自主的智能化指揮控制系統發展思考*

李芳芳

(北京電子工程總體研究所，北京 100854)

0 引言

隨著現代化陸、海、空、天、電(磁)立體空間聯合作戰節奏的不斷加快和規模的不斷擴大，以及智能化技術的日益成熟和廣泛應用，聯合作戰模式由基于網絡技術支持的一體化作戰正在向基于智能技術支持的自主性聯合作戰轉變，信息化作戰逐步轉變為智能化作戰。智能化作戰是智能程度較高的信息化作戰，是處于高級階段的信息化作戰［1］。智能化作戰對指控系統提出了自主化、智能化的需求。智能化指控系統是在指控系統中，綜合運用以電子計算機為核心的各種技術裝備，實現戰場信息的收集、傳遞和自動化處理，保障對部隊作戰行動實施指揮與控制的智能化人-機系統［2］。未來智能化指控系統，將更多地轉變為思維、推理和知識處理，實現腦功能的延伸。自主的智能化指控系統將為作戰人員提供自動化的輔助決策支持能力，實現自動、智能化決策，提高決策的速度和水平，縮短發現、決策和打擊目標時間，提升多目標處理能力，使指揮效率顯著提高。

1 自主化、智能化發展現狀

各軍事強國均將具有自主學習功能的智能化指控系統列為重要的研究領域。近年來美歐海軍在研的新一代艦艇都將擁有一個智能化的“多媒體信息指揮和控制中心”，該中心將把所有重要的指揮控制中心融合為一個整體，配備智能化超級計算機［3］。2011年美國國防部將“自主系統”確定為七大系統研究領域之一，開發具有自動識別匹配、智能學習的軍事系統。已啟動了基于“一體化人機控制策略”的指控系統，該系統除具備自動化態勢分析和決策規劃功能外，還能實現機器學習、機器視覺以及人機流暢對話等功能。各軍兵種也加速研制戰術級自主指揮控制系統，如采用面向服務架構的空天一體指控系統、空軍的“時敏目標決策使能系統”、海軍的“態勢感知與輔助決策智能體”等。

俄羅斯也正努力建成跨軍兵種智能化的指揮控制系統，使之能實時響應并有效實施對空天來襲目標的打擊。運用智能化專家系統技術建立能夠模擬軍事行動事態發展變化、對威脅與行動結果作出預判的智能化指揮自動化系統。

2 支撐技術

自主的智能化指控系統強調自主學習、智能決策、動態服務等特點，智能指控系統能夠提高信息采集系統的工作效率，采用分布式人工智能技術、多主體系統為基礎的信息采集系統，使各種偵察主體自主運行，能夠與動態的戰場進行交互作用和推理，具有自我重組能力，同時又可與其他主體進行協調與協作［4-5］。戰術級指控系統中實現智能化需要面向服務技術、智能專家系統、網絡化分布式處理等先進技術的支撐。

2.1 面向服務架構

面向服務架構(service oriented architecture，SOA)是一種應用系統體系架構，該架構使得分布在網絡上的服務組件能夠被其他應用程序或服務發現和調用。

面向服務體系結構是一個基于特定標準的組織和設計的方法，它在傳統的技術層和業務層之間增加了一個服務層，通過連接能完成特定服務的獨立功能實體來實現軟件的系統架構。通過對技術層和業務層之間信息的有效溝通，可使軟件的應用層徹底擺脫技術上的束縛，從而將注意力更加集中于服務，應用程序就可以提供更加豐富、更加靈活以及目的性更強的服務功能，同時也可使技術開發獨立于服務之外，使得開發人員更加專注于功能的實現。

隨著面向服務技術的發展，許多國外資料表明，歐美國家為適應立體戰爭的作戰要求，在考慮系統間的互操作性、資源共享技術實現時，均采用了基于服務的技術研究。

這種體系結構符合聯合作戰智能化指控系統的設計指導思想，能夠為武器系統的互聯互通和互操作提供技術基礎，服務的動態部署和可遷移的特性使得指控系統能夠獲取更廣泛范圍內的智能體，得到更多的輔助決策服務功能，提高智能決策的速度，縮短反應水平，提升自動化水平。同時，SOA具有可以更迅速和高效響應上層變化的需求的特點，當指控系統通過自主學習獲取更多的決策能力或者改變決策規則時，能夠擴展或形成新的服務，并和其他服務進行柔性重組，具有一定的敏捷性，能夠適應指控系統的不斷發展。圖1為某一體化指控系統中面向服務的軟件體系架構。服務層是提供決策支持的核心，可根據指控系統學習的進程，不斷地擴展或者補充，業務邏輯層可對服務進行柔性組合和驅動。按照作戰任務的需求，可對服務層的不同服務進行組合，達到功能性能要求。

2.2 智能化指控系統

2.2.1 決策支持專家系統

人工智能的專家系統分支正在發展作戰模擬支持系統所使用的推理和自動化技術。利用專家系統作為輔助決策工具，可以使得決策規則與模擬相結合，提供輔助決策或評估替代方案，以及用傳統的方程或模擬技術不易得到的解析結果［6］。智能化指控系統能夠以專家系統為基礎，提高自主學習的能力。專家系統提供決策知識庫、知識獲取機制和推理機制。指控系統決策支持專家系統是以專家或部隊使用人員的經驗知識為基礎建立的，以知識庫和推理為中心的智能系統，結構可表示為:知識+推理=系統，其基本組成體系結構如圖2所示。

圖1 軟件體系結構設計Fig.1 Software architecture

圖2 決策支持專家系統結構圖Fig.2 Architecture of expert system for decision support

知識獲取是建立知識庫的重要基礎，知識獲取機制包括人工獲取機制和學習機制。人工獲取機制由知識工程師及專家對知識進行歸納整理，可通過理論分析、仿真結果、工程實踐應用經驗等來獲取并形成規則。在智能化指控系統中，由于所控制武器和所接入傳感器的類型、性能不同，以及所完成的作戰任務不同，決策支持模塊也不同，可根據事先的分析和計算結果，形成對不同決策支持模塊的使用規則，并可通過人機接口來獲取規則，如可人工調整射擊預案，設置火力運用原則等等。學習機制主要根據作戰或訓練過程中作戰效能或性能的評估結果，不斷地獲取知識，更新知識庫的規則。

知識庫用于存儲大量以產生式規則形式表示的領域專家的經驗和知識以及已知的事實，是決策支持專家系統的基礎。對各類決策信息的使用規則是知識庫的主要內容，在實現層面，各類決策支持信息以服務構件的形態存在，知識庫則是根據制定的規則去獲取相應的服務內容。

推理主要根據知識庫中的知識及態勢分析的結果，對軍事行動事態發展變化、威脅與行動結果作出預判，并作為新的前提或事實繼續推理規程，直到推出最終結論。

解釋機制主要記錄結論的各種狀態顯示給用戶。

智能化輔助決策可按專家的知識和推理過程，依據實際情況，自動實時地提供給指揮員最優的作戰方案［7］，提高了指揮決策的實用性和適應性。

2.2.2 需要注意的問題

(1)自動化態勢分析

自動化態勢分析是實現智能化指控系統的前提，在已啟動的“一體化人機控制策略”中，也將自動化態勢分析作為其基本的功能要求。態勢分析在數據融合系統中屬于高層處理，除了進行數據校準、時空對準、關聯、狀態估計、目標識別等低層處理外，主要進行行動估計，包括對態勢和威脅的估計，如敵方行為、企圖、動向、攻擊模式、敵我兵力組成、對我方造成的可能威脅以及破壞估計等，對彈道目標，還包括對發射區、敵方可能的發射陣地、敵方彈道導彈型號等的估計。態勢估計和威脅估計對戰場上的決策者來說是至關重要的。

(2)智能化指控決策支持應與武器緊密交鏈

指控提供的決策支持只有在保證其正確、有效的前提下，才能具備成為智能化的輔助支持手段，因此自動化輔助決策結果的有效性是檢驗智能化指控系統的基礎。提升有效性就必須和武器系統的特點、戰術性能參數緊密結合，如:導彈武器對不同目標的殺傷能力、導彈的特性、系統反應時間等等，才能適應不同武器的作戰模式和制導體制，制定合適的武器配系、火力部署等任務規劃和射擊預案輔助決策，在作戰過程中提高目標分配、作戰協調等輔助決策的正確性。只有保證實時下達正確的命令，才能起到縮短發現、決策和打擊目標時間的目的。相反，如果決策支持系統給出錯誤的建議和命令，則只能增加命令、拒絕應答、命令的多次反復，延遲作戰時間，甚至喪失作戰時機。

(3)智能技術的綜合運用

自學習能力是智能化指控系統的重要特點，戰場環境千變萬化，預設的輔助決策卻是有限的，因此當系統根據對威脅的預判，不能進行規則匹配時，系統應具有推理能力，實時形成輔助決策。當新的決策方案被評估為有效時，應及時更新知識庫，補充新的決策。

智能化指控系統除了決策支持專家系統(expert system，ES)外，還應充分集成和融合模糊推理(fuzzy reasoning，FR)、神經網絡(neural network，NN)，構造具有抗干擾特性的完整的、高性能的、智能化的、一體化的系統，使得在確定和不確定環境下知識獲取、邏輯推理、知識的表示、邏輯思維和形象思維以及知識庫更新方面更加逼近人腦的決策功能，進而解決符號主義、連接主義和行為主義的局限性問題。

(4)決策的人工干預

決策支持專家系統中的人工接口實現人機對話。智能化決策支持只是輔助手段，提供決策建議，決策最終應能體現“人”的意圖和智慧，因此智能化指控應為人工干預提供良好的接口，一方面方便決策建議的顯示，給出輔助建議的內容、原因、最佳方案和備選方案、預估結果等;另一方面，提供人工控制，人工的干預包括:可將歸納梳理出的知識形成規則加入到決策支持專家系統，可根據對受領任務的分析和戰術應用更改知識庫中的規則，可對推理形成的對決策建議結論進行修改等等。決策支持專家系統根據人工干預結果可形成新的決策建議。

2.3 海量數據的實時處理

智能化指控系統具有信息海量性、時間動態性、信息多源和異構性、被控武器多樣性等特點，要實現上述特點，需要充分利用各個分布式的指控節點和信息源節點的資源，滿足海量處理、異構、實時及時、資源共享、適應動態變化的能力。目前分布式集群處理、網格計算、云計算等技術發展迅速，為智能化指控系統的建設提供了技術基礎。

集群系統是一個松耦合的多處理器系統，主機之間通過網絡實現進程通信，應用程序可以通過網絡共享內存進行消息傳送，是分布式系統的優化處理模式。通常分為3類:可用性集群、負載均衡集群以及高性能計算機集群。集群具有良好的可擴展性、較高的性能價格比、高有效性和容錯性［8］。在智能化指控系統中，可以將決策支持計算等計算密集型服務分布在不同節點，每個節點處理一部分負載，集群技術可在服務器之間進行協同通信，當一個服務器故障時，可自動將工作負載轉移到另一臺服務器，保證持續不斷地提供決策支持。

網格計算具有廣域分布、異構性、動態性的特點，一個系統要成為一個“網絡”需要協議、界面和策略不僅是開放的、通用的而且是標準的。網格計算的廣域分布特點更適合于高級戰術單位，在目前各軍事強國都在紛紛爭取網絡電磁空間控制權的背景下，網格計算的安全性應引起高度重視。

云計算是分布式處理、并行處理和網絡計算的發展，其核心部分依然是數據中心，具有4個方面的重要特點:云上的海量數據存儲、無數的軟件和服務置于云中、它們均構筑于各種標準和協議之上、可以通過各種設備來獲得［9］。隨著云計算概念的發展，有望形成一個高速網狀虛擬網絡，向包括武器平臺、中間件和應用層在內的計算資源聚集遷移，大幅提高資源的利用率。云計算以用戶為中心、以任務為中心、智能化的優勢未來將會更廣泛地應用于智能化指控系統中，同時“云安全”也是伴隨云計算同步發展的技術。

3 發展思路

建立智能化系統需要研究性能更先進的計算機和人工智能技術，發展各種不同用途的機器人，開發新型計算機專用語言，集成化系統，研究人機接口技術、分布網絡技術、神經網絡技術、高性能計算技術等［10］。對于戰術級指控系統，自主化、知識化、智能化是未來發展的方向之一。目前首先要采用先進的信息技術、通信技術，制定統一的標準、規則、規范來整合現有的各指揮系統及相關信息資源，擴展現役通信與指揮自動化設備的功能，實現一體化指揮;其次，逐步發展智能化指控系統，包括建立智能化專家系統，建立分布式決策，能夠對威脅與行動結果作出預判;再次，增強智能化指控系統的自學習能力，建立智能化指控系統間的聯合決策和相互間的決策支持。在智能化指控系統發展的同時，應同步開展智能指控數字/半實物仿真、聯合試驗與驗證、評估等技術的研究。

4 結束語

本文探討了智能化指控系統的發展思路，以及信息技術對智能化指控系統的技術支撐。美國、俄羅斯等軍事大國已將一體化、自主化、智能化指控系統列入重要的研究領域，我國的信息支撐技術發展迅速，自主的智能化指控系統技術研究也迫在眉睫，應分步驟分階段地開展基礎技術研究，爭取能夠突破關鍵技術，在工程中得以應用。

［1］ 張路青，許宏泉，詹廣平.人工智能在信息化戰場的應用探析［J］.艦船電子工程，2009，29(6):13-16.ZHANG Lu-qing，XU Hong-quan，ZHAN Guang-ping.Research on Artificial Intelligence Application in the Information Based Battlefield［J］.Ship Electronic Engineering，2009，29(6):13-16.

［2］ 林聰榕，張玉強.智能化無人作戰系統［M］.長沙:國防科技大學出版社，2008.LIN Cong-rong，ZHANG Yu-qiang.Intelligent Robot Combat System［M］.Changsha:National University of Defense Technology Press，2008.

［3］ 趙偉，龐思偉.智能化指揮控制系統問題［J］.四川兵工學報，2010，31(2):56-59.ZHAO Wei，PANG Si-wei.Intelligent Command and Control［J］.Journal of Sichuan Ordnance，2010，31(2):56-59.

［4］ 陳仁際，王越超，吳鎮煒，等.基于Agent的新型機器人控制器模型研究［J］.高技術通訊，2000，10(10):59-63.CHEN Ren-ji，WANG Yue-chao，WU Zhen-wei，et al.Study of Agent-Based New Robot Controller Model［J］.Chinese High Technology Letters，2000，10(10):59-63.

［5］ 張航義.基于Agent的CGF行為建模技術研究［J］.計算機仿真，2003，20(8):79-81.ZHANG Hang-yi.The Study About the CGF Action Modeling Technology Based on Agent［J］.Computer Simulation，2003，20(8):79-81.

［6］ 胡桐清，陳亮.軍事智能輔助決策的理論與實踐［J］.軍事運籌與系統工程，1995(增刊1):5-12.HU Tong-qing，CHEN Liang.Theory＆ Practice of Military Intelligent Decision Support［J］.Military Operations Research and Systems Engineering，1995(S1):5-12.

［7］ 劉嵩.水面艦艇智能輔助決策系統研究［J］.計算機仿真，2006，23(7):7-10.LIU Song.Design of Intelligence Decision-Making System for Ships［J］.Computer Simulation，2006，23(7):7-10.

［8］ 李治，任波，王乘.基于Java技術的分布式計算環境研究［J］.計算機工程與設計，2004，25(6):912-914.LI Zhi，REN Bo，WANG Cheng.Study of Java-Based Distributed Computing Environment［J］.Computer Engineering and Design，2004，25(6):912-914.

［9］ 董敏，陳金鷹，鄒振宇.云端邁步——云計算時代來臨［C］∥四川省通信學會2009年年會論文集.成都:四川省通信學會，2009:187-189.DONG Min，CHEN Jin-ying，ZOU Zhen-yu.Walking on Cloud-Cloud Computing Era is Coming［C］//Memoir of Sichuan Communication Institute 2009 Academic Conference. Chengdu:Sichuan Communication Institute，2009:187-189.

［10］ David M Bourg，Glenn Seemann.游戲開發中的人工智能［M］.南京:東南大學出版社，2006.David M Bourg，Glenn Seemann.Artificial Intelligence in Development of Game［M］.Nanjing:Southeast University Press.2006.