基于ONM的無人機信息支援遠程體系作戰能力評估

陳士濤, 李大喜, 趙保軍

(1. 空軍工程大學裝備管理與無人機工程學院, 陜西 西安 710051;2. 空軍工程大學防空反導學院, 陜西 西安 710051)

0 引 言

無人機信息支援下的遠程體系作戰具有多類(型)裝備協同作戰的特點,利用DoDAF2.0標準生成的體系結構模型難以體現裝備體系的復雜性、連通性和網絡化特性,難以對體系的作戰能力進行準確評估。針對缺乏可靠體系作戰能力評估方法,難以對作戰過程進行統籌分析和優化的問題,本文引入OODA環思想,構建作戰網絡模型(operation network model,ONM),力求彌補傳統裝備體系建模存在的不足,準確評估遠程作戰體系的作戰能力及制約條件。

1 作戰概念與OODA建模

1.1 頂層作戰概念

無人機在執行信息支援作戰任務時,能夠與攻擊機、遠程轟炸機、艦艇、彈道導彈系統配合,為遠程作戰武器提供預警信息和必要的引導指令,在遠程作戰體系中擔負“多功能導引頭”和“可伸縮望遠鏡”的角色,提升體系在復雜環境下的遠程作戰能力,作戰概念如圖1所示。

圖1明確了各作戰實體間的交互關系,描述了各作戰實體相應的活動,但對作戰過程的狀態演進和關系轉換描述不夠清晰,因此借助OODA作戰環模型來描述作戰實體間的信息交互和作戰活動。

圖1 頂層作戰概念Fig.1 Top-level operational concept

1.2 OODA作戰環模型

將無人機信息支援遠程體系作戰劃分為觀察、判斷、決策、行動等4個環節,作戰過程即作戰實體循環OODA環的過程。

觀察(Observe):無人機根據任務需要裝載合成孔徑雷達、長焦傾斜CCD相機、高空CCD偵察相機、高空紅外行掃儀、多光譜偵察相機和電子對抗偵察系統等任務設備,情報總站通過云網絡控制無人機對目標區域進行持續偵察監視。

判斷(Orient):無人機對指定區域進行成像,將獲取的圖像信息上傳至云網絡。情報總站從云網絡下載圖像信息,進行信息融合和目標檢測識別,獲取目標數量、目標類型、作戰樣式、作戰企圖等信息。

決策(Decide):情報總站生成情報產品,將情報發送至聯合指揮機構。聯合指揮機構將觀察和判斷兩個環節獲取的目標信息進行融合,結合戰場態勢,優化作戰方案。

行動(Act):攻擊機、遠程轟炸機、艦艇、彈道導彈系統等作戰實體實施聯合指揮機構制定的作戰方案,在作戰過程中實時向觀察、判斷、決策環節反饋作戰信息。無人機信息支援下的遠程作戰體系OODA環模型如圖2所示[1-3]。

2 作戰網絡建模

2.1 作戰網絡的節點建模

無人機信息支援遠程體系作戰網絡是基于遠程作戰體系和無人機抽象得到的網絡,因此要將作戰過程中的各類(型)裝備抽象成作戰網絡的節點。依據裝備在遠程作戰中擔負的任務,區分為偵察類節點(U)、指控類節點(D)、打擊類節點(A)和目標類節點(T)等4類裝備節點[4-8]。遠程作戰中,各類(型)裝備往往不只是一個裝備平臺,而是一個武器系統,為易于建模,將其抽象為單個裝備節點[9]。如:無人機系統是包括無人機平臺、地面站、保障系統等的復雜武器系統,建模時將其抽象為偵察類節點。作戰網絡的主要裝備節點如表1所示。

圖2 遠程作戰體系OODA模型Fig.2 OODA model of long-range combat system

作戰網絡節點建模需要考慮各節點與其他節點間完成信息流(或物質流、能量流)時,哪些裝備的相關指標對過程產生影響[10-14]。一方面,裝備節點的一個指標通常可能影響該節點的多項能力,如:無人機的最大探測距離對無人機節點的偵察、監視、識別等能力都有較大影響;另一方面,同一裝備在執行不同作戰活動時所關注的能力也不完全相同,如:無人機在對目標進行偵察時,主要關注偵察能力;在與情報總站進行數據傳輸時,主要關注數據傳輸能力[15-17]。

表1 作戰網絡節點

根據作戰概念,將無人機信息支援遠程體系作戰能力分解為預警探測偵察、定位引導攻擊、精確火力分配、信息鏈路中繼、抵近壓制干擾和作戰效果評估等6類,生成DoDAF2.0標準的能力依賴模型(CV-4)如圖3所示。

圖3 體系能力依賴模型Fig.3 Capacity dependent model of system

在此基礎上,對作戰網絡中的4類節點進行“能力—指標”分解[18],如圖4所示。

2.2 作戰網絡的邊建模

遠程作戰中,各作戰實體間由信息流(或能量流、物質流)形成一系列作戰活動,每個作戰活動可以抽象為一條單向邊[19-23]。如:無人機將偵察到的航母信息傳輸給情報總站, 就是一個由信息流形成的作戰活動,可以抽象為一條由無人機向情報總站的單向邊。

圖4 作戰網絡節點“能力—指標”分解Fig.4 Ability-index decomposition of nodes

依據無人機信息支援遠程體系作戰網絡的邊代表的作戰活動,分別對作戰網絡的偵察監視邊、數據傳輸邊、信息處理邊和打擊邊建模。

(1) 偵察監視邊

偵察監視是無人機在信息支援作戰中探測、發現、監視和識別目標的過程。對偵察監視邊建模如下[24-26]:

(1)

(2) 數據傳輸邊

(2)

(3) 信息處理邊

指控類節點需要對作戰計劃進行決策,其前提就是將從偵察類節點獲取的信息進行處理,這類邊即為信息處理邊。影響信息處理能力的因素主要是信息處理精確度、吞吐率和響應時間。對信息處理邊建模如下:

(3)

(4) 打擊邊

(4)

3 作戰能力評估

作戰環是體系中偵察、指控、打擊類節點與目標類節點構成的閉合回路。由圖1中無人機信息支援遠程體系作戰概念可知,作戰網絡由多個包含不同節點的作戰環構成。

3.1 作戰環數量計算

作戰環是作戰體系的基本環節,其數量反映了作戰體系備選方案的多少,體現了無人機信息支援遠程體系作戰的核心能力。在作戰過程中,目標一般是一個航母戰斗群或軍事基地,即目標類節點數量為1。而體系化作戰下通常有多個偵察監視裝備和遠程打擊武器參與作戰。因此,需要梳理作戰網絡的作戰環數量,以此作為作戰能力評估的基礎[28]。

用N1、N2、N3分別表示打擊類節點、偵察類節點和作戰環的數量,作戰網絡的作戰環數量計算方法如圖5所示。

3.2 基于信息熵的作戰能力評估模型

通過計算作戰環中信息的不確定性(即信息熵),可以評估體系的作戰能力。如果某時刻t,目標所在的作戰環記作op(t),用H(op)(t)和E(op)(t)分別表示作戰環的不確定性和作戰能力,且滿足E(op)(t)∈[0,1],根據不確定性理論,E(op)(t)和H(op)(t)間存在如下關系:

H(op)(t)=-logE(op)(t)

(5)

即

E(op)(t)=e-H(op)(t)

(6)

如果得到作戰環的不確定性H(op)(t),就可以求出該作戰環t時刻的作戰能力E(op)(t)。

(1) 單作戰環在t時刻的能力評估

依據對遠程體系作戰網絡邊類型的分析,某時刻t對目標的不確定性主要包括:無人機偵察情報不確定性H1(t)、數據傳輸過程不確定性H2(t)、信息處理過程不確定性H3(t)、聯合指揮機構火力分配不確定性H4(t)和遠程打擊武器打擊過程不確定性H5(t),單作戰環在t時刻的不確定性為5方面不確定性之和。

根據對遠程體系作戰過程的分析,對目標的5個方面不確定性存在重要程度的差異。情報獲取和傳輸是作戰的首要環節,也是目前敵方打擊的重點;而對于信息處理、火力分配和火力打擊的不確定性,可以通過采用其他手段一定程度上降低。按照重要程度排序,無人機偵察情報不確定性和數據傳輸過程不確定性的重要程度較高,信息處理過程不確定性和聯合指揮機構火力分配不確定性次之,最后是遠程打擊武器打擊過程不確定性。

在遠程體系作戰過程中,為滿足OODA環的快速閉環,每一環節在執行過程中實際上忽略了上一環節的不確定性影響。即雖然每一環節均存在不確定性,但由于不確定性是概率統計,對于單次作戰過程特定時刻來說,該環節事件發生的概率是確定的,要么是1,要么是0。如果是1,則意味著該環節的信息是確定的,可以進入作戰的下一環節;而如果是0,則意味著OODA環斷鏈。從每一環節對最終作戰結果的影響來看,是一個確定性問題,可以不考慮作戰過程中各環節不確定性的傳導問題。

根據信息熵理論,各方面不確定性如下:

Hl(t)=-(1-pl(t))log(1-pl(t)-

pl(t)logpl(t)，l=1,2,…,5

(7)

式中,pl(t)表示不確定信息隨時間的概率分布,p1(t)表示無人機對目標位置進行偵察的圓概率誤差隨時間的分布。將式(7)代入式(6),可以得到單作戰環在t時刻對目標的作戰能力。

(2)t時刻對同一目標的作戰環能力累積

t時刻,如果作戰網絡中包含m個作戰環,則將與目標關聯的作戰環間關系近似于電路的并聯關系,將單作戰環的不確定性看作電阻,則t時刻對目標的總不確定性H(op)(t)[29]為

(8)

由式(8)可知,t時刻經過目標的作戰環越多,則總不確定性越小,作戰能力越高。將式(8)代入式(6),可以得出t時刻對所有作戰環的能力累積。

(3) 對同一目標的全時域作戰能力累積

如果某時刻t1的作戰環為n個,不確定性為Hn(op)(t1),t2時刻的作戰環為n+1個,新增的作戰環t2時刻的不確定性為H1(op)(t2),則t2時刻的總不確定性為

(9)

作戰環數量增加時,將增加的作戰環的不確定性和原有作戰環的累積不確定性并聯,就可以得到總的不確定性,進而得到作戰體系的全時域作戰能力。

4 實例分析

4.1 作戰環能力評估

為簡化分析,合理假設目標只有航母戰斗群或軍事基地中的1個,將信息處理平臺和情報總站歸為1個節點。在無人機信息支援條件下,針對單個目標的作戰網絡如圖6所示。

在圖6的作戰網絡中,共有4條雙向邊:D2-D3與D3-D2合成為1條雙向邊;D2-U1與U1-D2合成為1條雙向邊;D2-U2與U2-D2合成為1條雙向邊;U2-U1與U1-U2合成為1條雙向邊。

作戰能力評估時,需要說明以下幾點:

(1) 作戰網絡節點建模時,主要建立裝備的功能模型,如:目標類節點中航母戰斗群只考慮兩自由度的移動,暫不考慮航母戰斗群的防空反導作戰能力。

(2) 作戰網絡邊建模時,對指控類節點間的邊,只考慮通信關系,不考慮其對信息不確定性的影響。

(3) 計算各作戰環不確定性時,無人機與目標間主要考慮最大探測距離、分辨率和識別概率;指控裝備和目標間主要考慮信息處理準確率和信息處理吞吐率;打擊類裝備與目標間主要考慮殺傷區半徑和單發殺傷概率。

(4) 暫不考慮無人機與指控裝備毀傷或失效等情況,打擊類節點部署變化時,無人機與指控裝備的信息熵保持不變。

研究對象選取如表2所示。

表2 體系作戰研究對象

根據表2中研究對象的戰技指標,結合節點間相互關系,計算作戰網絡中各作戰環的能力值和信息熵如表3所示[30]。

表3 作戰環的能力值及信息熵

4.2 體系作戰能力評估

將表3中作戰環的信息熵代入式(9)和式(6),得到體系遠程作戰能力:

e-0.035 4=0.965 2

將表3中各作戰環能力生成曲線圖,如圖7所示。

圖7 作戰環能力曲線Fig.7 Ability curve of operation loops

分析表3和圖7可得以下結論:

(1) 作戰環4、8、12、16的作戰能力較其他作戰環更大。原因分析:基于攻防雙方力量部署和裝備性能水平,與攻擊機A1、遠程轟炸機A2和艦艇A3相比,彈道導彈系統A4對遠程作戰影響更大,在遠程作戰中可發揮更大的作用。

(2) 作戰環9～16較作戰環1～8的作戰能力整體略大。原因分析:情報總站融合無人機U1和U2的偵察情報,可以獲取更準確的目標信息,降低作戰環的不確定性,提升作戰環的能力。但由于在信息處理過程中增加作戰環的長度,融入2架無人機的不確定性,一定程度上又增大了作戰環的不確定性,使能力提升有限。因此,提升無人機性能指標,降低信息的不確定性,是遠程信息支援體系作戰能力提升的關鍵點。

(3) 作戰環9～16同時包括無人機U1和U2,以作戰環9(T-U1-U2-D2-D3-A1-T)和作戰環10(T-U2-U1-D2-D3-A1-T)為例,由于作戰環中引入U1和U2的信息流程不同,生成的作戰能力有所區別。因此,根據戰場態勢變化,合理規劃長航時偵察無人機和察打一體無人機接入信息鏈路的順序可以降低作戰環的不確定性,提升作戰能力。

5 結 論

本文對無人機信息支援遠程體系作戰網絡建模的方法進行了探索,對體系作戰能力評估進行了嘗試,取得了一些結論,可以為作戰體系優化和無人機裝備發展提供需求牽引和發展借鑒。在作戰網絡建模過程中,未考慮一個節點同時承擔多項作戰任務的情況,如察打一體無人機不僅具備偵察監視能力,同時也具備對時敏目標的快速打擊能力。對于這類節點的建模方法,需要修正作戰網絡模型使其更符合實際,這將是下一步研究的方向。

參考文獻:

[1] 張昱, 張明智, 楊鏡宇. 一種基于OODA環的武器裝備體系建模方法[J]. 系統仿真學報, 2013, 25(8): 6-12.

ZHANG Y, ZHNAG M Z, YANG J Y. Modeling method for weapon system of systems based on OODA loop[J]. Journal of System Simulation, 2013, 25(8): 6-12.

[2] DERELI T, DAS G S. A hybrid bee(s) algorithm for solving container loading problems[J]. Applied Soft Computing, 2011, 11(2): 2854-2862.

[3] HORNG M H, JIANG T W. Image vector quantization algorithm via honey bee mating optimization[J]. Expert Systems with Applications, 2011, 38(3): 1382-1392.

[4] CAO W, YANG D. Adaptive optimal control approximation for solving a fourth-order elliptic variational inequality[J]. Computers and Mathematics with Applications,2014,66(12):2517-2531.

[5] SCHIELA A. An interior point method in function space for the efficient solution of state constrained optimal control problems[J]. Mathematical Programming, 2013, 138(2): 83-114.

[6] COORAY D, KOUROSHFAR E, MALEK S, et al. Proactive self-adaptation for improving the reliability of mission-critical, embedded, and mobile software[J]. IEEE Trans.on Software Engineering, 2013, 39(12): 1714-1735.

[7] DE LEON-ALDACO S E, CALLEJA H, AGUAYO A J. Reliability and mission profiles of photovoltaic systems: a FIDES approach[J]. IEEE Trans.on Power Electronics, 2014, 30(5): 2578-2586.

[8] LEVITIN G, XING L, AMARI S V, et al. Reliability of nonrepairable phased-mission systems with common cause failures[J]. IEEE Trans.on Systems, Man, and Cybernetics Part A: Systems and Humans, 2013, 43(4): 967-978.

[9] 蘆荻, 商慧琳. 基于反導作戰環的裝備作戰網絡能力評估[J]. 太赫茲科學與電子信息學報, 2016, 14(3): 372-377.

LU D, SHANG H L. Assessment of equipment operation network capability based on the anti-missile operation loops[J]. Journal of Terahertz Science and Electronic Information Technology, 2016, 14(3): 372-377.

[10] Department of Defense (DOD). Unmanned systems integrated roadmap FY2013-2038[Z]. Department of Defense: Office of the Secretary of Defense Unmanned Systems Roadmap, 2013.

[11] KIM D H, LEE K, PARK M Y, et al. UAV-based localization scheme for battlefield environments[C]∥Proc.of the Military Communications Conference, 2013: 562-567.

[12] MARTIN A Y. Unmanned maritime vehicles: technology evolution and implications[J]. Marine Technology Society Journal, 2013, 47(5): 72-83.

[13] HAQUE M, EGERSTEDT M, RAHMANI A. Multilevel coalition formation strategy for suppression of enemy air defenses missions[J]. Journal of Aerospace Information Systems, 2013, 10(6): 287-296.

[14] BASER M, YORULMAZ S, AKGüL S. The role of unmanned aerial system(UAS) in decision process by operational environment's risk level[C]∥Proc.of the International Conference on Unmanned Aircraft Systems, 2013: 160-166.

[15] JEONG B M, HA J S, CHOI H L. MDP based mission planning for multi-UAV persistent surveillance[C]∥Proc.of the 14th International Conference on Control, Automation and Systems, 2014: 831-834.

[16] LI Y W, LI B A. Research of multiple UAVs task allocation based on improved contract net[C]∥Proc.of the Trans.on Advanced Materials Research,2013:439-444.

[17] KIM M G, SHIN S H, LEE E B, et al. Modified consensus based auction algorithm for task allocation of multiple unmanned aerial vehicle[J]. Journal of the Korea Society for Simulation, 2014, 23(4): 197-202.

[18] 蘆荻. 反導裝備體系作戰網絡建模方法研究[J]. 現代計算機, 2016, 3(9): 13-16.

LU D. Research on anti-missile armament system-of-systems operation network modeling[J].Modern Computer,2016,3(9):13-16.

[19] MOON S, OH E, SHIM D H. An integral framework of task assignment and path planning for multiple unmanned aerial vehicles in dynamic environments[J]. Journal of Intelligent & Robotic Systems, 2013, 70(1/4): 303-313.

[20] SOURAVLIAS D, PARSOPOULOS K E. Particle swarm optimization with neighborhood based budget allocation[J]. International Journal of Machine Learning and Cybernetics, 2014, 44(3):1-27.

[21] ZAZA T, RICHARDS A. Ant colony optimization for routing and tasking problems for teams of UAVs[C]∥Proc.of the UKACC International Conference on Control, 2014: 652-655.

[22] OZALP N, SAHINGOZ O K. Optimal UAV path planning in a 3D threat environment by using parallel evolutionary algorithms[C]∥Proc.of the International Conference on Unmanned Aircraft Systems, 2013: 308-317.

[23] KARIMI J, POURTAKDOUST S H. Optimal maneuver-based motion planning over terrain and threats using a dynamic hybrid PSO algorithm[J]. Aerospace Science and Technology, 2013, 26(1): 60-71.

[24] ALEJO D, COBANO J A, HEREDIA G, et al. Particle swarm optimization for collision free 4D trajectory planning in unmanned aerial vehicles[C]∥Proc.of the International Conference on Unmanned Aircraft Systems, 2013: 298-307.

[25] FU Y, DING M, ZHOU C, et al. Route planning for unmanned aerial vehicle (UAV) on the sea using hybrid differential evolution and quantum-behaved particle swarm optimization[J]. IEEE Trans.on Systems, Man, and Cybernetics: Systems, 2013, 43(6): 1451-1465.

[26] DICHEVA S, BESTAOUI Y. Three-dimensional dynamic mission planning for an airborne launch vehicle[J]. Journal of Aerospace Information Systems, 2014, 11(2): 98-106.

[27] KOK J, GONZALEZ L F, KELSON N. FPGA implementation of an evolutionary algorithm for autonomous unmanned aerial vehicle on-board path planning[J]. IEEE Trans.on Evolutionary Computation, 2013, 17(2): 272-281.

[28] 商慧琳.武器裝備體系作戰網絡建模及能力評估方法研究[D]. 長沙: 國防科學技術大學, 2013.

SHANG H L. Research on armament system-of-systems operation network modeling and capability evaluation methods[D]. Changsha: National University of Defense Technology, 2013.

[29] 張國強, 劉小荷, 蔣方婷. 基于“作戰環”的區域反導裝備體系效能評估[J]. 系統工程, 2016, 34(5): 154-158.

ZHANG G Q, LIU X H, JIANG F T. Effectiveness evaluation for TBDES based on operation loop[J]. Systems Engineering, 2016, 34(5): 154-158.

[30] 蘆荻. 基于作戰環的反導作戰網絡能力評估[J]. 現代計算機, 2016, 3(1): 7-10.

LU D. Network capability assessment of anti-missile combat based on operational loops[J].Modern Computer,2016,33(1): 7-10.