基于PSO算法的反无地基战术激光系统部署方法

doi:10.3969/j.issn.1009-086x.2023.05.003

摘要/Abstract

摘要：

现代战争中，传统防空系统难以有效且高效费比地杀伤无人机集群目标，地基激光系统已成为要地防御场景下反无人机集群的重要手段。研究地基激光系统部署将有助于充分发挥地基激光系统的作战能力。基于功率密度概念推导了地基激光系统对匀速直线飞行无人机目标的毁伤模型，在此基础上设计了一种评价部署方案优劣的适应度函数，利用粒子群优化算法给出了在不同可部署激光系统规格、数量下，面对不同无人机可能来袭方位、高度、速度下的优化部署方案，并与将全部激光系统部署于要地中心的方案以及随机方案进行了比较，验证了算法给出方案的正确性。

关键词: 地基战术激光系统, 要地防御, 部署策略, 反无人机群, 粒子群算法, 适应度函数

Abstract:

In modern wars， it is difficult for traditional air defense systems to effectively and economically counter unmanned aerial vehicle （UAV） swarm， and ground-based laser systems have become an important means of UAV swarm defense under the key area defense scenarios. Research on the deployment of laser systems will help give full play to their combat capability. Based on the power density concept， the damage model of ground-based laser systems to the UAV target flying at a uniform speed in a straight line is derived. A fitness function is designed to evaluate the advantages and disadvantages of the deployment scheme. Additionally， the particle swarm optimization （PSO） algorithm is adopted to provide the optimal deployment scheme under different specifications and quantities of deployable laser systems， and under different possible attack directions， heights， and speeds of UAVs. Comparison with the scheme of deploying all the laser systems in the center of the key area and of deploying these systems randomly verifies the correctness of the proposed scheme.

Key words: ground-based tactical laser system, key areas defense, deployment strategy, unmanned aerial vehicle （UAV） swarm defense, particle swarm optimization （PSO） algorithm, fitness function

中图分类号:

TJ955

屈长虹, 宋钰, 王坤, 崔清勇, 陈蒋洋. 基于PSO算法的反无地基战术激光系统部署方法[J]. 现代防御技术, 2023, 51(5): 15-24.

Changhong QU, Yu SONG, Kun WANG, Qingyong CUI, Jiangyang CHEN. Deployment Method of Ground-Based Tactical Laser System for UAV Swarm Defense Based on PSO Algorithm[J]. Modern Defense Technology, 2023, 51(5): 15-24.

图/表 12

图1 地基激光系统反无人机作战示意图

Fig. 1 Anti-UAV battlefield of ground-based laser

图2 场景及部分物理量

Fig. 2 Scenario and some physical quantities

图3 两种衰减因子对比

Fig. 3 Comparison of two attenuation factors

图4 夹角β的定义示意图

Fig. 4 Definition of β

表1 参数设定

Table 1 Parameter setting

参数	值
激光系统发射功率 $P 0$ /W	30 000
激光系统波长 $λ$ /nm	1 064
激光系统光束质量 $β$ （1）	2
激光系统发射口径 $D 0$ /m	0.5
光束衍射发散角 $γ y$ /μrad	5.192 3
光轴抖动角 $γ d$ /μrad	2.596 2
大气抖动扩散角 $γ t$ /μrad	8
激光在大气中的衰减系数 $σ$ /km^-1	0.078
等效的激光在大气中的衰减系数 $c$ /km	11.2
无人机飞行高度 $h$ /m	200
无人机飞行速度 $v$ /（m·s^-1）	30
无人机毁伤阈值 $B 0$ /（ $W · c m - 2$ ）	$200$
红方要地半径 $r$ /m	1 000

表1 参数设定

Table 1 Parameter setting

参数	值
激光系统发射功率 $P 0$ /W	30 000
激光系统波长 $λ$ /nm	1 064
激光系统光束质量 $β$ （1）	2
激光系统发射口径 $D 0$ /m	0.5
光束衍射发散角 $γ y$ /μrad	5.192 3
光轴抖动角 $γ d$ /μrad	2.596 2
大气抖动扩散角 $γ t$ /μrad	8
激光在大气中的衰减系数 $σ$ /km^-1	0.078
等效的激光在大气中的衰减系数 $c$ /km	11.2
无人机飞行高度 $h$ /m	200
无人机飞行速度 $v$ /（m·s^-1）	30
无人机毁伤阈值 $B 0$ /（ $W · c m - 2$ ）	$200$
红方要地半径 $r$ /m	1 000

图5 场景1部署方案

Fig. 5 Deployment scheme of scenario 1

图6 场景1收敛进程

Fig. 6 Convergence process of scenario 1

图7 场景2部署方案

Fig. 7 Deployment scheme of scenario 2

图8 场景2收敛进程

Fig. 8 Convergence process of scenario 2

图9 场景3部署方案

Fig. 9 Deployment scheme of scenario 3

图10 场景3收敛进程

Fig. 10 Convergence process of scenario 3

表2 不同方案适应度结果

Table 2 Fitness values of different schemes

方案	场景1	场景2	场景3
圆心式部署	1（ $6.657 3 × 108$ ）	1（ $7.988 7 × 109$ ）	1（ $3.994 4 × 109$ ）
完全随机部署	0.067 2（ $4.477 0 × 107$ ）	0.678 3（ $5.419 0 × 109$ ）	1.137 0（ $4.541 8 × 109$ ）
粒子群优化部署	21.217 3（ $1.412 5 × 1010$ ）	4.595 5（ $3.671 2 × 1010$ ）	2.770 6（ $1.106 7 × 1010$ ）

表2 不同方案适应度结果

Table 2 Fitness values of different schemes

方案	场景1	场景2	场景3
圆心式部署	1（ $6.657 3 × 108$ ）	1（ $7.988 7 × 109$ ）	1（ $3.994 4 × 109$ ）
完全随机部署	0.067 2（ $4.477 0 × 107$ ）	0.678 3（ $5.419 0 × 109$ ）	1.137 0（ $4.541 8 × 109$ ）
粒子群优化部署	21.217 3（ $1.412 5 × 1010$ ）	4.595 5（ $3.671 2 × 1010$ ）	2.770 6（ $1.106 7 × 1010$ ）

参考文献 15

1	闫家鼎，谢海斌，庄东晔. 无人机集群对要地防空的威胁及反制对策研究［J］. 飞航导弹， 2021（7）： 56-61.
	YAN Jiading， XIE Haibin， ZHUANG Dongye. Research on the Threat of UAV Swarm to the Air Defense of Key Areas and Countermeasures［J］. Aerodynamic Missile Journal， 2021（7）： 56-61.
2	李林莉，程旗，张荔，等. 反无人机技术研究现状综述［J］. 飞航导弹， 2021（11）： 25-32.
3	张秦岭，魏金涛. 浅析定向能武器在要地防御反无人机集群中的应用［J］. 国防科技工业， 2021（12）： 53-55.
	ZHANG Qinling， WEI Jintao. Analysis on the Application of Directional Energy Weapons in Anti UAV Swarm［J］. Defence Science & Technology Industry， 2021（12）： 53-55.
4	易亨瑜，齐予，黄珊. 国外车载激光系统［J］. 强激光研究与发展， 2012， 36（3）： 6-20.
	YI Hengyu， QI Yu， HUANG Shan. Foreign Vehicle Laser System［J］. Research & Development of High Power Laser， 2012， 36（3）： 6-20.
5	丁舒忻，陈晨，辛斌，等. 火力单元部署优化问题的现状与进展［J］. 控制理论与应用， 2015， 32（12）： 1569-1581.
	DING Shuxin， CHEN Chen， XIN Bin， et al. Status and Progress in Deployment Optimization of Firepower Units［J］. Control Theory & Applications， 2015， 32（12）： 1569-1581.
6	杨荣军，李长军. 粒子群算法在激光武器反无人机火力分配中的应用［J］. 指挥信息系统与技术， 2021， 12（5）： 70-75， 81.
	YANG Rongjun， LI Changjun. Application of Particle Swarm Optimization in Anti-UAV Fire Allocation of Laser Weapon［J］. Command Information System and Technology， 2021， 12（5）： 70-75， 81.
7	邢晓溪. 粒子群算法研究进展［J］. 数据通信， 2015（3）： 19-21， 30.
	XING Xiaoxi. Research Progress of Particle Swarm Optimization［J］. Data Communications， 2015（3）： 19-21， 30.
8	吴家明，乔士东，黄金才. 基于NSGA-Ⅱ的防空部署优化方法［J］. 火力与指挥控制， 2011， 36（3）： 57-61.
	WU Jiaming， QIAO Shidong， HUANG Jincai. Optimization of Air Defense Disposition Based on NSGA-Ⅱ［J］. Fire Control & Command Control， 2011， 36（3）： 57-61.
9	李相民，刘立佳，朱绍强，等. 要地防空阵地网低空补盲部署模型及优化［J］. 火力与指挥控制， 2014， 39（8）： 74-77.
	LI Xiangmin， LIU Lijia， ZHU Shaoqiang， et al. Gap Filling Deployment Optimization for Low Altitude Blind Space of Anti Air Networks［J］. Fire Control & Command Control， 2014， 39（8）： 74-77.
10	陈晨，陈杰，张娟，等. 基于PSO的区域防空优化部署方法［J］. 中南大学学报（自然科学版）. 2007， 38（增1）： 584-588.
	CHEN Chen， CHEN Jie， ZHANG Juan， et al. Deployment Optimization for Area Air Defense Based on PSO［J］. Journal of Central South University（Science and Technology）， 2007， 38（S1）： 584-588.
11	钟伟杰，李小兵，常昊天，等. 基于嵌套PSO算法的反无人机集群防空部署模型［J］. 电光与控制， 2021， 28（12）： 6-10， 16.
	ZHONG Weijie， LI Xiaobing， CHANG Haotian， et al. A Model for Air Defense Deployment Against UAV Swarm Based on Nested PSO Algorithm［J］. Electronics Optics & Control， 2021， 28（12）： 6-10， 16.
12	张东来，李小将，黄勇，等. 美军地基激光反巡航导弹毁伤效应分析［J］. 现代防御技术， 2013， 41（6）： 8-13， 114.
	ZHANG Donglai， LI Xiaojiang， HUANG Yong， et al. Analysis of Damage Effect of US Army Ground-Based Laser Against Cruise Missile［J］. Modern Defence Technology， 2013， 41（6）： 8-13， 114.
13	宋乃秋，张昊春，王丽，等. 高能激光武器毁伤威力仿真建模［J］. 兵工学报， 2016， 37（增1）： 146-151.
	SONG Naiqiu， ZHANG Haochun， WANG Li， et al. Damage Power Modeling and Simulation of High Energy Laser Weapon［J］. Acta Armamentarii， 2016， 37（S1）： 146-151.
14	李海燕，胡云安，刘旭东. 激光干扰远场光电探测器能量估算方法［J］. 红外与激光工程， 2010， 39（6）： 1038-1043.
	LI Haiyan， HU Yunan， LIU Xudong. Energy Estimation Method for Laser Disturbing Photoelectrical Detectors in Remote Distance［J］. Infrared and Laser Engineering， 2010， 39（6）： 1038-1043.
15	徐东翔. 舰载激光武器毁伤能力的建模与仿真［J］. 系统仿真技术， 2021， 17（2）： 94-97.
	XU Dongxiang. Modeling and Simulation on Damage Ability of Shipborne Laser Weapon［J］. System Simulation Technology， 2021， 17（2）： 94-97.

[1]	宋卫星, 武婧婧, 董志鹏, 张君, 周凯. 基于成本分析的装备维修调度优化模型[J]. 现代防御技术, 2021, 49(5): 88-94.
[2]	潘楠, 刘海石, 陈启用, 颜礼贤, 郭晓珏. 多基地多目标无人机协同任务规划算法研究[J]. 现代防御技术, 2021, 49(2): 49-56.
[3]	马艳艳, 金宏斌, 李浩, 张辉. 改进粒子群算法在雷达组网优化布站中的应用[J]. 现代防御技术, 2020, 48(3): 104-112.
[4]	俞宙, 单甘霖, 段修生. 面向区域覆盖的多传感器优化布站[J]. 现代防御技术, 2018, 46(6): 94-101.
[5]	王嵩乔, 夏海宝, 许蕴山, 李德芳. 降低OFDM雷达PAPR的SLM改进算法研究[J]. 现代防御技术, 2018, 46(4): 163-168.