程 浩 劉俊友 趙 瑾

(陸軍軍官學院 合肥 230031)

?

基于貝葉斯網絡的車輛目標功能毀傷評估模型

程 浩 劉俊友 趙 瑾

(陸軍軍官學院 合肥 230031)

應用貝葉斯網絡在解決不確定性事件方面的推理優(yōu)勢,根據車輛目標的毀傷特征分析建立了貝葉斯網絡功能毀傷評估模型。在目標物理毀傷信息分析的基礎上,通過實例演示了評估過程,驗證了用貝葉斯網絡進行功能毀傷評估的可行性與有效性。

貝葉斯網絡; 功能毀傷評估; 毀傷特征

Class Number TP391

1 引言

隨著現代戰(zhàn)爭節(jié)奏的加快,戰(zhàn)場環(huán)境的復雜化,目標功能毀傷的效果評估對戰(zhàn)場指揮員的作戰(zhàn)決策影響越來越大。而現代戰(zhàn)場的復雜性及目標毀傷信息的不確定性,給目標功能毀傷評估帶來了巨大挑戰(zhàn)。目前,目標功能毀傷的評估主要依賴于對目標的詳細毀傷信息和目標物理毀傷的結論,采取定性分析的方法進行研究。由于目標毀傷來源多樣,且多是物理毀傷信息,而多數目標的物理毀傷與功能毀傷不存在一一對應的關系,這就導致物理毀傷信息源對于目標功能毀傷評估具有一定的不確定性和不完整性。貝葉斯網絡是一種不確定性推理工具,它可以根據不確定或不完整信息對所研究的問題做出相對準確的推理,貝葉斯網絡的這種特點正好適合根據各種不確定或不完整的目標毀傷信息對目標功能毀傷進行綜合評估。本文以車輛目標為例,探討基于貝葉斯網絡的目標功能毀傷評估模型的建立。

2 車輛目標毀傷特性分析

車輛通常按裝甲防護情況分為非裝甲車輛和裝甲車輛兩大類。非裝甲車輛由于自身防護性低,易受到各種毀傷力量的毀傷。裝甲車輛具有不同程度的裝甲防護措施,有效地提高了戰(zhàn)場生存力。裝甲車輛相對于彈丸和破片的易損性,由裝甲的類型、厚度和傾角以及破片或彈丸的材質、質量、形狀和著速等決定。穿甲彈、炮彈破片、沖擊波、電子干擾及危害乘員的毀傷作用,都能使車輛受到不同程度的損壞[1]。

一般作戰(zhàn)情況下,不需要徹底摧毀裝甲戰(zhàn)斗車輛,只要使其在一定程度上喪失戰(zhàn)斗力就足夠了。對車輛目標的毀傷,重點關注是對其功能毀傷。

車輛目標主要具有以下毀傷特性:

1) 幾何特性。車輛幾何特性的改變能夠從一定程度上反映出車輛被毀傷的程度,通過打擊前后車輛幾何特性的改變計算車輛的物理毀傷程度,并以此為基礎評估功能毀傷。

2) 功能特性。車輛目標的功能毀傷是車輛受打擊后其行動能力或作戰(zhàn)能力等功能喪失的程度,主要由人員的傷亡情況、車輛的機動性和武器裝備的完好程度等共同決定。

3 基于貝葉斯網絡的車輛目標功能毀傷評估模型的建立

車輛目標的功能毀傷評估通常可以分兩步進行,第一步是在對車輛目標物理毀傷分析的基礎上,運用偵察情報體系獲取的目標毀傷圖像,對目標進行物理毀傷評估。第二步是在物理毀傷評估的基礎上,結合毀傷意圖,通過分析目標物理毀傷與功能毀傷之間的內在聯系,開展目標的功能毀傷評估研究。

貝葉斯網絡可以利用歷史數據或從軍事行動中獲得的數據來修正網絡的條件概率分布,從不確定性的初始證據出發(fā),以概率的方式表達并動態(tài)地融合各種不確定性證據,可以從不完全、不精確或不確定的知識或信息中做出推理,最終推出具有一定不確定性但卻合理或近乎合理的評估結論,從而能夠有效地提高評估質量,增強評估結果的準確性和可信度,減少作戰(zhàn)決策的不確定性。

3.1 貝葉斯網的建模流程

貝葉斯網由網絡拓撲結構S(代表變量的結點及連接這些結點的有向弧線)和局部概率分布(每個變量結點的條件概率表)組成。假設隨機變量X={X1,X2,…,Xn},貝葉斯網中的n個結點與每個隨機變量Xi一一對應。結點變量是任何問題的抽象,如測試值、觀測現象、意見征詢等。結點間的有向弧線代表了結點間的相互關系,結點之間缺省弧線則表示條件獨立。如果存在從Xj指向Xi的有向弧線,則稱Xj為Xi的父結點,用P(Xi|Xj)表示聯結強度。顯然Xi的父結點為一結點集,用Pa(Xi)表示S中Xi的父結點集合。在貝葉斯網中,結點只依賴于它的父結點集,而和它的非父結點(集)是條件獨立的。除條件獨立性外,每個結點還關聯一個概率表。如果結點Xi沒有父結點,則表中只包含先驗概率P(Xi);如果結點Xi只有一個父結點Xj,則表中包含條件概率P(Xi|Xj);如果結點Xi有多個父結點Pa(Xi),則表中包含條件概率P(Xi|Pa(Xi))。于是X的聯合概率分布可以表示為[2]

構建一個指定領域的貝葉斯網絡包括以下三項內容[3]:

1) 確定為建立模型有關的領域變量以及它們的可能值和解釋。主要包括三方面內容:確定模型的目標,即確定相關問題的解釋;確定與問題有關的很多可能的觀測值,并確定其中建立模型的子集;將這些觀測值組成互不相容的而且可以窮盡所有狀態(tài)的變量,這樣做的結果不是唯一的。

2) 標識變量間的依賴關系,并以圖形化的方式表示出來,即建立一個條件獨立斷言的有向無環(huán)圖。對于由n個節(jié)點構成的貝葉斯網絡來說,n個節(jié)點所構成的所有的有向無環(huán)圖都可能作為貝葉斯網絡的結構。

3) 學習變量間的分布參數,獲得局部概率分布表。在離散的情形,需要為每一個變量xi的各個父節(jié)點的狀態(tài)指派一個分布。

由上可知,貝葉斯網絡的建立沒有現成的規(guī)矩,只能根據實際問題,依靠相關領域專家確定貝葉斯網絡的結點,其后的主要任務就是學習它的結構和參數。目前常見的參數學習算法有Bayesian法、MLE法、EM算法等。相對于訓練樣本數據集完整和不完整的情況,參數學習算法也不相同。

3.2 貝葉斯網絡拓撲結構的建立

在分析車輛目標功能毀傷評估的結構層次的基礎上,依據構建貝葉斯網的基本思路,首先建立毀傷評估貝葉斯網絡模型的拓撲結構,包括確定模型所包含的節(jié)點和確定節(jié)點之間的連接關系兩方面內容。建立車輛目標的貝葉斯網絡拓撲結構如圖1所示。

圖1 車輛目標功能毀傷評估貝葉斯模型

3.3 貝葉斯網絡模型參數的確定

首先確定節(jié)點的狀態(tài):

功能毀傷等級(H):這里對目標的毀傷分為三個等級,即重度毀傷(H1)、中度毀傷(H2)和輕度毀傷(H3)。目標功能重度毀傷,是指目標的功能毀傷了60%以上;目標功能中度毀傷,是指目標的功能喪失30%～60%;目標功能輕度毀傷,是指目標的功能喪失30%以下。

· 物理毀傷等級(A):重度毀傷(A1)、中度毀傷(A2)和輕度毀傷(A3);

· 裝甲防護(B):重裝甲(B1)、輕裝甲(B2)、無防護(B3);

· 彈種(C):穿甲彈(C1)、殺爆彈(C2);

· 機動性能(D):喪失(D1)、完好(D2);

· 結構毀傷(E):重度毀傷(E1)、中度毀傷(E2)和輕度毀傷(E3);

· 人員毀傷(F):重傷(F1)、輕傷(F2)、完好(F3);

· 武器裝備毀傷(G):完全損壞(G1)、部分損壞(G2)、完好(G3)。

貝葉斯網絡結構建立之后,要利用網絡進行推理、毀傷評估就必須確定網絡參數:節(jié)點的條件概率分布表CPT。貝葉斯網絡模型條件概率的確定一般比較復雜,往往根據具體問題,由專家經驗確定或由統(tǒng)計實驗確定。根據毀傷信息收集手段的特點,結合運用專家經驗與統(tǒng)計數據,針對各個節(jié)點性質的不同來選擇不同方法以確定依附在各節(jié)點上的條件概率,以減少人為因素在其中的比重。

4 毀傷評估模型示例

使用152mm殺爆彈對非裝甲車輛目標進行射擊,通過無人機偵察提供的目標毀傷圖像進行毀傷分析,計算毀傷參數,確定目標的物理毀傷等級為中度毀傷,機動性完好,運用貝葉斯網絡模型進行功能毀傷評估的具體評估過程如下:

1) 建立貝葉斯網絡毀傷評估模型

對該非裝甲車輛目標的貝葉斯網絡毀傷評估模型如圖1所示。

2) 確定節(jié)點狀態(tài)

各節(jié)點的狀態(tài)表示參考3.3節(jié)建立。

3) 確定節(jié)點CPT

結構毀傷節(jié)點的條件概率表示為P(E|A,B,C),如表1所示。

人員毀傷節(jié)點的條件概率表示為P(F|C,E),如表2所示。

武器裝備毀傷節(jié)點的條件概率表示為P(G|C,E),如表3所示。

功能毀傷節(jié)點的條件概率表示為P(H|D,F,G),如表4所示。

表1 結構毀傷節(jié)點(CPT)

表2 人員毀傷節(jié)點(CPT)

表3 武器裝備毀傷節(jié)點(CPT)

表4 功能毀傷節(jié)點(CPT)

4) 貝葉斯網絡模型推理計算

根據建筑目標功能毀傷評估的貝葉斯網絡結構和節(jié)點CPT,對建筑目標功能毀傷程度進行計算。

P(H)=P(H|D,F,G)P(F|C,E)P(G|C,E)

P(E|A,B,C)P(A)P(B)P(C)P(D)

由于毀傷等級(A)為中度毀傷,裝甲防護(B)為無防護,彈種(C)為152mm殺爆彈,機動性完好(D),所以:

P(A)=P(A2)=1,P(B)=P(B3)=1,

P(C)=P(C2)=1,P(D)=P(D2)=1

從表1可以得到:

P(E|A,B,C) =P(E|A2,B3,C2)

=(0.57 0.35 0.08)T

從表2可以得到:

從表3可以得到:

根據貝葉斯網絡拓撲結構,先求取P(F)和P(G),后求取P(H)。

P(F) =P(F|C,E)P(E|A,B,C)P(A)P(B)P(C)

P(G) =P(G|C,E)P(E|A,B,C)P(A)P(B)P(C)

P(H) =P(H|D,F,G)P(D)P(F)P(G)

=P(H|D2,F,G)P(F)P(G)

當武器設備毀傷等級(G)取完全損壞時:P(H|D2,G1) =P(H|D2,F,G1)P(F)

當武器設備毀傷等級(G)取部分損壞時:P(H|D2,G2) =P(H|D2,F,G2)P(F)

當武器設備毀傷等級(G)取完好時:P(H|D2,G3) =P(H|D2,F,G3)P(F)

所以:

P(H) =P(H|D2,G)P(G)

由此可得,目標功能毀傷等級為嚴重毀傷的概率為0.57,中度毀傷的概率為0.15,輕度毀傷的概率為0.28。

5) 結果分析

貝葉斯網絡模型評估的結果通常為各節(jié)點狀態(tài)發(fā)生的概率,一般可以用毀傷等級發(fā)生概率最大的毀傷等級作為目標功能毀傷等級。因此,該非裝甲車輛目標的功能毀傷等級為嚴重毀傷。

5 結語

利用貝葉斯網絡對目標進行毀傷評估,可以充分利用目標毀傷信息,應用貝葉斯網絡強大的推理功能,對目標的功能毀傷等級做出相對準確的評估。本文以車輛目標為例,在分析目標物理毀傷信息的基礎上,利用貝葉斯網絡對目標的功能毀傷評估模型進行了研究。

[1] 鄭津生.聯合戰(zhàn)役陸軍火力毀傷理論[M].北京:軍事科技出版社,2005.

[2] 史建國,高曉光.動態(tài)貝葉斯網絡及其在自主智能作戰(zhàn)中的應用[M].兵器工業(yè)出版社,2008.

[3] 黃惠南.雷達裝備戰(zhàn)場損傷評估與修復專家系統(tǒng)研究[D].長沙:國防科學技術大學碩士論文,2005.

[4] 劉學軍,徐洸.聯合火力打擊目標毀傷指標分析[J].火力與指揮控制,2004(5):38-40.

[5] 康中啟,汪民樂,范明俊,等.基于貝葉斯網絡的樓房建筑毀傷效果評估研究[J].戰(zhàn)術導彈技術,2010(4):27-31.

[6] 許梅生,王瀛.基于貝葉斯網絡的目標功能毀傷評估[J].四川兵工學報,2010(5):134-137.

[7] 胡匯洋.基于動態(tài)貝葉斯網絡的目標毀傷等級評估[D].南京:南京理工大學,2009.

[8] 彭征明,李云芝,羅小明,等.基于貝葉斯網的作戰(zhàn)效能評估方法研究[J].裝備指揮技術學院學報,2007(2):105-109.

[9] 馬志軍,賈希勝,陳麗.基于貝葉斯網絡的目標毀傷效果評估研究[J].兵工學報,2008(12):1509-1513.

[10] 王鳳山,張宏軍.基于貝葉斯網絡的軍事工程毀傷評估模型研究[J].計算機工程與應用,2011,47(12):242-246.

Assessment of Function Damage Effect to Vehicle Based on Bayesian Network

CHENG Hao LIU Junyou ZHAO Jin

(Army Officer Academy, Hefei 230031)

According to the analysis of damage characteristics on vehicle target and applying reasoning advantage with Bayesian network theory in resolving the uncertain events, the Bayesian network evaluation model is established. On the basis of the analysis of physic damage information, the building process of Bayesian network model are discussed and an example verifies the validity in damage assessment and reasoning with Bayesian network.

Bayesian network, function damage evaluation, damage characteristics

2015年1月3日,

2015年2月25日 作者簡介:程浩,男,博士,講師,研究方向:兵種作戰(zhàn)計算。

TP391

10.3969/j.issn1672-9730.2015.07.016