محاسبه تهدید تلفیقی اهداف هوایی مبتنی بر شبکه های عصبی - فازی

در سال‌های اخیر، شبکه‌های هوشمند نقش بسزایی در زمینه‌های مختلف نظامی ایفا کرده و به مرور جایگزین اپراتورهای انسانی در سیستم‌های نوین نظامی می‌شوند. ارزیابی تهدید اهداف پرنده در سامانه‌های فرماندهی و کنترل توسط اپراتورهای خبره بر اساس دانش و تجربه انجام می‌پذیرد. تجزیه و تحلیل اطلاعات ورودی دریافتی از سیستم‌های تلفیق داده امری بسیار دشوار است که نیازمند تصمیم‌گیری‌های پیچیده‌ای می‌باشد. توانایی بالا و دقت سیستم‌های هوشمند به منظور پیش‌بینی تهدید اهداف پرنده بر اساس پارامترهای مختلف دریافتی، کمک شایانی در تصمیم‌گیری نهایی می‌کند. در این مقاله از یک مدل رگرسیون شبکه عصبی و فازی استفاده گردیده است، تا بتوان اولویت تهدید اهداف متحرک برای سامانه فرماندهی و کنترل به صورت هوشمند و لحظه‌ای تعیین گردد. خطای شبکه عصبی و anfis آموزش دیده برای داده‌های تست به ترتیب برابر 4.14% و 1.65% درصد می‌باشد که نشان از توانایی بالای این ساختارها در تخمین تهدید اهداف پرنده دارد. علاوه بر این روابط بین متغیرهای هدف و میزان تهدید نیز مورد بررسی قرار گرفت. در نهایت یک صحنه نبرد پویا با اهداف هوایی مختلف شبیه‌سازی گردید و مدل توسعه داده شده مورد سنجش قرار گرفت.

calculation of the combined threat of air targets using neuro-fuzzy systems

in recent years, intelligent structures play the key role in different military fields and take the place of human operators in novel armed services step by step. threat evaluation of flying air targets in command and control systems is performed by expert operators through their knowledge and experience. analysis of input data in the data fusion systems is a very difficult task requiring complicated decision. capability and accuracy of intelligent systems for threat prediction of flying air targets base on different received parameters can be a great assist in final macking decision. in this study, a neural network and anfis regression models are used to determine the priority of the threat of flying air targets in the command and control systems intelligently and instantly. the error of trained neural network and anfis for test dataset are 4.14% and 1.65%, respectively indicating superior ability of these structures in threat estimation of flying air targets. furthermore, relationships among target variables and threat level is studied. finally, a dynamic battle scene with different flying air targets is simulated and developed moled is validated.