嚴(yán)驚濤， 劉樹光*， 杜梓冰

(1.空軍工程大學(xué)裝備管理與無(wú)人機(jī)工程學(xué)院, 西安, 710051；2.中國(guó)飛行試驗(yàn)研究院, 西安， 710089)

作為承擔(dān)未來戰(zhàn)爭(zhēng)“無(wú)人作戰(zhàn)”“空中進(jìn)攻”任務(wù)的重要作戰(zhàn)平臺(tái)，對(duì)地攻擊無(wú)人機(jī)的任務(wù)領(lǐng)域和作戰(zhàn)使用方式不斷拓展，從輔助、支援作戰(zhàn)向進(jìn)攻作戰(zhàn)、非常規(guī)作戰(zhàn)、編隊(duì)集群作戰(zhàn)等高智能模式轉(zhuǎn)變[1]，這就使得對(duì)地攻擊無(wú)人機(jī)必須具備很高的自主能力。結(jié)合作戰(zhàn)任務(wù)研究對(duì)地攻擊無(wú)人機(jī)自主能力評(píng)估問題，對(duì)深度挖掘?qū)Φ毓魺o(wú)人機(jī)作戰(zhàn)潛力具有重要意義。

在自主能力評(píng)估框架研究方面，比較典型的有Sheridan的自動(dòng)裝置等級(jí)(levels of automation，LOA)、自主控制水平等級(jí)(autonomous control level，ACL)、無(wú)人系統(tǒng)自主性等級(jí)(autonomy levels for unmanned systems，ALFUS)、人機(jī)權(quán)限四級(jí)模型等[2]。在自主能力評(píng)價(jià)模型方面，文獻(xiàn)[3]依據(jù)無(wú)人平臺(tái)自主能力分級(jí)的原則和方法，提出了二維度和四維度的自主能力分級(jí)模型；文獻(xiàn)[4]提出一種神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)方法，實(shí)現(xiàn)了多元信息的有效集成；文獻(xiàn)[5]基于灰色關(guān)聯(lián)分析法評(píng)價(jià)無(wú)人機(jī)自主能力，可以區(qū)分不同類型無(wú)人機(jī)的自主能力等級(jí)；文獻(xiàn)[6]基于層次分析法，實(shí)現(xiàn)了大中型無(wú)人機(jī)自主能力定量評(píng)價(jià)。

綜合分析公開文獻(xiàn)可以發(fā)現(xiàn)，國(guó)內(nèi)外在無(wú)人機(jī)自主能力評(píng)估方面的研究還處于起步階段，缺乏完整的理論體系，并且已有的研究成果主要是以評(píng)價(jià)方法為導(dǎo)向的靜態(tài)綜合評(píng)價(jià)，沒有結(jié)合作戰(zhàn)任務(wù)和戰(zhàn)場(chǎng)態(tài)勢(shì)的動(dòng)態(tài)變化，對(duì)無(wú)人機(jī)自主能力進(jìn)行動(dòng)態(tài)評(píng)估[7]。貝葉斯網(wǎng)絡(luò)具備不確定知識(shí)表達(dá)和推理分析能力，能夠?qū)崿F(xiàn)復(fù)雜條件下不確定信息的有效評(píng)估和決策。

因此，本文結(jié)合對(duì)地攻擊無(wú)人機(jī)使命任務(wù)和作戰(zhàn)流程，建立面向全任務(wù)過程的自主能力評(píng)估指標(biāo)體系；針對(duì)自主能力評(píng)估過程的隨機(jī)性和不確定性，提出一種基于貝葉斯網(wǎng)絡(luò)的自主能力評(píng)估方法，并綜合運(yùn)用改進(jìn)熵權(quán)法和隸屬度加權(quán)法確定節(jié)點(diǎn)參數(shù)，實(shí)現(xiàn)自主能力的動(dòng)態(tài)評(píng)估和可視化推理分析。

1 自主能力評(píng)估指標(biāo)體系

科學(xué)合理的指標(biāo)體系是無(wú)人機(jī)自主能力評(píng)估和動(dòng)態(tài)調(diào)整的基礎(chǔ)。本文依據(jù)對(duì)地攻擊無(wú)人機(jī)使命任務(wù)和作戰(zhàn)過程，構(gòu)建面向全任務(wù)過程的自主能力評(píng)估指標(biāo)體系。

1.1 對(duì)地攻擊無(wú)人機(jī)作戰(zhàn)過程分析

作為未來信息化戰(zhàn)爭(zhēng)重要的空戰(zhàn)武器裝備，對(duì)地攻擊無(wú)人機(jī)擁有超長(zhǎng)的續(xù)航能力、強(qiáng)大的掛載能力和快速的反應(yīng)速度，具備縱深攻擊和攔截作戰(zhàn)能力，能夠執(zhí)行戰(zhàn)略支援、隱蔽突防、壓制防空等作戰(zhàn)任務(wù)[8]。對(duì)地攻擊無(wú)人機(jī)執(zhí)行作戰(zhàn)任務(wù)具有過程性和階段性特點(diǎn)[9]，因此，對(duì)無(wú)人機(jī)作戰(zhàn)過程進(jìn)行系統(tǒng)分析有利于構(gòu)建完善的自主能力評(píng)估指標(biāo)體系。在所執(zhí)行的作戰(zhàn)任務(wù)中，隱蔽突防任務(wù)的復(fù)雜程度最高，其作戰(zhàn)過程分為5個(gè)階段，如圖1所示。

圖1 對(duì)地攻擊無(wú)人機(jī)作戰(zhàn)流程圖

1)任務(wù)準(zhǔn)備階段。無(wú)人機(jī)指揮所領(lǐng)受作戰(zhàn)任務(wù)，研究分析并制定作戰(zhàn)計(jì)劃，給對(duì)地攻擊無(wú)人機(jī)裝訂任務(wù)規(guī)劃結(jié)果，包括航路規(guī)劃和目標(biāo)分配方案。機(jī)務(wù)工作準(zhǔn)備完畢后，無(wú)人機(jī)起飛并飛抵指定任務(wù)空域。

2)突防階段。飛抵指定任務(wù)空域后，若不滿足敵防區(qū)外發(fā)射武器的條件，則依靠隱身性能、電子干擾和機(jī)動(dòng)能力對(duì)敵防空火力網(wǎng)進(jìn)行突防。

3)偵察搜索階段。進(jìn)入目標(biāo)區(qū)域，利用機(jī)載傳感器和探測(cè)雷達(dá)獲取戰(zhàn)場(chǎng)環(huán)境和地面目標(biāo)的狀態(tài)信息，進(jìn)行信息融合并分析敵我相對(duì)態(tài)勢(shì)，為攻擊決策提供數(shù)據(jù)支撐。

4)攻擊階段。形成攻擊決策后，根據(jù)無(wú)人機(jī)和地面目標(biāo)的相對(duì)位置進(jìn)行火控解算，選擇武器攻擊既定目標(biāo)。

5)返航階段。任務(wù)完成后，進(jìn)行機(jī)動(dòng)逃逸以迅速脫離危險(xiǎn)區(qū)域，按照任務(wù)規(guī)劃或重規(guī)劃航線返航著陸。

實(shí)際的作戰(zhàn)任務(wù)過程更為復(fù)雜，對(duì)地攻擊無(wú)人機(jī)可能面臨許多突發(fā)的不確定事件[10]，作戰(zhàn)過程是一個(gè)動(dòng)態(tài)的演化過程。因此，對(duì)地攻擊無(wú)人機(jī)自主能力評(píng)估需要考慮3個(gè)問題：一是正向問題，當(dāng)給定作戰(zhàn)方案時(shí)，綜合考慮任務(wù)復(fù)雜度、環(huán)境因素和無(wú)人機(jī)自身性能等眾多因素[11]，確定無(wú)人機(jī)自主能力等級(jí)，從而實(shí)現(xiàn)既定作戰(zhàn)目標(biāo)和效果；二是中間干涉問題，在作戰(zhàn)任務(wù)過程中，由于環(huán)境、敵我態(tài)勢(shì)和作戰(zhàn)任務(wù)的改變，需要及時(shí)調(diào)整自主能力；三是逆向問題，如果無(wú)法達(dá)到期望的自主能力，需要如何調(diào)整以接近期望的自主能力。

1.2 對(duì)地攻擊無(wú)人機(jī)自主能力評(píng)估指標(biāo)體系

自主能力為對(duì)地攻擊無(wú)人機(jī)適應(yīng)高對(duì)抗戰(zhàn)場(chǎng)環(huán)境及執(zhí)行復(fù)雜任務(wù)提供了有力支撐，作戰(zhàn)任務(wù)是驅(qū)動(dòng)對(duì)地攻擊無(wú)人機(jī)自主能力動(dòng)態(tài)調(diào)整的關(guān)鍵因素。由作戰(zhàn)過程分析可知，對(duì)地攻擊無(wú)人機(jī)執(zhí)行隱蔽突防任務(wù)時(shí)，感知(observe)、判斷(orient)、決策(decide)、行動(dòng)(act)環(huán)節(jié)(OODA)在5個(gè)不同任務(wù)過程中的側(cè)重不同，意味著不同任務(wù)過程對(duì)自主能力的需求也不同。

基于OODA作戰(zhàn)環(huán)理論，同時(shí)考慮對(duì)地攻擊無(wú)人機(jī)執(zhí)行任務(wù)時(shí)的安全性和智能性要求，借鑒文獻(xiàn)[4]的相關(guān)研究成果，圍繞感知探測(cè)、規(guī)劃決策、作戰(zhàn)執(zhí)行、安全管理和學(xué)習(xí)進(jìn)化5個(gè)方面構(gòu)建自主能力評(píng)估指標(biāo)體系，如表1所示。其中，感知探測(cè)能力是無(wú)人機(jī)作戰(zhàn)行動(dòng)和自主能力調(diào)整的先決要素；規(guī)劃決策能力是無(wú)人機(jī)對(duì)地面目標(biāo)進(jìn)行自主攻擊的關(guān)鍵；作戰(zhàn)執(zhí)行能力是無(wú)人機(jī)執(zhí)行戰(zhàn)術(shù)任務(wù)和自主摧毀敵方地面目標(biāo)的能力；安全管理能力是無(wú)人機(jī)實(shí)現(xiàn)自主飛行的基本保障；學(xué)習(xí)進(jìn)化能力是無(wú)人機(jī)作戰(zhàn)效能增長(zhǎng)及智能自主的重要體現(xiàn)。

為反應(yīng)總體目標(biāo)層指標(biāo)在不同作戰(zhàn)階段的能力水平，選取19個(gè)影響任務(wù)進(jìn)程的關(guān)鍵指標(biāo)作為第2層指標(biāo)。以機(jī)載裝備系統(tǒng)的性能或所表現(xiàn)的局部能力對(duì)作戰(zhàn)過程層指標(biāo)的支撐程度為依據(jù)，選取關(guān)鍵機(jī)載裝備參數(shù)或系統(tǒng)局部性能作為第3層指標(biāo)，對(duì)指標(biāo)進(jìn)一步細(xì)化分解。

表1 對(duì)地攻擊無(wú)人機(jī)自主能力評(píng)估指標(biāo)體系

表1(續(xù))

2 基于BN網(wǎng)絡(luò)的自主能力評(píng)估模型

根據(jù)作戰(zhàn)任務(wù)復(fù)雜性和自主能力評(píng)估過程的不確定性，本文利用貝葉斯網(wǎng)絡(luò)進(jìn)行自主能力評(píng)估，首先綜合改進(jìn)熵權(quán)法和隸屬度加權(quán)法確定根節(jié)點(diǎn)先驗(yàn)概率，基于專家評(píng)價(jià)法確定子節(jié)點(diǎn)條件概率；其次通過貝葉斯網(wǎng)絡(luò)的3種推理模式，進(jìn)行自主能力動(dòng)態(tài)評(píng)估；最后根據(jù)仿真結(jié)果，給出自主能力調(diào)整建議，基本流程如圖2所示。

圖2 自主能力評(píng)估流程

2.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)(Bayesian network, BN)又稱信度網(wǎng)，它是以概率論和圖論為基礎(chǔ)，以有向邊表示變量之間的因果關(guān)系，以條件概率表示變量之間關(guān)系的強(qiáng)弱[12]，描述問題具有形式直觀的特點(diǎn)。BN可用二元組N=表示,其中G=為有向無(wú)環(huán)圖，其節(jié)點(diǎn)X={Xi},i=1,2,…，n，A?X×X表示有向邊的集合；P={P(Xi|Pa(Xi)),Xi∈X}為條件概率的集合。在貝葉斯網(wǎng)絡(luò)中，離散變量集合X=(X1,X2,…,Xn)的聯(lián)合概率分布P(X)表示為:

(1)

2.2 貝葉斯網(wǎng)絡(luò)推理

在知識(shí)不確定和信息不完備情況下，貝葉斯網(wǎng)絡(luò)的強(qiáng)大推理能力能夠有效融合多源信息，對(duì)不確定性問題進(jìn)行決策分析、推理學(xué)習(xí)和動(dòng)態(tài)評(píng)估。貝葉斯網(wǎng)絡(luò)有3種推理模式：

1)因果推理：一種正向推理過程，根據(jù)成因信息推測(cè)出結(jié)果，由父節(jié)點(diǎn)的條件概率推測(cè)子節(jié)點(diǎn)的條件概率。假設(shè)所有父節(jié)點(diǎn)Ei組成的證據(jù)集合為EC,則在此情況下子節(jié)點(diǎn)M狀態(tài)為Mj的概率為：

P(M=Mj/EC)=P(M=Mj|E1=e1,

E2=e2,…,En=en)=

(2)

式中：Ei∈EC；P(E1=e1,E2=e2,…,En=en)為狀態(tài)已知節(jié)點(diǎn)的聯(lián)合概率；n為狀態(tài)已知的父節(jié)點(diǎn)個(gè)數(shù)；P(M=Mj|E1=e1,E2=e2,…,En=en)為向前傳導(dǎo)的條件概率。

2)影響因素推理:又稱診斷推理，是一種由果到因的反向推理方式。通過改變子節(jié)點(diǎn)條件概率，觀察相關(guān)父節(jié)點(diǎn)在狀態(tài)空間中取每種狀態(tài)的概率，進(jìn)而分析子指標(biāo)對(duì)上層指標(biāo)的影響程度。假設(shè)已知子節(jié)點(diǎn)狀態(tài)為M=Mj，則父節(jié)點(diǎn)后驗(yàn)概率分布為：

(3)

3)截?cái)喾治鐾评?綜合因果推理的前向推理能力和影響因素推理的逆向診斷能力。當(dāng)中間指標(biāo)節(jié)點(diǎn)的取值固定時(shí)，一方面可以通過前向推理得到評(píng)估指標(biāo)節(jié)點(diǎn)的狀態(tài)，另一方面可通過逆向診斷得出子指標(biāo)的影響程度。

3種推理模式可以很好地解決1.1節(jié)提出的問題。針對(duì)任務(wù)前的正向問題，采用因果推理分析本次任務(wù)所需自主能力，為戰(zhàn)場(chǎng)態(tài)勢(shì)評(píng)估提供依據(jù)；針對(duì)任務(wù)中的中間干涉問題，采用截?cái)喾治鐾评?，?duì)動(dòng)態(tài)演化的戰(zhàn)場(chǎng)態(tài)勢(shì)進(jìn)行推理分析，快速應(yīng)對(duì)突發(fā)情況；針對(duì)任務(wù)后的逆向問題，對(duì)無(wú)人機(jī)的自主能力影響因素進(jìn)行分析，形成評(píng)價(jià)報(bào)告，為下次作戰(zhàn)行動(dòng)提供自主能力調(diào)整策略。

2.3 貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)參數(shù)

貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)參數(shù)包括根節(jié)點(diǎn)先驗(yàn)概率和子節(jié)點(diǎn)條件概率。為處理無(wú)序的底層數(shù)據(jù)，綜合改進(jìn)熵權(quán)法和隸屬度加權(quán)兩種方法計(jì)算根節(jié)點(diǎn)先驗(yàn)概率；為緊密結(jié)合作戰(zhàn)任務(wù)過程，利用專家評(píng)價(jià)法確定子節(jié)點(diǎn)條件概率。

2.3.1 根節(jié)點(diǎn)先驗(yàn)概率

貝葉斯網(wǎng)絡(luò)根節(jié)點(diǎn)先驗(yàn)概率是進(jìn)行最終評(píng)估的基礎(chǔ)，本文提出一種基于改進(jìn)熵權(quán)的隸屬度加權(quán)法，主要步驟如下：

Step 1 利用改進(jìn)熵權(quán)法確定指標(biāo)權(quán)重。

①收集子指標(biāo)數(shù)據(jù)，得到{X1,X2,…,XM}，Xj=(x1j,x2j,…,xnj)T,j=1,2,…,m。

②計(jì)算信息熵:

(4)

③計(jì)算信息熵冗余度:

dj=1-Hj(j=1,2,…,m)

(5)

值得注意的是，根據(jù)式(5)計(jì)算權(quán)重，當(dāng)Hj→1時(shí)，信息熵差值的微小變化就會(huì)導(dǎo)致熵權(quán)差異較大的異?，F(xiàn)象。針對(duì)該問題，對(duì)式(5)進(jìn)行改進(jìn)：

(6)

Step 2 采用隸屬度加權(quán)法確定根節(jié)點(diǎn)先驗(yàn)概率。

①劃分根節(jié)點(diǎn)屬性等級(jí)V={V1,V2,…,Vs}，并確定第j個(gè)子指標(biāo)屬于等級(jí)Vi的隸屬度γij；

2.3.2 子節(jié)點(diǎn)條件概率

由于缺乏實(shí)際觀測(cè)數(shù)據(jù)，難以進(jìn)行有效的參數(shù)學(xué)習(xí)，本文利用專家評(píng)價(jià)法確定子節(jié)點(diǎn)條件概率(CPT)，為說明方法，在由節(jié)點(diǎn)A、B、C構(gòu)成的貝葉斯網(wǎng)絡(luò)中，假設(shè)A、B為節(jié)點(diǎn)C的父節(jié)點(diǎn)。首先根據(jù)專家經(jīng)驗(yàn)和歷史數(shù)據(jù)的分類，劃分節(jié)點(diǎn)屬性等級(jí)，設(shè)節(jié)點(diǎn)A、B、C的屬性等級(jí)均為V={好，差}；而后，邀請(qǐng)專家評(píng)定打分，得節(jié)點(diǎn)C的條件概率，見表2。

表2 節(jié)點(diǎn)C的CPT

3 仿真驗(yàn)證與分析評(píng)估

假定某型對(duì)地攻擊無(wú)人機(jī)領(lǐng)受對(duì)地攻擊任務(wù)，按照1.1節(jié)介紹的作戰(zhàn)流程開展行動(dòng)，需要對(duì)其自主能力進(jìn)行評(píng)估。無(wú)人機(jī)自主能力發(fā)展趨勢(shì)是遙控-半自主-全自主，因此，將對(duì)地攻擊無(wú)人機(jī)自主能力分為一級(jí)(遙控)、二級(jí)(半自主)和三級(jí)(完全自主)3個(gè)等級(jí)。

3.1 節(jié)點(diǎn)參數(shù)確定

節(jié)點(diǎn)參數(shù)確定一直是一個(gè)難點(diǎn)問題，本文采用基于改進(jìn)熵權(quán)的隸屬度加權(quán)法確定先驗(yàn)概率。改進(jìn)熵權(quán)法改良了傳統(tǒng)熵權(quán)公式的缺陷，能夠有效反應(yīng)數(shù)據(jù)的變異程度；隸屬度加權(quán)法可以綜合考慮數(shù)據(jù)特征，得到更為精確的先驗(yàn)概率。以節(jié)點(diǎn)B5為例，邀請(qǐng)無(wú)人機(jī)研制和使用專家組成評(píng)估組(專家數(shù)量n=10),采用模糊分類方法建立子指標(biāo)B5屬性等級(jí)集合，規(guī)定90分以上為好，80～90分為一般，80分以下為差，如表3所示。

根據(jù)表3給出的子指標(biāo)數(shù)據(jù)，通過Step1計(jì)算步驟，可得根節(jié)點(diǎn)B5的子指標(biāo)權(quán)重為ω={0.348 5,0.257 6,0.220 1,0.173 8}

表3 根節(jié)點(diǎn)B5指標(biāo)數(shù)據(jù)

根據(jù)表3中子指標(biāo)的數(shù)據(jù)和規(guī)定的屬性等級(jí)劃分，得到節(jié)點(diǎn)B5的子指標(biāo)隸屬度，如表4所示。

表4 節(jié)點(diǎn)B5子指標(biāo)隸屬度

根據(jù)Step2計(jì)算節(jié)點(diǎn)B5的先驗(yàn)概率為P={0.416 8，0.249 3，0.333 9}

3.2 基于作戰(zhàn)任務(wù)階段的自主能力分析推理

作戰(zhàn)任務(wù)是驅(qū)動(dòng)無(wú)人機(jī)自主能力動(dòng)態(tài)變化的關(guān)鍵因素。利用2.2節(jié)介紹的推理方式，分別對(duì)作戰(zhàn)任務(wù)前、中和作戰(zhàn)任務(wù)后3個(gè)過程進(jìn)行自主能力推理分析，挖掘深層次的作戰(zhàn)信息。

1)作戰(zhàn)任務(wù)前自主能力預(yù)估。作戰(zhàn)任務(wù)前預(yù)估本次任務(wù)所需自主能力，實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)的整體把控。輸入各節(jié)點(diǎn)參數(shù)，采用因果推理，運(yùn)行仿真工具Netica，得到圖3所示的評(píng)估結(jié)果。由圖3可知，對(duì)地攻擊無(wú)人機(jī)自主能力等級(jí)為三級(jí)、二級(jí)、一級(jí)的概率分別是50.5%、41.4%、8.05%，由最大概率隸屬原則可知自主能力等級(jí)為三級(jí)，表明執(zhí)行此任務(wù)需要較高的自主能力。分別對(duì)比子指標(biāo)A1、A2、A3、A4、A5的good、common、bad的值，可知無(wú)人機(jī)的行為執(zhí)行能力和感知探測(cè)能力較強(qiáng)，而安全管理能力和學(xué)習(xí)進(jìn)化能力偏弱。

圖3 貝葉斯網(wǎng)絡(luò)自主能力評(píng)估模型

2)作戰(zhàn)任務(wù)中戰(zhàn)場(chǎng)態(tài)勢(shì)推演。隨著任務(wù)進(jìn)程的推進(jìn)，無(wú)人機(jī)將面臨復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境帶來的不確定性事件。如何適應(yīng)急劇動(dòng)態(tài)變化的戰(zhàn)場(chǎng)場(chǎng)景，并對(duì)多元信息進(jìn)行有效分析、歸納和判斷，成為作戰(zhàn)過程中自主能力決策的關(guān)鍵。以突防階段為例，假設(shè)敵防空火力及兵力部署情況已知，并且指揮中心將相關(guān)數(shù)據(jù)傳輸給對(duì)地攻擊無(wú)人機(jī)，則在突防階段，無(wú)人機(jī)不需要過多的感知探測(cè)能力，將其bad值設(shè)為100%并更新模型，見圖4。

圖4 證據(jù)更新后的貝葉斯網(wǎng)絡(luò)評(píng)估結(jié)果圖

此時(shí)，無(wú)人機(jī)自主能力等級(jí)為二級(jí)。對(duì)比圖3和圖4，態(tài)勢(shì)感知能力、環(huán)境感知能力、目標(biāo)探測(cè)能力和信息融合能力的good值分別降低18.7%、34.4%、10.4%、14.5%，表明感知探測(cè)能力受環(huán)境感知能力影響較大。

3)作戰(zhàn)任務(wù)后自主能力影響因素分析。作戰(zhàn)任務(wù)結(jié)束后，對(duì)本次任務(wù)進(jìn)行總結(jié)分析，找出影響自主能力的關(guān)鍵因素。假設(shè)本次任務(wù)所需自主能力等級(jí)為完全自主(自主能力為三級(jí)的概率設(shè)為100%)，記為A=Ac，采用影響因素推理更新模型。對(duì)比各個(gè)節(jié)點(diǎn)先驗(yàn)概率和后驗(yàn)概率的變化，并進(jìn)行排序，排序結(jié)果見表5。

針對(duì)指標(biāo)的重要程度分析，采用概率重要度和關(guān)鍵重要度[13]來驗(yàn)證影響因素推理的有效性。

概率重要度描述根節(jié)點(diǎn)狀態(tài)的變化對(duì)葉節(jié)點(diǎn)的影響，計(jì)算公式為：

IP(i)=P(A=Ac|Li=Lg)+P(A=Ac|Li=Lc)-

2P(A=Ac|Li=Lb)

(7)

式中：Li表示根節(jié)點(diǎn)i的屬性等級(jí)；Lg、Lc、Lb分別表示屬性等級(jí)為good、common、bad。

關(guān)鍵重要度綜合概率和敏感兩個(gè)方面考慮子指標(biāo)對(duì)自主能力的貢獻(xiàn)程度，即子指標(biāo)的關(guān)鍵程度，其計(jì)算公式為：

(8)

根據(jù)式(7)、(8)計(jì)算根節(jié)點(diǎn)的關(guān)鍵重要度，計(jì)算結(jié)果見表5。

表5 影響因素推理和關(guān)鍵重要度排序

3.3 基于仿真結(jié)果的自主能力調(diào)整建議

作戰(zhàn)任務(wù)前，根據(jù)實(shí)際任務(wù)情況預(yù)估所需自主能力，選擇合適的無(wú)人機(jī)機(jī)型和載荷類型。由圖3可知，該無(wú)人機(jī)的感知探測(cè)能力和作戰(zhàn)執(zhí)行能力較強(qiáng)，而安全管理能力和學(xué)習(xí)進(jìn)化能力偏弱。因此，在飛行任務(wù)前需要做好安全檢查工作，以彌補(bǔ)無(wú)人機(jī)安全管理能力的不足，而學(xué)習(xí)進(jìn)化能力偏弱是目前無(wú)人機(jī)的共性問題，但學(xué)習(xí)進(jìn)化能力是高端智能無(wú)人機(jī)自主能力的重要體現(xiàn)，不容忽視。

作戰(zhàn)任務(wù)中，根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)及任務(wù)情況調(diào)整無(wú)人機(jī)自主能力。由圖4可知，若戰(zhàn)場(chǎng)態(tài)勢(shì)已知，無(wú)人機(jī)不需要太高的自主能力。對(duì)比感知探測(cè)能力子指標(biāo)的概率變化值，可以發(fā)現(xiàn)感知探測(cè)能力的最大影響因素為環(huán)境感知能力。因此，在應(yīng)急情況下調(diào)整無(wú)人機(jī)感知探測(cè)能力，需要著重注意環(huán)境感知能力。

作戰(zhàn)任務(wù)后，綜合影響因素推理和關(guān)鍵重要度來分析自主能力影響因素。由表5可知，兩種排序結(jié)果差別不大，自主能力主要影響因素為態(tài)勢(shì)感知能力、環(huán)境感知能力、任務(wù)規(guī)劃能力、突防能力和鏈路通信能力。其中，感知能力是對(duì)地攻擊無(wú)人機(jī)自主作戰(zhàn)的先決要素；任務(wù)規(guī)劃能力是無(wú)人機(jī)適應(yīng)復(fù)雜戰(zhàn)場(chǎng)環(huán)境的根本保證；突防能力是任務(wù)成敗的關(guān)鍵因素；鏈路通信能力是聯(lián)合作戰(zhàn)和編隊(duì)集群的基本保障。仿真結(jié)果符合客觀實(shí)際，證明貝葉斯網(wǎng)絡(luò)評(píng)估模型具有一定的合理性。

4 結(jié)語(yǔ)

1)基于OODA理論，構(gòu)建了面向全任務(wù)過程的評(píng)估指標(biāo)體系，建立了自主能力評(píng)估與作戰(zhàn)任務(wù)的關(guān)聯(lián)關(guān)系，滿足了不同任務(wù)階段的作戰(zhàn)需求。

2)貝葉斯網(wǎng)絡(luò)模型的3種推理模式較好解決了作戰(zhàn)過程中的正向問題、中間干涉問題和逆向問題，為復(fù)雜環(huán)境下自主能力決策提供了依據(jù)。

需要指出的是，作戰(zhàn)任務(wù)過程中的不確定因素和不可控因素過于繁多，評(píng)估模型的有效性還需要進(jìn)一步結(jié)合任務(wù)實(shí)際進(jìn)行檢驗(yàn)，評(píng)估體系也需要根據(jù)任務(wù)類型進(jìn)行調(diào)整和優(yōu)化。