陳 娟 馬 濤

(1.陸軍軍官學(xué)院 合肥 230031)(2.電子工程學(xué)院 合肥 230031)

?

陸戰(zhàn)場(chǎng)ISR無(wú)人機(jī)威脅分析及其評(píng)估模型研究

陳 娟1馬 濤2

(1.陸軍軍官學(xué)院 合肥 230031)(2.電子工程學(xué)院 合肥 230031)

分析陸戰(zhàn)場(chǎng)中情報(bào)、監(jiān)視和偵察(ISR)無(wú)人機(jī)的威脅影響因素及其特點(diǎn),構(gòu)建了ISR無(wú)人機(jī)威脅評(píng)估指標(biāo)體系,利用遺傳算法優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型,針對(duì)ISR無(wú)人機(jī)的威脅進(jìn)行評(píng)估分級(jí),仿真結(jié)果實(shí)際可行,為陸戰(zhàn)場(chǎng)中無(wú)人機(jī)的編隊(duì)模式和航路優(yōu)化提供了可靠依據(jù)。

ISR無(wú)人機(jī); 威脅; BP神經(jīng)網(wǎng)絡(luò); 遺傳算法

1 引言

情報(bào)、監(jiān)視和偵察(ISR)無(wú)人機(jī)因其獨(dú)特的性能和優(yōu)勢(shì),在戰(zhàn)場(chǎng)偵察、火力校射、電子干擾、毀傷評(píng)估等方面發(fā)揮了顯著的作用。但是隨著陸戰(zhàn)場(chǎng)中防空系統(tǒng)的探測(cè)距離、射擊精度和抗干擾等能力的提高,影響無(wú)人機(jī)的威脅越來(lái)越多,無(wú)人機(jī)的生存環(huán)境變差,嚴(yán)重影響無(wú)人機(jī)的編隊(duì)模式和執(zhí)行任務(wù)時(shí)的航路規(guī)劃。

國(guó)內(nèi)一些學(xué)者對(duì)影響無(wú)人機(jī)的威脅進(jìn)行了相關(guān)研究,文獻(xiàn)[1]采用層次分析法和模糊推理技術(shù)對(duì)各種對(duì)空威脅進(jìn)行評(píng)估建模,但是該模型建立在專家打分的基礎(chǔ)上,并不具備自適應(yīng)和更新能力;文獻(xiàn)[2]針對(duì)低空突防建立了威脅模型,但是僅僅考慮地面兵器對(duì)無(wú)人機(jī)的威脅,沒有考慮無(wú)人機(jī)自身性能對(duì)不同威脅的影響;文獻(xiàn)[3]也是從地面角度考慮對(duì)無(wú)人機(jī)的威脅影響。本文認(rèn)為無(wú)人機(jī)威脅因素建模時(shí)除了地面兵器對(duì)無(wú)人機(jī)的探測(cè)和攻擊,還應(yīng)考慮無(wú)人機(jī)自身性能對(duì)影響的抵御能力以及戰(zhàn)場(chǎng)環(huán)境因素。另外,現(xiàn)代戰(zhàn)場(chǎng)瞬息萬(wàn)變,威脅因素也是不斷變化,因此評(píng)估算法選取具有自適應(yīng)、自學(xué)習(xí)能力的BP神經(jīng)網(wǎng)絡(luò)模型,并且針對(duì)傳統(tǒng)BP算法的缺點(diǎn)進(jìn)行優(yōu)化改進(jìn),使得更加有效地對(duì)無(wú)人機(jī)威脅評(píng)估建模。

2 ISR無(wú)人機(jī)威脅評(píng)估指標(biāo)體系

ISR無(wú)人機(jī)的主要任務(wù)是對(duì)地面目標(biāo)區(qū)進(jìn)行長(zhǎng)時(shí)間的實(shí)時(shí)偵察和監(jiān)視,為指揮員提供大量的情報(bào)信息。在無(wú)人機(jī)執(zhí)行任務(wù)時(shí),要盡可能減少被敵方發(fā)現(xiàn)和擊毀的危險(xiǎn),因此需要將影響無(wú)人機(jī)的威脅進(jìn)行量化評(píng)估。ISR無(wú)人機(jī)的外部威脅主要來(lái)自敵方的偵察設(shè)備和火力兵器,它們的偵察能力、殺傷力、機(jī)動(dòng)性和抗干擾能力的強(qiáng)弱不同,對(duì)無(wú)人機(jī)的威脅程度也不同。另一方面,無(wú)人機(jī)自身性能高低也影響威脅評(píng)估,例如,ISR無(wú)人機(jī)的飛行高度、飛行速度、機(jī)動(dòng)性以及編隊(duì)航行時(shí)的路線不同時(shí),即使在相同的陸戰(zhàn)場(chǎng)環(huán)境中所產(chǎn)生的的威脅也不同。另外,環(huán)境影響因素也必須考慮,主要包括能見度、風(fēng)速和氣壓[1,4]。因此,外部威脅、自身性能和環(huán)境因素三個(gè)方面共同構(gòu)成了無(wú)人機(jī)威脅的評(píng)估指標(biāo)體系,如圖1所示。

圖1 無(wú)人機(jī)威脅評(píng)估指標(biāo)體系

評(píng)估指標(biāo)體系的主要因素:

1) 兵器偵察能力:指地面?zhèn)刹煸O(shè)備對(duì)空中無(wú)人機(jī)進(jìn)行跟蹤探測(cè)的威脅,如雷達(dá)、紅外探測(cè)器的偵察能力不同。

2) 兵器殺傷力:指地面火力兵器對(duì)無(wú)人機(jī)造成的殺傷力,比如一般情況下地對(duì)空導(dǎo)彈的殺傷力高于高炮。

3) 兵器機(jī)動(dòng)性:指地面?zhèn)刹煸O(shè)備或火力兵器的使用靈活性,比如固定式、人工便攜式、車載等。一般情況下車載的機(jī)動(dòng)性最大,人工便攜式次之,固定式最小。

4) 抗電子干擾能力:指地面兵器的隱蔽能力或利用電子設(shè)備有效防護(hù),從而不被無(wú)人機(jī)發(fā)現(xiàn)的能力?？闺娮痈蓴_能力分為無(wú)、弱、中、強(qiáng)四種。

5) 無(wú)人機(jī)飛行高度:無(wú)人機(jī)與地面探測(cè)或火力兵器之間的距離越小,對(duì)無(wú)人機(jī)的威脅程度就越大;反之飛行高度越大,無(wú)人機(jī)被發(fā)現(xiàn)和攻擊的可能性越小,威脅程度越低。

6) 無(wú)人機(jī)飛行速度:無(wú)人機(jī)的飛行速度直接影響威脅的影響程度。通常,飛行速度越快,威脅程度越小,反之威脅程度就越大。

7) 無(wú)人機(jī)編隊(duì)航路:無(wú)人機(jī)編隊(duì)航路的不同對(duì)威脅評(píng)估影響不同?？煞譃樽罴押铰?較優(yōu)航路和一般航路。

8) 無(wú)人機(jī)的機(jī)動(dòng)性:無(wú)人機(jī)自身機(jī)動(dòng)性越好,威脅的影響越小;反之,越大。

9) 能見度:外界環(huán)境對(duì)無(wú)人機(jī)威脅的影響也很大,能見度越小,威脅越小;反之,越大。一般情況,晴天的能見度最大,陰天次之,雨天最差。

10) 風(fēng)速:風(fēng)速對(duì)無(wú)人機(jī)威脅的影響很大。風(fēng)速越大,威脅越大,反之,越小。

11) 氣壓:氣壓越大,威脅越大,反之,越小。

3 優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型

隨著高新技術(shù)的發(fā)展,現(xiàn)代戰(zhàn)場(chǎng)中無(wú)人機(jī)面臨的威脅多種多樣、變化多端,因此評(píng)估模型應(yīng)具有不斷更新的能力,而BP神經(jīng)網(wǎng)絡(luò)正好滿足這一要求。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中一類非常重要、使用廣泛的網(wǎng)絡(luò)結(jié)構(gòu)。它最大的特點(diǎn)是類似于人腦具有自學(xué)習(xí)和自適應(yīng)能力,通過外界不斷輸入的樣本訓(xùn)練最終達(dá)到理想的狀態(tài)。但是經(jīng)典的BP算法是基于梯度下降的方法,收斂速度慢,而且訓(xùn)練過程中可能會(huì)陷入“局部極小”。因此有必要對(duì)此算法進(jìn)行一定的優(yōu)化和改進(jìn)。

本文采用遺傳算法(GA)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,將BP算法中的梯度下降法與遺傳算法的全局尋優(yōu)的特點(diǎn)相結(jié)合。利用用遺傳算法在整個(gè)權(quán)值和閾值空間中進(jìn)行粗略搜索,再采用梯度下降法進(jìn)行局部的尋優(yōu),最終得到問題的全局最優(yōu)解[6,10]?；谶z傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型如圖2所示。

圖2 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型

4 ISR無(wú)人機(jī)威脅評(píng)估仿真

4.1 構(gòu)建無(wú)人機(jī)威脅的BP神經(jīng)網(wǎng)絡(luò)模型

將無(wú)人機(jī)威脅的評(píng)估指標(biāo)作為BP網(wǎng)絡(luò)的輸入節(jié)點(diǎn),根據(jù)前面的分析,輸入節(jié)點(diǎn)數(shù)為11;威脅等級(jí)作為BP網(wǎng)絡(luò)輸出節(jié)點(diǎn),輸出節(jié)點(diǎn)數(shù)為1;選取2層的隱含層,節(jié)點(diǎn)個(gè)數(shù)分別為7和5。利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行建模訓(xùn)練,表1為一組訓(xùn)練樣本,表中的數(shù)據(jù)需要?dú)w一化處理后作為BP網(wǎng)絡(luò)的實(shí)際訓(xùn)練樣本。選取200組訓(xùn)練樣本對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

表1 訓(xùn)練樣本示例

4.2 無(wú)人機(jī)威脅的評(píng)估

訓(xùn)練好的BP網(wǎng)絡(luò)可以用于實(shí)戰(zhàn)中無(wú)人機(jī)威脅的評(píng)估,輸入無(wú)人機(jī)獲取的地面兵器威脅參數(shù)、無(wú)人機(jī)自身性能參數(shù)和環(huán)境指標(biāo)參數(shù),表2為無(wú)人機(jī)面臨的三組威脅。

表2 無(wú)人機(jī)威脅指標(biāo)參數(shù)

將數(shù)據(jù)處理為樣本參數(shù)后作為BP網(wǎng)絡(luò)的輸入,經(jīng)訓(xùn)練后得到輸出,即為威脅等級(jí),如表3所示。

表3 無(wú)人機(jī)威脅等級(jí)

可見,威脅3對(duì)無(wú)人機(jī)的影響最大,威脅2次之,威脅1影響最小,在航路規(guī)劃時(shí)應(yīng)盡量避開威脅3和2,飛行時(shí)應(yīng)注意威脅1的行動(dòng)。

5 結(jié)語(yǔ)

本文充分分析了無(wú)人機(jī)威脅評(píng)估的影響因素,構(gòu)建了陸戰(zhàn)場(chǎng)ISR無(wú)人機(jī)威脅指標(biāo)體系。針對(duì)無(wú)人機(jī)威脅不斷更新的特點(diǎn),選取具有自適應(yīng)、自學(xué)習(xí)能力的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行建模,針對(duì)傳統(tǒng)BP算法的缺點(diǎn),利用具有全局搜索能力的遺傳算法對(duì)其進(jìn)行優(yōu)化,獲得的優(yōu)化模型用于無(wú)人機(jī)威脅的評(píng)估。仿真結(jié)果符合一般的作戰(zhàn)經(jīng)驗(yàn)和戰(zhàn)術(shù)原則,為陸戰(zhàn)場(chǎng)中ISR無(wú)人機(jī)的編隊(duì)模式和航路優(yōu)化提供了可靠依據(jù)。

[1] 李季,孫秀霞,馬強(qiáng).無(wú)人機(jī)對(duì)空威脅算法與仿真[J].系統(tǒng)仿真學(xué)報(bào),2008,20(16):4237-4240.

[2] 熊自明,萬(wàn)剛,吳本材.基于改進(jìn)蟻群算法的無(wú)人機(jī)低空突防三維航跡規(guī)劃[J].電光與控制,2011,18(12):44-48.

[3] 袁操,周德云.基于改進(jìn)蟻群算法的無(wú)人機(jī)低空突防三維航跡規(guī)劃[J].電光與控制,2012,19(6):5-7.

[4] 粘松雷,林云,陳榕.基于改進(jìn)BP算法的編隊(duì)空中威脅判斷模型研究[J].計(jì)算機(jī)與數(shù)字工程,2011,19(12):5-7.

[5] 李京,楊根源.基于神經(jīng)網(wǎng)絡(luò)的地面目標(biāo)威脅度分析[J].兵工自動(dòng)化,2012,31(3):15-18.

[6] 張發(fā)強(qiáng),由大德,蔣敏.基于RBF神經(jīng)網(wǎng)絡(luò)的空襲目標(biāo)威脅評(píng)估模型研究[J].艦船電子對(duì)抗,2010,33(6):20-24.

[7] 王曉梅,高江,王運(yùn)行.低空突防威脅信息融合及航跡優(yōu)化[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù),2010(3):23-26.

[8] 杜萍,郝琳.低空突防中探測(cè)威脅信息量化的一種實(shí)現(xiàn)方法[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù),2006(1):57-60.

[9] 雷英杰,王寶樹,路艷麗.基于自適應(yīng)直覺模糊推理的威脅評(píng)估方法[J].電子與信息學(xué)報(bào),2007,29(12):5-7.

[10] 馬海濤.基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的威脅度估計(jì)算法[J].軍事運(yùn)籌與系統(tǒng)工程,2005,19(3):72-74.

[11] 王俊,周樹道,葉松,等.融合遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的氣象威脅度建模與評(píng)估[J].電光與控制,2012,19(3):73-77.

Threat Analysis and Simulation Model for ISR Unmanned Aerial Vehicle in The Land Battlefield

CHEN Juan1MA Tao2

(1. Army Officer Academy, Hefei 230031)(2. Electronic Engineering Institute, Hefei 230031)

The threat influence elements and its characters for ISR UAV in the land battlefield are analyzed. The target system of the threat simulation for ISR UAV is built. The BP ANN model is optimized by the genetic algorithm. The optimized BP network is used to simulate the threat for ISR UAV. The simulation result is practical and effective. It provides a reliable basis for UAV formation model and air route optimization in the land battlefield.

ISR UAV, threat, BP nerve network, genetic algorithm Class Number E87

2015年1月8日,

2015年2月27日 基金項(xiàng)目:國(guó)家自然科學(xué)基金(編號(hào):71371187)資助。 作者簡(jiǎn)介:陳娟,女,博士研究生,講師,研究方向:軍事運(yùn)籌。馬濤,男,博士,講師,研究方向:網(wǎng)絡(luò)對(duì)抗。

E87

10.3969/j.issn1672-9730.2015.07.008