朱學耕，鐘 振，潘 亮，王作根

（1.陸軍裝甲兵學院蚌埠校區(qū)戰(zhàn)術系，安徽 蚌埠 233000；2.駐南陽地區(qū)第二軍事代表室，河南 南陽 473000）

0 引言

無人作戰(zhàn)平臺是未來智能化作戰(zhàn)中的重要力量，對戰(zhàn)爭的勝負發(fā)揮舉足輕重的作用。近年來，在敘利亞戰(zhàn)場上俄羅斯將“天王星9”無人戰(zhàn)車應用在巷戰(zhàn)中，檢驗了其作戰(zhàn)能力［1］；在亞阿沖突中，阿塞拜疆的無人機摧毀亞美尼亞多輛地面裝備和有生力量，大放異彩［2］；在俄烏沖突中，烏克蘭運用無人機成功摧毀俄羅斯坦克和裝甲車輛，使其作戰(zhàn)效能難以發(fā)揮［3］。這些實戰(zhàn)表明，無人平臺正在逐漸改變未來戰(zhàn)爭形態(tài)。

我國無人平臺已在陸、海、空領域穩(wěn)步發(fā)展，部分裝備已經投入實戰(zhàn)［4-6］。無人戰(zhàn)車作為陸上作戰(zhàn)的主要突擊力量，為適應未來作戰(zhàn)特點，需要具備完全自主作戰(zhàn)能力。在自主作戰(zhàn)中，準確進行戰(zhàn)場目標威脅評估對其快速消滅敵人，保存自己具有重要意義。

目前，由于無人戰(zhàn)車的應用較少，對其戰(zhàn)場目標威脅評估研究的文獻也較少。文獻［7］利用動態(tài)貝葉斯網格方法對無人戰(zhàn)車戰(zhàn)場目標威脅進行評估，但是利用該方法需要獲得大量的實戰(zhàn)數(shù)據作為計算樣本，目前還比較困難。針對這一問題，本文在模糊理論的基礎上，通過建立目標威脅評估指標體系，結合TOPSIS（technique for order preference by similarity to an ideal solution）法特點，利用較少的數(shù)據對無人戰(zhàn)車戰(zhàn)場目標進行動態(tài)威脅評估。

1 威脅評估指標的確定及量化

無人戰(zhàn)車在地面作戰(zhàn)中，面對的戰(zhàn)場環(huán)境復雜多變，對目標的威脅評估不僅要考慮目標在時間、空間的狀態(tài)，還需要結合戰(zhàn)場環(huán)境本身的特點等。對于時間維度，文中主要考慮不同類型目標在多個時刻的狀態(tài)，將其各個時刻的狀態(tài)進行融合，最終得到目標的動態(tài)威脅程度。對于空間狀態(tài)，主要考慮無人戰(zhàn)車與戰(zhàn)場目標的位置關系，主要從攻擊角度、相對速度和相對距離3 個角度進行描述。對于戰(zhàn)場環(huán)境，主要考慮對地形環(huán)境的影響。因此，在建立目標威脅評估體系的過程中，主要考慮攻擊角度、目標類型、地理環(huán)境、相對速度和相對距離5 個因素。

1.1 攻擊角度因子

攻擊角度是無人戰(zhàn)車與敵目標射向之間的夾角，在這里定義攻擊角度θ 在-90°～90°之間存在威脅，θ 不在此區(qū)間時可以認為無威脅。當θ 越小表示目標的攻擊意圖越明顯，對無人戰(zhàn)車的威脅越大，反之越小。因此，定義攻擊角度威脅因子的威脅函數(shù)為：

其變化曲線如圖1 所示。

圖1 攻擊角度因子變化曲線Fig.1 Variation curve of attack angle factors

1.2 目標類型因子

目前，無人戰(zhàn)車的應用還未普及，戰(zhàn)場上主要是有人戰(zhàn)車和無人戰(zhàn)車并存，以M 軍為主要研究對手，無人戰(zhàn)車在地面作戰(zhàn)中主要面臨的敵目標主要有坦克X1、步戰(zhàn)車X2、無人戰(zhàn)車X3、火箭筒X4等，根據其武器裝備的戰(zhàn)技術性能及所攜帶的彈藥，在其有效打擊范圍內，可以認為其威脅程度為：坦克>步戰(zhàn)車>無人戰(zhàn)車>火箭筒。因此，可以將目標類型因素對威脅程度影響定義為：

表1 目標類型因子變化范圍Table 1 Variation range of target type factors

1.3 地形環(huán)境因子

在地面作戰(zhàn)中，無人平臺會遇到各種各樣的地形，根據地形的特點可以將其概括為掩蔽地地形和遮蔽地地形。地形種類不同，會使目標的威脅程度發(fā)生相應的變化，文中將遮蔽地地形和掩蔽地地形條件對目標威脅的影響分為9 個等級，其具體劃分如下頁表2 所示。

表2 地形環(huán)境因子對應的直覺模糊數(shù)Table 2 The relative intutitionistic fuzzy numbers of terrain environment factors

1.4 相對速度因子

在一定相對速度范圍內，裝備的命中率相對比較穩(wěn)定，但是當速度越大，武器裝備的命中率會發(fā)生一定的變化，進而影響其威脅程度。參考進攻作戰(zhàn)中我方的平均開進速度以及作戰(zhàn)中復雜戰(zhàn)場環(huán)境影響，取敵我相對速度的區(qū)間為v?［0，30］，將相對速度影響因子的函數(shù)定義如下：

其變化曲線，如圖2 所示。

圖2 相對速度因子變化曲線Fig.2 The variation curve of the relative velocity factors

1.5 相對距離因子

無人戰(zhàn)車與敵目標相對距離會影響打擊效果，當相對距離大于目標的有效射程時，目標此時無法對無人平臺進行射擊，則無威脅；相對距離小于目標的有效射程時，可以用命中率大小表示其威脅程度，其威脅程度可以用直覺模糊數(shù)表示，其隸屬度和非隸屬度函數(shù)如下所示：

2 威脅評估指標權重確定

評估指標權重的確定是整個目標威脅評估的重要環(huán)節(jié)。目前獲取評估指標權重主要從主觀權重、客觀權重和主客觀組合權重3 個角度進行確定，為了避免人為主觀因素影響和客觀數(shù)據難以反映指標真實特性等不足，文中主要從組合權重的角度進行評估。

2.1 主觀權重

利用直覺模糊層次分析法確定目標的主觀權重［8］。首先建立直覺模糊互補判斷矩陣；其次，對直覺模糊互補判斷矩陣進行一致性檢驗；最后，確定直覺模糊判斷矩陣權重。

2.2 客觀權重

在考慮直覺模糊數(shù)的隸屬度、非隸屬度和猶豫度信息的基礎上，確定直覺模糊熵，使其包含的信息更加完整，能夠有效地區(qū)分評估指標特性［9］。

2.3 綜合權重

利用相對熵來描述不同賦權方法所得權重向量的距離程度，當權重向量與主觀權重、客觀權重向量的距離最小時為最優(yōu)權重［10］。

對于一個有m 個參數(shù)指標的被評估系統(tǒng)，主客觀權重向量分別為σ、ζ，它們的權重分配系數(shù)為a和b，ω 為組合權重向量，根據相對熵的思想建立求解組合權重的數(shù)學模型：

3 運用直覺模糊TOPSIS 法獲得目標動態(tài)威脅度

Step 1：確定時間權重η

在作戰(zhàn)中，不同時刻目標狀態(tài)是不同的，不同的狀態(tài)其威脅程度也是不一樣的，無人平臺對目標威脅的判斷，不能僅以目標某一時刻的狀態(tài)，應當從發(fā)展的、動態(tài)的角度去綜合考慮，只有這樣才能更加客觀地反映其威脅程度。由于在作戰(zhàn)中，越接近當前時刻，目標狀態(tài)對其威脅程度的影響就越大，因此，文中主要采用泊松分布法逆形式計算時

Step 2：轉換評估語言

文中對評估指標的量化，主要是精確數(shù)和直覺模糊數(shù)，為了便于不同評估語言之間建立相互聯(lián)系以及更加準確地描述評估指標的特性，需要將不同形式的評估語言進行統(tǒng)一，文中將實數(shù)型指標信息轉換為直覺模糊數(shù)，下面給出精確數(shù)轉化為直覺模糊數(shù)隸屬度和非隸屬度的計算公式。

1）效益型指標

2）成本型指標

Step 4：計算目標集tk時刻的加權直覺模糊決策矩陣

Step 5：計算目標集tk時刻的加權直覺模糊矩陣的正負理想解。

正理想解：

針對效益型指標：

針對成本型指標：

負理想解：

針對效益型指標：

針對成本型指標：

Step 6：計算目標集tk時刻，目標Xi到正、負理想解和的歐式距離、［11］。

Step 7：計算目標集tk時刻目標Xi與正理想解的相對貼近度

目標tk時刻與正理想解的相對貼近度即表示各目標在tk時刻的威脅度。

Step 8：構造加權動態(tài)決策矩陣H

Step 9：利用TOPSIS 法獲得目標威脅度Zi，根據其大小獲得目標動態(tài)威脅排序。

4 仿真分析

無人戰(zhàn)車在上級的編成內沿街道向市政大樓進攻，當行進至下頁圖3 中所示位置時，接上級情報信號得知，在連續(xù)的t1、t2、t3時刻，1 號樓附近藍軍步兵攜帶火箭筒，2 號樓北側有敵無人戰(zhàn)車1 輛，3號樓北側有敵坦克1 輛，4 號樓附近有步兵戰(zhàn)車1輛。目標的戰(zhàn)技術性能如下頁表3 所示，其各時刻目標對應的狀態(tài)如表4 所示。

表3 敵目標戰(zhàn)技術性能Table 3 Tactical and technical performance of enemy targets

表4 各時刻目標信息Table 4 Target information at each moment

圖3 戰(zhàn)場態(tài)勢示意圖Fig.3 Schematic diagram of battlefield situation

4.1 威脅評估仿真

綜合考慮預設的戰(zhàn)場情況，對于式（6）、式（7）取κ=0.8。根據表4、評估指標量化公式和評估語言之間的轉化關系，得到各時刻直覺模糊決策矩陣如表5 所示。

表5 各時刻直覺模糊決策矩陣Table 5 Intuitionistic fuzzy decion-making matrix at each moment

根據文獻［8］得到評估指標直覺模糊互補判斷矩陣為：

根據直覺模糊判斷矩陣A 和表5 的各時刻直覺模糊決策矩陣可以得到評估指標的主觀權重、各時刻的客觀權重及組合權重分布如表6 所示。

表6 評估指標權重分布Table 6 Weight distribution of evaluation index

1）利用TOPSIS 法得到各時刻利用主觀權重、客觀權重和組合權重得到的目標靜態(tài)威脅排序，如表7 所示。

表7 各時刻目標威脅評估結果對比Table 7 Comparison of target threat assessment results at each moment

2）令φ=1.5，利用泊松分布逆形式得到各時刻權重信息為：。結合單時刻利用組合權重得到的目標相對貼近度，構造加權動態(tài)決策矩陣H。

4.2 結果分析

1）單一權重與組合權重威脅評估結果對比

根據表7 的結果，在t1、t2、t3時刻，根據主觀權重、客觀權重和綜合權重得到的目標威脅評估結果各不相同。以t1時刻為例，利用主觀權重得到的評估結果是：X2>X1>X3>X4，利用客觀權重得到的評估結果是：X2>X1>X4>X3，利用綜合權重得到的結果是：X2>X1>X4>X3。從評估結果看，利用不同的權重信息所得威脅評估結果不同。這主要是由于利用單一方法獲得的主客觀權重不能夠完整反映評估指標信息，使其評估結果具有一定的主客觀偏好，雖然利用綜合權重獲得評估結果與利用客觀權重獲得的評估結果一致，但是前者包含的評估信息更加完整，融合主客觀特性獲得的威脅評估結果更加合理。

2）靜態(tài)威脅評估結果與動態(tài)威脅評估結果對比

根據表7 的結果，t1和t2時刻，利用組合權重得到的目標威脅排序結果相同均為X2>X1>X4>X3，但時刻評估結果為X1>X2>X4>X3，與t1、t2時刻不一致。這主要是由于不同時刻，目標的狀態(tài)發(fā)生了變化，目標狀態(tài)不同，其威脅程度也會發(fā)生變化，這說明為了更好地反映一段時間內目標的威脅程度，對其進行動態(tài)威脅評估則顯得尤為重要。

融合各時刻目標信息得到目標動態(tài)威脅評估結果為：X2>X1>X4>X3，與各時刻靜態(tài)威脅評估結果對比可以看出：雖然t3時刻目標狀態(tài)更加接近其最后狀態(tài)，但是從整個t1～t3時間段來看，t3時刻的評估結果與目標信息融合后的評估結果不同，而t1和t2時刻的評估結果與融合后的評估結果相同。這主要是因為，多時刻目標信息融合后的評估結果，綜合考慮了目標各時刻的戰(zhàn)場信息，對各時刻的目標信息進行了有機融合，而不是簡單信息疊加，融合后的動態(tài)評估結果包含了目標在不同時刻下不同狀態(tài)之間的聯(lián)系，能夠合理地反映出這一時間段內目標的整體狀態(tài)。將本方法與利用文獻［12］中的方法所得的結果進行對比，利用文獻［12］中的方法，當決策者風險偏好系數(shù)為0.5 時，得到目標威脅度為：Z=（0.763 5，0.775 4，0.018 9，0.024 2），其評估結果為：X2>X1>X4>X3。與利用文中方法所得結果一致，驗證了該方法的正確性。

對于t2時刻，改變坦克的狀態(tài)信息，使其攻擊角度變?yōu)?10°，其他信息不變，可以得到在該時刻的目標威脅排序仍為X2>X1>X4>X3。但是綜合t1、t2、t3時刻的信息，目標威脅排序發(fā)生了變化，其動態(tài)威脅結果為X1>X2>X3>X4。可以看到，坦克的攻擊角度變小，說明其攻擊意圖增強，但是單時刻的威脅評估結果卻沒有發(fā)生變化，而融合多時刻目標威脅信息進行評估時，得到的威脅評估結果發(fā)生了變化，進一步驗證了動態(tài)評估的合理性。

5 結論

大部分無人戰(zhàn)車目前還處于研發(fā)定型階段，因此，其在演訓和實戰(zhàn)中的數(shù)據較少，利用動態(tài)貝葉斯網格法對其戰(zhàn)場目標威脅進行評估時缺乏必要的數(shù)據支撐。本文根據較少的戰(zhàn)場數(shù)據信息，從時間、空間和戰(zhàn)場環(huán)境3 個維度建立無人戰(zhàn)車戰(zhàn)場目標威脅評估指標，利用精確數(shù)和直覺模糊數(shù)描述評估指標信息，并明確精確數(shù)與直覺模糊數(shù)之間的轉換關系；采用基于最小信息熵的組合賦權法對威脅評估指標進行賦權；選取連續(xù)的多個時刻的目標戰(zhàn)場信息，采用基于泊松分布法確定各時刻分布權重，以區(qū)別每個時刻目標信息的重要程度；根據時間分布權重建立動態(tài)加權直覺模糊決策矩陣，利用TOPSIS 方法對無人戰(zhàn)車多目標動態(tài)威脅進行評估。該方法利用直覺模糊數(shù)作為目標威脅評價語言，包含的目標評價信息完整，利用綜合權重降低評估結果的片面性，不僅能夠反映單時刻的目標威脅信息，還能夠對多時刻目標威脅信息進行融合，準確反映無人戰(zhàn)車動態(tài)戰(zhàn)場態(tài)勢，使戰(zhàn)場多目標威脅評估更加合理。