿器进行修改，以加快建立时间的动态响应。结果表明，LQR 控制不能减少建立时间。另一种技术，带有积分器和补偿器的 LQR，似乎很有前途，因为这种技术在减少建立时间方面非常成功。然而，这种改进的补偿器 LQR 会产生高达 874 度的巨大翅片偏转，这使得执行器不切实际。另一方面，MPC 控制提供了令人满意的结果。它成功地缩短了建立时间，同时保持控制输入不超过允许的偏转。

在许多现实生活中的问题中，决策过程的数据无法精确获取，并且可能还有一些其他类型的数据（即区间、灰色或模糊数据）。也就是说，由于不确定性和缺乏精确数据，专家/决策者更愿意以这些形式进行判断，或者无法陈述现象的真实数据，而不是精确的数字，特别是当已知数据位于有界变量中时，或者当面对缺失数据、判断数据等时[26]。在 MCDM 中，研究人员很可能会遇到此类情况，因此找到合适的权重或偏好是一个重要问题。

本研究的主要目的，以及上面解释的问题结构和重要性，是提出一种新的方法，该方法远非主观性，其中数据将从数百个具有不同战斗条件的模拟场景中获得，例如友军和敌军、地形和环境条件以及武器的技术规格。为此，我们提出了一种由 4 个阶段和 15 个步骤组成的 ATGM 选择问题的综合方法，使用仿真和技术数据，基于模糊香农熵 （F-Entropy）𝛼-level 集，以及使用 Bonferroni 的 Fuzzy CoCoSo （F-CoCoSo'B） 方法。

为 RKX-200TJ LAPAN 导弹开发基于增量的模型参考自适应控制 （MRAC） 系统。导弹的数学模型由由刚体动力学原理得出的六自由度 （6-DOF） 表示。该模型被线性化并解耦为纵向平面和横向平面。本文使用空气动力学特性和从数字 DATCOM 软件计算的稳定性导数回顾了横向平面的飞行稳定性。基于增量的 MRAC 利用 Lyapunov 函数方法生成自适应定律参数。F-Entropy 方法用于获取标准权重，F-CoCoSo'B 用于对 ATGM 替代方案进行排名。对于反坦克导弹的评估，考虑了 3 个主要标准和 22 个子标准，这些标准不仅基于武器系统的技术数据或军事专家的经验，与无法满足真实战斗条件的常见文献相反。

利用基于𝛼在这项研究中，水平集和 F-CoCoSo'B 方法是 [27]、[28]、[29]、[30]、[31]、[32]、[33];（1） CRITIC、CILOS 和 IDOCREW 是文献中广泛使用的客观加权方法，它们必须创建一个方阵，其中替代标准编号相同，其中我们的问题中有 7 个替代标准和 22 个标准，（2） 统计方差和标准差方法不适用于标准值数值变化非常不同的问题（例如， 在我们的问题中，一个标准可以取 0 到 1 之间的值，而另一个标准可以取以千表示的值。（3） 在 SECA 方法中，标准权重之和不是 1，（4） 经典的模糊熵法归一化𝑥我𝑗𝑢/∑我=1𝑛𝑥我𝑗𝑙在点 U 创建大于 1 的归一化值，并且模糊熵方法产生负权重，（5） 因此，必须基于𝛼-我们问题的水平集，（6） 据报道，最近开发的 MCDM 方法 CoCoSo，在许多研究中有效地处理了决策标准，（7） F-CoCoSo'B 能够在模糊环境中对替代方案进行客观评估，（8） 通过使用 F-CoCoSo'B，尽管决策过程中存在不确定性和缺乏准确的定量信息，但仍可以评估替代方案， （9） F-CoCoSo'B 能够根据决策属性之间的交互进行灵活的决策，（10） 还可以消除极端/尴尬数据对准则函数值的影响，以及 （11） 通过参数的变化来检查结果的稳健性。（12） 在经典的 CoCoSo 方法中，由于参数稳定，解空间仅限于一个解。通过对相同方法使用经典的模糊扩展，可以相对拓宽解决方案空间。然而，使用 F-CoCoSo'B 方法，由于 Bonferroni 算子的 p 和 q 参数，空间解可以扩展到更广阔的范围，以适应决策者的风险接受水平。这将允许涵盖所有可能情况的稳健决策选择。

本研究的主要贡献在理论上可以突出如下：（1） 我们提出了一种由 4 个阶段和 15 个步骤组成的 WSSP 综合方法。（2） 比较新和强大的方法，基于 F-Entropy𝛼-level sets 和 F-CoCoSo'B 首先用于一般的 WSSP，特别是用于 ATGM 的选择问题。（3） 拟议的增强型模糊 MCDM 方法，使得在决策过程存在不确定性和缺乏定量信息的情况下评估替代方案成为可能，并使决策过程更加灵活，被认为是任何 WSSP 的强大管理工具。（4） 使用所提出的方法，可以通过改变方法参数来通过灵敏度分析在精度和置信度之间进行权衡。实际如下：（1） 决策标准由 3 个主要标准和 22 个子标准组成，包括模拟和技术数据。（2） 与常见的 WSSP 文献相反，根据不同的作战条件，使用最接近现实生活条件的 ATGM 使用可能性的模拟软件以及技术标准，还将根据目标和作战条件的 ATGM 的效率数据纳入分析。文献中的其他研究要么基于绝大多数武器系统的技术数据，要么基于军事专家的经验。（3） 所提出的方法基于非主观分析，不需要任何个人判断。（4） 评估了 7 种不同的美国和俄罗斯联邦制造的反坦克导弹及其组合，这些导弹被世界军队大量库存。因此，本文填补了这些空白，并提出了一个 WSSP 的混合框架。

涉及的技术资料如下：

近期上传资料如下：

【智慧兵棋推演专题】美国在人工智能兵棋推演的使用介绍--21份技术资料，超50万字的干货

提高空中和导弹防御（AMD）系统在人类与人工智能之间的信任-182页论文+145页技术论文

工智能用于防空和导弹防御安全风险评估的技术报告-162页

基于代理的模型对马赛克战争的建模技术介绍-涉及180页资料共计13万字的干货

【人工智能与杀伤链专题】以机器速度做出决策：将 AI 引入命令链-含30份技术资料-共406页-超100万字干货

【反无人机蜂群专题】关于在战斗中对小型无人机蜂群防御和手段-涉及28份资料-超100万字

海军兵棋推演战斗管理辅助工具中的博弈论和规范分析-2022最新84页论文

多域作战中的风险感知-美国陆军55页报告

游荡弹药和不可预测性：武器系统的自主性和对人类控制的挑战-72页

技术报告基于人工智能（AI）的空中和导弹防御（AMD）：以结果为导向的辅助决策-145页

近日推出反无人机专题-含关于在战斗中对小型无人机蜂群防御和手段-涉及28份资料-超100万字

本文节选自原文的一部分内容，原文进入知识星球下载：