未来空战过程智能化关键技术研究.docx

未来空战过程智能化关键技术研究 摘要：空战过程智能化是实现未来空战的关键途径，通过对该领域国内外技术研究的介绍与梳理，根据“观察-判断-决策-行动”空战环节特性，分析了未来空战过程智能化技术研究思路，重点对无人作战飞机空战过程智能化关键技术进行综述关键词：未来空战过程;智能化;无人作战飞机;观察-判断-决策-行动：TJ760;V271.4：A：1673-5048（2019）01-0011-09[SQ0]0引言随着科学技术的进步，军事装备必将朝着无人化和智能化方向发展[1]无人作战飞机（UnmannedCombatAerialVehicle，UCAV）作为未来空战的重要角色，实现其空战过程智能化是当前各军事强国研究的关键方向对于目前空战装备而言，有人机的空战过程智能化主要体现在飞行员空战决策辅助系统的智能化，而无人机的空战过程智能化将是集探测、识别、跟踪、决策和作战功能为一体的系统智能化[2]空战战术决策是空战过程中的关键核心[3]对于有人机，智能化的空战辅助决策系统可以利用人工智能技术分担一些飞行员的工作，比如自动进行超视距识别、传感器管理、战术态势判断、战术决策和飞行控制等美军的“飞行员助手”——战术辅助决策系统（TacticsAssistantSystem，TA）[4]通过向飞行员提供周围战术环境信息，帮助飞行员在瞬间作出关键性决策响应。

该辅助系统具有模仿人类的思维、判断和决策等能力，能替代或部分替代飞行员工作，大大减轻了飞行员的工作负担对于无人机，UCAV进入作战空域并获得授权后，独立完成目标数据处理与融合、态势评估、威胁估计、攻击/规避/干扰决策、武器-目标分配、战术机动、进入攻击区、发射武器及作战模式[5]在人工智能、大数据、物联网、云计算等先进技术推动下，基于人工智能的“虚拟飞行员”技术成为推动和实现UCAV空战过程智能化的有效途径本文围绕当前的自主空战过程，介绍了国内外现状;同时围绕空战“观察-判断-决策-行动”过程，分析了未来空战过程智能化技术研究思路;围绕空战过程智能化，对五个关键技术，即智能感知、态势评估与目标意图识别、智能协同、自主空战战术机动决策以及机动轨迹生成进行综述1自主空战过程的国内外现状未来智能化的空战过程既要求有人机的飞行员空战决策助手要智能化，也要求无人作战飞机自主空战的智能化当前，国外军事强国结合现役装备发展了一系列空战辅助系统美国DARPA研究的“飞行员助手”通过向飞行员提供周围战术环境信息，帮助飞行员在瞬时作出关键性决策响应该系统最终应用到F-22和F-35战斗机上，并在识别、态势评估、战术决策和飞行控制等方面充当“操纵者”的角色。

俄罗斯针对T-50战斗机研究了机载智能辅助系统，这种辅助系统是基于人工智能技术构建、由机载计算系统实现的混合系统世界其他一些国家也对空战战术辅助决策手段进行了相关研究，包括：英国的“飞行管理助手”，德国的“飞行员IFR辅助操作系统”，以及法国的“智能座舱环境”研究计划国内对空战辅助决策手段的研究起步较晚，主要从飞行控制、预测显示、协同空战决策、多传感器管理等方面进行探讨与研究目前，UCAV的空战过程智能化技术研究已经是国内外专家的热门课题由于无人机能承受的过载大以及未來空战的复杂度高，利用人工智能等技术赋予无人机相当程度的自主决策权限，实现UCAV空战过程智能化为了追求人员零伤亡目标，美军认为“非接触”作战是未来战场的主要作战方式，UCAV作为无人作战飞行器，是“非接触”作战装备的典型代表[6]同时，美军在《美国无人机发展路线图2005-2030》中指出，无人机的最终发展目标是：完全计算机自主化[7]2016年6月，人工智能ALPHA在空战模拟实验室中以100%的概率战胜了空战专家、美军退役上校GeneLee[8]，如图1所示ALPHA采用的是遗传模糊树（GeneticFuzzyTrees）的方法，反应时间不到2ms，且训练条件极低，一个消费级的电脑就能满足要求。

这次空战模拟对抗实验标志着无人智能空战已发展进入了新的阶段2017年1月，美国海军三架F/A-18F“大黄蜂”投放了104架微型无人机（Perdix），展示其无人机“蜂群”作战能力无人机“蜂群”作战的核心就是以量取胜，以“饱和攻击”的方式对目标实施攻击[9]无人机“蜂群”作战适合于防御能力较弱且低速或静止的目标，是未来无人机智能作战的一种重要模式美国空军实验室在2018年3月发布了其面向2030年的未来空战概念设想视频在这个视频中，不乏有激光定向武器、微波武器、第六代战斗机等为人熟知的概念，还有新提出的“忠诚僚机”（LoyalWingman）概念[10]在“忠诚僚机”概念设想中，F-35战斗机（作为长机）能够控制多架无人作战飞机（作为僚机）进行协同作战，如图2所示2未来空战过程智能化的技术思路美国空军上尉迈克尔伯恩斯在《空天力量》中撰文描述到：“具有战术自主能力的无人作战飞行器，暂且称之为FQ-X，采用OODA环、高机动能力的构型以及纳秒级的超快速运算能力和对任务经验的自主学习能力，将形成无与伦比的杀伤力，对未来空对空作战带来颠覆性的影响其中，UCAV的OODA是指空战武器系统作战过程中的观测（Observe）、判断（Orient）、决策（Decide）、行动（Action）等关键环节，如图3所示。

在未来空战中，智能化将贯穿于空战OODA全过程首先，UCAV的智能观测技术通过智能传感器告诉UCAV在哪里以及将和谁对抗，其本质就是空战态势感知未来空战必定处于陆、海、空、天、电、磁、网一体化的复杂空间中，而智能无人机作战系统是体系作战力量中的一环，是网络中心战系统中的一个关键节点该系统将紧耦合在复杂的超级物联网中，基于“超级物联”和“云计算”实现体系作战效能的最大化智能感知是UCAV对战场环境全信息域的感知能力的智能化表现，也是实现自主导航、任务感测的基础智能感知系统要求感知系统在信息复杂、高度对抗、任务多变的战场环境中，通过有限信息感知来推断态势，并评估敌方作战意图然后，UCAV判断智能化技术将给出敌方的意图、威胁程度以及本机的胜算程度，这一过程也就是威胁评估的智能化判断目标机的意图是一个层层推理的动态过程首先需要从大量的信息源中提取对己方决策有用的事件，然后将每个事件映射到相应的任务上，再综合各个事件的任务进行推理获得目标的计划安排，对目标的意图进行识别在目标意图识别之后，UCAV判断智能系统根据当前的信息情况，对己方的胜算进行评估，同时也要评估敌方的威胁等级，这一过程就是UCAV作战系统的态势评估。

其次，空战决策智能化对于UCAV来说是至关重要的一个环节空战决策智能化技术包括作战规划与战术决策的智能化一般来说，作战规划给出UCAV到哪里去、和谁去以及要做什么，其次，战术决策主要表现在谁打谁、先打谁、用什么武器打以及怎么打在作战规划中，未来的UCAV作战系统必须具备更加全面的战场环境感知能力，在对战场态势智能认知的基础上确定自己的占位;由于现代战争的复杂与多变，单个UCAV将不满足作战要求，多无人机协同作战、有人/无人协同作战、无人机集群作战的智能化将是智能协同的具体体现;UCAV进入作战空域并获得授权后，必须具备精确导航定位、复杂动作控制、远程精确打击、智能规划与决策等作战任务自主化能力，而智能化技术正是将UCAV从自动化推向自主化的动力源在战术决策中，对于多机对多机，首先要对协同目标分配进行智能化，然后根据机载武器系统的当前状态，进行多目标攻击;武器决定战法，不同的武器，空战模式不一样，导致了UCAV功能不一样以及自主空战等级的不一样，如表1所示;最后，自主空战决策智能化必须要解决三个基本性问题：如何构建学习机制、如何进行思维决策、如何实现行为控制最后，UCAV的行动智能化技术将告诉我们在哪里打、何时打以及打后做什么工作。

不同的武器有不同的作战模式比如近距空空导弹，到目前为止，第四代近距空空导弹拥有大离轴角、大过载，全向攻击目标，并能打击目标要害部位，抗干扰性能较好等优势，使UCAV机动占位，并到达攻击区发射导弹UCAV作战系统根据导弹的可攻击区与导弹类型，可发射后不管（红外制导近距格斗空空导弹），也可跟踪目标，直到将导弹引导至目标（雷达制导中距空空导弹，如图4所示）当完成对目标的攻击后，UCAV还需要进行评估工作，其中包括UCAV打得怎么样、怎么规避威胁以及怎么退出战场毁伤评估是目前无人机自主作战的一大难题，通过是否打中、是否毀伤、是否补弹来进行接下来的作战样式;在空战过程中，实时对空战态势的变化做出反应，实现“进攻-规避”角色的智能切换，保持我机的战术优势，比如普加乔夫战术动作，将当前的不利态势，转换为整个战术上的优势，如图5所示3UCAV空战过程智能化关键技术研究UCAV空战过程智能化的关键技术主要包括以下五个方面的技术3.1智能感知技术UCAV态势感知是空战战术决策与机动控制的前提未来空战要求智能感知系统能够在信息复杂、高度对抗、任务多变的战场环境中发挥重要的前端作用智能感知技术包括多源信息采集、融合与处理技术、非结构化环境感知技术以及复杂环境认知学习和推理技术。

多源信息采集、融合与处理技术主要是无人机作战系统通过多传感器所获得信息，依据某种准则进行组合，实现对所获数据的结构化表示，获得目标和环境信息对于UCAV来说，首先通过高度传感器（大气数据计算机、无线电高度表、GPS）与角度传感器（垂直陀螺、航姿参考系统）分别获得原始的高度数据与俯仰角数据，再通过数据融合算法对两者原始数据进行处理，其数据融合过程如图6所示联合实验室（JointDirectorsofLaboratories，JDL）定义数据融合是一个“多层次、多方面处理自动检测、联系、相关、估计以及多来源的信息和数据的组合过程”[11-12]多源信息采集、融合与处理技术应用至今，有着很多成熟的数据融合算法，包括聚类分析方法、证据理论法、DS算法以及近年来火热的计算机智能方法通过融合过程中采用的不同算法，多源信息融合技术可以分为两类：基于统计学的数据融合技术与基于人工智能的数据融合技术[13]，如图7所示在多传感器数据融合中，基于统计学的算法主要运用传统概率统计方法，利用概率分布或者密度函数来描述数据的不确定性，主要包括贝叶斯估计[14]、卡尔曼滤波[15]以及回归分析[16]等算法;基于统计学的数据融合技术，主要解决数据的不确定性融合，虽然有完善和可理解的数学处理方法，但鲁棒性较低。

近几年，基于人工智能的数据融合算法被广泛关注，其中包括遗传算法[17]、神经网络[18]、模糊逻辑[19]等算法;基于人工智能的数据融合算法通过一定的先验知识，同时用自组织、自适应的学习方式对数据进行训练及预测对于数据融合方法的加权系数的优化问题，智能优化算法可以有效地从各融合数据中提取有效信息，取得良好的融合效果[20]在复杂、强对抗环境下，无人机系统实现高可靠、强实时环境感知的难度很大战争是一种复杂、混乱的行为，战场环境具有不确定性与不可预知性，因此空战中感知到的数据是非结构数据非结构化的空战感知信息常表现出以下特征：数据形式是高维、海量、动态的;同时，内容是不完整、不确定的非结构化的环境感知能力是依据物理传感器收集到的真实物体信息以及作战系统的虚拟物体信息，重建真实物理场景目前，环境感知在理论和应用方面取得了巨大进步，但是还不能处理复杂的环境感知问题，尤其是未来空战过程智能化中的环境感知问题随着人工智能的发展，国内外学者将遗传算法、模糊逻辑、神经网络、支持向量机、深度学习等人工智能方法应用于非结构化环境感知问题中[21-23]UCAV能够感知、识别、理解其所处的战场环境，是UCAV作战系统实现高级智能的基础。

借鉴人类认知过程重点突破认知信息处理、复杂环境认。