強對抗條件下的武器系統體系設計與評估技術

季 蓓，程健慶，劉家祺

(1.江蘇自動化研究所，江蘇 連云港 222061；2.海軍指揮學院，江蘇 南京 210016)

0 引 言

現代戰爭已經演化為體系與體系的對抗，它不是單一作戰力量、單元和要素之間的對抗，而是通過信息系統將各軍兵種的作戰要素融合為一個有機的整體與另一個整體的對抗。體系對抗條件下的作戰具有以下特點：裝備系統規模龐大、組成種類與數量繁多、裝備之間交聯關系復雜、新型裝備層出不窮，偵察預警手段與信息來源眾多，作戰樣式多、信息流程多變（海空作戰、空間攻防、信息攻防、綜合保障等作戰行動），指揮關系復雜（單平臺綜合、多平臺協同、多軍種聯合等多級指揮體系）等。

在“全域作戰、聯合作戰”的強對抗條件下，對于多武器系統耦合體系而言，如何完整描述裝備體系的各項要素，進行科學完備的武器系統體系架構設計，最大化體系的作戰效能，是一項非常復雜而重要的系統工程。

1 研究思路

強對抗條件下，武器系統裝備體系的設計與評估以多武器系統耦合體系為研究對象。設計出的武器裝備體系方案作為評估的輸入，評估的結果反過來用于武器裝備體系方案的調整與優化。二者相輔相成，缺一不可。

如圖1 所示，基于體系框架設計技術、仿真建模技術、仿真推演技術和評估驗證技術的研究成果，構建武器系統體系作戰設計與仿真評估平臺。該平臺包括體系設計工具、仿真推演工具和評估驗證工具，體系設計工具輸出設計成果用于仿真建模、想定編輯等。仿真推演工具讀取想定，調度模型進行推演，管理模型交互事件，并設計實驗因子進行大樣本推演，將海量仿真結果數據輸入評估驗證工具。評估驗證工具進行體系效能評估，裝備的貢獻率評估和效費比計算，并將評估結果用于支撐體系設計過程的優化和調整。

圖1 武器系統體系設計與評估總體思路Fig.1 General idea of weapon system of systems design and evaluation

最后通過典型的攻防對抗場景，驗證仿真平臺能夠支持武器系統體系框架設計、數據驅動的裝備建模、智能化決策建模、想定編輯和推演、復盤和評估的全流程。

2 基于對象模型的武器系統體系設計

采用面向對象的思想，依次進行作戰、能力和系統需求分析，對強對抗條件下多武器系統耦合體系的各要素及互操作關系進行建模分析，從而達成對整個武器系統架構的描述。

2.1 武器系統作戰互操作設計模型

武器系統的互操作性，包括作戰互操作性、技術互操作性和對象模型設計流程。

作戰互操作性設計包括：高級作戰概念模型、作戰能力構想模型、作戰能力分類模型、作戰資源流模型、組織機構模型、作戰任務剖面模型等。從作戰層面研究各作戰節點在典型作戰場景下的互操作需求，為武器系統的互操作設計提供依據和需求來源。

基于作戰互操作設計輸出的作戰節點、節點交互關系、作戰任務、任務指標、作戰資源（包括信息）流、武器系統編配、裝備的作戰能力要求等開展技術互操作設計，包括：裝備的組合方案、功能分解、流程、戰技指標等。具體分為邏輯功能設計和物理功能設計。邏輯功能設計包括：邏輯功能的結構、流程、接口以及對事件的響應。物理功能設計包括物理模塊與邏輯功能的滿足分析、模塊性能、接口、數據規范、調用時序、對事件的響應狀態、物理設計標準以及對系統實現的工作分解與項目規劃的整體研究。

對象模型也稱為要素模型，核心是體系架構設計。架構模型形成的過程是按照各業務剖面進行局部建模，將模型與業務數據結合并通過統一集成框架進行整合，形成涵蓋作戰、能力、裝備、數據等多維信息的架構模型，并進行多視角展示。架構設計過程如圖2 所示。

圖2 架構設計過程示意圖Fig.2 Schematic diagram of architecture design process

2.2 武器系統局部邏輯的正逆推演技術

正向推演時，基于作戰態勢，正向構思和設計作戰行動，邏輯推演出作戰結果。逆向推演時，根據要求的作戰結果或效果，進行局部作戰過程和武器使用方法的逆推演，以獲得最優作戰行動設計和戰術使用方法。

正向推演常用的是系統作戰推演方法，把戰略指導和方針轉化為戰役級設計的整體方式，聚焦于改造系統中各實體間的關系和交互作用，確保形成的戰術行動與戰略目標在內在邏輯上相一致。

逆向作戰推演主要包括：基于重心理論和基于效果的作戰推演方法，基于重心理論的推演方法根據設想的敵方終態與戰略目標確定雙方的作戰重心，對形成重心的關鍵能力、達成關鍵能力的關鍵需求、關鍵需求中存在的關鍵脆弱點進行逐次推理分析，將依據重心和關鍵脆弱點得出的作戰行動決定點連接成作戰線，最后統籌所有作戰線并作為設計作戰行動框架的基礎。基于效果的作戰推演方法根據所要達到的效果將目標表示為具體的任務陳述，聚焦于瓦解節點和聯系，把潛在敵人或戰役環境作為一個系統進行體系分析，建立敵目標的系統化模型，考慮系統中多層次效果，采用效果—結點—行動—資源（Effects-Node-Action-Resource，ENAR）聯動方法，通過逆向設計、執行、評估和調整作戰行動以達到期望的物理效果和行為效果。在推演結果不理想的狀態下，采用基于樂觀時間管理機制保存決策點狀態，撤銷已執行事件，回退到上一個決策分支重新推演。

3 數據驅動的裝備建模與學習方法

3.1 數據驅動的裝備建模方法

數據驅動的裝備建模方法包括：基于體系設計結果數據進行裝備建模、虛實結合的數據驅動裝備建模和參數化組件化的通用裝備建模方法。

體系設計結果數據驅動裝備建模確保建模過程在體系牽引下進行，更具面向體系對抗的針對性。基于作戰體系設計輸出的作戰節點、節點交互關系、任務時序、任務指標、任務分配、信息流、作戰能力；作戰節點編配的火力裝備、情報裝備、指揮裝備和保障裝備等，開展裝備體系設計，輸出各類裝備的組合方案、接口關系、功能分解、功能邏輯關系、戰技指標等。裝備體系設計成果為裝備建模提供約束框架、裝備分解關系、邏輯功能、物理功能、參數、調用關系和接口關系等。其中還包含裝備體系的多層級指揮關系、基于Agent 的動態組合信息流等。

在體系框架下的想定與裝備功能模型基礎上，面向裝備訓練與實兵對抗演習動態推演評估需求，在體系作戰模型設計的不同層次，開展功能模型與實際測量數據混合的數據驅動建模方法研究。首先，以體系作戰為基礎進行分解，將戰爭、作戰任務、戰術規劃、單個交戰場景、作戰系統、環境與武器子系統等作為輸入，從戰爭主體行為模型構建到各子系統功能模型，從作戰綜合模型分解到詳細戰場環境各要素模型，然后由單個功能模型組合反饋實現戰術場景仿真，使仿真環境能與實際戰場真實環境相符合。其次，在可分解的作戰場景態勢想定模型、作戰指揮網絡系統功能模型、作戰實體單元功能及物理模型、環境實體單元功能及物理模型等建立過程中，將作戰態勢想定架構由人工設定、程序規則設定，添加外部數據設定，將各實體對象三維幾何、位置、運動、功能等屬性由程序規則生成，添加可部分利用外部測量數據進行生成，最終的實體特性通過理論模型與外部測量數據其同驅動。

參數化組件化的建模方法使得模型能夠靈活接收各種型號參數，當基于能力的需求分析輸出的數據發生變化時，能迅速自動生成新的模型實例。針對同類裝備功能相似、性能不同的特性，可以采用參數化建模來實現模型通用化。

3.2 基于規則知識的智能決策建模方法

武器系統體系作戰智能決策規則分類如圖3 所示，不但包括單兵力的平臺指揮決策規則，還包括多兵力的方面戰指揮決策規則和編隊指揮決策規則。

圖3 體系作戰智能決策規則模型體系圖Fig.3 System diagram of intelligent decision rule model for SOS operations

智能決策模型采用規則匹配的建模原理，模型被觸發后將會對用戶設定的規則進行逐條匹配。每條規則中包含了匹配條件和響應行為，匹配成功的規則會將本規則中設定的響應行為輸出給決策模型，從而控制平臺行動。當有多條規則同時匹配時，平臺將按照規則優先級逐條執行響應動作。

根據決策規則的“動態性”特點，即“滿足何種條件時采取何種應對方法”，基于ECA 的基本原理構建決策規則模型，模型要素包括觸發時機（準則）、條件和響應動作三點。其中，觸發時機是指什么時候判斷決策規則是否適用；條件指的是戰術態勢圖必須滿足什么條件，此決策規則才能適用；響應動作則是指執行此決策規則的指揮應采取何種決策規則行動。ECA 建模的重點是條件匹配和根據條件查找響應，在編隊層面是計劃和作戰結果與條件的匹配，在任務和平臺層面是戰術態勢與條件的匹配。

3.3 基于機器學習的智能決策建模方法

針對戰場體系作戰仿真推演過程中缺少武器裝備智能決策模型的問題，基于體系建模與仿真平臺中作戰計劃模型和戰術規則模型對裝備實體智能決策進行建模，并采用機器學習技術對其進行優化。提高裝備實體智能決策水平的根本問題是缺乏作戰實踐經驗，具體體現在缺乏大量標準的決策樣本數據，缺乏決策樣本數據的問題可以通過構建裝備實體智能決策學習訓練平臺解決，樣本可通過人人對抗、人機對抗和機機對抗等方式獲得。針對以上問題以及指揮控制智能化的發展需要，借鑒棋牌、電子游戲等領域的智能決策技術的思路，分析出基于機器學習的智能決策建模技術研究內容間關系，如圖4 所示。

圖4 基于機器學習的智能決策優化方法Fig.4 Intelligent decision optimization method based on machine learning

1）基于已有的作戰計劃模型和戰術規則模型，分別建立“編隊、方面戰、平臺”多層級智能決策規則模型。

2）以機器學習算法框架和智能決策規則模板為基礎，構建指控智能體神經網絡模型，指控智能體在虛擬戰場環境中通過機器學習優化規則模板中的參數。

3）構建武器裝備智能決策能力驗證環境，對武器裝備智能決策模型進行驗證。

智能決策的核心是能夠指揮和控制裝備模型進行體系對抗的指控智能體，指控智能體在與虛擬戰場環境的交互中獲得自我進化能力，該能力通過以深度強化學習為主的機器學習技術實現。指控智能體與虛擬戰場環境的交互關系如圖5 所示。

圖5 指控智能體與虛擬海戰場環境交互關系Fig.5 Interaction between command and control agent and virtual sea battlefield enviroment

4 體系對抗博弈的作戰態勢動態生成技術

4.1 體系對抗博弈架構設計

體系對抗博弈系統主要包括紅藍雙方的指揮決策對象模型、戰場仿真分系統、導控評估中心和數據綜合處理中心。其中戰場仿真分系統由體系級仿真平臺和多個分布式的信號級局部仿真器組成，在需要時對武器系統局部對抗過程進行信號級仿真。

戰場仿真分系統需要模擬紅方指揮決策對象模型所需的海空情報信息，還需模擬藍方指揮決策對象模型所需的情報信息，并按照藍方的指揮關系及信息流程向藍方指揮決策對象模型發送，響應藍方指揮決策對象模型的兵力機動、行動指揮、傳感器武器等控制命令，從而實現與紅方指揮決策對象模型進行對抗的戰場環境。導控評估系統在對抗過程中，接收戰場仿真的虛擬態勢，監控紅藍指揮決策對象模型的指揮過程，并根據對抗進程，將裁決結果、導調信息發送給紅藍指揮決策對象模型。數據綜合處理中心主要是為對抗提供數據服務、模型服務，并對對抗過程中所有數據進行存儲、管理。系統運行時，各系統間信息交互關系如圖6 所示。

圖6 武器系統體系對抗博弈信息交互關系圖Fig.6 Information interaction diagram of weapon system of systems confrontation game

4.2 高性能并行仿真引擎技術

高性能并行仿真引擎技術支持作戰態勢的動態生成。通常一次體系對抗作戰的周期大概2 天左右，在仿真過程中會產生探測、融合、通信等事件，每個事件均帶來不小的運算量，并且這些事件經常會在同一時刻涌現，普通串行推演引擎在如此集中的運算量面前難免卡頓。此外，裝備體系頂層設計過程中，需要開展大樣本實驗，更需要采用高性能、多CPU 的硬件環境。

采用基于離散事件的多線程并行設計技術，解決多CPU、多線程間時間同步、數據管理和事件調度的問題。采用并行仿真事件調度機制，為每個線程建立事件列表，引入統一的時間控制模塊，約束線程的時間同步；建立戰場信息管理器，維護資源；建立數據總線，采用公布訂閱的傳輸機制，實現數據向模型推送，提高交互效率；采用事件描述模型間交互，建立模型間的交互關系網，解決模型調度和模型事件交互兩大問題。

5 武器裝備體系評估與驗證技術

5.1 評估指標體系構建和計算

裝備體系結構、作戰指揮、裝備配置是與作戰任務密切相關的，從威脅層面、兵力層面、任務層面及最終的作戰效能高層指標幾個方面展開指標的分析，針對聯合作戰典型任務給出涵蓋幾個層面指標的集合指標模板。裝備體系效能指標主要包括指揮控制和通信度量、探測與跟蹤度量、交戰度量和空中作戰度量這些通用類指標，同時還包括水雷戰度量、空中作戰度量等專用類指標。計算總體效能時，可采用專家打分法確定指標權值，加權平均計算出總的體系效能。

5.2 基于大數據的體系效能分析

體系效能分析面臨大數據困境，主要原因在于：

1）體系對抗仿真實驗時，由于戰場兵力規模龐大、兵力間關聯關系復雜，待評估對象和評估考核內容繁多；

2）為支持裝備體系論證，需要根據任務、想定、評估指標等進行多次仿真運行，由于聯合作戰中影響因素多、關系復雜，實驗次數巨大，這些實驗將產生海量的仿真數據，并且隨著實驗進行呈指數增長；

3）仿真數據種類繁多，包括戰場態勢、平臺導航、探測、情報融合、指揮命令、戰術決策、武器控制、武器彈道等；

4）在裝備效能優化時，這些數據的價值密度低，影響裝備體系效能的有效數據少，提取困難。因此，如何將這些海量數據與評估項目、評估指標等建立數據關聯關系，選擇性的進行數據重演，從而輔助裝備體系優化人員快速找到裝備體系中關鍵因素、并進行數據定位是關鍵問題。

在對數據進行預處理、指標分類統計、事件信息分類抽取的基礎上，采用態勢視圖、統計圖表視圖、歷史事件視圖為主，各類專題數據視圖為輔，多視圖同步顯示的方式，為評估人員提供多視圖的輔助評估分析手段。態勢視圖在態勢圖上展示各類探測跟蹤過程、兵力行動過程、交戰打擊過程。歷史事件列表和時間序列圖，可以按目標和對象分類展示探測、通信、指揮、武器系統、毀傷等歷史事件。指揮控制能力定量分析視圖可以借助時序圖對指揮控制的正確性和及時性進行分析評估。采用基于時空關聯的評估數據多視圖展示技術，構建一個“可感知”、“可交互”、“可回溯”的分析評估環境。

5.3 體系貢獻率計算

體系對抗條件下，還需對裝備體系貢獻率進行評估，研究武器裝備體系在不同作戰任務情況下多組關心的使命任務效能指標，通過比較基本方案與對比方案的使命任務效能指標計算裝備的體系貢獻率。體系貢獻率評估具有以下特點：

1）隨著立項綜合論證、研制過程的不斷推進，戰技指標等技術狀態逐步細化、固化，為開展靜態的能力指標對比分析提供了數據基礎；

2）從使命任務出發，設置體系對抗場景，以典型任務場景下的作戰效能仿真進行體系貢獻率評估。

5.4 基于平臺的典型場景演示驗證

要對武器系統體系設計成果進行驗證，首先要構建體系設計與評估平臺。平臺體系結構如圖7 所示，包括6 部分：規范層、資源層、支撐層、工具層、共用軟件層，能夠支持體系設計，基于設計成果的資源開發和仿真應用。

圖7 體系設計與評估平臺體系結構圖Fig.7 Architecture diagram of system design and evaluation platform

紅藍對抗演示驗證如圖8 所示。背景是藍方入侵造成局勢緊張，紅方集結兵力，準備進攻以打擊藍方。具體的驗證方法是：基于使命任務進行體系設計，基于設計結果進行仿真建模和想定編輯。運行想定時，調用相關模型和參數，生成模型實例，然后調度引擎進行模型解算，收集戰損、任務完成度等相關數據進行評估，反饋到體系設計環節，還能通過大樣本運行，支持作戰方案優選。

圖8 紅藍對抗態勢仿真推演界面Fig.8 Red blue confrontation situation simulation deduction interface

6 結 語

本文著眼于“全域作戰、聯合作戰”條件下的新一代武器裝備體系化、智能化、實裝化的發展需求，針對多武器系統耦合體系作戰中體系設計方法缺乏、武器裝備體系貢獻率缺乏科學評價等問題，闡述了基于對象模型的體系設計、數據驅動的裝備建模與學習方法、體系對抗博弈的態勢動態生成技術和武器裝備體系綜合評估技術研究，并基于復雜武器系統體系設計與仿真評估平臺完成典型場景的演示驗證。研究構建的武器系統體系設計與仿真平臺，能夠應用于體系對抗條件下的新一代武器裝備論證、設計和研制領域，強化體系對武器裝備研制的需求牽引，對于提高體系作戰條件下的武器裝備設計智能化水平與作戰效能具有重要的戰略意義。