买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于神经网络的武器目标分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115222271B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210899699.4，技术领域涉及：G06Q10/0631；该发明授权基于神经网络的武器目标分配方法是由吴建设;张倩;张祖磊;李亚锋;郜君君;陈亮设计研发完成，并于2022-07-28向国家知识产权局提交的专利申请。

本基于神经网络的武器目标分配方法在说明书摘要公布了：本发明提出了一种基于神经网络的武器目标分配方法，主要解决现有技术无法适用于无人机群打击地面目标这种对时效性要求极高的连续作战场景。其方案是：对已发现目标进行威胁评估并对威胁度排序，依次逐个地对目标分配武器；通过毁伤概率估计得到各个武器对当前待分配目标的打击适宜度，指挥官根据实战经验调整部分适宜度，形成训练数据集和测试数据集；通过训练集对全连接网络模型进行训练，并通过测试数据集选择最佳的全连接网络模型，使用所选的最佳全连接网络模型对每个目标依次进行武器目标分配。本发明不仅能效利用历史作战信息和指挥官的作战经验，而且能减少分配时间，可用于无人机群打击地面目标这种对时效性要求极高的连续作战场景。

本发明授权基于神经网络的武器目标分配方法在权利要求书中公布了：1.一种基于神经网络的武器目标分配方法，其特征在于，包括如下步骤： 1根据已获取的敌方目标类型及状态信息，采用层次分析法对敌方目标的进行威胁程度评估，Tj∈[0,1]表示目标j的威胁程度； 2根据对敌方目标的威胁程度估计结果，确定当前发现目标的打击优先度大小，并从大到小排序得到打击顺序表，威胁度越大打击优先度越高； 3根据打击顺序表依次选择目标进行打击： 3a对于选择的目标j，根据我方的武器信息和环境信息，并综合敌方目标信息，对武器打击目标的毁伤概率进行估计，计算出各个武器对该目标的毁伤概率Pij； 3b根据毁伤概率得到武器i对当前选择目标的打击的毁伤效果Pij×Tj和效费比计算出各个武器对该目标的打击适宜度Fi： 其中，α∈[0,1]为毁伤效果权重，vj为目标j的价值，ci为武器i的造价； 3c选择适宜度最大的可用的武器作为打击该目标的分配结果，最后指挥官根据作战经验和实际情况判断该分配结果是否需要调整，如果需要调整，指挥官人工调整相应的打击适宜度； 4重复武器目标分配核心步骤1-3得到A和B两种训练数据，即A为基于规则的作战数据，B为指挥官根据作战经验和实际情况调整过的数据，将A和B数据按照9：1的比例组成训练集和测试集，其中训练集中数据A有90000条，数据B有10000条，测试集中数据A有900条，数据B有100条； 5设每架无人机携带两种类型的武器，获取第i架无人机的空间坐标[xwi,ywi,zwi]和当前选择目标的空间坐标[xj,yj,zj]，得到在M架无人机下的维度为3*M+7的网络模型输入向量X： X＝[xw1,yw1,zw1,...,xwi,ywi,zwi,...,xwM,ywM,zwM,N,E,xj,yj,zj,Belongj,Typej] 其中，N为自然环境影响因子，E为电磁环境影响因子，Belongj为目标所属连队，Typej为目标的类型； 6构建由多层全连接组成的神经网络模型其中隐藏层的层数为k，每层的节点数为L＝[l1,l2,···,lk]，输出向量为：维度为2*M，表示各个武器对当前选择目标的打击适宜度； 7利用训练集，通过随机梯度下降法算法训练网络模型利用测试集验证训练后的网络的拟合误差，选择最佳的k和L，得到训练好的网络模型 8随着作战进行数据B的不断扩充，每隔一段时间重复步骤4-步骤7重新训练网络，得到新的网络模型 9对当前选择目标j的特征向量X，通过训练好的模型得到输出向量使用该神经网络模型替代3a和3b步骤中的适宜度Fi计算过程，重复武器目标分配步骤1-步骤3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。