基于AdaBoost的潜射防鱼雷诱饵干扰效果预测研究

摘要

鱼雷来袭时,潜艇通常通过发射诱饵和规避机动进行防御.根据本艇、诱饵和鱼雷的相对态势,实时、准确地预判诱饵的干扰效果即鱼雷能否发现本艇,对本艇进一步防御决策具有重要意义.目前,基于经验的预测无法保证准确率的要求,基于在线仿真的预测无法保证实时性要求.对此,采用机器学习将该问题转化为典型的二分类问题,以本艇、诱饵和鱼雷的相对态势作为分类特征,通过离线仿真生成训练数据集,以错误率降低剪枝决策树(Reduced Error Pruning Tree,REPTree)作为基分类器,构建了基于自适应增强(Adaptive Boosting,AdaBoost)的诱饵干扰效果预测模型.实验结果表明,模型具有良好的鲁棒性和准确性.