孫健 鄧方 陳杰

所謂運動體指相對于地球有運動的且具有某種用途或能夠完成某種任務(wù)的系統(tǒng)或平臺.本文所指的陸用運動體是指地面戰(zhàn)場使用的常規(guī)重型機械化設(shè)備和輕型地面作戰(zhàn)裝備以及相應(yīng)的作戰(zhàn)指揮系統(tǒng).包括壓制武器、坦克與裝甲車輛、防空武器、導(dǎo)航與指揮自動化系統(tǒng)、彈藥與制導(dǎo)兵器以及輕武器和反坦克武器,同時也包括后勤支援設(shè)備和作戰(zhàn)訓(xùn)練、作戰(zhàn)指揮模擬、武器作戰(zhàn)使用模擬訓(xùn)練等系統(tǒng)[1].

科學(xué)技術(shù)的高速發(fā)展給現(xiàn)代戰(zhàn)爭的形式帶來了巨大的改變.一批高精尖武器的出現(xiàn),信息化與網(wǎng)絡(luò)化極大變革了現(xiàn)代戰(zhàn)爭的作戰(zhàn)理念.作戰(zhàn)空間大,作戰(zhàn)方法多,作戰(zhàn)環(huán)境復(fù)雜,對抗加劇是現(xiàn)代戰(zhàn)爭的主要特征.面向現(xiàn)代作戰(zhàn)的要求,陸用運動體的發(fā)展一直呈現(xiàn)著數(shù)字化、智能化、網(wǎng)絡(luò)化、無人化的趨勢.面對未來戰(zhàn)爭更高的要求,如何實現(xiàn)更加智能、自主的陸用運動體控制系統(tǒng)成為一個重要的課題.

面向未來的陸用運動體控制系統(tǒng)還面臨著諸多挑戰(zhàn).1)為了實現(xiàn)智能化的陸用運動體控制,運動體對環(huán)境和態(tài)勢的感知是必不可少的.對環(huán)境因素與目標(biāo)狀態(tài)的了解是陸用運動體實施精確打擊的前提條件.此外,隨著戰(zhàn)場復(fù)雜程度的加劇為了使陸用運動體能夠更好地自主決策和輔助決策,需要對環(huán)境和態(tài)勢進行有效的感知.2)隨著網(wǎng)絡(luò)化,信息化程度的不斷加深,火力控制與指揮控制一體化是指揮控制系統(tǒng)的必然發(fā)展趨勢.如何對作戰(zhàn)資源進行有效的管理、部署、分配、調(diào)度和控制對作戰(zhàn)效能有決定性影響.3)在未來作戰(zhàn)中,多個陸用運動體之間的自主協(xié)調(diào)、協(xié)作和協(xié)商對于更好地完成戰(zhàn)術(shù)與戰(zhàn)略目標(biāo)具有重要意義.4)先進的控制技術(shù)要求陸用運動體有良好的部件,如傳感器、計算機等,高效地維護與保障這些部件是戰(zhàn)斗力發(fā)揮的前提.

因此為了適應(yīng)現(xiàn)代及未來的作戰(zhàn)需要,要求陸用運動體能夠:

1)自主地、高效地完成對戰(zhàn)場的環(huán)境感知,對目標(biāo)的敵我、種類、位置及運動狀態(tài)的識別;

2)高效地完成指定的作戰(zhàn)目標(biāo)的同時,提供更多及時的信息以及建議給決策者,幫助決策者更好地理解戰(zhàn)場局勢變化;

3)與其他作戰(zhàn)單位,自主,智能地協(xié)同作戰(zhàn);

4)自主地進行故障檢測與診斷,實現(xiàn)運動體系統(tǒng)良好的健康管理.

針對上述需求,提煉出如下4個研究方向:

1)環(huán)境與態(tài)勢感知;

2)火力控制與指揮控制;

3)多平臺協(xié)同;

4)故障診斷與健康管理.

1 環(huán)境與態(tài)勢感知

對于陸用運動體控制系統(tǒng),環(huán)境和態(tài)勢的感知主要是對戰(zhàn)場地形地貌、氣象水文、敵我動態(tài)、武器配備、兵力分布等信息的獲取與掌握情況.環(huán)境和態(tài)勢感知能力對預(yù)測戰(zhàn)情,掌控作戰(zhàn)進程,奪取作戰(zhàn)優(yōu)勢有著重要的意義.各種陸用運動體控制系統(tǒng)對環(huán)境和態(tài)勢感知的能力是實現(xiàn)系統(tǒng)對目標(biāo)進行有效打擊的重要前提.為此,首先需獲得目標(biāo)的空間位置、運動狀態(tài)以及目標(biāo)種類信息,并以此為瞄準(zhǔn)依據(jù),驅(qū)動火力系統(tǒng)完成對目標(biāo)的瞄準(zhǔn)與打擊.

主要研究內(nèi)容包括:目標(biāo)的探測與識別,機動目標(biāo)的建模與跟蹤以及多傳感器多目標(biāo)關(guān)聯(lián)問題.

1.1 目標(biāo)探測與識別

目前,對目標(biāo)的探測主要包括雷達的主動探測形式以及光電紅外的被動方式.目標(biāo)識別的主要方法可以粗略地概括為以下4類:

1)統(tǒng)計模式識別方法.該方法主要利用目標(biāo)的統(tǒng)計特性,以貝葉斯理論為基礎(chǔ),在提取特征向量的基礎(chǔ)上應(yīng)用特征匹配分類技術(shù)對目標(biāo)進行識別.該方法適用于較窄的場景,不適用于處理目標(biāo)或背景變化較大,目標(biāo)存在遮蔽,模糊等情形.

目前,最近鄰域法、多維相關(guān)匹配方法、最大似然貝葉斯分類器、貝葉斯優(yōu)化決策規(guī)則、最大似然函數(shù)等都已用于目標(biāo)特征的分類決策.

2)基于知識和模型的目標(biāo)識別方法.此方法需要根據(jù)已有的先驗知識,對待識別目標(biāo)進行相關(guān)特征的提取、歸納,并利用提取的特征對目標(biāo)進行抽象建模,由它們構(gòu)成目標(biāo)識別的約束,最后對實際成像圖像進行相應(yīng)的特征提取和目標(biāo)假設(shè),并借助獲得的目標(biāo)先驗知識模型的約束對該假設(shè)完成推理和驗證,得到識別結(jié)果.

文獻[2]將知識引入到解決雷達目標(biāo)識別這類復(fù)雜問題中,提出一種基于知識的雷達目標(biāo)識別模型,可以有效地識別車輛和坦克兩類目標(biāo),提高目標(biāo)識別的可靠性;文獻[3]中對比了基于知識的目標(biāo)識別算法和恒虛警率檢測算法對真實合成孔徑雷達(Synthetic aperture radar,SAR)圖像識別效果,實驗結(jié)果表明,基于知識的目標(biāo)識別算法可以更有效地識別目標(biāo),抑制虛警.

3)基于人工神經(jīng)網(wǎng)絡(luò)的自動目標(biāo)識別方法.人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network,ANN)是由大量的基本處理單元組成的非線性自適應(yīng)系統(tǒng),是一種模擬生物神經(jīng)網(wǎng)絡(luò)的人工智能方法,它具有自學(xué)能力、聯(lián)想記憶能力和計算能力,能通過簡單非線性單元的復(fù)合映射而獲得較強的非線性處理能力.ANN在目標(biāo)識別中得到了廣泛的應(yīng)用并取得了不錯的識別效果.

文獻[4]分別應(yīng)用經(jīng)典反向傳播(Back propagation,BP)算法,具有動量項和自適應(yīng)學(xué)習(xí)速率的BP算法和Levenberg-marguardt(LM)優(yōu)化算法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)以實現(xiàn)精確識別目標(biāo)的效果,通過實驗對比發(fā)現(xiàn),采用LM優(yōu)化算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)收斂速度快,目標(biāo)識別率較高.針對雷達目標(biāo)信號復(fù)雜多樣的特點,文獻[5]提出了基于BP神經(jīng)網(wǎng)絡(luò)的雷達目標(biāo)識別方法.文獻[6]提出運用遞推最小二乘學(xué)習(xí)算法訓(xùn)練徑向基函數(shù)神經(jīng)網(wǎng)絡(luò),對目標(biāo)進行識別,實驗結(jié)果表明,基于此方法的目標(biāo)識別精度較高,發(fā)生錯判的幾率有所降低,具有較好的識別效果.

4)基于深度學(xué)習(xí)的自動目標(biāo)識別方法.近年來,深度學(xué)習(xí)技術(shù)快速發(fā)展,已成功應(yīng)用于圖像識別等領(lǐng)域.深度學(xué)習(xí)是一種訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)算法,最終得到的深度神經(jīng)網(wǎng)絡(luò)模型就是一種通過學(xué)習(xí)大量數(shù)據(jù)而得到的知識模型.將其運用到自動目標(biāo)識別中,就是通過訓(xùn)練圖像數(shù)據(jù)集獲得可辨識目標(biāo)屬性的知識模型.獲得這種知識模型主要過程包括圖像訓(xùn)練樣本集預(yù)處理,網(wǎng)絡(luò)模型構(gòu)建和網(wǎng)絡(luò)模型參數(shù)優(yōu)化.

文獻[7]采用5類目標(biāo)圖像數(shù)據(jù)集:預(yù)警機、航母、驅(qū)護艦、F35、F16和B52,訓(xùn)練深度神經(jīng)網(wǎng)絡(luò).實驗與測試結(jié)果表明此方法能有效改善目標(biāo)的識別精度和速度.文獻[8]使用由Sandia國家實驗室的SAR傳感器采集的SAR圖像實驗數(shù)據(jù)集來訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò),來實現(xiàn)SAR圖像目標(biāo)識別與全極化SAR地物分類,針對帶相位信息的SAR圖像,在文獻中將卷積神經(jīng)網(wǎng)絡(luò)推廣到了復(fù)數(shù)域,提出了復(fù)數(shù)卷積神經(jīng)網(wǎng)絡(luò).

1.2 機動目標(biāo)建模與跟蹤

由于在戰(zhàn)場上目標(biāo)的行為模式復(fù)雜多變,為了能準(zhǔn)確估計目標(biāo)位置和運動狀態(tài),必須要建立目標(biāo)的運動模型.模型既要符合目標(biāo)的實際運動情況又要便于對其進行理論上的分析和計算.目標(biāo)的運動模型大體上可以分為:全局統(tǒng)計模型和當(dāng)前統(tǒng)計模型.對于單純的目標(biāo)跟蹤問題實際上就是目標(biāo)狀態(tài)的跟蹤濾波問題.它是通過一個或多個傳感器獲取對環(huán)境中目標(biāo)的有噪聲觀測值,利用計算機來完成信號處理,從背景中識別目標(biāo)并對目標(biāo)進行精確的跟蹤.當(dāng)目標(biāo)發(fā)生機動時,要保證跟蹤濾波器能夠跟蹤上目標(biāo)運動狀態(tài)的變化,并輸出正確的目標(biāo)運動信息.

目前,機動目標(biāo)跟蹤問題所面臨的主要挑戰(zhàn)是測量起源的不確定性和目標(biāo)運動方式的不確定性.基于模型的單模型算法和多模型算法是兩類最主要的機動目標(biāo)跟蹤算法,它們的主要區(qū)別在于行為決策與狀態(tài)估計之間的關(guān)系.使用基于單一模型的自適應(yīng)濾波方法進行機動目標(biāo)跟蹤時效果往往并不理想.而多模型方法是對強機動目標(biāo)有較高適應(yīng)性的跟蹤方法.目前,典型的機動目標(biāo)跟蹤算法主要包括:變維濾波算法,Singer模型算法和交互式多模型算法等.

1)變維濾波算法.該算法采用兩種模型,即非機動模型和機動模型.變維濾波算法的基本原理是:當(dāng)目標(biāo)處于非機動時濾波器工作于非機動模型狀態(tài),即采用位置和速度的二維卡爾曼濾波,當(dāng)檢測器檢測到目標(biāo)機動時,濾波器切換到機動模型狀態(tài),即采用位置、速度和加速度的三維增廣卡爾曼濾波器,實現(xiàn)目標(biāo)跟蹤.

文獻[9]將變維卡爾曼濾波算法應(yīng)用于激光跟蹤測量系統(tǒng),實現(xiàn)機動目標(biāo)的跟蹤,大幅提高了系統(tǒng)的跟蹤測量精度.文獻[10]將變維卡爾曼濾波算法應(yīng)用到雷達跟蹤檢測系統(tǒng),對機動目標(biāo)跟蹤具有較好的性能.該方法提高了機動目標(biāo)跟蹤的精度和抗干擾能力.但是,該方法存在較大的檢測延遲;濾波器之間切換時會產(chǎn)生較大的瞬時誤差.

2)Singer模型算法.該方法將運動目標(biāo)的機動看成是噪聲注入恒定的目標(biāo)運動模型而產(chǎn)生的擾動.不同的噪聲統(tǒng)計特性可以實現(xiàn)不同強度的目標(biāo)機動.該方法原理簡單,實現(xiàn)方便,在一定情況下可取得較好的跟蹤效果.但該方法并沒有體現(xiàn)出目標(biāo)產(chǎn)生機動的根本物理原因,對于大機動的目標(biāo),跟蹤效果較差甚至造成目標(biāo)跟蹤失敗.

3)交互式多模型算法(Interacting multiple model,IMM).此方法是在廣義貝葉斯算法的基礎(chǔ)上發(fā)展起來的,是一種具有相當(dāng)實用水平的多模型估計算法.它認(rèn)為不同模型之間的轉(zhuǎn)移概率服從有限態(tài)Markov過程,在多模型算法的基礎(chǔ)上考慮了多模型的交互,并根據(jù)模型概率加權(quán)求和得到最終估計結(jié)果.該算法的目標(biāo)跟蹤效果一般取決于其模型的選擇、模型的個數(shù)以及模型的參數(shù);然而,盲目增加模型集的模型數(shù)量不僅會導(dǎo)致計算量迅速增加,而且會降低目標(biāo)跟蹤性能.

文獻[11]在IMM算法中引入了容積卡爾曼濾波器(Cubature Kalman filter,CKF),設(shè)計了交互式多模型容積卡爾曼濾波算法(IMM-CKF).該算法采用Markov過程描述多個目標(biāo)模型間的切換,利用CKF濾波器對每個模型進行濾波,將各濾波器狀態(tài)輸出的概率加權(quán)融合作為IMM-CKF的輸出.仿真結(jié)果表明,算法跟蹤精度比交互式多模型無跡卡爾曼濾波算法精度更高,具有重要的工程應(yīng)用價值.文獻[12]做了進一步的改進,在IMM-CKF算法的基礎(chǔ)上,將平方根容積卡爾曼濾波器(Square root cubature Kalman filter,SRCKF)引入到IMM算法中,提出了帶有轉(zhuǎn)移概率在線修正的交互式多模型平方根容積卡爾曼濾波(IMM-SRCKF)機動目標(biāo)跟蹤算法,實驗仿真結(jié)果表明,該算法相對于常規(guī)的IMM及IMM-CKF算法,IMM-SRCKF算法跟蹤精度更高,模型切換更合理,切換速度更快.

文獻[13]結(jié)合Singer模型算法和交互多模型算法各自的特點,設(shè)計了基于IMM-Singer模型的機動目標(biāo)跟蹤算法,實現(xiàn)Singer模型參數(shù)的自適應(yīng)選擇,實驗仿真結(jié)果表明,該算法與單一的Singer模型算法及常規(guī)的IMM算法相比較,有效提高了機動目標(biāo)跟蹤的精度.

1.3 多傳感器多目標(biāo)關(guān)聯(lián)

在多目標(biāo)跟蹤的情況下,需建立多個目標(biāo)點量測的關(guān)聯(lián)關(guān)系,并且同時建立多個目標(biāo)的航跡.而在多傳感器的情況下該問題就更為復(fù)雜,需要建立起不同傳感器探測的目標(biāo)量測之間的關(guān)聯(lián)關(guān)系.多傳感器多目標(biāo)跟蹤技術(shù)是將多個傳感器獲得的信息在融合中心有機合成,用以提高多目標(biāo)運動狀態(tài)估計的精度,其性能比單一傳感器要優(yōu)越得多.而數(shù)據(jù)關(guān)聯(lián)算法是多傳感器多目標(biāo)跟蹤技術(shù)的核心.

數(shù)據(jù)關(guān)聯(lián)問題產(chǎn)生的主要原因在于傳感器測量數(shù)據(jù)的不準(zhǔn)確性以及目標(biāo)跟蹤環(huán)境的復(fù)雜性.由于噪聲等原因,傳感器所得到的數(shù)據(jù)不可能完全準(zhǔn)確.此外,由于目標(biāo)跟蹤的先驗知識不足,目標(biāo)的個數(shù)往往也不清楚,觀測數(shù)據(jù)是否來源于真實目標(biāo)也無法事先辨別.這使得觀測數(shù)據(jù)與真實目標(biāo)之間的匹配關(guān)系非常難以確定.

目前,在雜波環(huán)境下多目標(biāo)跟蹤效果最好的數(shù)據(jù)關(guān)聯(lián)算法包括聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)方法和多假設(shè)關(guān)聯(lián)方法.但是隨著跟蹤目標(biāo)數(shù)量,回波數(shù)目與雜波密度的增加,算法的計算量急劇增加.近年來,隨著人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究復(fù)興以來,人們開始利用神經(jīng)網(wǎng)絡(luò)所具有的組合優(yōu)化計算能力來實現(xiàn)多目標(biāo)數(shù)據(jù)互聯(lián)問題的求解.

1.4 問題與展望

目前存在的目標(biāo)探測與識別方法均存在著一定的局限,特別是在復(fù)雜的戰(zhàn)場環(huán)境下對目標(biāo)的識別,跟蹤還存在著一些困難.對于目標(biāo)識別,在復(fù)雜環(huán)境中有效地識別目標(biāo),使方法對于環(huán)境具有高自適應(yīng)性仍然是挑戰(zhàn).在目標(biāo)跟蹤問題上,如何在平衡計算復(fù)雜度的前提下提高跟蹤精度,增強自適應(yīng)能力仍會是未來的研究方向.如何提高在復(fù)雜環(huán)境下目標(biāo)跟蹤的性能也是亟待解決的問題.此外,在多不確定性環(huán)境下,多傳感器多目標(biāo)跟蹤問題上,目前尚未出現(xiàn)實用的算法,還需要更多的研究.隨著深度神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)方法在計算機視覺中的廣泛應(yīng)用,可以預(yù)見這些新方法與目標(biāo)識別,目標(biāo)跟蹤的結(jié)合將會是未來研究的重點.如何將這些算法從實驗室推廣到計算資源受限的平臺上,并將在數(shù)據(jù)集上取得的效果泛化到真實環(huán)境中是實用化的重要研究問題.

2 火力控制與指揮控制

火力控制是信息化戰(zhàn)爭的主要依據(jù),火力指的是武器或彈藥系統(tǒng)形成的有效殺傷、摧毀、破壞的能力;控制則是對這樣的火力進行精準(zhǔn)的控制,以期望達到想要的目標(biāo).指揮控制是信息化戰(zhàn)爭的重要手段,指揮所執(zhí)行的功能是“做決定”,它負(fù)有重大的責(zé)任,指揮要對被指揮的人負(fù)責(zé);控制是對指揮員的決定進行操控,通過發(fā)出指令來進行控制.簡單來說,指揮控制決定打擊的目標(biāo),火力控制決定以哪種方式去打擊這個目標(biāo).火力控制與指揮控制相輔相成,共同成為現(xiàn)代戰(zhàn)爭的重要組成部分,同樣也是國家戰(zhàn)爭水平先進性的重要標(biāo)志.因此,火力控制與指揮控制的發(fā)展對國家的意義十分巨大.

2.1 火力控制

火力控制主要包含以下三個方面:火力控制系統(tǒng)、火力控制理論和火力控制技術(shù).火力控制理論是火控科學(xué)重要的組成部分,是火控科學(xué)的基礎(chǔ).火力控制理論用來分析、綜合火力控制的全過程.發(fā)展至今,火力控制理論已經(jīng)形成了一套獨有的理論體系,可以用來指導(dǎo)火力控制系統(tǒng)的設(shè)計.火力控制技術(shù)是基于火力控制理論并且可以應(yīng)用到具體火力控制系統(tǒng)中的一種方法,根據(jù)火力控制系統(tǒng)的功能組成,火力控制技術(shù)可以細(xì)分為:目標(biāo)搜索技術(shù)、目標(biāo)跟蹤技術(shù)、氣象與彈道條件測量技術(shù)、定位定向技術(shù)、脫靶量測量技術(shù)、火控計算機技術(shù)、武器隨動控制技術(shù)、信息顯示與控制技術(shù)、信息傳輸技術(shù).火力控制系統(tǒng)不僅是現(xiàn)代武器系統(tǒng)必不可少的重要組成部分,而且也是現(xiàn)代武器系統(tǒng)先進性的重要考量.火力控制系統(tǒng)涉及的領(lǐng)域十分廣泛,幾乎所有的現(xiàn)代武器系統(tǒng)中都含有火力控制系統(tǒng).火力控制理論、火力控制技術(shù)和火力控制系統(tǒng)互相發(fā)展,互相促進,共同推動了火力控制學(xué)科的發(fā)展.火力控制理論是火力控制學(xué)科的基礎(chǔ),伴隨著現(xiàn)代武器水平不斷發(fā)展而逐步更新的火力控制理論是火力控制學(xué)科發(fā)展的巨大推力;火力控制技術(shù)是火力控制學(xué)科得以不斷發(fā)展,完善的重要支柱,火力控制學(xué)科是一門多學(xué)科交叉的學(xué)科,不同學(xué)科中先進技術(shù)的發(fā)展促進了火力控制技術(shù)綜合性的發(fā)展,從而為火力控制學(xué)科的發(fā)展做好了充足的保證;火力控制系統(tǒng)是火力控制學(xué)科的集中表現(xiàn),隨著火力控制系統(tǒng)對于促進現(xiàn)代武器性能提升的作用日益顯著,很好彰顯了火力控制學(xué)科在未來的發(fā)展中有很好的前景.本節(jié)主要針對火力控制理論、火力控制技術(shù)和火力控制系統(tǒng)的國內(nèi)研究現(xiàn)狀進行總結(jié).

2.1.1 火力控制理論

1)命中分析

命中分析是將目標(biāo)航跡數(shù)學(xué)模型與彈頭彈道數(shù)學(xué)模型聯(lián)立建立命中方程,進而換算出武器的射擊諸元.命中分析研究內(nèi)容一般包括:彈道方程與射表、命中方程、命中方程求解與命中方程分析等.近年來,國內(nèi)在該領(lǐng)域主要針對不同武器系統(tǒng)的火控諸元解算模型和命中方程解算方法進行研究.

Deng等[14]利用射表數(shù)據(jù)虛擬的彈道曲線和參數(shù)辨識方法,建立了一種彈道微分方程模型,并給出整個方法的流程圖.趙東華等[15]提出了一種基于二分法求根思想的解外彈道方程組決定火炮射擊諸元算法,有效避免了查找射表帶來的諸如容易出錯,時間長,數(shù)據(jù)擬合復(fù)雜等問題,在保證計算精度的條件下大大提升了求解射擊諸元的計算速度.隨著計算機技術(shù)的迅猛發(fā)展,對火控彈道諸元解算速度提出了更高的要求.秦鵬飛等[16]通過對現(xiàn)行基于二分法的彈道解算方法的詳細(xì)分析,提出了一種全新的基于落點諸元信息的彈道解算方法,進一步提高了火炮射擊諸元的實時解算能力.邱曉波等[17]針對動對動過程中容易出現(xiàn)的火炮難以命中目標(biāo)等問題,利用車體運動速度傳感器補償彈丸附加初速,采用機動運動模型進行目標(biāo)跟蹤與預(yù)測,并直接在極坐標(biāo)系下設(shè)計了目標(biāo)機動模型和濾波算法用于解命中計算,為實際環(huán)境下作戰(zhàn)系統(tǒng)的解命中方法提供了一種新型的改進策略.

2)誤差分析

誤差分析在火力控制理論中具有很重要的實際價值.對實際環(huán)境下各個作戰(zhàn)系統(tǒng)的火控進行誤差分析,可以為不同情況選擇進行誤差補償或者為改進控制策略提供良好的思路和參考,對于提升我國火控系統(tǒng)戰(zhàn)術(shù)、技術(shù)性能有重要的指導(dǎo)意義.

許建勝等[18]采用蒙特卡洛方法對末敏彈命中目標(biāo)位置的散布特性進行了仿真研究,分析了風(fēng)向、傘的擺動、滾轉(zhuǎn)角和戰(zhàn)斗部散布等各個參數(shù)對于命中點的影響.陳敬志等[19]給出了空艦導(dǎo)彈火控系統(tǒng)動態(tài)精度實驗方法和需確定的重要的實驗要素,提出了有效的誤差分析與處理方法,為空艦導(dǎo)彈火控系統(tǒng)的設(shè)計定型提供了技術(shù)支撐.李魁武等[20]結(jié)合火控閉環(huán)控制技術(shù)和火控解算誤差相關(guān)性,建立了針對自行高炮射擊誤差綜合補償模型,利用火控解算前一時刻的誤差特性,對后一時刻火控解算進行誤差實時綜合補償,有效提高了自行高炮射擊精度.

2.1.2 火力控制技術(shù)

火力控制技術(shù)屬于應(yīng)用范疇,它綜合了計算機技術(shù)、網(wǎng)絡(luò)技術(shù)、通信技術(shù)、控制理論與技術(shù)、光電子等技術(shù),具有典型的多學(xué)科交叉特性.本節(jié)僅對火控系統(tǒng)中的幾個重要支撐技術(shù)的近些年取得的成果進行總結(jié).

1)火控計算機技術(shù)

火控計算機技術(shù)是研究火控系統(tǒng)計算設(shè)備的科學(xué)技術(shù),包括火控計算機硬件和火控軟件.火控計算機是火控系統(tǒng)數(shù)據(jù)處理的核心與中樞;火控軟件一般指運行于火控計算機上的應(yīng)用程序.

齊勁松等[21?22]結(jié)合國產(chǎn)化工程實踐分別提出了基于龍芯2F+1A和龍芯3A+2H的火控計算機系統(tǒng)的設(shè)計思路和方法,在保證滿足軍用系統(tǒng)的安全性和可靠性的同時,也具有良好的實時性和實用性.鄧方等[23]將改進粒子群優(yōu)化的彈道解算方法和多核計算機并行計算能力相結(jié)合,提出了一種基于改進粒子群優(yōu)化的彈道并行求解算法,極大地減少了彈道計算時間.

2)網(wǎng)絡(luò)化火控技術(shù)

傳統(tǒng)集中式的火控體系結(jié)構(gòu)由于其信息處理速度慢,抗毀性差等原因已不能適應(yīng)現(xiàn)代化作戰(zhàn)的需求,并且隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展和高科技作戰(zhàn)形式的不斷產(chǎn)生,人們開始研究了一種網(wǎng)絡(luò)化的火控體系結(jié)構(gòu).網(wǎng)絡(luò)化控制系統(tǒng)是通過網(wǎng)絡(luò)閉環(huán)的反饋控制系統(tǒng),系統(tǒng)內(nèi)各節(jié)點可以通過網(wǎng)絡(luò)互相連接通信并根據(jù)環(huán)境需求靈活重組,系統(tǒng)反應(yīng)速度快,適應(yīng)性和抗毀性強.自網(wǎng)絡(luò)化火控系統(tǒng)這個問題提出以來,一直受到很多學(xué)者的廣泛關(guān)注.

陳晨等[24]以網(wǎng)絡(luò)化防空作戰(zhàn)為背景,構(gòu)建了網(wǎng)絡(luò)化防空火控系統(tǒng)的分層分布式體系結(jié)構(gòu)和基于預(yù)測序列的信息傳輸方式,并針對防空作戰(zhàn)的任務(wù)需求,提出了相應(yīng)的指揮體系重組方法.陳杰等[25]在此基礎(chǔ)上,將網(wǎng)絡(luò)化防空火控系統(tǒng)和航跡融合問題進行結(jié)合,提出并構(gòu)建了基于聯(lián)邦卡爾曼濾波技術(shù)的航跡融合方法,很好地解決了在信息傳輸過程中出現(xiàn)的數(shù)據(jù)丟包和時延等問題.王磊等[26]以區(qū)域防空反彈道導(dǎo)彈網(wǎng)絡(luò)化作戰(zhàn)為背景,描述和分析了軍事系統(tǒng)資源的動態(tài)集成過程,實現(xiàn)了區(qū)域防空網(wǎng)絡(luò)化作戰(zhàn)體系結(jié)構(gòu)的服務(wù)視圖產(chǎn)品的設(shè)計.

2.1.3 火力控制系統(tǒng)

火力控制系統(tǒng)是實現(xiàn)火力控制功能的、若干相互聯(lián)系和相互作用的要素組成的統(tǒng)一整體,這些要素包括裝備和人.火力控制系統(tǒng)是火控理論和火控技術(shù)的物化或載體.

坦克作為陸上作戰(zhàn)的中堅力量,受到了越來越廣泛的關(guān)注.坦克火力控制系統(tǒng)經(jīng)歷4個發(fā)展階段:人工裝表、簡易自動裝表、穩(wěn)像和自動跟蹤.王欽釗等[27]針對火控系統(tǒng)解命中理論、目標(biāo)跟蹤與狀態(tài)辨識、炮控系統(tǒng)穩(wěn)定精度以及射擊延時誤差等多個層面分析影響坦克火控系統(tǒng)性能的原因,并提出相應(yīng)的改進方法.鄭巖等[28]建立了車載火控系統(tǒng)在高速運動的情況下對運動目標(biāo)進行自動跟蹤時敵我兩車相對運動關(guān)系的數(shù)學(xué)模型,并基于傳感器的實時信息利用卡爾曼濾波技術(shù)實現(xiàn)了車載火控系統(tǒng)對目標(biāo)的自動跟蹤,提高了首發(fā)命中率.

2.2 指揮控制

指揮控制是戰(zhàn)爭運用的重要手段之一,它隨著戰(zhàn)爭的發(fā)生而誕生,也必將隨著生產(chǎn)力的發(fā)展而不斷發(fā)展.從20世紀(jì)50年代的C2(指揮與控制)系統(tǒng),到60年代C3(指揮、控制與通信)系統(tǒng),70年代C3I(指揮、控制、通信與情報)系統(tǒng),再到C4I(指揮、控制、通信、計算機和情報)系統(tǒng)以及最新的C4ISR(指揮、控制、通信、計算機與情報、監(jiān)視、偵察)系統(tǒng),指揮控制系統(tǒng)越來越呈現(xiàn)出多技術(shù)交叉的特征.陸用運動體系統(tǒng)指揮控制的研究方向主要包括:多傳感器數(shù)據(jù)融合、網(wǎng)絡(luò)化指揮控制、智能輔助決策,下面就這三個方向在近些年取得的成果分別進行闡述.

2.2.1 多傳感器數(shù)據(jù)融合

多傳感器數(shù)據(jù)融合技術(shù)為國內(nèi)外研究的熱點.多傳感器數(shù)據(jù)融合是指:將一定數(shù)量不同的傳感器的觀測數(shù)據(jù)進行綜合從而獲得被測對象更魯棒更完整的描述的過程.多傳感器數(shù)據(jù)融合技術(shù)廣泛應(yīng)用于機器人、傳感器網(wǎng)絡(luò)、目標(biāo)識別、智能系統(tǒng)設(shè)計等領(lǐng)域.目前常用的多傳感器數(shù)據(jù)融合的算法包括加權(quán)平均法、卡爾曼濾波法、多貝葉斯估計法、人工神經(jīng)網(wǎng)絡(luò)法、專家系統(tǒng)等.

張品等[29]將貝葉斯估計和卡爾曼濾波結(jié)合起來,提出了一種優(yōu)化的貝葉斯估計多傳感器數(shù)據(jù)融合方法.司迎利等[30]提出了一種基于全局狀態(tài)估計的多傳感器加權(quán)數(shù)據(jù)融合算法,可以使?fàn)顟B(tài)的估計值充分逼近真實值,從而使得算法具有較高的融合精度和抗干擾性.曾喆昭等[31]提出了一種基于遞推最小二乘法的多傳感器數(shù)據(jù)融合的正交基神經(jīng)網(wǎng)絡(luò)算法,用基于遞推最小二乘法的神經(jīng)網(wǎng)絡(luò)算法對各傳感器的量測數(shù)據(jù)進行處理,并用神經(jīng)網(wǎng)絡(luò)輸出結(jié)果的平均值來實現(xiàn)多傳感器的數(shù)據(jù)融合.

2.2.2 網(wǎng)絡(luò)化指揮控制

網(wǎng)絡(luò)化控制系統(tǒng)是指通過網(wǎng)絡(luò)閉環(huán)的反饋控制系統(tǒng).近年來,網(wǎng)絡(luò)化控制系統(tǒng)得到了廣泛的研究和飛速的發(fā)展.網(wǎng)絡(luò)化指揮控制是網(wǎng)絡(luò)化控制技術(shù)在軍事領(lǐng)域內(nèi)的典型應(yīng)用.網(wǎng)絡(luò)化指揮控制將在一定范圍內(nèi)的作戰(zhàn)單元通過網(wǎng)絡(luò)連接起來,在互聯(lián)互通,互操作的基礎(chǔ)上,將各個分散的作戰(zhàn)單元形成一個整體,提高資源的綜合利用率,實現(xiàn)作戰(zhàn)效能的大幅提升.網(wǎng)絡(luò)化指揮控制系統(tǒng)具有極強的抗毀性、靈活性、快速性,是物聯(lián)網(wǎng)時代的必然產(chǎn)物.

李啟元等[32]分析了網(wǎng)絡(luò)化指揮控制中的同步問題.在指揮控制經(jīng)典的包以德循環(huán)(Observation,orientation,decesion,action,OODA)模型的基礎(chǔ)上結(jié)合耦合相位振子的Kuramoto模型,建立了網(wǎng)絡(luò)化指揮控制系統(tǒng)動態(tài)行為描述模型.在此基礎(chǔ)上,分析了耦合強度與網(wǎng)絡(luò)化指揮控制系統(tǒng)同步特性之間的關(guān)系.王文普等[33]從網(wǎng)絡(luò)化作戰(zhàn)所特需的入網(wǎng)能力、作戰(zhàn)指揮能力、指揮關(guān)系重組能力、網(wǎng)絡(luò)安全防護能力出發(fā),詳細(xì)分析了網(wǎng)絡(luò)化指揮控制系統(tǒng)的作戰(zhàn)能力,并建立了網(wǎng)絡(luò)化作戰(zhàn)能力的評估指標(biāo)體系和評估模型.

2.2.3 智能輔助決策

隨著戰(zhàn)爭復(fù)雜程度的加重,對決策者提出了越來越高的要求,例如,能否24小時連續(xù)作戰(zhàn),能否綜合各方面信息快速決策,能否在短時間內(nèi)對戰(zhàn)場形勢進行估計,能否快速對目標(biāo)的威脅程度進行評估并迅速調(diào)整火力分配和部署以求精準(zhǔn)消滅等.因此,智能輔助決策系統(tǒng)引起了越來越多人的關(guān)注,成為地面武器裝備指揮控制系統(tǒng)中的研究熱點.智能輔助決策包括4個方面:信息獲取,戰(zhàn)場態(tài)勢評估,目標(biāo)威脅估計和火力分配等.

輔助決策傳統(tǒng)的求解方法是建立在以數(shù)學(xué)規(guī)劃為基礎(chǔ)的建模方式上的.王連峰等[34]研究了空襲目標(biāo)的實時威脅評估問題,在充分利用目標(biāo)與陣地實時信息的基礎(chǔ)上,應(yīng)用模糊理論結(jié)合加權(quán)平均模型對威脅度進行了較準(zhǔn)確的計算,評估結(jié)果更符合實現(xiàn)情況.馬瑾等[35]以裝甲車為實例,提出適用平面的二次曲線獲取方法,并在此基礎(chǔ)上求解了戰(zhàn)場環(huán)境中關(guān)注目標(biāo)的三維幾何數(shù)據(jù).隨著計算機技術(shù)與人工智能技術(shù)的不斷發(fā)展,許多智能優(yōu)化算法不斷涌現(xiàn),例如:蟻群算法、粒子群算法、模擬退火算法、遺傳算法、差分進化算法、深度學(xué)習(xí)算法等.朱豐等[36]分析了大數(shù)據(jù)背景下的戰(zhàn)場態(tài)勢評估,對基于深度學(xué)習(xí)的戰(zhàn)場態(tài)勢評估問題進行了較全面的綜述,并展望了未來的研究方向.李姜等[37]采用粒子群算法(Particle swarm optimization,PSO)對支持向量機(Support vector machine,SVM)中懲罰參數(shù)和核函數(shù)進行優(yōu)化,建立改進的PSO-SVM目標(biāo)威脅估計模型及算法.劉海波等[38]采用模擬退火改進的粒子群算法代替神經(jīng)網(wǎng)絡(luò)中傳統(tǒng)的梯度下降法,對網(wǎng)絡(luò)參數(shù)初始值進行優(yōu)化,建立了基于模擬退火粒子群算法優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)模型,并應(yīng)用于空中目標(biāo)威脅評估,取得了良好的效果.

2.3 問題與展望

在目前的陸用運動體裝備系統(tǒng)中,火力控制與指揮控制仍然是分開的.其原因在于目前的裝備自動化、信息化、智能化程度仍然是較低的.首先,為了提高火力控制與指揮控制一體化程度,提高未來裝備的自動化水平是充分條件之一.再次,將理論上效果優(yōu)良的火力控制方法實用化,利用網(wǎng)絡(luò)化提高火控系統(tǒng)信息融合程度是提高火控系統(tǒng)效率的重要方向.目前在信息融合方面無通用算法出現(xiàn),而且針對復(fù)雜戰(zhàn)場上信息傳遞和處理能力存在瓶頸,仍然需要解決方案.網(wǎng)絡(luò)化控制系統(tǒng)是未來的趨勢,針對其中復(fù)雜的信息流與物質(zhì)流的互動和控制仍然需要研究.面對未來更加復(fù)雜的戰(zhàn)場環(huán)境,智能輔助決策系統(tǒng)將會是智能陸用運動體的控制系統(tǒng)的重要組成部分.目前智能算法層出不窮,如何將它們運用在決策輔助中,并且將效果推廣到真實環(huán)境中將會是智能輔助決策系統(tǒng)研究中的關(guān)鍵問題.

3 多平臺協(xié)同

多平臺協(xié)同控制和優(yōu)化,是現(xiàn)代戰(zhàn)爭的重要特點,如何將分散的戰(zhàn)略戰(zhàn)術(shù)資源和各類武器平臺有機地結(jié)合起來,最大化地發(fā)揮出作用,充分利用武器平臺的“合同”優(yōu)勢,整合有效的武器資源,對我方的重要基礎(chǔ)設(shè)施進行有效的保護,對作戰(zhàn)資源進行高效的管理,實現(xiàn)對敵方威脅的有效清除對于作戰(zhàn)效能的提高有著至關(guān)重要的作用.從2000年起,美國國防部每兩年制定一次無人作戰(zhàn)系統(tǒng)路線圖.在新版的路線圖中明顯地強調(diào)了多無人平臺的協(xié)同.美軍成功開展了通用式開放架構(gòu)、自主處理與魯棒決策、全異信息融合與控制的研究,并于2012年5月在DARPA位于Georgia的Fort Wtewart成功進行了多平臺的協(xié)同群集驗證.針對無人機蜂群作戰(zhàn),美國也積極開展相關(guān)的研究工作,啟動了一些研究項目.例如,美國空軍研究實驗室提出的“忠誠僚機”項目,美國國防高級研究計劃局提出的“小精靈”項目和“體系綜合技術(shù)和實驗”項目等.在真實的戰(zhàn)爭環(huán)境中,武器與目標(biāo)信息、信息傳輸過程中包含的擾動、不可預(yù)計的意外事件、同時決策時間,打擊頻率都受到客觀條件的約束,在多平臺協(xié)同中,必須要解決包含不確定性的強約束條件下的動態(tài)決策問題.其次,無人機、無人車等無人平臺的引入,在多平臺協(xié)同過程中必須要考慮有人/無人系統(tǒng)的協(xié)同指揮和快速響應(yīng),為此需要建立相應(yīng)的知識庫和決策體系,研究任務(wù)分配和指揮決策問題.

3.1 作戰(zhàn)資源部署

在戰(zhàn)爭開始之前,需要對戰(zhàn)場形式進行評估,利用已有的傳感探測資源和武器戰(zhàn)略資源進行空間部署,針對可能出現(xiàn)的作戰(zhàn)情形,提前做好準(zhǔn)備,使得在實戰(zhàn)中占到主動權(quán)和先機,但是在實際的作戰(zhàn)中,需要考慮的因素極其復(fù)雜,對于不同設(shè)施的重要性評估,戰(zhàn)略資源的毀傷概率等,作戰(zhàn)資源部署更多地依賴戰(zhàn)場指揮者的經(jīng)驗和智慧,當(dāng)前對于作戰(zhàn)資源部署的研究還不成熟,只有少量的研究成果進行了量化分析.

作戰(zhàn)資源部署需要根據(jù)作戰(zhàn)意圖、任務(wù)、敵情和地形確定,不同的因素對于問題的重要性不均勻,機械的量化會導(dǎo)致模型與實際情形的差異較大,對于實際作戰(zhàn)無指導(dǎo)意義.在實際的進攻部署中,需要劃分戰(zhàn)場和方向,每個方向包括多個不同的作戰(zhàn)單位,不同的單位有各自的任務(wù)和目的,而在防御部署中,同樣要在各個戰(zhàn)場構(gòu)建多道防線,防線間還有預(yù)備隊等替補集團.

在考慮防空部署問題上,邢清華提出了掩護價值的概念[39],即掩護能力和保衛(wèi)目標(biāo)重要程度的綜合度量,利用其作為優(yōu)化指標(biāo),采用啟發(fā)式算法,優(yōu)化得到模型的解,并在實際應(yīng)用中驗證了可行性.劉健提出了部署方案相似度的概念[40],在資源部署過程中,優(yōu)化過程極其困難,同時暴力搜素也是不現(xiàn)實的,通過相似度概念,可以通過少量的計算,實現(xiàn)目標(biāo)明確的優(yōu)化資源部署.此外,文獻[41?42]同樣考慮了防空導(dǎo)彈的部署問題,但是分別使用了模擬退火算法和進化算法對于優(yōu)化問題進行求解.

3.2 作戰(zhàn)資源分配

根據(jù)已有資源的屬性不同,作戰(zhàn)資源分配問題可以分為傳感探測資源分配和武器資源分配,雖然在具體背景下的資源分配有差異,但是抽象到數(shù)學(xué)模型,在問題描述和求解上具有相似性,現(xiàn)有的研究集中于武器目標(biāo)分配問題.隨著信息技術(shù)的高速發(fā)展,現(xiàn)代戰(zhàn)爭不斷向信息化,系統(tǒng)化發(fā)展,先進的傳感監(jiān)測系統(tǒng)可以精準(zhǔn)地探測到目標(biāo),現(xiàn)代化的武器能夠?qū)δ繕?biāo)進行準(zhǔn)確的打擊,通信技術(shù)將不同的平臺、資源、信息連接在一起,在這樣的背景下,武器目標(biāo)分配問題的求解變得尤為重要,對于制定正確的戰(zhàn)術(shù)戰(zhàn)略決策有著重大意義.

武器目標(biāo)分配問題(Weapon target assignment,WTA)是多系統(tǒng)協(xié)同中的動態(tài)決策的主要問題,是軍事運籌學(xué)中一個經(jīng)典的組合優(yōu)化問題.通過有效的分配已有資源,對目標(biāo)進行打擊,使得對敵方目標(biāo)最大化損毀,或者保護己方重要設(shè)施,并且使用最小的作戰(zhàn)消耗.不同的優(yōu)化目標(biāo)之間往往不一致,甚至是相互矛盾的,需要權(quán)衡各個目標(biāo)之間的相對重要性,選取合適的優(yōu)化目標(biāo).WTA問題可以用數(shù)學(xué)中的多目標(biāo)優(yōu)化來描述,這是作戰(zhàn)資源分配的一個通用的決策模型.解決多目標(biāo)優(yōu)化問題的實質(zhì)是在各個目標(biāo)之間做取舍,權(quán)衡相對重要性進行折中處理.

武器目標(biāo)分配問題根據(jù)不同的標(biāo)準(zhǔn)可以進行不同的分類,根據(jù)應(yīng)用場景的不同可以分為防御性WTA和進攻性WTA.進攻性WTA以造成最大毀傷為目的,防御性WTA的目標(biāo)為保護關(guān)鍵設(shè)施和防御資源.根據(jù)模型是否時變分為動態(tài)WTA和靜態(tài)WTA.當(dāng)前的研究主要集中于靜態(tài)WTA問題.動態(tài)WTA包含不確定性和參數(shù)變化,問題的分析和求解較為困難.在文獻[43]中,作者總結(jié)了當(dāng)前WTA問題研究的現(xiàn)狀,指出了在動態(tài)WTA問題的特征,目前的研究集中在靜態(tài)WTA上,同時指出只有規(guī)模小的問題被很好地解決,而大規(guī)模問題目前沒有好的解決方案.

在文獻[44]中,Lloyd等已經(jīng)證明了目標(biāo)武器分配問題為NP完全問題.文獻[45]中使用大規(guī)模鄰域搜索的方法進行WTA問題求解,在可行解中求取最優(yōu)的結(jié)果,雖然得到了準(zhǔn)確的解,但是計算的時間和空間復(fù)雜度較大,文獻[46]給出了改進的大范圍鄰域搜索的方法,但是當(dāng)維度增加,搜索空間變大后,無法得到性能良好的解決方法.隨著研究的深入各類智能優(yōu)化算法表現(xiàn)良好,其中進化算法成為了研究的熱門,進化算法是一種隨機優(yōu)化方法,該方法被證明了可以用于單目標(biāo)優(yōu)化,又可以用于多目標(biāo)優(yōu)化,算法對于待優(yōu)化問題的連續(xù)性要求沒有傳統(tǒng)算法高,可以處理的目標(biāo)函數(shù)和約束條件也更加寬泛.

文獻[47?51]分別在不同的背景下,使用遺傳算法,求解WTA問題,其中文獻[47]討論了在多層防御體系下的武器目標(biāo)分配,在文獻[48?50]中考慮了不同情形下的防空防御問題,文獻[51]考慮了動態(tài)武器目標(biāo)分配問題,利用元級控制過程控制算法的響應(yīng)時間.文獻[45]同樣考慮了防空作戰(zhàn)指揮系統(tǒng)的WTA問題,采取了融合小生境技術(shù)及跨代基因選擇技術(shù)的改進的遺傳算法,取得了良好的求解效果.單獨使用遺傳算法和改進遺傳算法對與性能的提升有限,在原始的基于分解的多目標(biāo)優(yōu)化問題中,使用的是模擬二進制交叉和多項式變異算子,為了改進算法效果,將遺傳算法與其他智能優(yōu)化算法融合,如蟻群算法[52]、粒子群算法[53]、模擬退火等.同樣是考慮在多層防御體系下的防空作戰(zhàn),在文獻[54]中,將模擬退火和遺傳算法融合,模擬退火算法作為一種隨機啟發(fā)式優(yōu)化算法,通常用于難以求解的組合優(yōu)化問題,搜索近似最優(yōu)解[55],先使用遺傳算法搜索到接近全局最大/最小值,然后使用模擬退火進一步優(yōu)化結(jié)果,使得計算效率提高.文獻[56?58]將粒子群算法和遺傳算法融合,改善了單獨使用單一算法的性能.

3.3 多平臺協(xié)同控制

現(xiàn)代戰(zhàn)爭中,各個智能平臺將共同協(xié)作,收集信息,打擊目標(biāo),毀傷評估,而不是傳統(tǒng)的單一平臺指揮作戰(zhàn),為滿足未來戰(zhàn)爭的需要,必須構(gòu)建一體化智能作戰(zhàn)平臺,依靠群體優(yōu)勢,利用異構(gòu)協(xié)同作戰(zhàn)平臺,應(yīng)對復(fù)雜的戰(zhàn)場環(huán)境.由于戰(zhàn)爭環(huán)境的變化迅速,充斥著隨機事件和人為因素,在惡劣的條件下,如果只考慮多智能平臺的穩(wěn)定性,則系統(tǒng)無法滿足實際要求,無法適應(yīng)多樣化的任務(wù)和復(fù)雜的環(huán)境.因此,必須要解決在任務(wù)與環(huán)境約束下的多平臺協(xié)同控制問題,以提高系統(tǒng)環(huán)境適應(yīng)能力與復(fù)雜任務(wù)的完成能力.

3.3.1 連通性保持條件下的協(xié)同控制

在系統(tǒng)節(jié)點保持連通的情況下,如何進行協(xié)同控制是最近的研究熱點,研究人員從不同的角度進行分析.在文獻[59]中,通過給拓?fù)渲械倪吋由蠙?quán)值,保證拓?fù)溥B通,研究動態(tài)拓?fù)渲械亩嘀悄荏w協(xié)同控制.同樣是在保證拓?fù)涞倪B通性方面,文獻[60?61]使用了勢能函數(shù)的概念,特別地,連通度約束被轉(zhuǎn)化為每個節(jié)點運動的微分約束.在無線網(wǎng)絡(luò)約束下,Spanos等在[62]中提出了“幾何魯棒性問題”,文獻[63]使用圖的連通性,分析了閉環(huán)的多智能體運動規(guī)劃.

多智能體系統(tǒng)與圖論聯(lián)系緊密,圖論的相關(guān)理論可以用于多智能體系統(tǒng)的分析,將子系統(tǒng)看作節(jié)點,系統(tǒng)間的聯(lián)系看作邊,整個系統(tǒng)形成一個拓?fù)?很多研究分析了以拉普拉斯矩陣為基礎(chǔ)的代數(shù)特征,比如最小的非零特征值、譜半徑等,這些代數(shù)特征一定程度地反映了系統(tǒng)的連通特性.在文獻[64]中,考慮的情形是機場網(wǎng)絡(luò)的連通度最大化,即航班的增加和取消問題,提升機場運營效率.文獻[65]考慮的是二階積分器模型,給出了分布式的優(yōu)化系統(tǒng)連通度的方法.Zavlanos等使用的是分布式次梯度優(yōu)化的方法,優(yōu)化目標(biāo)仍然是增大化系統(tǒng)連通性[66].Mesbahi等假設(shè)兩個節(jié)點間的距離決定拓?fù)錂?quán)重,考慮最優(yōu)配置個體位置時,優(yōu)化系統(tǒng)代數(shù)連通度,即最小的非零特征值[67?68].

在保證系統(tǒng)連通性的條件下,結(jié)合適當(dāng)?shù)膮f(xié)同控制策略,可以實現(xiàn)多種控制目標(biāo).Xiao考慮的是分布式平均一致性問題的優(yōu)化,使用半正定規(guī)劃優(yōu)化代數(shù)連通度,得到快速收斂的迭代方法[69].Cortes等則使用外心算法,使得每個節(jié)點的目標(biāo)節(jié)點位于鄰居節(jié)點的交集中,利用局部信息,實現(xiàn)全局無分裂的群集行為[70].Schuresko等使用分布式的方法提取拓?fù)渖蓸?在系統(tǒng)切換的過程中保持節(jié)點間的連通[71?72].

3.3.2 障礙物規(guī)避條件下的連通性保持

在真實的環(huán)境中,各個子系統(tǒng)所處的環(huán)境充滿著各類擾動,其中障礙物規(guī)避是必須考慮的實際問題.避障控制是一個非常關(guān)鍵的問題,障礙不僅是環(huán)境中可能出現(xiàn)的干擾節(jié)點運動的實例,也包含節(jié)點之間的相互規(guī)避,以免發(fā)生碰撞.

在文獻[73]中,Olfati-Saber給出了在自由空間中,存在障礙物的條件下分布式集群算法的設(shè)計和分析的理論框架,給出了三種具體的集群算法.除了勢函數(shù),流函數(shù)也是目前的研究重點,其實質(zhì)仍然是人工勢場函數(shù)的思想,但是借鑒了流體力學(xué)中的勢場區(qū)域概念,將每個節(jié)點看作是流體的一部分,構(gòu)造復(fù)勢函數(shù),得到平滑的控制規(guī)律.Waydo等借用水動力分析的概念,給出的流函數(shù)滿足拉普拉斯方程,給出了二維空間的導(dǎo)航函數(shù)[74].同樣是使用流函數(shù),文獻[75]從將智能體視為不可壓縮的流體通過圓形障礙物擴展到多個障礙物,并包含編隊、風(fēng)險管理,實現(xiàn)復(fù)雜環(huán)境下的路徑規(guī)劃問題.文獻[76]將人工勢函數(shù)和流函數(shù)結(jié)合,實現(xiàn)了穩(wěn)定的集群運動,在保證系統(tǒng)動態(tài)的拓?fù)溥B通性的同時實現(xiàn)了避障.Daily等考慮了高速運動物體的路徑規(guī)劃,在復(fù)雜外形的障礙物情況下,其勢場為多個圓形勢場的加權(quán)平均[77].此外,針對無人機平臺的路徑規(guī)劃,在地形障礙和視為圓形雷達區(qū)域的影響下,將無人機的目的地視為端,推導(dǎo)出復(fù)雜的流函數(shù)[78?79].

3.3.3 基于事件驅(qū)動機制的協(xié)同控制

在實際的協(xié)同控制系統(tǒng)中,各個平臺之間通過網(wǎng)絡(luò)進行通信交換自身的局部信息.而在實際環(huán)境中,網(wǎng)絡(luò)帶寬通常有限,如何在盡量不降低系統(tǒng)總體控制性能的情況下,盡可能地降低通訊頻率是一個值得考慮的問題.事件驅(qū)動機制的提出在一定程度上解決了這個問題.所謂的事件驅(qū)動機制是指當(dāng)某一預(yù)先設(shè)計好的事件(如平臺的狀態(tài)偏差超過某一個閾值等)發(fā)生時才執(zhí)行一次操作(如信息傳輸?shù)?.基于事件驅(qū)動的控制方法在單個系統(tǒng)的控制中得到了廣泛應(yīng)用[80?82].特別是,Astrom 等證明了對于一階隨機系統(tǒng)在滿足一定性能指標(biāo)的前提下,事件驅(qū)動方法可以有效降低控制器的更新頻率[81].近年來,基于事件驅(qū)動機制的協(xié)同控制受到了廣泛的關(guān)注.現(xiàn)有文獻中事件驅(qū)動機制可以大體分為以下幾種:1)集中式事件驅(qū)動機制;2)分布式事件驅(qū)動機制;3)自驅(qū)動機制;4)邊驅(qū)動機制.文獻[83]分別提出了一類集中式事件驅(qū)動機制和一類分布式事件驅(qū)動機制,研究了基于上述驅(qū)動機制的一階多智能體系統(tǒng)一致性控制問題.集中式事件驅(qū)動機制中往往包含了系統(tǒng)中所有個體的信息,故在實際系統(tǒng)中,尤其是規(guī)模較大的系統(tǒng)中,很難實現(xiàn).與之相比,分布式事件驅(qū)動機制中每個個體都有自己的驅(qū)動條件,且僅與自身狀態(tài)及其鄰居狀態(tài)有關(guān).因此,分布式事件驅(qū)動機制更適用于大規(guī)模網(wǎng)絡(luò)化系統(tǒng),具有更好的擴展性和魯棒性.文獻[83]提出的分布式事件驅(qū)動條件包含了其鄰居的當(dāng)前時刻信息.這就意味著該機制中要求鄰居的狀態(tài)時刻可知,從而無法從本質(zhì)上降低通訊頻率.為此,文獻[84]利用已知的鄰居信息代替當(dāng)前的鄰居信息,提出了一種分布式的事件驅(qū)動機制,進一步降低了個體與其鄰居之間的通訊頻率.文獻[85]提出了一種利用預(yù)估器的分布式事件驅(qū)動策略,更進一步地降低了通訊次數(shù),同時取得了良好的一致性控制效果.上述兩種事件驅(qū)動機制均需要單個平臺對自身的狀態(tài)進行實時監(jiān)測以判斷是否滿足事件驅(qū)動條件,而在實際系統(tǒng)中這一要求往往不能實現(xiàn).為此,文獻[86]考慮一種自驅(qū)動機制.在自驅(qū)動機制中,下一次的事件驅(qū)動時刻可以由系統(tǒng)根據(jù)當(dāng)前狀態(tài)計算而得到,因引無需對自身狀態(tài)進行實際監(jiān)測.在上述的驅(qū)動機制中,只要驅(qū)動條件滿足,所有的個體均向其鄰居發(fā)送信息.文獻[87]提出了一種基于邊信息的事件驅(qū)動機制.在該機制中每一條鏈接邊具有不同的驅(qū)動條件,當(dāng)該條件滿足時,與該鏈接邊對應(yīng)的兩個智能體之間傳送信息.在事件驅(qū)動的多平臺協(xié)同控制中,另一個比較重要的問題同排除Zeno現(xiàn)象.所謂的Zeno現(xiàn)象是指在有限時間內(nèi)發(fā)生無限次驅(qū)動.該問題的主要研究思路是證明任意兩次驅(qū)動之間的間隔存在一個嚴(yán)格大于0的下界.

3.4 問題和展望

目前,協(xié)防布陣與火力分配優(yōu)化主要存在如下問題.目前的研究主要集中在靜態(tài)WTA模型上,對于動態(tài)WTA模型的研究比較匱乏,動態(tài)與靜態(tài)分配相結(jié)合的研究則更少.文獻中現(xiàn)有的方法主要解決了小規(guī)模的WTA問題,對于較大規(guī)模的WTA分配問題還亟需高效,計算量更小的解決方法.現(xiàn)有WTA問題的研究基本沒有考慮分配中的不確定性因素.研究WTA問題需要研究作戰(zhàn)過程中的不確定性因素,這也是面向?qū)嶋H作戰(zhàn)的WTA問題求解的一個難點.同時,目前文獻中的WTA模型往往沒有考慮戰(zhàn)場環(huán)境的動態(tài)變化,使得模型的適用范圍不夠?qū)拸V.此外,布陣與火力分配的結(jié)合也是一個非常具有挑戰(zhàn)性的研究方向,完善的布陣方法應(yīng)當(dāng)結(jié)合火力分配來對布陣效果進行評估,由此才能建立合理,精確的布陣方法.

在現(xiàn)有的研究中,通常人為地割裂拓?fù)溥B通性保持和分布式運動協(xié)同控制之間的聯(lián)系,往往片面強調(diào)連通性保持而忽視了具體控制任務(wù)的需求,缺乏將連通性作為約束條件,從而與具體的協(xié)同控制任務(wù)目標(biāo)相結(jié)合的一體化綜合控制方案.此外,如何設(shè)計完全分布式的事件驅(qū)動機制以及相應(yīng)的如何排除Zeno現(xiàn)象是一個值得探討的問題.此外,針對更一般的拓?fù)錀l件,如切換拓?fù)?、時變拓?fù)涞?設(shè)計事件驅(qū)動一致性協(xié)議也是非常具有挑戰(zhàn)性的研究課題.

4 故障診斷與健康管理

隨著陸用運動體系統(tǒng)的日益更新,高科技的不斷應(yīng)用,系統(tǒng)的復(fù)雜度越來越高,不斷往集成化、智能化、高效化方向發(fā)展,對可靠性、維修與保障的要求也越來越高.同時維修費用所占的比重在陸用運動體系統(tǒng)全壽命周期費用中越來越大.因此,系統(tǒng)的健康狀況日益受到關(guān)注.維修方式從計劃性向高自適應(yīng)性轉(zhuǎn)變.維修保障由傳統(tǒng)的故障后維修,計劃性維修向基于狀態(tài)維修、預(yù)測性維修、智能化維修方向發(fā)展[88].為了滿足系統(tǒng)維修保障的需求,綜合集成狀態(tài)監(jiān)控、故障診斷、故障預(yù)測和健康評估成為一種必然趨勢,裝備健康管理(Equipment health management,EHM)成為研究的熱點.它對于提高陸用運動體系統(tǒng)的安全性、可靠性、維修性、降低全壽命周期經(jīng)濟支出,實現(xiàn)自主維修、預(yù)知維修與智能化維修具有重要的意義[89].

陸用運動體系統(tǒng)的EHM技術(shù)主要包括狀態(tài)監(jiān)控、故障診斷、故障預(yù)測、健康評估和決策調(diào)控等方面.EHM超出了傳統(tǒng)裝備監(jiān)控和維修的范圍,將裝備納入到規(guī)范化、科學(xué)化和智能化的管理之中,因此EHM將維修和管理有機地結(jié)合在一起.

4.1 故障診斷和預(yù)測

隨著部隊對陸用運動體系統(tǒng)保障性要求的提高,對陸用運動體系統(tǒng)的故障診斷與預(yù)測技術(shù)提出了更高的要求.該方面的研究也越來越受到廣泛關(guān)注.

對陸用運動體系統(tǒng)的故障進行準(zhǔn)確及時的預(yù)測,檢測與診斷,并進行及時維修是系統(tǒng)持續(xù)發(fā)揮戰(zhàn)斗力的重要保障,具有重要的軍事意義.同時,故障診斷和故障預(yù)測技術(shù)在陸用運動體系統(tǒng)維護中的使用能夠節(jié)省大量維修費用,對裝備的貯存、使用及維護具有顯著的經(jīng)濟價值.目前故障診斷的主要方法可以分為三類:基于模型的方法、基于信號處理的方法和基于人工智能的方法.基于模型的故障診斷方法主要有狀態(tài)估計法、參數(shù)估計法和等價空間法.基于模型的故障診斷方法往往需要建立精確的數(shù)學(xué)模型.由于實際系統(tǒng)受到多種復(fù)雜因素的影響,建立其精確的數(shù)學(xué)模型往往是非常困難的,這也限制了這種方法的應(yīng)用范圍.尤其是陸用運動體系統(tǒng)其所處的戰(zhàn)場環(huán)境非常復(fù)雜,其數(shù)學(xué)模型往往帶有很強的非線性和不確定性,建立其精確的數(shù)學(xué)模型難度非常大.故基于模型的故障診斷方法很難適用于陸用運動體系統(tǒng)的故障診斷.基于信號處理的方法利用信號模型,提取出信號特征,例如如頻率、方差、幅值等,然后對這些信號特征進行分析從而判斷出故障[90].基于信號處理的故障診斷方法主要包括測量系統(tǒng)輸入輸出法、信息匹配法、小波變換法等.陸用運動體系統(tǒng)日益復(fù)雜化,需要處理的信號數(shù)量較多且容易受干擾,因此該方法難以滿足實際要求.基于人工智能的故障診斷方法往往不依賴于精確的數(shù)學(xué)模型,通過學(xué)習(xí)、訓(xùn)練、推理等方式對故障進行診斷與識別.基于人工智能的故障診斷方法比較適用于具有強非線性、強擾動、強耦合的復(fù)雜系統(tǒng).因此,該方法可廣泛應(yīng)用于陸用運動體系統(tǒng)的故障診斷.

故障預(yù)測技術(shù),是一種建立在對系統(tǒng)的實時狀態(tài)進行監(jiān)測,分析系統(tǒng)的發(fā)展趨勢以及對系統(tǒng)的故障進行預(yù)測的一種維修方法,相對于事后維修與計劃維修,它能夠使武器系統(tǒng)更為安全可靠地工作,節(jié)約大量資源,是武器裝備維修一個發(fā)展趨勢.目前文獻中主要有模型驅(qū)動、數(shù)據(jù)驅(qū)動、基于概率統(tǒng)計三種故障預(yù)測方法[91].

模型驅(qū)動方法的前提條件是系統(tǒng)的物理模型必須已知,基于故障演化機理模型預(yù)測部件的剩余壽命.模型驅(qū)動的方法主要包括:卡爾曼濾波、粒子濾波、基于知識的方法等[92].數(shù)據(jù)驅(qū)動的故障預(yù)測技術(shù)不需要系統(tǒng)的模型已知,但必須要求系統(tǒng)的定量數(shù)據(jù)可以獲得.該方法以采集到的數(shù)據(jù)為基礎(chǔ)應(yīng)用各種數(shù)據(jù)處理手段對故障進行預(yù)測[93].數(shù)據(jù)驅(qū)動的方法主要包括:專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、灰色模型、其他人工智能方法等.基于概率統(tǒng)計的故障預(yù)測技術(shù)[94]的主要思想是從故障的歷史數(shù)據(jù)的統(tǒng)計特性角度對故障進行預(yù)測.基于概率統(tǒng)計的方法主要有:時間序列預(yù)測法、馬爾科夫模型、回歸預(yù)測法、支持向量機等.

4.2 健康評估和決策支持

為了監(jiān)測陸用運動體系統(tǒng)的健康狀況,以避免突發(fā)系統(tǒng)失效,需要對系統(tǒng)的運行狀態(tài)進行準(zhǔn)確地評估,然后根據(jù)評估結(jié)果制定合理的維修計劃.針對陸用運動體系統(tǒng)由于多種原因而產(chǎn)生的故障,可采用基于失效機理、專家經(jīng)驗知識、數(shù)據(jù)信息等方法建立相應(yīng)的健康評估模型.在此基礎(chǔ)上應(yīng)用各種推理方法(如規(guī)則推理、模糊推理、專家系統(tǒng)、貝葉斯網(wǎng)絡(luò)等)判定陸用運動體系統(tǒng)的健康指數(shù)[95].健康指數(shù)是指陸用運動體系統(tǒng)處于健康狀態(tài)的程度,它可以由具體的數(shù)值表示.例如0表示系統(tǒng)處于完全故障狀態(tài),1表示系統(tǒng)處于完全健康狀態(tài).根據(jù)推理得到的系統(tǒng)的健康指數(shù),可以判定出系統(tǒng)目前所處的健康水平,從而為安排維修,排除故障隱患提供一定的依據(jù)[96].一般來講,陸用運動體系統(tǒng)的健康程度總可以由相關(guān)監(jiān)測參數(shù)信息反映.對得到的監(jiān)測參數(shù)信息進行綜合處理便可以得到裝備健康水平[96].為此,文獻[95]提出了一種基于模糊層次分析法的監(jiān)測參數(shù)選擇方法以及基于粗糙集合的裝備健康評估方法.在經(jīng)典的層次分析法的基礎(chǔ)上引入了三角模糊數(shù)構(gòu)造決斷矩陣,克服了評判的絕對性.利用粗糙集確定監(jiān)測參數(shù)的權(quán)重,使得評估結(jié)果更加客觀.文獻[97]基于置信規(guī)則庫(Belief rule base,BRB)理論,同時利用半定量信息,建立了一種復(fù)雜機電系統(tǒng)健康評估模型.該模型綜合利用證據(jù)推理,差分進化等技術(shù),使知識表達方式更接近實際,一定程度上解決了定性知識存在主觀性的問題.實驗結(jié)果表明該模型可以取得較高的評估精度.

在故障診斷與預(yù)測和健康評估的基礎(chǔ)上,綜合考慮系統(tǒng)中可利用的資源,利用計算機仿真,專家系統(tǒng)等技術(shù)建立陸用運動體系統(tǒng)健康決策支持系統(tǒng)是非常必要的.該系統(tǒng)能夠自動分析和識別系統(tǒng)中各位組成部分出現(xiàn)的健康問題,對系統(tǒng)的整體健康情況進行綜合評判,形成決策方案.利用該系統(tǒng)生成的決策方案,可以調(diào)配各種維修資源,相關(guān)的人力資源等,提高陸用運動體系統(tǒng)的健康管理水平和維護維修效率.

4.3 問題與展望

隨著陸用運動體系統(tǒng)集成化、綜合化、信息化水平的不斷提高以及計算機技術(shù)、通訊技術(shù)、網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)、大數(shù)據(jù)技術(shù)等信息技術(shù)的飛速發(fā)展,陸用運動體系統(tǒng)的維修保障與健康管理系統(tǒng)朝著網(wǎng)絡(luò)化、智能化、高效化、集成化的方向發(fā)展[98].目前,陸用運動體系統(tǒng)健康管理的理論研究和實踐應(yīng)用上還存在很大的差距,維修與保障缺乏準(zhǔn)確性和時效性.因此需以故障診斷和預(yù)測技術(shù)為依托,建立合理的陸用運動體系統(tǒng)維護決策方案,改善和提高裝備健康管理的自動化水平.

5 結(jié)束語

在未來高技術(shù)戰(zhàn)爭的背景下,陸用運動體將會在更加復(fù)雜的戰(zhàn)場上承擔(dān)更復(fù)雜的任務(wù),如持續(xù)控制地面戰(zhàn)場,防御空中來襲目標(biāo)等,任務(wù)艱巨,使命重大.陸用運動體需要在未來變得更智能,更高效才能夠在未來戰(zhàn)場上殲敵制勝.本文從陸用運動體控制系統(tǒng)中的環(huán)境與態(tài)勢感知、火力控制與指揮控制、多平臺協(xié)同、維修保障與健康管理這4個方向闡述了面向未來、高智能的陸用運動體控制系統(tǒng)的基礎(chǔ)理論以及技術(shù)的發(fā)展現(xiàn)狀和趨勢.可以預(yù)見,未來軍事對抗的科技含量必將越來越高.它們在不斷給陸用運動體的控制系統(tǒng)設(shè)計帶來更多挑戰(zhàn)的同時,也同時推進控制技術(shù)水平的提高.