牛軼峰 王治超 王菖 劉芳

目標(biāo)毀傷效果評(píng)估是綜合考慮戰(zhàn)役目的、戰(zhàn)場(chǎng)環(huán)境、毀傷力量等因素,對(duì)火力打擊效果進(jìn)行綜合分析評(píng)定的過程,是實(shí)施火力協(xié)調(diào)、調(diào)整火力打擊重點(diǎn)的主要依據(jù)和確保戰(zhàn)役火力毀傷任務(wù)圓滿完成的重要環(huán)節(jié)[1],在Boyd 提出的觀察、判斷、決策、行動(dòng)(Observe,Orient,Decide,Act,OODA)作戰(zhàn)回路中,毀傷評(píng)估是觀察的一個(gè)重要環(huán)節(jié),是對(duì)于武器毀傷效能的重要評(píng)估方法,毀傷評(píng)估階段的觀察結(jié)果為判斷提供信息基礎(chǔ),判斷結(jié)果將會(huì)直接影響到?jīng)Q策的準(zhǔn)確性,進(jìn)而決定行動(dòng)的有效性.

毀傷評(píng)估研究涉及軍事學(xué)、自主控制、圖像處理、數(shù)值計(jì)算等方面,是一個(gè)多學(xué)科的綜合應(yīng)用領(lǐng)域,目前,毀傷評(píng)估的技術(shù)手段主要包括:基于航空航天偵察圖像的變化檢測(cè)與提取方法、基于武器戰(zhàn)斗部威力與目標(biāo)易損性的分析仿真和專家判讀,基于圖像變化檢測(cè)的方法因簡(jiǎn)便易行、戰(zhàn)場(chǎng)實(shí)效性較高等原因被廣泛運(yùn)用于實(shí)戰(zhàn),目前基于無(wú)人機(jī)圖像的自動(dòng)變化檢測(cè)方法已有相關(guān)研究成果[2?5],但建立一種通用的變化檢測(cè)方法是困難的,其原因在于:戰(zhàn)場(chǎng)環(huán)境具有復(fù)雜性、對(duì)抗性、動(dòng)態(tài)性等特點(diǎn),無(wú)人機(jī)獲取的圖像可能受光照、晃動(dòng)、角度等因素的影響,導(dǎo)致圖像質(zhì)量下降,從而影響變化檢測(cè)算法的效果.基于武器戰(zhàn)斗部威力與目標(biāo)易損性的分析仿真方法能夠全面地描述毀傷過程,系統(tǒng)性較強(qiáng),有大量學(xué)者對(duì)模型仿真進(jìn)行了研究[6?9],但該方法要求事先對(duì)目標(biāo)和戰(zhàn)斗部進(jìn)行建模,是一種離線的評(píng)估方法,且對(duì)于建模精度要求較高,實(shí)時(shí)性較差,專家判讀方法有利于發(fā)揮人對(duì)于圖像場(chǎng)景的理解優(yōu)勢(shì),能夠充分利用專家經(jīng)驗(yàn),但受專家水平、專家組構(gòu)成的影響較大,且該方法主觀性較強(qiáng),容易產(chǎn)生經(jīng)驗(yàn)誤導(dǎo).

本文通過融合自動(dòng)化算法中圖像變化檢測(cè)的時(shí)效性和模型仿真評(píng)估的系統(tǒng)性,結(jié)合專家經(jīng)驗(yàn)在毀傷評(píng)估中的監(jiān)督作用,建立一種基于無(wú)人機(jī)偵察圖像與模型仿真計(jì)算的人機(jī)協(xié)同毀傷評(píng)估方法,充分利用人的經(jīng)驗(yàn)優(yōu)勢(shì)和機(jī)器的計(jì)算優(yōu)勢(shì),達(dá)到高效準(zhǔn)確的毀傷評(píng)估結(jié)果.

1 基于協(xié)同設(shè)計(jì)方法的毀傷評(píng)估

1.1 任務(wù)描述

目前已有大量學(xué)者對(duì)多無(wú)人機(jī)及人在回路的協(xié)同作戰(zhàn)鏈路進(jìn)行了研究[10?12],本文面向的任務(wù)背景為人在回路的協(xié)同作戰(zhàn)閉合鏈路:無(wú)人機(jī)攜帶偵察傳感器前往預(yù)定區(qū)域偵察,獲取目標(biāo)打擊前的偵察數(shù)據(jù);實(shí)施目標(biāo)信息處理;指揮部根據(jù)目標(biāo)信息,制定打擊方案,生成期望武器投放位置、角度、戰(zhàn)斗部炸高、攻角、速度等參數(shù);無(wú)人機(jī)或有人機(jī)按計(jì)劃對(duì)目標(biāo)進(jìn)行打擊;無(wú)人機(jī)對(duì)被打擊目標(biāo)進(jìn)行毀傷效果偵察,獲取目標(biāo)毀傷后的圖像等信息,由毀傷評(píng)估人員與無(wú)人機(jī)地面站進(jìn)行目標(biāo)毀傷評(píng)估;依據(jù)作戰(zhàn)要求與評(píng)估結(jié)果,有必要時(shí)實(shí)施新一輪的火力打擊.如此構(gòu)成圖1所示的人在回路的協(xié)同偵察、打擊、評(píng)估、補(bǔ)充打擊的閉合鏈路.

圖1 人在回路的協(xié)同作戰(zhàn)環(huán)路示意圖Fig.1 Human-in-the-loop cooperative operation paradigm

1.2 面向毀傷評(píng)估任務(wù)的人機(jī)相互依賴關(guān)系分析

協(xié)同設(shè)計(jì)(Coactive Design)理論由美國(guó)佛羅里達(dá)人機(jī)認(rèn)知中心(IHMC)的Johnson 博士提出[13],該方法在傳統(tǒng)任務(wù)分析的基礎(chǔ)上,提高了針對(duì)團(tuán)隊(duì)成員間的協(xié)同能力互補(bǔ)性考量,協(xié)同設(shè)計(jì)的基本流程為:識(shí)別過程、選擇和實(shí)現(xiàn)過程、變化評(píng)估過程.識(shí)別過程是協(xié)同設(shè)計(jì)的核心步驟,該步驟利用一種被稱為相互依賴關(guān)系分析(Interdependence Analysis,IA)表的分析工具,進(jìn)行團(tuán)隊(duì)成員間的相互依賴性分析.

針對(duì)本文的任務(wù)背景,進(jìn)行面向毀傷評(píng)估任務(wù)的人機(jī)協(xié)同分析,建立了相互依賴性分析表,如表1所示,其包含5個(gè)基本步驟:

1)分析任務(wù)的能力需求,在IA表的左側(cè)進(jìn)行層次任務(wù)分析,將高級(jí)任務(wù)分解為適當(dāng)粒度的子任務(wù),在對(duì)應(yīng)的子任務(wù)后面分析對(duì)應(yīng)的能力需求,例如將基于圖像變化檢測(cè)的評(píng)估方法分解為場(chǎng)景匹配、目標(biāo)選擇、變化檢測(cè)和提取、毀傷計(jì)算.

2)枚舉可行的團(tuán)隊(duì)成員角色分配方案,將團(tuán)隊(duì)成員按照?qǐng)?zhí)行者和輔助成員的分類,組成角色分配方案.在本文的任務(wù)背景下,將人機(jī)協(xié)同毀傷評(píng)估系統(tǒng)分為兩類成員:R表示計(jì)算機(jī),H表示毀傷評(píng)估操作人員,按照自主等級(jí)從高到低,可以生成4種搭配方案:R(由機(jī)器獨(dú)立完成)、RH(機(jī)器為主人輔助)、HR(人為主機(jī)器輔助)、H(由機(jī)器獨(dú)立完成).

3)評(píng)估執(zhí)行者和輔助者的能力,在角色分配方案對(duì)應(yīng)的列下對(duì)各個(gè)成員作為執(zhí)行者/輔助成員的能力進(jìn)行分析.為了增加直觀性,協(xié)同設(shè)計(jì)采用不同的顏色編碼表示能力強(qiáng)弱,從低到高分別為紅色(0)、橙色(1)、黃色(2)、綠色(3).

4)識(shí)別潛在的相互依賴關(guān)系,執(zhí)行者和輔助成員的能力分析結(jié)束,通過其顏色組合來分析潛在相互依賴關(guān)系,例如場(chǎng)景匹配子任務(wù)中,分配方案RH中計(jì)算機(jī)能夠獨(dú)立進(jìn)行圖像配準(zhǔn),人可以輔助其加強(qiáng)可靠性,當(dāng)執(zhí)行者的能力不足以獨(dú)立完成子任務(wù)時(shí),該相互依賴關(guān)系需要格外關(guān)注.

5)確定OPD需求,在IA表的最右側(cè)是團(tuán)隊(duì)成員之間的可觀察性、可預(yù)測(cè)性、可干預(yù)性(Observable,Predictable,Directable,OPD)需求,其根據(jù)團(tuán)隊(duì)成員之間潛在的相互依賴關(guān)系,決定團(tuán)隊(duì)成員間誰(shuí)需要觀察誰(shuí)的狀態(tài)、誰(shuí)的動(dòng)作/狀態(tài)可以被誰(shuí)預(yù)測(cè)、誰(shuí)需要以什么方式干預(yù)誰(shuí).在應(yīng)用中,OPD需求通常決定了成員之間將以一種怎樣的形式進(jìn)行交互.

1.3 人機(jī)協(xié)同毀傷評(píng)估流程設(shè)計(jì)

構(gòu)建基于無(wú)人機(jī)偵察與模型仿真的人機(jī)協(xié)同毀傷評(píng)估流程如圖2所示.

結(jié)合IA表分析結(jié)果,具體步驟為:

1)無(wú)人機(jī)偵察獲取目標(biāo)數(shù)據(jù)并預(yù)處理,包含目標(biāo)類型、位置、朝向、打擊前圖像等信息.

2)系統(tǒng)和操作員對(duì)判斷數(shù)據(jù)質(zhì)量以選擇合適的評(píng)估方法,包括圖像清晰度、辨識(shí)度,彈目交會(huì)參數(shù)完整性、正確性等,此步驟使用IA表中的HR方案.

表1 人機(jī)協(xié)同毀傷評(píng)估相互依賴性分析表Table1 Interdependence analysis table of human-machine collaborative damage assessment

3)操作員根據(jù)數(shù)據(jù)質(zhì)量和自身狀態(tài)選擇自主等級(jí),數(shù)據(jù)質(zhì)量越良好、自身工作負(fù)荷越高,則越傾向于選擇高自主等級(jí).

4)根據(jù)自主等級(jí)劃分表進(jìn)行對(duì)應(yīng)子模塊的毀傷評(píng)估,自主等級(jí)劃分表如表2所示,包含3個(gè)毀傷評(píng)估子模塊:基于圖像變化檢測(cè)的毀傷評(píng)估、基于模型仿真計(jì)算的毀傷評(píng)估、專家判讀.根據(jù)IA表的不同方案進(jìn)行分析組合,其中基于圖像變化檢測(cè)的毀傷評(píng)估以RH方案為基礎(chǔ),包含兩種模式:手動(dòng)目標(biāo)分割、自動(dòng)目標(biāo)分割;基于模型仿真計(jì)算的毀傷評(píng)估以RH方案為基礎(chǔ)包含兩種模式:手動(dòng)參數(shù)設(shè)置、自動(dòng)參數(shù)調(diào)用;專家判讀只包含以HR方案為基礎(chǔ)的操作員判讀一種模式.

5)系統(tǒng)進(jìn)行毀傷評(píng)估結(jié)果融合,系統(tǒng)根據(jù)預(yù)設(shè)的權(quán)值對(duì)子模塊評(píng)估結(jié)果進(jìn)行融合,物理毀傷比例融合原理如式(1)所示.

其中,Af為最終毀傷評(píng)估結(jié)果.Ai為基于圖像變化檢測(cè)的毀傷評(píng)估結(jié)果,Am為基于模型仿真計(jì)算的毀傷評(píng)估結(jié)果,Ae為專家判讀的毀傷評(píng)估結(jié)果,k為子模塊對(duì)應(yīng)歸一化的權(quán)值,各權(quán)值選取根據(jù)不同的操作員能力、不同操作狀態(tài)、不同自主等級(jí)等因素有所差異.目前本文根據(jù)實(shí)驗(yàn)中操作員水平,結(jié)合經(jīng)驗(yàn)使用預(yù)設(shè)權(quán)值,并通過實(shí)驗(yàn)不斷迭代權(quán)值參數(shù),功能毀傷評(píng)估由物理毀傷評(píng)估結(jié)果推斷,與子模塊功能毀傷評(píng)估投票結(jié)果對(duì)比,結(jié)果相同則采納,結(jié)果不同則操作員介入判斷.

表2 人機(jī)協(xié)同毀傷評(píng)估自主等級(jí)劃分表Table2 Tableof autonomy level of human-machine cooperative damage assessment

圖2 基于IA表的人機(jī)協(xié)同毀傷評(píng)估流程設(shè)計(jì)Fig.2 Design of human-machine collaborative damage assessment process based on IA table

2 基于圖像變化檢測(cè)的毀傷評(píng)估

基于圖像的變化檢測(cè)基于一系列圖像處理技術(shù)實(shí)現(xiàn),主要步驟為:圖像配準(zhǔn)、目標(biāo)分割、圖像變化檢測(cè)、毀傷識(shí)別提取、毀傷計(jì)算.圖像變化檢測(cè)模塊主要針對(duì)圖像質(zhì)量良好,目標(biāo)清晰無(wú)遮擋情況時(shí)使用,當(dāng)目標(biāo)因復(fù)雜背景或遮擋導(dǎo)致自動(dòng)算法難以評(píng)估時(shí),可以降低該模塊權(quán)值或使用模型仿真和專家判讀模塊,根據(jù)IA表的分析結(jié)果,基于圖像變化檢測(cè)的毀傷評(píng)估方法以RH方案為基礎(chǔ)進(jìn)行拓展.在圖像配準(zhǔn)子任務(wù)中,以RH方案自動(dòng)配準(zhǔn)為主,HR方案的人工配準(zhǔn)校正為輔,在目標(biāo)分割子任務(wù)中,分為兩種模式:RH方案自動(dòng)目標(biāo)分割、HR方案手動(dòng)目標(biāo)分割.

2.1 目標(biāo)毀傷圖像配準(zhǔn)

目標(biāo)毀傷圖像配準(zhǔn)主要解決如何將打擊前后的圖像表示在同一坐標(biāo)系下,圖像特征點(diǎn)指圖像顏色特征或紋理特征明顯的點(diǎn)[14],通常帶有較為豐富的圖像信息,能夠壓縮圖像信息,提高配準(zhǔn)速度,本文使用SURF算法,是一種基于圖像特征點(diǎn)的配準(zhǔn)方法,其針對(duì)尺度不變特征變換(Scale-Invariant Feature Transform,SIFT)算法的改進(jìn),提高了算法效率和魯棒性[15],此外,本文通過優(yōu)化SURF算法中的Hessian閾值、特征點(diǎn)數(shù)量等進(jìn)一步提高了算法效率和準(zhǔn)確率.

SURF算法的基本流程為:使用不同尺度的盒式濾波模板對(duì)圖像f(x,y)進(jìn)行濾波得到不同尺度的新圖像D(x,y),構(gòu)建尺度金字塔;在不同尺度下計(jì)算Hessian矩陣,如式(2),求Hessian矩陣判別式的極值得到該尺度下的特征點(diǎn);通過統(tǒng)計(jì)Haar 小波特征得到特征點(diǎn)的主方向并生成對(duì)應(yīng)特征點(diǎn)描述子;在描述子空間下,計(jì)算兩圖像特征點(diǎn)之間的歐式距離,獲得特征點(diǎn)之間的匹配關(guān)系;基于匹配關(guān)系求空間變換矩陣將兩幅圖表示在同一坐標(biāo)系下.

如圖3為圖像配準(zhǔn)結(jié)果,左側(cè)為打擊前圖像,右側(cè)為配準(zhǔn)的打擊后圖像.若算法檢測(cè)的配準(zhǔn)結(jié)果出錯(cuò),可由操作員進(jìn)行特征點(diǎn)校準(zhǔn),通過人工選擇圖像特征點(diǎn),提高配準(zhǔn)的正確性.

圖3 圖像配準(zhǔn)結(jié)果Fig.3 Image registration results

2.2 毀傷目標(biāo)分割

為得到精確的毀傷計(jì)算結(jié)果,變化檢測(cè)需要基于目標(biāo)分割進(jìn)行,即將目標(biāo)從背景中分離,獲取目標(biāo)的輪廓區(qū)域信息,圖像分割常用的算法有基于閾值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法和基于圖論的分割方法等,本文的自動(dòng)目標(biāo)分割使用基于圖論算法中的GrabCut算法進(jìn)行目標(biāo)分割.

GrabCut是一種基于GraphCut的改進(jìn)算法,由微軟研究院提出,并廣泛用在多種圖像處理算法庫(kù)中[16],GrabCut是一種交互式圖像分割算法,其特點(diǎn)在于只需要對(duì)目標(biāo)進(jìn)行大致的框選,就可以達(dá)到良好的分割效果,由操作員框選出目標(biāo)所在區(qū)域的大致矩形范圍,在該矩形以外的區(qū)域全部被視為背景,矩形內(nèi)的部分視為可能的前景或背景.

GrabCut 使用最大流/最小割(Max Flow/Min Cut)理論.算法將圖像映射為圖論中的無(wú)向圖(Undirected Graph),其包含節(jié)點(diǎn)和邊,節(jié)點(diǎn)包含兩類,一類表示圖像中的每個(gè)像素;另一類是終端節(jié)點(diǎn),其中一個(gè)S節(jié)點(diǎn)表示前景,一個(gè)T節(jié)點(diǎn)表示背景,邊也有兩類,一類表示相鄰像素之間的連接關(guān)系;另一類是像素到終端之間的連接關(guān)系.

圖的能量函數(shù)如式(3)所示.

其中,R(L)為區(qū)域項(xiàng),表示節(jié)點(diǎn)到終端的邊的權(quán)值.其分為兩部分,一部分是和S節(jié)點(diǎn)相連的邊的權(quán)值Rp(1),另一部分是和T節(jié)點(diǎn)相連的邊的權(quán)值Rp(0).當(dāng)一個(gè)節(jié)點(diǎn)越有可能屬于前景時(shí),其Rp(1)越小,Rp(0)越大.B(L)為邊界項(xiàng),表示節(jié)點(diǎn)之間邊的權(quán)值,當(dāng)邊兩端節(jié)點(diǎn)差異值越大,B(L)越小,越有可能是割邊.a為比例因子,表示區(qū)域項(xiàng)和邊界項(xiàng)的相對(duì)權(quán)重.GrabCut 方法的優(yōu)化目標(biāo)為優(yōu)化能量函數(shù)使其達(dá)到最小,即最小割.

基于GrabCut算法實(shí)現(xiàn)的毀傷目標(biāo)分割結(jié)果如圖4所示.

圖4 目標(biāo)分割結(jié)果Fig.4 Target segmentation results

手動(dòng)目標(biāo)分割采用套索模式,由操作員手動(dòng)繪制套索形成目標(biāo)模板,再通過模板對(duì)圖像進(jìn)行目標(biāo)分割,此模式相對(duì)于自動(dòng)目標(biāo)分割精確度較高,但耗時(shí)較長(zhǎng).

2.3 目標(biāo)毀傷差異圖像構(gòu)造

基于圖像的毀傷評(píng)估方法其核心在于變化檢測(cè),目的是構(gòu)造表征有目標(biāo)變化信息的差異圖像,圖像數(shù)值法通過對(duì)圖像的像素灰度值做代數(shù)運(yùn)算構(gòu)造差異圖像,在變化檢測(cè)的研究范圍內(nèi),通常使用差值法和比值法,相對(duì)于差值法,比值法對(duì)于噪聲不敏感,且能夠增強(qiáng)變化信息、抑制背景差異和減少大氣影響,因此,在對(duì)于統(tǒng)計(jì)要求不高時(shí),一般都通過比值法配合形態(tài)學(xué)處理進(jìn)行變化檢測(cè).

比值法使用圖像算術(shù)運(yùn)算中的除法運(yùn)算為基本處理方式,也稱為比率變換.比值法將圖像矩陣中對(duì)應(yīng)元素相除.在實(shí)際運(yùn)用中,通常對(duì)數(shù)值法原理式做出一定改進(jìn)[17],例如:對(duì)偶兩幅輸入圖像的關(guān)系,避免因不同圖像做分母的問題導(dǎo)致的輸出不同問題;將輸出圖像的灰度范圍限制在0到1之間,便于后續(xù)毀傷提取;為了避免分母為0的數(shù)學(xué)錯(cuò)誤,在比值的分子分母同時(shí)加1,改進(jìn)后采用原理式如式(4)所示.

根據(jù)式(4)得到的C(x,y)灰度值域?yàn)閇0,1],范圍過小不利于后續(xù)閾值分割,通常需要進(jìn)行灰度值平衡,可采用的方法有線性變換,如乘法拓展灰度值范圍;非線性變換,如對(duì)數(shù)變換[18];統(tǒng)計(jì)方法,如直方圖均衡化等.

基于圖像數(shù)值法得到的目標(biāo)毀傷差異圖像如圖5所示,從圖中可見,除了毀傷部分,周邊還存在噪聲,需要對(duì)噪聲、暗斑產(chǎn)生的非毀傷信息進(jìn)行抑制.

圖5 數(shù)值法構(gòu)造差異圖像結(jié)果Fig.5 Difference image based on numerical method

2.4 差異圖像形態(tài)學(xué)處理和毀傷評(píng)估計(jì)算

為了更準(zhǔn)確地提取毀傷變化信息,一般先采用形態(tài)學(xué)處理已構(gòu)造的差異圖像,其目的是為了消除噪聲和圖像暗斑缺陷,然后根據(jù)灰度閾值分割的方法提取出變化區(qū)域,為毀傷變化計(jì)算提供信息.

對(duì)圖像的形態(tài)學(xué)處理一般是指數(shù)學(xué)形態(tài)學(xué),是一門在拓?fù)鋵W(xué)上發(fā)展起來的圖像分析學(xué)科,在圖像處理的理論體系中占有重要地位,本文利用基于圖像二值膨脹腐蝕的閉運(yùn)算操作,先進(jìn)行膨脹運(yùn)算、后進(jìn)行腐蝕運(yùn)算,達(dá)到的最終效果是消除低于其鄰域的點(diǎn),即消除暗點(diǎn).

灰度閾值分割是一種基于全局光譜特征的圖像分割方法,其主要分割的依據(jù)是圖像或部分圖像的灰度直方圖,根據(jù)其對(duì)灰度直方圖的分割方法的不同,常用方法包括:最大方差閾值法、雙峰法、迭代法、最大類間方差法等.

本文使用的是最大類間方差法,由日本學(xué)者大津(OTUS)提出,也被成為大津法,其基本原理是求OTSU閾值,使得通過OTSU閾值分割的前景和背景間的類間方差最大.OTSU算法分割穩(wěn)定,不易受圖像對(duì)比度和亮度的影響,并且計(jì)算簡(jiǎn)單,處理速度快.其基本原理如式(5)所示.

其中,OTSU閾值TH 將灰度分為小于閾值的背景部分和大于閾值的前景部分,背景部分的概率為p1,平均灰度為g1;前景部分的概率為p2,平均灰度為g2;全局平均灰度為gG.因此,OTSU算法的優(yōu)化目標(biāo)為求TH,使得類間方差σ2最大.

在得到二值分割的差異影像后,通過統(tǒng)計(jì)計(jì)算得到毀傷區(qū)域占總區(qū)域的比例,并據(jù)此推斷毀傷程度.

3 基于模型仿真計(jì)算的毀傷評(píng)估

基于模型仿真計(jì)算的毀傷評(píng)估方法包含戰(zhàn)斗部毀傷效應(yīng)建模,又稱戰(zhàn)斗部威力建模、目標(biāo)幾何與易損性建模,在此基礎(chǔ)上通過彈目交會(huì)參數(shù)進(jìn)行毀傷效應(yīng)仿真,根據(jù)IA表的分析結(jié)果,基于模型仿真計(jì)算的毀傷評(píng)估方法以RH方案為基礎(chǔ),在參數(shù)調(diào)用子任務(wù)中,分為兩種模式:RH方案自動(dòng)調(diào)用參數(shù)、HR方案手動(dòng)設(shè)置參數(shù).

3.1 戰(zhàn)斗部毀傷效應(yīng)建模

戰(zhàn)斗部是各類彈藥的最終殺傷單元,其通常與彈藥的制導(dǎo)方式、動(dòng)力方式等無(wú)關(guān),獨(dú)立于其他單元成為毀傷評(píng)估的主要建模對(duì)象,戰(zhàn)斗部按殺傷原理和打擊對(duì)象不同,通常分為爆破戰(zhàn)斗部、破片戰(zhàn)斗部、侵徹戰(zhàn)斗部.目前多數(shù)彈藥通常使用串聯(lián)戰(zhàn)斗部,即使用多種戰(zhàn)斗部進(jìn)行耦合串聯(lián)來加強(qiáng)彈藥的多用途性和殺傷效能.但從毀傷效應(yīng)而言,戰(zhàn)斗部的毀傷效應(yīng)仍包含沖擊波效應(yīng)、破片效應(yīng)和侵徹效應(yīng).

1)沖擊波效應(yīng).戰(zhàn)斗部炸藥在空氣中爆炸,在極短的時(shí)間內(nèi)轉(zhuǎn)變?yōu)楦邷睾透邏旱谋Z產(chǎn)物,并產(chǎn)生初始沖擊波.隨后,初始沖擊波演化成一個(gè)尾部帶有稀疏波區(qū)(或負(fù)壓區(qū))的空氣沖擊波,稱為爆炸空氣沖擊波(或簡(jiǎn)稱爆炸波),爆炸空氣沖擊波形成以后,脫離爆轟產(chǎn)物獨(dú)立地在空氣中傳播,爆炸空氣沖擊波傳播過程中波陣面壓力在初始階段衰減快,后期減慢,傳播到一定距離后,沖擊波衰減為聲波.如圖6為沖擊波的定點(diǎn)波形,其中,Δpm、τ+和I+分別表示沖擊波超壓、正壓持續(xù)時(shí)間和比沖量,構(gòu)成了爆炸空氣沖擊波的3個(gè)基本參數(shù).

2)破片效應(yīng),戰(zhàn)斗部在爆炸時(shí)產(chǎn)生的高速飛散的破片命中目標(biāo),其直接效應(yīng)是侵徹,如果是命中目標(biāo)的燃料艙或者彈藥艙,還會(huì)產(chǎn)生引燃或引爆的后效,破片的參數(shù)包括破片數(shù)量、質(zhì)量及其分布、破片初速、破片空間飛散特性等,破片初速、破片空間飛散特性等參數(shù)通?？梢杂捎?jì)算確定,其他參數(shù)一般通過試驗(yàn)確定,破片的飛行衰減如式(6)所示.

其中,D為炸藥爆速,C/M為炸藥金屬比,α是衰減系數(shù),S為飛行距離.

圖6 沖擊波定點(diǎn)波形Fig.6 Shock wave fied point waveform

3)侵徹效應(yīng).當(dāng)高速?gòu)椡枧鲎舶邪鍟r(shí),影響侵徹現(xiàn)象的因素很多,主要可以分為3 大類:靶、彈和彈靶交互狀態(tài),侵徹能力用對(duì)等效靶的擊穿厚度和穿透一定厚度等效靶所需的侵徹速度來表征,前者稱為侵徹極限厚度,后者稱為侵徹極限速度.

3.2 目標(biāo)幾何與易損性建模

目標(biāo)建模通常包含外觀幾何建模、物理易損性建模、功能易損性建模.

1)目標(biāo)外觀幾何建模,本文主要研究毀傷目標(biāo)為建筑及車輛,幾何建模的關(guān)鍵是獲得目標(biāo)的外形參數(shù)及尺寸,可以通過工程圖紙或三視圖進(jìn)行推斷.建模工作可以借助CAD 軟件進(jìn)行目標(biāo)的幾何造型并劃分網(wǎng)格,然后輸出目標(biāo)幾何外形的數(shù)據(jù).

2)目標(biāo)物理易損性建模,在幾何模型基礎(chǔ)上,需要設(shè)置目標(biāo)的物理易損性,即有關(guān)物理力學(xué)參數(shù)和毀傷標(biāo)準(zhǔn)等,主要包括部件材料的等效厚度、抗拉強(qiáng)度、有效破片的動(dòng)能標(biāo)準(zhǔn)、面損傷密度標(biāo)準(zhǔn)、破片毀傷閾值和沖擊波毀傷超壓毀傷閾值等.

3)目標(biāo)功能易損性建模,目標(biāo)功能易損性建模主要通過毀傷樹分析法(Damage Tree Analysis,DTA)進(jìn)行,DTA 基于演繹分析進(jìn)行,通過分解系統(tǒng)至子系統(tǒng)、組件、單元等,考慮單元的毀傷如何造成系統(tǒng)的毀傷,該方法著重點(diǎn)是考慮整個(gè)系統(tǒng),它既考慮某個(gè)單元的毀傷,也考慮幾個(gè)單元同時(shí)產(chǎn)生某種等級(jí)的毀傷時(shí)它們對(duì)系統(tǒng)的影響.

3.3 毀傷效應(yīng)仿真

結(jié)合戰(zhàn)斗部的毀傷效應(yīng)模型和目標(biāo)易損性模型,基于模型仿真計(jì)算的毀傷評(píng)估方法從3個(gè)方面進(jìn)行毀傷效應(yīng)仿真:沖擊波毀傷仿真、破片毀傷仿真和侵徹毀傷仿真.

1)沖擊波毀傷仿真,本文采用基于優(yōu)化的爆炸沖擊波加載算法,可以在不計(jì)算沖擊波流場(chǎng)、不計(jì)算沖擊波與目標(biāo)的流固耦合的情況下,快速計(jì)算沖擊波在目標(biāo)部件表面的載荷,給出超壓峰值、超壓沖量等數(shù)據(jù),該算法首先計(jì)算目標(biāo)各面元與爆炸中心的相對(duì)關(guān)系,判斷面元與爆炸中心之間是否通視,以及面元與沖擊波方向夾角,然后對(duì)沖擊波建立虛擬射擊線以計(jì)算面元與爆炸中心的相對(duì)關(guān)系,利用沖擊波的傳播及衰減模型,獲得沖擊波在目標(biāo)表面上的幅值、入射角度等數(shù)據(jù),以此分析出目標(biāo)表面上的反射超壓、反射超壓沖量,以報(bào)表或圖形化的方式給出,結(jié)合目標(biāo)易損性中的材料特性等,確定目標(biāo)的沖擊波毀傷情況.

2)破片毀傷仿真,破片主要打擊輕裝甲目標(biāo).根據(jù)武器/彈藥的靜爆破片威力參數(shù),考慮武器彈藥在彈道終點(diǎn)的飛行速度、方向等數(shù)據(jù),系統(tǒng)能夠?qū)Ρㄐ纬傻某跏计破w散場(chǎng)進(jìn)行計(jì)算.在此基礎(chǔ)上,計(jì)算破片與目標(biāo)是否交會(huì),如果破片與目標(biāo)交會(huì),再計(jì)算交會(huì)點(diǎn)位置、交會(huì)時(shí)的侵徹速度、角度,在此基礎(chǔ)上利用經(jīng)典侵徹方程計(jì)算破片對(duì)目標(biāo)的毀傷情況并統(tǒng)計(jì)結(jié)果,獲得目標(biāo)的毀傷效果及毀傷等級(jí)等數(shù)據(jù).

3)侵徹彈道仿真,目前商用動(dòng)力學(xué)軟件進(jìn)行侵徹?cái)?shù)值模擬時(shí),對(duì)軟硬件平臺(tái)要求高,計(jì)算時(shí)間長(zhǎng)、缺乏靈活性,本文直接計(jì)算彈在侵徹介質(zhì)中的運(yùn)動(dòng)情況,給出侵徹彈道,該算法省略了靶體網(wǎng)格的劃分,也無(wú)需考慮復(fù)雜的接觸問題以及計(jì)算中靶體大變形時(shí)網(wǎng)格的畸變,大大節(jié)省了計(jì)算時(shí)間,提高了計(jì)算效率.

4 仿真實(shí)驗(yàn)

根據(jù)毀傷評(píng)估流程設(shè)計(jì),搭建了人機(jī)協(xié)同毀傷評(píng)估系統(tǒng)作為實(shí)驗(yàn)環(huán)境,實(shí)驗(yàn)環(huán)境包含圖像變化檢測(cè)算法和模型仿真計(jì)算算法,前端與無(wú)人機(jī)協(xié)同打擊規(guī)劃系統(tǒng)相連,按照?qǐng)D2所示流程進(jìn)行毀傷評(píng)估實(shí)驗(yàn),以小直徑炸彈打擊建筑為例,選擇RH 自主等級(jí),圖像變化檢測(cè)方法使用自動(dòng)分割模式,模型仿真采用手動(dòng)輸入模式,專家判讀采用圖像增強(qiáng)的操作員判讀模式,測(cè)試基于無(wú)人機(jī)偵察與模型仿真的人機(jī)協(xié)同毀傷評(píng)估的有效性.

4.1 數(shù)據(jù)獲取與預(yù)處理

實(shí)驗(yàn)中使用的數(shù)據(jù)為圖像數(shù)據(jù)和彈目交會(huì)參數(shù).由于不能直接處理視頻流,圖像預(yù)處理包括視頻抽幀、降噪等,實(shí)驗(yàn)圖像數(shù)據(jù)為一段無(wú)人機(jī)拍攝的偵察視頻中截取的圖像25 張,其中打擊前基準(zhǔn)圖1 張,其余通過圖像處理的方式在建筑上模擬真實(shí)毀傷效果.本文實(shí)驗(yàn)中處理的建筑共9棟,如圖7所示,有的建筑進(jìn)行了多次不同的標(biāo)記.

圖7 實(shí)驗(yàn)?zāi)繕?biāo)建筑示意圖Fig.7 Image of experimental target buildings

彈目交會(huì)參數(shù)從系統(tǒng)前端的無(wú)人機(jī)協(xié)同打擊規(guī)劃系統(tǒng)獲取,包括:戰(zhàn)斗部類型及參數(shù)、目標(biāo)類型及參數(shù)等,例如戰(zhàn)斗部投放點(diǎn)、瞄準(zhǔn)點(diǎn)、速度、炸高、角度等,當(dāng)不考慮其他干擾因素時(shí),戰(zhàn)斗部將按照預(yù)定規(guī)劃到達(dá)瞄準(zhǔn)點(diǎn)進(jìn)行毀傷,由于規(guī)劃系統(tǒng)和毀傷評(píng)估系統(tǒng)處于不同坐標(biāo)系,彈目交會(huì)參數(shù)的預(yù)處理包括數(shù)據(jù)篩選和坐標(biāo)轉(zhuǎn)換等.

4.2 數(shù)據(jù)質(zhì)量判斷

操作員打開數(shù)據(jù)目錄查看當(dāng)前目標(biāo)的相關(guān)數(shù)據(jù)并判斷數(shù)據(jù)質(zhì)量,圖像質(zhì)量的判斷過程采用人為主、機(jī)器為輔的模式,系統(tǒng)計(jì)算出圖像的灰度圖、方差、圖像熵、空間頻率、對(duì)比度等指標(biāo),提交給操作員.由操作員結(jié)合客觀指標(biāo)對(duì)圖像質(zhì)量進(jìn)行主觀判斷,主要針對(duì)圖像明度、噪聲程度、模糊程度、目標(biāo)是否有較為明顯的遮擋等,判斷圖像是否會(huì)對(duì)評(píng)估產(chǎn)生影響.

實(shí)驗(yàn)中彈目交會(huì)參數(shù)的判斷過程采用機(jī)器為主、人為輔的模式,彈目交會(huì)參數(shù)來自于前端的規(guī)劃系統(tǒng),由系統(tǒng)對(duì)于各項(xiàng)數(shù)據(jù)的完整性進(jìn)行檢查,由操作員判斷是否存在明顯錯(cuò)誤,例如瞄準(zhǔn)點(diǎn)偏移過大、目標(biāo)位置不合理等.

4.3 自主等級(jí)選擇

得到圖像和彈目交會(huì)參數(shù)數(shù)據(jù)質(zhì)量后,結(jié)合操作員的生理、心理水平進(jìn)行毀傷評(píng)估自主等級(jí)選擇.考慮到毀傷評(píng)估流程較短,且各毀傷場(chǎng)景間相對(duì)獨(dú)立,本文中的自主等級(jí)選擇是一種離線的自主等級(jí)選擇,即在一個(gè)場(chǎng)景的評(píng)估中自主等級(jí)確定后不再變化,且不影響下一場(chǎng)景評(píng)估的自主等級(jí)選擇.

目前已有一些針對(duì)操作員生理、心理水平判斷和自主等級(jí)調(diào)整的自動(dòng)化算法[19],為便于針對(duì)毀傷評(píng)估進(jìn)行實(shí)驗(yàn),本文目前使用操作員主觀定性判斷生理、心理水平的模式,后續(xù)研究?jī)?nèi)容將考慮加入自動(dòng)化算法進(jìn)行自主等級(jí)調(diào)整,總體而言,圖像質(zhì)量越好、彈目交會(huì)參數(shù)越完整、操作員負(fù)荷越低,則應(yīng)選擇更低的自主等級(jí),反之則選擇更高的自主等級(jí).

4.4 毀傷評(píng)估子模塊

人機(jī)協(xié)同毀傷評(píng)估方法包含3個(gè)子模塊:基于圖像變化檢測(cè)的毀傷評(píng)估、基于模型仿真計(jì)算的毀傷評(píng)估、專家判讀.按照人參與程度不同,圖像變化檢測(cè)和模型仿真分別包含兩種模式,不同自主等級(jí)中包含不同的子模塊評(píng)估模式,參考自主等級(jí)劃分表(表2)進(jìn)行不同模式的子模塊毀傷評(píng)估.

圖8 基于圖像變化檢測(cè)的評(píng)估結(jié)果Fig.8 Assessment based on image change detection

4.4.1 基于圖像變化檢測(cè)的毀傷評(píng)估

基于圖像變化檢測(cè)的毀傷評(píng)估在人機(jī)協(xié)同毀傷評(píng)估系統(tǒng)的交互界面下進(jìn)行,界面中共包含4個(gè)模塊,分別為圖像顯示模塊、圖像處理操作模塊、毀傷評(píng)估方法選擇模塊、多階段毀傷評(píng)估結(jié)果顯示模塊.人機(jī)協(xié)同毀傷評(píng)估的步驟為:

1)操作員對(duì)加載的目標(biāo)打擊前后圖像進(jìn)行判斷,是否為正確目標(biāo).

2)在確定目標(biāo)無(wú)誤后,進(jìn)行圖像場(chǎng)景配準(zhǔn);如果配準(zhǔn)出現(xiàn)錯(cuò)誤,配準(zhǔn)結(jié)果出現(xiàn)殘缺狀、放射狀,操作員可以進(jìn)行手動(dòng)配準(zhǔn)校正.

3)目標(biāo)分割,自動(dòng)目標(biāo)分割模式下,操作員對(duì)目標(biāo)區(qū)域框選大致位置,系統(tǒng)自動(dòng)進(jìn)行目標(biāo)分割,手動(dòng)目標(biāo)分割模式下,操作員使用套索進(jìn)行目標(biāo)分割,該模式操作較為繁瑣但分割效果更好.

4)系統(tǒng)自動(dòng)對(duì)目標(biāo)區(qū)域進(jìn)行變化檢測(cè)、形態(tài)學(xué)處理、毀傷提取和計(jì)算得到毀傷比例并顯示.

基于模擬毀傷評(píng)估圖像的變化檢測(cè)結(jié)果示例如圖8所示,實(shí)驗(yàn)中使用自動(dòng)分割模式,毀傷評(píng)估結(jié)果為:毀傷比例為27.729%,功能毀傷評(píng)估為重度毀傷.如使用手動(dòng)目標(biāo)分割模式,可以提高準(zhǔn)確度,但會(huì)相應(yīng)增加操作員負(fù)荷.

此外,實(shí)驗(yàn)針對(duì)如圖9所示的真實(shí)打擊圖像進(jìn)行了毀傷評(píng)估測(cè)試,評(píng)估結(jié)果為:毀傷比例為50.236%,功能毀傷評(píng)估為重度毀傷.

4.4.2 基于模型仿真計(jì)算的毀傷評(píng)估

人機(jī)協(xié)同毀傷評(píng)估系統(tǒng)中,基于模型仿真計(jì)算,本文設(shè)計(jì)了仿真系統(tǒng).以小直徑炸彈打擊建筑為例,使用手動(dòng)彈目交會(huì)參數(shù)模式,人機(jī)協(xié)同毀傷評(píng)估的步驟為:

1)參數(shù)輸入,手動(dòng)參數(shù)輸入模式下,操作員進(jìn)入目標(biāo)模式,向算例中添加建筑,設(shè)定目標(biāo)的三維坐標(biāo)及朝向等信息;進(jìn)入戰(zhàn)斗部模式,戰(zhàn)斗部選擇小直徑炸彈,設(shè)定參數(shù),包括:瞄準(zhǔn)點(diǎn)坐標(biāo)、落點(diǎn)CEP、戰(zhàn)斗部飛行速度、方位角、打擊角、炸高及方差等,自動(dòng)參數(shù)調(diào)用模式下,系統(tǒng)自動(dòng)從前端規(guī)劃系統(tǒng)獲取彈目交會(huì)參數(shù).

2)操作員通過三維漫游對(duì)搭建的算例場(chǎng)景進(jìn)行確認(rèn),如有錯(cuò)誤則進(jìn)行調(diào)整和校正,最終搭建的算例如圖10所示.

3)操作員選擇系統(tǒng)計(jì)算模式,包括:根據(jù)目標(biāo)類型選擇是否進(jìn)行破片計(jì)算,通常輕裝甲類目標(biāo)需要進(jìn)行破片計(jì)算,重裝甲、建筑類目標(biāo)可以不計(jì)算破片以提高算法效率;選擇是否進(jìn)行Monte Carlo 隨機(jī)計(jì)算以提高算法穩(wěn)定性.

4)系統(tǒng)進(jìn)入計(jì)算模式,自動(dòng)進(jìn)行數(shù)據(jù)導(dǎo)入、數(shù)值初始化、戰(zhàn)斗部初始化、破片場(chǎng)初始化等操作.計(jì)算完畢將以三維模型的形式顯示算例,并進(jìn)行動(dòng)態(tài)演示,如圖11所示.

圖9 真實(shí)毀傷圖像Fig.9 Real damage image

圖10 算例搭建結(jié)果Fig.10 Example construction results

圖11 模型仿真計(jì)算結(jié)果Fig.11 Model simulation results

本算例最終仿真結(jié)果為平均命中破片數(shù)為1 626.6;平均穿透破片數(shù)1 220.6;平均有效破片數(shù)1 220.6;輕度沖擊波毀傷概率23.5%;中度沖擊波毀傷概率76.5%;重度破片毀傷概率100%;重度綜合毀傷概率100%;毀傷面積137.104,毀傷比例為41.3%,毀傷評(píng)估效果復(fù)合實(shí)際情況,仿真有效.

4.4.3 專家判讀

專家判讀方法中,主要依靠操作員進(jìn)行判讀,采用人為主、機(jī)器為輔的模式,以IA表的HR方案為基礎(chǔ),在圖像與數(shù)據(jù)支持子任務(wù)中采用RH方案.系統(tǒng)顯示圖像配準(zhǔn)結(jié)果便于操作員進(jìn)行比對(duì),且算法可對(duì)圖像全局進(jìn)行變化檢測(cè)、形態(tài)學(xué)處理和毀傷提取,將變化信息與打擊前圖像融合,以圖像增強(qiáng)的方式輔助操作員進(jìn)行判讀,最終判斷結(jié)果為毀傷比例31%,功能毀傷等級(jí)為重度毀傷.

4.5 毀傷結(jié)果融合

得到3個(gè)子模塊毀傷評(píng)估結(jié)果后,系統(tǒng)根據(jù)預(yù)設(shè)的權(quán)值,融合3個(gè)子模塊的毀傷評(píng)估結(jié)果得到最終毀傷評(píng)估結(jié)果,目前本文使用基于經(jīng)驗(yàn)的預(yù)設(shè)權(quán)值,不同自主等級(jí)下人參與的程度不同,對(duì)應(yīng)子模塊的權(quán)值相應(yīng)不同.以實(shí)驗(yàn)中的目標(biāo)為例,式(1)中的ki、km、ke分別取0.3、0.4、0.3,目標(biāo)最終綜合毀傷比例為34.19 %,功能毀傷評(píng)估為重度毀傷,符合實(shí)驗(yàn)情況.

5 結(jié)論

本文提出一種基于無(wú)人機(jī)偵察圖像與模型仿真計(jì)算的人機(jī)協(xié)同毀傷評(píng)估方法,基于協(xié)同設(shè)計(jì)分析了毀傷評(píng)估中的人機(jī)相互依賴關(guān)系,并據(jù)此提出了人機(jī)協(xié)同毀傷評(píng)估流程,操作員結(jié)合數(shù)據(jù)完整性和自身工作負(fù)荷,選擇合適的自主等級(jí)及具體毀傷評(píng)估方法,毀傷評(píng)估方法融合了圖像變化檢測(cè)、模型仿真計(jì)算和專家判讀.經(jīng)過實(shí)驗(yàn)驗(yàn)證,該方法的毀傷評(píng)估準(zhǔn)確度較高、誤判率較低、時(shí)效性較好,能夠充分發(fā)揮自動(dòng)化算法的高效性,并有效支持人對(duì)毀傷評(píng)估的監(jiān)督干預(yù),未來的研究方向包括:面向?qū)崟r(shí)遠(yuǎn)程遙控?zé)o人機(jī)的毀傷評(píng)估;一人控制多機(jī)的毀傷評(píng)估;利用自動(dòng)化算法自動(dòng)判斷人的狀態(tài)并切換自主等級(jí);子模塊權(quán)值自學(xué)習(xí)和在線調(diào)整等[20].