人工智能技術在潛艇作戰系統中應用分析

高天孚，孔 軍，鄧堯文，黃田力，李 壯，黃珊琳

(中國艦船研究院，北京 100192)

0 引 言

潛艇作為一種重要的水下作戰裝備，可承擔局部戰場態勢感知、航母編隊警戒護航、水下協同作戰指揮、對敵陸岸目標遠程精確打擊、對敵大中型艦艇及編隊隱蔽攻擊、對敵潛艇進行攻擊、特種作戰力量投送等多樣化的作戰任務。在水下網絡中心戰及信息化作戰條件下，潛艇未來面臨的戰場環境復雜多變，獲取的信息多源異構，潛艇指揮員將面臨如何在最短時間內正確認知戰場態勢，迅速做出指揮決策，快速實施戰術機動，快速完成武器通道組織和武器發控等一系列問題。智能化技術在作戰系統中的應用，將有效提升潛艇作戰平臺的性能，輔助指揮員快速作出正確決策，減少系統反應時間，提高潛艇的作戰指揮效率。

1 人工智能技術在潛艇作戰系統中應用分析

潛艇作戰系統是指潛艇平臺上用于執行警戒、跟蹤、目標識別、信息處理、威脅估計及控制武器完成對敵獨立或協同作戰的各要素及人員的綜合體，主要由聲吶系統、光電設備、雷達/電子偵察設備、導航系統、通信系統、指控系統、魚水雷武器系統、導彈武器系統、水聲對抗系統、雷彈發射裝置等分系統和設備組成[1]。隨著技術的進步，潛艇對外部平臺信息的隱蔽接收能力的不斷增強，潛艇內部信息化程度不斷提高，潛艇作戰相關的數據的不斷累積豐富，人工智能技術在潛艇作戰系統上的應用必將進一步增強潛艇自身在目標識別、態勢認知、指揮決策、交戰控制、人機交互等方面的能力，進而提升潛艇整體作戰能力。

1.1 目標識別

人工智能技術能夠將艇載信息源獲得的各類信息加以綜合利用，提取融合多源目標信息，進而自動完成目標的識別。

潛艇在執行任務過程中，獲取目標信息的信息源主要分為艇載傳感器、通信系統和源數據[2]三大類。其中，艇載傳感器主要包括潛艇的聲吶系統、光電設備、雷達/電子偵察設備；通信系統主要包括長波、短波、超短波、衛通和浮標等各類通信設備；源數據主要包括潛艇預先加載各類數據庫。

圖1 潛艇作戰系統組成示意圖Fig.1 Composition of submarine combat system

艇載傳感器主要獲取的是目標探測信息。聲吶系統可對跟蹤的水聲目標信息進行DEMON，LOFAR 譜分析，提取目標的螺旋槳轉速和螺旋槳葉片數作為識別目標屬性特征；對噪聲目標進行測向、測距；對主動聲吶脈沖信號實施偵察，測定其方位、頻率、脈寬和周期等。光電設備主要獲取的是目標的方位信息、距離信息、高度信息和圖像信息；雷達主要能夠獲取目標的方位、距離信息，電子偵察設備主要對艦載、機載和岸基雷達威脅信號進行截獲，測量其頻率、方位、脈寬等參數。

潛艇通信系統主要獲取外平臺發送到目標信息。這些信息主要包括技偵情報信息、目標指示信息和我方目標活動信息等。技偵情報信息主要是指我方通過技術偵察手段破譯的相關目標信息，可涵蓋目標的出發港口、抵達港口、出發時間、抵達時間，目標的屬性、種類、類型、型號和舷號等信息；目標指示信息指的是上級平臺/系統送給潛艇的目標信息，如目標的經度、緯度、航速、航向、屬性、種類、類型、型號等信息；我方目標活動信息包括我方目標的經度、緯度、航速、航向、屬性、種類、類型、舷號等信息。

源數據主要包括潛艇預先加載各類作戰預案、數據庫。其中與目標融合識別相關的數據庫包括目標特征數據庫、目標識別模型庫、先驗知識庫和歷史數據庫等（如目標活動的固定航道、頻繁活動海區等歷史信息）。

多源目標融合識別結構可分為信號級、數據級、特征級和決策級[3]。在潛艇目標識別中，各信息源獲得的目標信息形式多樣，提取的目標特征信息也各不相同，獲取信息的實時性、穩定性和精度各異，因此在潛艇多源信息目標融合識別系統中，通常采用如圖2所示的決策級目標融合識別結構[4]。

在潛艇決策級融合識別結構模型中，作戰系統各分系統設備分別獲取目標信息，進行特征提取后再分別完成獨立識別，最后由艇載指控系統完成目標的多源信息融合識別。在各分系統統設備的獨立識別過程中，可采用基于物理模型的模板匹配、聚類分析等方法；采用基于統計估計模型的貝葉斯推理、模糊推理、神經網絡等方法；采用基于圖像融合識別模型的圖像配準相關方法等。在決策級融合識別過程中，可采用決策加權融合識別、基于D-S 證據理論的融合識別等方法。在整個目標識別過程中，需要利用數據挖掘、知識挖掘的相關方法對艇載各類目標特征數據庫、模型庫、先驗知識庫和歷史數據庫等進行充分的挖掘利用。

1.2 態勢認知

人工智能技術能夠突破人的主觀認知局限，增強人的認知能力，輔助潛艇指揮員獲得更快、更全、更準、更深的態勢認知結果。

態勢認知是在態勢要素感知和多源信息融合的基礎上，對戰場態勢的感知、理解和預測，如目標識別、威脅估計、意圖識別、作戰行動預測和未來戰況走向預估等，是指揮控制活動從信息域走向認知預跨越的重要標志。

圖2 決策級融合識別結構模型示意圖Fig.2 Recognition structure diagram of decision level fusion

相比于水面或空中作戰平臺，潛艇依靠自身傳感器或通信系統獲取的信息有限，潛艇指揮員要對戰場態勢進行準確掌控，必須在潛艇平臺自身獲取信息基礎上，充分利用和深入挖掘學習已掌握的作戰目標信息、海洋環境信息、水聲環境信息、作戰案例、戰術信息等歷史信息形成的大數據。

在態勢認知過程中，人工智能技術為解決態勢智能認知過程中面臨的一些問題提供一些基本方法[8]。如采用Bayes 概率理論、Hardey 集合理論、Shanonn 概率理論和Azdhe 模糊理論去解決不確定性和模糊性條件下的態勢知識的建模問題；采用表示學習技術實現態勢知識的表示；采用數據挖掘、貝葉斯理論、統計分析、結合認知機制的深度學習等理論方法實現對不同態勢認知機制的模擬；采用深度增強學習技術解決不完全信息條件下的態勢認知；采用小樣本學習技術和面向樣本生成的學習技術解決態勢樣本稀缺性問題，典型的小樣本學習技術包括貝葉斯程序學習、遷移學習等，典型的面向樣本生成的學習技術包括生成對抗網絡、基于數據變換生成樣本后的學習技術等。

在態勢認知過程中，基于現階段人工智能技術水平，有必要建立人機智能的高效協作機制，充分發揮人和機器各自優勢，按需引入指揮員的主觀認知。如采用基于人在回路的態勢智能認知計算方法，來限定任務范圍，從而縮小推理空間，降低態勢推理和作戰資源分配的復雜性、縮短任務計算時間等[19]，提升指揮員戰場態勢認知速度。

1.3 指揮決策

人工智能技術能夠在態勢認知基礎上，輔助指揮員對各類資源的綜合運用和多種戰術措施的匹配使用進行統一規劃，為潛艇各項戰術活動的實施和作戰方案擬定提供智能決策支持。

方案智能仿真推演有助于指揮員制定最佳作戰方案。利用平行仿真技術構建與指控系統一致和平行的仿真戰場態勢環境[5– 6]，通過與指控系統的互聯和信息交互，實時獲取最新戰場態勢信息，在線仿真模擬戰場目標運行狀態，不斷對敵方目標可能的作戰意圖和行為作出判斷，生成下一時刻的戰場態勢預測結果；同時根據我方行動方案計劃和掌握的敵情、海情，利用智能博弈技術[7]并行對未來不同劇情、不同時刻的敵我對抗的態勢和走向進行快速仿真推演，對多分支并行仿真推演結果進行綜合分析，對智能博弈過程中我方采取的戰術水聲決策方案、戰術機動方案和攻防決策實施效果進行在線預估，輔助指揮員制定最佳作戰方案。

臨機智能輔助決策有助于提高指揮員戰場突發情況的處置能力，快速生成作戰方案。潛艇在反潛作戰時經常面臨緊急遭遇、近距離快速反擊等作戰需求。針對緊急遭遇條件下潛艇反潛作戰方案快速生成問題，統籌應用已獲取作戰指揮過程歷史數據、戰場環境數據庫及潛艇實時探測的信息，利用機器學習技術從歷史數據中挖掘潛在規律，自動匹配推演生成最適合當前情況的預案；利用智能推理等技術，按照策略自動推理、搜索和計算，快速生成處置方案和行動指令[9 –10]，提升潛艇對反潛作戰快速反應和指揮員的指揮決策能力。

1.4 交戰控制

人工智能技術能夠進一步提升作戰系統組織并綜合控制魚雷、導彈、聲抗器材等軟硬武器對目標實施攻擊和防御的能力。

在魚雷發控導引中，基于遺傳算法的魚雷導引方法響應速度快，收斂性好和魯棒性強，能夠達到較高的垂直命中精度；基于神經網絡的魚雷導引方法不需要導引問題的精確數學模型，有一定的容錯能力，并與基于最優控制導引法具有相似的彈道性質[11– 12]。

在導彈航路規劃中，基于遺傳算法、蟻群算法和粒子群算的隨機自適應搜索智能優化算法思想簡單，易于操作，對優化函數沒有特殊要求，能有效的解決航路規劃過程中由于規劃區域過大或者規劃目標運動時所引起的組合爆炸所帶來計算量和規劃時間將呈指數增長的問題，能夠有效縮短導彈航路規劃時間[13]。

在聲抗器材使用中，基于遺傳算法使用聲誘餌防御魚雷技術，可有效解決傳統窮舉統計方法由于決策參數增多，計算量急劇增加的問題，提高了潛艇防御來襲魚雷的成功概率[14 –15]。

在與UUV 的協同作戰中，人工智能技術將進一步推動潛艇與UUV 平臺協同作戰的應用[16,18]。依托智能UUV，潛艇可以進一步提高自身隱蔽性，增強網絡通信能力，拓展偵察和攻擊范圍，在復雜戰場環境中最小化潛艇風險和損耗，豐富作戰手段，提高潛艇戰場生存概率。

1.5 人機交互

人工智能技術可為潛艇作戰系統提供新型高效的交互手段。

隨著生物特征識別、語音識別、草圖識別、手勢識別、用戶意圖識別等人機交互技術的的成熟應用，潛艇作戰系統可集成各種新型人機交互設備，可具備用戶身份精確識別、指揮信息快速輸入，用戶意圖智能推斷，操作界面智能導航、指控命令自動處理、作戰信息按需顯示等功能，真正實現“實時聯想、實時提示、實時導航、實時組織”的智能型人機交互[17]，提高人機交互的效率和自然性，滿足未來指揮員快速指揮和決策的需求。

1.6 基礎支撐

人工智能應用基礎設備為人工智能技術在作戰系統中的應用提供有力支撐。

在硬件層面，圖形處理器（Graphic Processing Unit，GPU）、現場可編程門陣列（FPGA，Field Programmable Gate Array）和專用集成電路（Application Specific Integrated Circuit，ASIC）計算能力的提升為深度學習等人工智能算法的實現提供底層硬件支撐。

在軟件層面，人工智能軟件框架實現對人工智能算法的封裝，數據的調用以及計算資源的調度使用，有效支撐系統應用。在數據采集傳輸領域包括Sqoop，Flume，Kafka 等軟件框架；在數據存儲管理領域包括Redis，HBase，Cassandra，MongoDB，Neo4j 等軟件框架；在計算處理領域包括Spark，Flink 等軟件框架；在數據查詢和分析領域包括Hive，HAWQ，Impala，Presto，Spark SQL 等軟件框架；在數據可視化領域包括Tableau，QlikView 等軟件框架；在深度學習領域包括TensorFlow，Caffe，Deeplearning4，CNTK 等軟件框架。

這些軟硬件可有效整合改造并嵌入到潛艇作戰系統信息基礎設施中，可滿足作戰系統在應用層面的目標識別、態勢認知、指揮決策、交戰控制、人機交互等復雜應用需求。

2 思考建議

為進一步推動人工智能技術在潛艇作戰系統裝備中的應用，建議做好以下工作：

1）加強頂層規劃，系統均衡發展，總體能力聚優

做好潛艇作戰系統裝備研制建設過程中相關人工智能項目研究的頂層規劃，緊密結合人工智能技術的現狀和未來發展，統籌潛艇作戰系統中人工智能項目的研制和建設，實現系統裝備的均衡發展和總體能力聚優。

2）明確關鍵需求，加強多方合作，解決作戰亟需

根據潛艇作戰系統發展，明確關鍵需求，與國內各研究機構、高校、AI 科技公司及其他戰略伙伴開展最廣泛的合作，使得系統關鍵需求與最新人工智能技術成果能夠快速與對接，在試驗驗證基礎上，成熟一個應用一個，穩步推進，為潛艇作戰系統提供亟需的智能化系統裝備。

3）做好樣本數據積累，建立受控共享機制，打造合作共贏生態鏈

加強潛艇作戰系統在日常值班、實兵演練和兵棋推演過程中的數據采集備份，做好人工智能技術應用的相關知識和樣本數據的積累；建立樣本數據的自動化標注和受控共享機制，將原始數據變為受控的高可用公共財富；在軍民融合發展趨勢下，以軍方需求為牽引，依托國防工業部門生產研發力量、AI 企業的技術支持和高校的理論方法，發揮各行業優勢，打造多方合作共贏的人工智能技術應用生態鏈。

3 結 語

潛艇是水下作戰中重要的作戰指揮節點，本文從目標識別、態勢認知、指揮決策、交戰控制、人機交互和基礎支撐6 個方面分析人工智能技術在潛艇作戰系統中的應用，為進一步推動人工智能技術在潛艇作戰系統裝備中的應用給出思考和建議。