文献

J-GLOBAL ID：202202269962023000   整理番号：22A0654586

海軍プラットフォーム上のアクティブオフボードデコイのための強化学習ベースミッション計画法の開発【JST・京大機械翻訳】

Development of Reinforcement Learning Based Mission Planning Method for Active Off-board Decoys on Naval Platforms

著者 (4件)： Bildik Enver (Cranfield University Cranfield School of Aerospace Transport and Manufacturing) ,  Yuksek Burak (Cranfield University Cranfield School of Aerospace Transport and Manufacturing) ,  Tsourdos Antonios (Cranfield University Cranfield School of Aerospace Transport and Manufacturing) ,  Inalhan Gokhan (Cranfield University Cranfield School of Aerospace Transport and Manufacturing)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 2104  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,強化学習ベースデコイ展開戦略を提案し,レーダシーカー装備対艦ミサイルに対するナバプラットフォームを保護した。デコイシステムは回転翼無人機(UAV)と統合車載ジャマーから成る。このデコイ概念は,高速対艦ミサイルに対するジャミング操作にとって極めて重要な機敏性を可能にする。開発したジャミング戦略の2つの主な目的がある。a)対艦プラットフォームを隠すための対艦ミサイルの視野における飛翔,およびb)ターゲット船から飛翔し,対艦ミサイルと海軍プラットフォームの間のミス距離を増加させる。ここでは,これらの要求を同時に満たすことを目指した。運動学モデルを用いて,ミサイル,デコイUAV,およびターゲット運動を表現した。Jammerとシーカー信号強度をモデル化して,フリゲートのレーダ断面積を利用して,シミュレーション環境の現実性を増加させた。深い決定論的政策勾配(DDPG)アルゴリズムを適用して,観測パラメータをデコイの横方向加速度に写像するアクター-批評エージェントを訓練した。発見的方法を選択し,デコイ誘導問題を解くための適切な報酬関数を作成した。最後に,シミュレーション研究を行い,システム性能を評価した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  ターゲット ,  船舶 ,  軍艦 ,  回転翼 ,  ミサイル ,  発見的方法 ,  無人機 ,  トラッキング装置 ,  レーダ断面積 ,  エージェント ,  *強化学習
準シソーラス用語： ジャミング ,  決定論 , 【Automatic Indexing@JST】

分類 (2件)： その他の船舶  (QJ05030H) ,  ECM  (ND13020S)

タイトルに関連する用語 (5件)： 海軍 ,  プラットフォーム ,  強化学習 ,  ミッション計画 ,  開発