謝金華,鈕 偉,王永坤

(1.中國(guó)航空工業(yè)集團(tuán)公司雷華電子技術(shù)研究所,江蘇 無(wú)錫 214063;2.航空電子系統(tǒng)射頻綜合仿真航空科技重點(diǎn)實(shí)驗(yàn)室,江蘇 無(wú)錫 214063)

隨著航空科技的發(fā)展與軍事需求的推動(dòng),單架飛機(jī)的作戰(zhàn)效能已經(jīng)無(wú)法滿足未來(lái)戰(zhàn)場(chǎng)的作戰(zhàn)需求,多機(jī)協(xié)同作戰(zhàn)將成為未來(lái)主要的作戰(zhàn)形式[1]。對(duì)于單機(jī)作戰(zhàn)來(lái)說(shuō),雷達(dá)工作環(huán)境相對(duì)簡(jiǎn)單,飛行員只需根據(jù)自身平臺(tái)的作戰(zhàn)任務(wù)下達(dá)雷達(dá)操作指令。因此,雷達(dá)工作模式的切換一般可以通過(guò)飛行員手動(dòng)操作完成;而對(duì)于編隊(duì)雷達(dá)而言,多機(jī)協(xié)同探測(cè)模式種類(lèi)繁多,包括協(xié)同無(wú)源偵收、協(xié)同猝發(fā)探測(cè)、協(xié)同有源探測(cè)、協(xié)同有/無(wú)源探測(cè)和協(xié)同抗干擾。因此,為實(shí)現(xiàn)多機(jī)編隊(duì)作戰(zhàn)效能,需要保證每時(shí)每刻各平臺(tái)操作員能夠根據(jù)當(dāng)前戰(zhàn)場(chǎng)態(tài)勢(shì)[2]將網(wǎng)內(nèi)各雷達(dá)準(zhǔn)確、統(tǒng)一地切換到協(xié)同探測(cè)模式,從而在體系對(duì)抗條件下,保證與敵方編隊(duì)的制衡能力,獲取戰(zhàn)場(chǎng)制空權(quán)。

目前,多機(jī)編隊(duì)協(xié)同探測(cè)模式主要是經(jīng)人工判斷后進(jìn)行手動(dòng)切換,即操作員根據(jù)作戰(zhàn)經(jīng)驗(yàn)以及作戰(zhàn)決策知識(shí)庫(kù)查閱后進(jìn)行選擇切換。但是由于各平臺(tái)飛行員能力和各成員飛機(jī)態(tài)勢(shì)之間存在差異,難以保證編隊(duì)內(nèi)各雷達(dá)同時(shí)切換到同一協(xié)同探測(cè)模式,容易出現(xiàn)誤判,且實(shí)時(shí)性差。這種人工判斷方式會(huì)大大降低“人在回路”的作戰(zhàn)決策效率,導(dǎo)致編隊(duì)作戰(zhàn)效能無(wú)法獲得本質(zhì)提升。因此,為適應(yīng)瞬息萬(wàn)變的戰(zhàn)場(chǎng)環(huán)境,需要設(shè)計(jì)一種智能自主的多機(jī)雷達(dá)協(xié)同探測(cè)模式控制方法,能夠根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)實(shí)時(shí)給出協(xié)同探測(cè)模式的選擇建議,輔助操作員進(jìn)行快速作戰(zhàn)決策,把握戰(zhàn)場(chǎng)主動(dòng)權(quán)。

本文提出了一種基于神經(jīng)網(wǎng)絡(luò)[3-4]技術(shù)的組網(wǎng)探測(cè)模式控制方法,利用神經(jīng)網(wǎng)絡(luò)對(duì)組網(wǎng)探測(cè)模式的決策邏輯進(jìn)行建模,實(shí)現(xiàn)其自主控制。首先,利用模糊邏輯理論[5-7]對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)信息進(jìn)行模糊表征;再通過(guò)神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)態(tài)勢(shì)表征因子與協(xié)同探測(cè)模式之間的映射關(guān)系進(jìn)行數(shù)學(xué)建模;最后,將實(shí)時(shí)態(tài)勢(shì)信息輸入建立的模型,自主得到協(xié)同探測(cè)模式的選擇建議。通過(guò)數(shù)值仿真,表明通過(guò)神經(jīng)網(wǎng)絡(luò)建?？梢宰灾骺刂茀f(xié)同探測(cè)模式的選擇切換,并具有較高的切換精度。該方法可以輔助指揮員快速進(jìn)行戰(zhàn)場(chǎng)指揮決策,減輕操作員決策壓力,提升作戰(zhàn)決策系統(tǒng)的智能化程度。

1 態(tài)勢(shì)信息的結(jié)構(gòu)化表征

戰(zhàn)場(chǎng)態(tài)勢(shì)由多維不確定、不完全、模糊的信息共同決定,對(duì)這些信息的表示和處理過(guò)程是實(shí)現(xiàn)戰(zhàn)場(chǎng)態(tài)勢(shì)評(píng)估的關(guān)鍵所在。本文首先對(duì)目標(biāo)態(tài)勢(shì)信息進(jìn)行分析和提取,然后對(duì)提取的態(tài)勢(shì)因子進(jìn)行模糊表征,作為多機(jī)協(xié)同組網(wǎng)探測(cè)模式控制的輸入因素。

1.1 態(tài)勢(shì)信息提取

戰(zhàn)場(chǎng)態(tài)勢(shì)包括單目標(biāo)態(tài)勢(shì)信息和總體態(tài)勢(shì)信息。在現(xiàn)代空中戰(zhàn)場(chǎng)上,敵機(jī)通常是以編隊(duì)形式來(lái)襲,以編隊(duì)作為基本單位可以大大減少操作員關(guān)注的焦點(diǎn)數(shù)目,減輕指揮參謀人員面臨的認(rèn)知壓力,而且也更直接地反映了作戰(zhàn)意圖及威脅等更深層次的態(tài)勢(shì)信息。因此,可以將目標(biāo)編隊(duì)作為態(tài)勢(shì)評(píng)估[8-9]的基本單位。

本文首先借助專(zhuān)家知識(shí),提取影響戰(zhàn)場(chǎng)態(tài)勢(shì)的主要因素,主要包括五類(lèi)因子,即

X=[x1,x2,x3,x4,x5]Τ

(1)

其中,x1表示編隊(duì)目標(biāo)平均距離,x2表示編隊(duì)目標(biāo)平均速度,x3表示編隊(duì)目標(biāo)航跡質(zhì)量,x4表示電磁環(huán)境,x5表示作戰(zhàn)任務(wù)。編隊(duì)目標(biāo)平均距離態(tài)勢(shì)因子可通過(guò)下式獲取:

(2)

其中,x1,i表示敵方編隊(duì)中第i個(gè)目標(biāo)的距離,m表示敵方編隊(duì)中目標(biāo)的個(gè)數(shù),因此,x1表示編隊(duì)目標(biāo)平均距離。同理,編隊(duì)目標(biāo)的平均速度和航跡質(zhì)量為

(3)

而電磁環(huán)境x4和作戰(zhàn)任務(wù)x5態(tài)勢(shì)因子無(wú)須進(jìn)行平均化處理,可直接進(jìn)行模糊表征[10-11]。

1.2 態(tài)勢(shì)因子模糊表征

利用模糊邏輯技術(shù),建立各態(tài)勢(shì)因子的隸屬度函數(shù)[12-14],將各態(tài)勢(shì)因素轉(zhuǎn)換成具體的歸一化模糊值,模糊值表示該態(tài)勢(shì)因子的威脅權(quán)重。具體描述為:將態(tài)勢(shì)因子真實(shí)變量值變換為相應(yīng)論域(模糊值/語(yǔ)言值)對(duì)于時(shí)間t的具體值xi(t),并將其映射為模糊集合Aij(xi)具有的隸屬函數(shù)μ(Aij(xi)),各態(tài)勢(shì)因子的隸屬函數(shù)值構(gòu)成的集合為后續(xù)映射關(guān)系建模提供輸入。

以編隊(duì)目標(biāo)平均距離態(tài)勢(shì)因子為例,結(jié)合作戰(zhàn)使用流程將目標(biāo)距離進(jìn)行如下劃分:遠(yuǎn)距，大于125%R;中遠(yuǎn)距，100%R～125%R;中距，20%R～100%R;近距，小于20%R,其中，R表示雷達(dá)探測(cè)距離。距離隸屬函數(shù)應(yīng)滿足距離越小,函數(shù)值(威脅權(quán)重)越大的要求,因此,建立其隸屬度函數(shù)為

(4)

2 編隊(duì)目標(biāo)態(tài)勢(shì)因子對(duì)協(xié)同探測(cè)模式的觸發(fā)邏輯

為實(shí)現(xiàn)戰(zhàn)場(chǎng)態(tài)勢(shì)因子與協(xié)同探測(cè)工作模式的映射關(guān)系建模,首先,需要梳理出不同的態(tài)勢(shì)因子組合對(duì)多機(jī)協(xié)同探測(cè)模式的觸發(fā)邏輯,即態(tài)勢(shì)因子與協(xié)同探測(cè)模式的映射關(guān)系,從而建立樣本數(shù)據(jù)。態(tài)勢(shì)因子的類(lèi)型如上所述,協(xié)同探測(cè)模式主要包括協(xié)同無(wú)源偵收、協(xié)同猝發(fā)探測(cè)、協(xié)同有源探測(cè)、協(xié)同抗干擾等。

典型態(tài)勢(shì)因子對(duì)協(xié)同探測(cè)工作模式觸發(fā)示意圖如圖1所示。從圖中可以看出,在協(xié)同無(wú)源偵收、協(xié)同有源探測(cè)以及協(xié)同被動(dòng)抗干擾方面,有很大的重疊部分。以目標(biāo)距離為中遠(yuǎn)距120%R的情況為例(距離態(tài)勢(shì)因子μ1=0.03)，若表征后的態(tài)勢(shì)因子狀態(tài)集為

圖1 戰(zhàn)場(chǎng)態(tài)勢(shì)因子與協(xié)同探測(cè)模式觸發(fā)示意圖

(5)

即戰(zhàn)場(chǎng)態(tài)勢(shì)為:編隊(duì)目標(biāo)平均距離120%R,編隊(duì)目標(biāo)平均速度Ma=1.5,編隊(duì)目標(biāo)航跡精度中等,電磁環(huán)境中等,作戰(zhàn)任務(wù)為隱蔽接敵,此時(shí),結(jié)合戰(zhàn)場(chǎng)態(tài)勢(shì)、作戰(zhàn)任務(wù)與作戰(zhàn)流程應(yīng)選擇協(xié)同無(wú)源偵收工作模式?；谝陨嫌|發(fā)邏輯,建立態(tài)勢(shì)因子集與協(xié)同探測(cè)工作模式映射關(guān)系的樣本數(shù)據(jù)。

3 基于神經(jīng)網(wǎng)絡(luò)的態(tài)勢(shì)到協(xié)同探測(cè)模式映射關(guān)系建模

上節(jié)梳理了態(tài)勢(shì)因子到協(xié)同探測(cè)模式的觸發(fā)邏輯關(guān)系,建立了二者映射關(guān)系的樣本數(shù)據(jù)。基于輸入輸出的樣本數(shù)據(jù),本節(jié)采用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)上述離散映射關(guān)系進(jìn)行建模,具體建模流程為:

步驟1:梳理態(tài)勢(shì)因子集(輸入)到組網(wǎng)探測(cè)模式(輸出)的觸發(fā)邏輯(即二者之間的離散映射關(guān)系),制定樣本數(shù)據(jù);

步驟2:建立神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu),本文采用單隱含層建模技術(shù);

步驟3:根據(jù)樣本數(shù)據(jù),計(jì)算隱含層的輸出值以及輸出層輸出值,并采用BP神經(jīng)網(wǎng)絡(luò)[15]算法對(duì)模型的連接權(quán)重因子進(jìn)行優(yōu)化學(xué)習(xí),建立態(tài)勢(shì)因子與協(xié)同探測(cè)模式的映射模型;

步驟4:針對(duì)建立的上述模型,輸入實(shí)時(shí)的態(tài)勢(shì)信息數(shù)據(jù),自主得到當(dāng)前戰(zhàn)場(chǎng)環(huán)境下組網(wǎng)探測(cè)模式的選擇建議;

步驟5:操作員通過(guò)人機(jī)交互接口實(shí)現(xiàn)對(duì)機(jī)器擬定方案的人工干預(yù)和選擇,實(shí)現(xiàn)“人在回路”的作戰(zhàn)組織控制,生成最終的多機(jī)協(xié)同探測(cè)模式?jīng)Q策指令。

擬采用前向神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的策略對(duì)映射關(guān)系進(jìn)行建模,網(wǎng)絡(luò)示意圖如圖2所示。

圖2 基于神經(jīng)網(wǎng)絡(luò)的映射關(guān)系建模示意圖

(6)

其中，θi為隱含層各單元的閾值,vih為隱含層與輸入層之間的連接權(quán)值,V=[vih]∈Rp×5,σ(·)是單調(diào)有界函數(shù),通常取

σ(x)=1/(1+e-x)

(7)

R層各單元的輸出值為

(8)

其中，rj為輸出層各單元的閾值,wji為輸出層與隱含層之間的連接權(quán)值,W=[wji]∈Rq×p,以上即為采用前向神經(jīng)網(wǎng)絡(luò)建立的映射關(guān)系模型。

給定參考信號(hào)D(k)=[d1(k),…,dq(k)]T,k=1,…,N,學(xué)習(xí)算法為

(9)

目標(biāo)函數(shù)為

(10)

然后,基于式(10)采用BP算法對(duì)模型中的權(quán)值vih和wji進(jìn)行優(yōu)化學(xué)習(xí),建立態(tài)勢(shì)因子狀態(tài)集X(k)與工作模式y(tǒng)j的映射模型,實(shí)現(xiàn)多機(jī)協(xié)同探測(cè)工作模式的智能控制。

4 仿真分析

4.1 樣本數(shù)據(jù)選取

為進(jìn)行態(tài)勢(shì)因子與協(xié)同探測(cè)模式映射關(guān)系的建模仿真分析,首先需要構(gòu)建映射關(guān)系的輸入輸出數(shù)據(jù)。依次從歸一化的態(tài)勢(shì)因子集中選取樣本點(diǎn),如表1所示:依次從表征后的歸一化編隊(duì)目標(biāo)平均距離態(tài)勢(shì)因子中選取5個(gè)樣本點(diǎn)、速度態(tài)勢(shì)因子選取6個(gè)樣本點(diǎn)、航跡質(zhì)量態(tài)勢(shì)因子選取4個(gè)樣本點(diǎn)、電磁環(huán)境態(tài)勢(shì)因子選取3個(gè)樣本點(diǎn)、作戰(zhàn)任務(wù)態(tài)勢(shì)因子選取2個(gè)樣本點(diǎn),進(jìn)而構(gòu)建720組樣本數(shù)據(jù)。R=200 km表示單部雷達(dá)最遠(yuǎn)探測(cè)距離,V=314 m/s。

表1 態(tài)勢(shì)因子樣本選取

4.2 參數(shù)設(shè)置

本文采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)上述樣本數(shù)據(jù)進(jìn)行建模訓(xùn)練,實(shí)現(xiàn)探測(cè)模式自主控制。算法參數(shù)設(shè)置為:輸入層節(jié)點(diǎn)個(gè)數(shù)nx=5,隱含層節(jié)點(diǎn)數(shù)ni=60,輸出層節(jié)點(diǎn)數(shù)ny=5,迭代學(xué)習(xí)次數(shù)為100,仿真步長(zhǎng)T=0.05 s。此外,720組樣本數(shù)據(jù)隨機(jī)分布后,設(shè)定訓(xùn)練樣本600組,測(cè)試樣本120組。

4.3 仿真結(jié)果

首先給出態(tài)勢(shì)因子隸屬度函數(shù)仿真結(jié)果,編隊(duì)目標(biāo)平均距離態(tài)勢(shì)因子的隸屬函數(shù)曲線如圖3所示,目標(biāo)距離越近,對(duì)應(yīng)函數(shù)值越大,表明威脅權(quán)重越大。編隊(duì)目標(biāo)平均速度態(tài)勢(shì)因子的隸屬函數(shù)符合中間型分布函數(shù)形式,其函數(shù)選擇非對(duì)稱(chēng)梯形分布,隸屬函數(shù)曲線如圖4所示。

圖3 距離態(tài)勢(shì)因子隸屬函數(shù)曲線

圖4 速度態(tài)勢(shì)因子隸屬函數(shù)曲線

基于神經(jīng)網(wǎng)絡(luò)的組網(wǎng)雷達(dá)協(xié)同探測(cè)模式控制仿真結(jié)果如圖5所示,縱坐標(biāo)數(shù)值1～9分別表示9種協(xié)同探測(cè)工作模式,橫坐標(biāo)表示120組測(cè)試樣本數(shù)據(jù)。經(jīng)統(tǒng)計(jì),120組測(cè)試數(shù)據(jù)相對(duì)于標(biāo)準(zhǔn)輸出的正確率為86.7%,在當(dāng)前樣本容量下該誤差率處在可接受范圍內(nèi)。

圖5 基于神經(jīng)網(wǎng)絡(luò)的映射關(guān)系建模仿真結(jié)果

為進(jìn)一步說(shuō)明本文提出算法的有效性,采用經(jīng)典模糊貝葉斯技術(shù)與BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行對(duì)比仿真,工作模式控制精度統(tǒng)計(jì)如表2所示。BP神經(jīng)網(wǎng)絡(luò)較模糊貝葉斯算法,具有較高的協(xié)同探測(cè)模式控制精度。表3給出了訓(xùn)練耗時(shí)統(tǒng)計(jì),在算法實(shí)時(shí)性方面,后者更具優(yōu)勢(shì),而B(niǎo)P算法進(jìn)行網(wǎng)絡(luò)建模過(guò)程占據(jù)較多時(shí)間資源。因此,可考慮離線對(duì)訓(xùn)練樣本進(jìn)行建模,在線控制,從而在保證實(shí)時(shí)性要求下,實(shí)現(xiàn)較高的工作模式控制正確率。

表2 工作模式控制正確率對(duì)比

表3 算法耗時(shí)對(duì)比 單位:s

5 結(jié)束語(yǔ)

本文針對(duì)多機(jī)編隊(duì)協(xié)同探測(cè)模式的切換選擇問(wèn)題,提出了一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的協(xié)同探測(cè)模式控制方法,采用模糊邏輯理論對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)信息進(jìn)行模糊表征,進(jìn)而通過(guò)神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)表征態(tài)勢(shì)因子與協(xié)同探測(cè)模式之間的映射關(guān)系進(jìn)行數(shù)學(xué)建模,實(shí)現(xiàn)協(xié)同探測(cè)模式的自主控制。通過(guò)數(shù)值仿真,表明通過(guò)神經(jīng)網(wǎng)絡(luò)建?？梢宰灾骺刂茀f(xié)同探測(cè)模式的選擇切換,并具有較高的切換精度。在多機(jī)編隊(duì)協(xié)同作戰(zhàn)過(guò)程中,實(shí)時(shí)將態(tài)勢(shì)信息輸入建立的模型,自主得到協(xié)同探測(cè)模式的選擇建議,輔助指揮員快速進(jìn)行戰(zhàn)場(chǎng)指揮決策,減輕操作員決策壓力,提升作戰(zhàn)決策系統(tǒng)的智能化程度。