基于ADC-BP模型的對地攻擊無人機自主作戰效能評估

邵明軍,劉樹光,嚴驚濤

(空軍工程大學裝備管理與無人機工程學院,西安,710051)

近年來,隨著無人技術與智能技術融合發展,以對地攻擊無人機為代表的無人自主作戰樣式在實戰環境中得到廣泛應用。研究自主作戰能力,評估自主作戰效能,是衡量對地攻擊無人機在特定作戰條件下完成預定目標任務的有效途徑,對對地攻擊無人機的戰術使用和裝備研發具有實踐指導意義。

目前,效能評估的常用方法有層次分析法、模糊評判法[1]、灰色關聯法[2],ADC模型法[3]等。眾多評估方法中,ADC法作為一種較為成熟的評估方法,具有綜合性強,評估過程全面,模型層次清晰等優點,主要是通過系統3大要素,即系統可用性A、系統可靠性D、系統能力C來對武器裝備效能進行評估。文獻[3]基于ADC模型建立效能評估方法,提出了適用于無人裝備的效能評估模型;文獻[4]考慮到武器作戰使用方式和效能影響因素優化了傳統ADC模型,實現了有人/無人機對海攻擊協同作戰的效能評估;文獻[5]將人為因素與傳統ADC模型相結合,實現了對武器裝備效能的有效評估;文獻[6]在考慮設備運行條件和環境適應性影響基礎上,引入環境適應能力改進評估方法,構建了無人機效能評估模型;文獻[7]結合具體作戰任務,對能力向量C進行重新定義、構建的基礎上優化了ADC評估模型,解決了無人機作戰能力依靠固有能力靜態評估的問題。文獻[8]基于產品分解結構PBS思想,提出了PBS-ADC模型,將無人偵察機系統分解成各子系統,并重點分析了系統的可用性、可靠性指標,解決了無人偵察機研發階段ADC模型效能評估不足的問題。

分析現有文獻不難發現,傳統ADC評估模型及改進型的應用對智能化武器裝備的任務特點、作戰場景、作戰過程分析較少,部分評估只是針對武器裝備的靜態性能進行系統效能評估,而沒有結合作戰任務、對抗環境,有針對性地對武器系統的動態作戰效能進行評估;其次,對影響作戰效能的因素考慮也較為簡單,指標體系的構建缺乏與作戰過程、對抗環境的有效結合,無法貼近實戰任務,真實反映作戰效能指標;由于能力向量的構建沒有統一的框架及公式,大多數都是依靠靜態固有能力來分析,無法結合作戰過程來綜合評判作戰能力的發揮,評估過程也僅停留在對各個指標參數的加權,主觀性較強。

綜合以上分析,本文在傳統ADC評估方法的基礎上,面向對地攻擊無人機在實戰化背景下的任務目標、戰法使用以及動態效能評估的需求,考慮戰場真實對抗環境以及影響無人機自主性發揮的人為干預因素,提出一種改進ADC評估模型結構;同時,有效結合對地攻擊無人機具體作戰流程,分析實際作戰對抗中真實的戰場表現,拓展評估模型的自主作戰能力C的范圍,構建能夠充分反映自主作戰效能的能力指標體系;基于GA-BP方法改進了傳統ADC方法對能力向量的計算。

1 自主作戰效能評估模型構建

1.1 自主作戰效能評估框架

作戰效能是指在規定的作戰環境條件下,運用武器系統及其相應的兵力執行規定的作戰任務時所能達到的預期目標程度[9]。無人機自主作戰效能受作戰任務、作戰適宜性以及自主能力[10]等因素的影響。

作戰適宜性是指裝備在實際使用環境下滿足裝備訓練和作戰使用要求的程度[9]。本文主要針對對地攻擊無人機的環境適用性和使用適用性兩方面進行研究,即無人機的作戰環境的適用性以及無人機在作戰環境下是否“好用”的程度。根據對地攻擊無人機作戰任務的特點,環境適用性主要考慮裝備受自然環境、電磁環境、人為因素等的影響;使用適用性主要分析裝備的可靠性、可用性兩個方面。以上因素能夠從整體角度靜態衡量對地攻擊無人機在實戰環境下受非作戰能力因素影響的程度。

因此,本文參照ALFUS評估框架的思想[12],從任務復雜度、環境復雜度、人工干預程度3個維度,結合對地攻擊無人機的作戰任務、作戰適宜性、自主能力3個要素,改進ADC模型評估方法對對地攻擊無人機的自主作戰過程進行研究,評估框架見圖1。

圖1 對地攻擊無人機自主作戰效能評估框架

該評估框架以戰場環境下對地攻擊無人機執行作戰任務為基礎,充分結合作戰效能邏輯結構、作戰流程、作戰功能,從靜態、動態兩個方面綜合考慮,構建指標評價體系,改進效能評估模型和方法,對無人機自主作戰效能進行研究。首先,全面分析對地攻擊無人機具體作戰任務,明確對地攻擊無人機特定任務下的作戰適宜性各要素,結合無人機系統狀態描述和任務過程中狀態變化情況,確定裝備在作戰環境下裝備可用性、裝備可靠性,針對對地攻擊無人機受實戰環境的因素影響程度,確定影響自主作戰效能的具體因素;根據對對地攻擊無人機作戰任務想定,細化分解作戰全過程,通過全面分析每個作戰階段的動態過程以及在對抗過程中自主能力的綜合表現,提煉與每個作戰階段相適應的作戰能力指標,并運用GA-BP神經網絡方法,通過主觀評判與客觀評估預測相結合的思想確定自主作戰能力結果。最后,通過改進ADC評估模型,得到對地攻擊無人機自主作戰效能評估結果。

1.2 改進的ADC模型方法

ADC模型是美國工業界武器系統效能咨詢委員會提出的系統效能模型[13],根據武器的可用性、可靠性和能力3個要素來評價武器系統。其模型的數學表達式為[14]:

E=A×D×C

(1)

ADC模型方法作為武器系統評估方法應用很廣泛,但也有一定的局限性,僅涉及裝備的可靠性、可用性及固有能力,主要側重在武器裝備的系統效能評估,未考慮具體作戰類型、戰場環境、人為因素對無人機作戰效能的影響。為此,本文結合對地攻擊無人機實戰背景,充分考慮戰場環境影響因素H和人為干預因素R對無人機自主作戰能力的影響,將兩者引入系統效能評估模型中。同時考慮兩者作為環境適用性的指標,是無人機環境適應能力的綜合體現,在實戰過程中只造成無人機部分作戰能力的削弱或降級,不對系統性能造成故障。即改進后的ADC評估模型表達式為:

E=A×D×C×(1-H)×(1-R)

(2)

另外,運用傳統ADC模型方法對裝備進行評估的過程中,能力向量C的構建往往沒有統一的標準框架及公式,大部分還停留在層次分析法、模糊評估法以及依靠專家評分獲得各項能力指標的權重,使得評估過程具有較強的主觀性。同時,隨著指標數量的增加,各指標權重的確定也愈加復雜,依靠傳統方法已難以處理作戰能力與各指標之間的非線性關系。因此,本文結合對地攻擊無人機的作戰任務、作戰流程,在拓展能力C的基礎上,采用GA-BP神經網絡模型對能力值進行訓練預測,進而高度逼近對地攻擊無人機的實際作戰能力值。

1.3 對地攻擊無人機作戰任務階段細化

本文設定對地攻擊無人機,為配合作戰任務需要,在中低烈度對抗環境下,單機執行壓制防空作戰任務。敵方區域部署有防空武器系統2套、電子戰干擾裝備1套、預警雷達設備2套、地面武裝部隊等,要求對地攻擊無人機能夠偵察、搜索、定位目標,并發射SDB空地導彈以及反輻射導彈摧毀、壓制敵方防空系統。

結合任務需求,對對地攻擊無人機戰術特點和作戰任務剖面進行研究分析,考慮無人機執行作戰任務是一個動態的、對抗的過程,需要對其各個階段的作戰性能進行分析,提煉與各個階段相適應的作戰能力,并為下一步指標模型構建提供參考依據。根據執行防空壓制的作戰目標和任務使命,將作戰過程分為5個階段:

1)作戰準備階段。根據作戰任務和戰場環境,研究確定作戰計劃,預定戰術規則,向無人機裝訂任務數據參數,掛載任務載荷,加載燃油,檢查飛機狀況,等待作戰指令。

2)向目標區域機動階段。根據作戰指令起飛,向目標區域機動過程中開啟偵察、觀瞄系統、探測雷達等機載設備,實時感知周圍態勢情況,并根據態勢信息做出決策,必要時進行戰術規避。

3)突防階段。抵近目標區域時,無人機通過探測感知,判斷危險信息,并利用自身優勢開展電磁干擾、高速機動、調整航跡、隱蔽突防等方式保存自己,進而突破敵防空火力網,必要時可對敵預警系統及防空陣地進行壓制或摧毀。

4)攻擊階段。飛臨目標區域時,無人機根據預設方案,展開搜索,定位重點目標,在滿足打擊條件的情況下,對敵防空陣地等重點部位盡早盡快發起攻擊,攻擊后可對毀傷效果進行分析評估,判斷是否再次打擊。

5)返航階段。打擊任務完成后,無人機迅速飛離危險區域,并針對自身完好情況進行自修復或故障隔離,同時按照任務規劃選擇安全航線返航著陸。

2 自主作戰效能指標分析

2.1 自主作戰效能指標體系構建

綜合考慮對地攻擊無人機壓制防空作戰任務過程、影響因素,參照效能評估指標的構建準則[9],梳理歸納對地攻擊無人機的作戰效能指標體系。根據無人機作戰適宜性,構建對地攻擊無人機綜合效能層指標;基于無人機作戰任務,將作戰全過程細分成5個階段,構建自主作戰層指標;基于OODA作戰環理論,細化分解作戰流程5個階段,構建局部效能層指標;針對作戰過程中無人機所展現出的行為,進行量化描述,構建裝備性能層指標,如圖2所示。

圖2 對地攻擊無人機自主作戰效能指標體系

2.2 評估模型指標分析

2.2.1 可用性向量

對地攻擊無人機可用性表示在執行作戰任務前無人機所處的狀態,是能夠執行作戰需求程度的度量。分析可用性向量,首先要確定與其有關的結構組成和可能出現的狀態數量。

本文將對地攻擊無人機分為無人機平臺和任務載荷平臺兩部分,其中任務載荷平臺包括由態勢感知和武器打擊兩部分。通常認為無人機每個部分都處于完好狀態或故障狀態,但由于機載設備多采用余度[15]設計,所以本文認為故障狀態均為非重大故障,從而確定系統可用性向量為:

(3)

式中:a1為任務期間無人機和任務載荷系統都能正常工作狀態的概率;a2為任務期間無人機系統工作正常,任務載荷系統出現故障的概率;a3為任務期間無人機系統出現故障,任務載荷系統能夠正常工作的概率;a4為任務期間無人機系統和任務載荷系統均出現故障的概率。

設tmtbf1、tmtbf2分別為無人機平臺、任務載荷平均故障概率時間;tmttr1、tmttr2分別為無人機平臺、任務載荷平均故障維修時間,有:

(4)

2.2.2 可靠性向量

執行任務過程中,對地攻擊無人機存在正常工作和故障2種狀態,根據其執行任務過程中可能發生的狀態變化情況,可靠性向量表示為:

(5)

式中:dij(i,j=1,2,3,4)表示系統從狀態i轉移到狀態j的概率。由于無人機在執行作戰任務時,故障狀態不可修復。由此,可知:

d21=d23=d31=d32=d41=d42=d43=0

(6)

d44=1

(7)

假設對地攻擊無人機執行任務時的故障概率服從指數分布,在開始執行任務時系統處于可工作狀態,在任務完成時仍處于可工作狀態的概率為:

pi=exp(-λit)

(8)

式中:t為執行任務持續時間;λi為第i個子系統的故障率。有:

(9)

則系統的可靠性矩陣D為:

(10)

式中:λ1、λ2分別為無人機平臺和任務載荷執行任務時的故障率。

2.2.3 環境因素

戰場環境作為戰場態勢的重要組成部分,對執行作戰任務的無人機武器系統效能的影響尤其突出,具體的環境中考慮的因素也有所區別,因此本文將自然環境和電磁環境作為影響作戰效能一般因素來考慮,既是整體衡量作戰過程中戰場環境對效能的影響程度,也是無人機適應戰場環境的能力表現。其中電磁環境只考慮外部電磁環境對無人機系統的干擾情況,電子對抗情況作為作戰能力來進行分析,此處不考慮。

戰場環境影響系數H的表達式為:

(11)

式中:ωi為各指標權重;hi為戰場環境各影響因素對系統效能的損傷情況,并通過專家評判進行打分來確定。

2.2.4 人為因素

實際作戰過程中無人機裝備操作、指揮、保障人員,專業技能可以達到任務要求,本文不考慮人員本身素質對無人機作戰任務的影響,人為因素主要指在執行作戰任務期間,地面操作人員根據無人機實時傳輸的信息,對無人機飛行管理系統、任務管理系統、控制執行系統、感知與通信系統等[16]的干預程度,通過人工對無人機自主能力的干預時間、次數來總體衡量自主能力受限程度以及對作戰效能的影響。

人為因素影響系數R的表達式為:

(12)

式中:ωi為各指標權重;ri為人為因素對系統效能的影響值。

2.2.5 自主作戰能力

無人機的自主作戰能力主要是以自主能力在戰場環境下的作用情況來體現。當其自主性越強,應對戰場態勢變化的能力也就越好,所展現的作戰效能也就越突出,反之體現的自主作戰效能越低。

對地攻擊無人機執行壓制防空任務的作戰能力,即對敵防空系統及重要目標的毀傷能力,按照作戰全過程進行劃分,作戰能力可分為基本飛行能力、任務裝載能力、探測感知能力、規劃決策能力、生存保障能力、電子對抗能力、武器打擊能力、協同合作能力,故障容錯能力。針對對地攻擊無人機執行作戰任務全過程所展現出行為能力,提出基于GA-BP神經網絡的自主作戰能力評估模型。

BP神經網絡作為一種單向傳播的多層前向型神經網絡,能夠逼近評估模型指標之間的非線性映射關系,克服傳統方法處理大量數據能力不足,但也存在訓練速度慢、易陷入局部最優、全局搜索能力弱等問題[17],因此,本文擬采用GA遺傳算法優化BP神經網絡初始權值和閾值,使優化后的神經網絡模型更好地進行評估預測,算法流程見圖3。

圖3 GA-BP神經網絡算法流程

本文采用3層BP神經網絡網絡對作戰能力進行預測,神經網絡輸入層節點為C11～C93,分別對應能力指標體系底層的32個指標,輸出節點數為1,根據式(13)來確定隱含層節點數:

(13)

式中:m、m0、m1分別為隱含層、輸入層、輸出層的神經元數;a為1～10之間的整數。經過仿真試驗,當m=8時性能表現最佳,見圖4。

圖4 數據樣本均方差值

模型采用梯度下降動量和自適應學習率方法[19]進行訓練,作用函數為S型函數:

(14)

函數用來訓練神經網絡的樣本直接關系到無人機自主能力的大小,影響自主作戰效能的綜合評估。為此,本文根據多次仿真試驗得到仿真數據,通過專家打分以及綜合評判,選取60組數據作為神經網絡的樣本,其中選取10組數據作為測試樣本,見表1。本文取種群規模40,遺傳代數為100,訓練目標誤差為1×10-5,最大迭代次數為2 000,學習率為0.035,在MATLAB環境下對神經網絡模型進行訓練,仿真情況見圖5～6。

表1 歸一化后的指標數據樣本及測試樣本數據統計

圖5 網絡輸出值與期望值

圖6 網絡輸出值與期望值的誤差變化曲線

從表1中可以看出,利用神經網絡模型得到的測試值與專家評估的期望值之間的最大相對誤差為0.889 0%,最小相對誤差0.122 8%,證明了基于神經網絡的預測方法的有效性。

3 自主作戰效能評估驗證分析

假定某型對地攻擊無人機按照第1.3節任務想定在中低烈度對抗環境下執行壓制防空作戰任務,對其進行自主作戰效能評估。用于執行任務的對地攻擊無人機平均故障間隔時間、平均修復時間以及任務前無人機各系統處于正常狀態和故障狀態的概率情況,見表2～3。

表2 對地攻擊無人機的平均故障間隔時間和修復時間

表3 對地攻擊無人機各系統正常、故障的概率

根據式(4)得出可用性向量A為:

(15)

假設對地攻擊無人機執行本次作戰任務的持續時間為5 h,則無人機各系統在執行任務期間保持正常工作的概率和轉為故障狀態的概率情況見表4。

表4 對地攻擊無人機系統保持正常、故障狀態的概率

根據式(10),得出可靠性矩陣為:

(16)

經過咨詢專家對戰場環境影響因素分析,進行比較得到各因素情況,見表5。

表5 戰場環境因素兩兩比較

根據表4,計算權重得:

ω=[0.333 3 0.666 7],λmax=2,C.I.=0,C.R.=0,

滿足一致性指標。

專家對環境影響因素打分,確定自然、電磁環境。影響因素分別為1.1、0.2,則:

(17)

通過咨詢專家對人為因素的各項指標分析判斷,得出各項指標的權重值,其方法與計算環境影響因素權重相同,此處不再贅述。根據對地攻擊無人機執行作戰任務期間人為干預的情況,進行統計分析,并將干預時間、次數進行數據標準化處理。假設本次執行作戰任務期間地面人員對無人機干預5次,干預時間總計為0.5h,可以得出人工干預的影響系數為:

(18)

將執行本次作戰任務的對地攻擊無人機能力指標參數作為預測樣本,輸入到訓練后的神經網絡模型中,得到作戰能力預測值,見表6。

表6 對地攻擊無人機指標數據及預測值

根據對地無人機的裝備性能和作戰經驗,無人機子系統發生故障時,仍具備完成作戰任務的能力,但其作戰效能勢必會有不同程度的削弱。本文假設:當對地攻擊無人機出現一個子系統故障,其作戰能力減弱10%;出現兩個子系統故障,作戰能力減弱40%,則執行本次壓制防空任務,對地攻擊無人機的自主作戰能力為:

C=[0.813 3 0.731 9 0.731 9 0.487 9]T

(19)

根據改進ADC模型方法式(2),對地攻擊無人機執行壓制防空作戰任務的自主作戰效能為

E=A×D×C×(1-H)×(1-R)=0.565 3

(20)

實例分析表明,對地攻擊無人機對敵防空系統實施壓制的自主作戰效能基本達到要求。

參照傳統ADC模型的評估方法,該機的作戰效能為:

E0=A×D×C=0.798 0

(21)

從式(20)和式(21)的評估結果可以發現,在考慮了對地攻擊無人機戰場環境和人為干預的影響因素后,其自主作戰效能相較于傳統ADC評估方法較低。這是由于傳統ADC評估模型沒有充分考慮無人機自主作戰的環境適宜性,將無人機作戰全過程理想化所導致。而在實際作戰過程中,無人機會受到戰場環境和人為干預因素的影響,其自主作戰無法發揮出最佳效能,導致實際效能值偏低,這與評估結果相符,進而驗證了改進ADC模型的合理性。

同時,考慮到壓制防空作戰任務的復雜性,本文假定對地攻擊無人機在作戰方案1“敵方強電磁干擾環境下”和方案2“敵方進行空中攔截的情況下”執行壓制防空任務,其自主作戰效能為:

(22)

對以上2種方案作戰效能進行評估,其評估結果與式(20)結果進行對比發現E>E2>E1。這是由于對地攻擊無人機在復雜多變的作戰環境下,面對敵方不同對抗模式時,無人機作戰階段的能力指標側重不同,不同任務階段下自主作戰效能不同。方案1在強電磁干擾的對抗模式下,對地攻擊無人機的探測感知能力、電子對抗能力、協同合作能力會有不同程度的變化,方案2在面對敵方攔截的情況下,無人機突防困難,生存能力受到影響。由此可見,在面對不同對抗環境時,自主能力并不是一成不變的,作戰過程中的自主能力很容易受到敵方對抗方式影響,雙方作戰能力在彼此攻防對抗的動態過程中不斷變化。此外,通過分析自主能力在作戰過程中的動態變化趨勢,找準關鍵能力指標、調整機載設備參數、改善無人機裝備性能、提升自主作戰能力,將是下一步重點研究方向。

4 結論

本文以對地攻擊無人機執行壓制防空任務時自主作戰為背景,考慮作戰任務、作戰適宜性、自主作戰能力,優化改進了傳統ADC評估模型;在拓展能力向量C的基礎上,構建了與作戰全過程相適應的指標體系,并通過GA-BP神經網絡方法設計了自主作戰能力評估指標模型,最后通過實例分析驗證了ADC-BP評估方法的有效性。本文所提出的評估模型較傳統ADC模型而言,考慮因素更為全面,評估過程更為科學,解決了傳統方法過于依賴專家確定權重及主觀評價的問題,提升了效能評估應用的適應性和準確性,為今后對地攻擊無人機自主作戰效能評估提供了科學依據。