人機協同的潛艇智能防御魚雷水聲對抗模型體系*

侯文姝

（海軍潛艇學院 青島 266199）

1 引言

在面臨反潛魚雷來襲威脅時，潛艇指揮員根據傳感器的探測信息、告警信息、指控輔助、潛艇自身性能和自身海上經驗選擇水聲對抗和機動規避的時機和方案。在此過程中，如何合理地選擇對抗的時機達成效果而不加大暴露可能性，如何綜合使用能夠使對抗效果呈現系統化的特點使效能倍增，如何有效利用指控輔助等問題都亟待解決。指控系統的情報分析處理、戰場態勢認知、指揮決策支持[1]等方面的智能化程度將極大地影響潛艇指揮員對其信任程度，人機協同情況決定了能否在更深層次上實現高效的指揮決策，從而影響潛艇防御魚雷的成敗。

建立潛艇智能防御魚雷水聲對抗模型體系是人在環外的機主人輔戰術級人機協同智能指揮決策，該體系主要包括智能態勢感知和智能指揮決策，智能態勢感知對敵平臺（包括艦艇、潛艇和飛機）發射的魚雷進行態勢覺察、態勢理解、態勢預測及態勢評估，智能指揮決策綜合敵平臺和魚雷情況采用智能算法對潛艇防御魚雷機動規避和水聲對抗方案進行優化，將為高效指揮決策提供有力支撐。

2 智能態勢感知

智能態勢感知包括態勢覺察、態勢理解、態勢預測及態勢評估[1]。潛艇魚雷防御行動的持續時間短[2]，一旦發現魚雷來襲，立即進行機動規避，并施放水聲對抗器材進行干擾[3]，因此潛艇智能防御魚雷智能態勢感知的重點是態勢覺察和態勢理解。

2.1 態勢覺察

態勢覺察主要是覺察到以下因素：1）魚雷相對于本艇的方位、距離和速度。2）魚雷類型。3）魚雷所處階段，如入水階段、動力推進階段（直航、圓周搜索和蛇形搜索）和聲自導階段。4）敵平臺類型，包括艦艇、潛艇和飛機（包括固定翼飛機和直升機）。5）敵平臺相對于本艇的方位、距離和速度。6）海洋環境，包括聲速剖面、海況和海底地形。

按魚雷攻擊時間序，人機協同魚雷態勢覺察主要包括人機協同魚雷入水態勢覺察、魚雷動力推進態勢覺察和魚雷聲自導態勢覺察。下面以人機協同魚雷入水態勢覺察為例進行介紹，如圖1所示，魚雷入水態勢覺察發現魚雷并分辨從各種平臺發射的魚雷類型，如潛艇魚雷管發射的魚雷、水面艦艇發射的火箭助飛魚雷和飛機空投魚雷[4]。

圖1 人機協同魚雷入水態勢覺察

圖1中魚雷入水時會產生水下瞬態信號，潛射魚雷入水主要是魚雷發射管開蓋聲，火箭助飛魚雷和空投魚雷入水時的擊水聲是寬帶沖擊信號，入水的氣泡脈動聲是低頻脈沖信號[5]。潛艇探測魚雷的手段有主動方式和被動方式，為避免暴露，一般采用被動方式，如采用艇艏聲納、舷側聲納陣、拖曳聲納陣進行水聲探測，在未來配備潛載UUV后，其聲納也將納入探測魚雷的手段。潛艇聲納接收到魚雷入水信號后，潛艇聲納分析員或聽音員可以發現強度或特征比較明顯的信號并告警。海中存在海洋環境噪聲和多種瞬態信號，如海洋地震信號，各類海洋生物活動聲音等[6]，當魚雷入水信號較弱時，將海洋內部產生的人工識別難度較大，機系統的智能系統能夠從中篩選出魚雷入水信號并進行類型判別。機系統的智能系統首先基于環境噪聲數據庫進行智能降噪，然后基于潛射魚雷數據庫、火箭助飛魚雷數據庫和空投魚雷數據庫中魚雷入水信號特點進行經驗模態分解（Empirical Mode Decomposition，EMD）[7]，最后基于機系統的自主學習系統和魚雷數據庫采用神經網絡算法進行深度學習，對魚雷入水信號進行篩選和分類。魚雷類型判別結果將發給機系統的智能決策系統、顯示報警系統和機系統的智能決策系統，顯示報警系統結果供人認知判別，然后反饋給機系統的自主學習系統供其學習比對。人認知判別獲得人系統感覺系統和機系統的智能系統判別的魚雷類型信息，可以直接反饋給執行系統，也可以對機系統的判別結果予以確認和否認，該結果一方面供機系統的自主學習系統進行學習從而供其形成更貼近實際的智能算法，另一方面該結果將發給控制系統進行態勢預測及威脅評估。

魚雷動力推進態勢覺察和魚雷聲自導態勢覺察與圖1所示人機協同魚雷入水態勢覺察的人機協同基本原理相同，但信號形式不同導致機系統的智能系統不同。有別于魚雷入水信號這種瞬態非平穩信號，魚雷動力推進裝置啟動和加速過程具有一組變化率很高的線譜，圓周搜索段的尋的信號具有大的多普勒頻移和強度起伏[5]，導致相應的機系統的智能系統內部智能算法和組成不同。

2.2 態勢理解

一旦覺察到魚雷，無論魚雷攻擊目標是否為本艇，機智能系統第一時間根據態勢覺察獲得的信息進行態勢理解。然后基于態勢集數據庫，采用分類準則對當前態勢進行分類理解，便于進行威脅評估和態勢預測。

基于態勢集數據庫，對敵平臺態勢覺察、魚雷入水態勢覺察、魚雷動力推進態勢覺察、魚雷聲自導態勢覺察進行態勢理解。潛射魚雷、空投魚雷和火箭助飛魚雷特點及平臺協同作戰方式存在差異，三者態勢理解并不相同，以潛射魚雷態勢理解為例進行介紹，如圖2所示。

圖2中，潛射魚雷態勢理解分為態勢初步理解、態勢進階理解和態勢深度理解三個階段[1]。態勢初步理解主要是根據本艇態勢和魚雷入水態勢覺察出的潛射魚雷的方位和距離關系，初步劃分牽涉魚雷相對于本艇的眩角和距離關系。態勢進階理解主要根據敵平臺態勢覺察和魚雷動力推進態勢覺察的部分航行狀態，基于機系統的態勢理解深度學習系統，來判別魚雷攻擊意圖[8]、魚雷處于線導階段還是聲自導階段。魚雷動力推進態勢覺察的搜索和追蹤彈道以及魚雷聲自導覺察結果判別魚雷是否處于聲自導階段，便于進行機動規避和指揮決策。態勢深度理解主要是結合態勢進階理解獲得的魚雷攻擊意圖及敵平臺態勢覺察來綜合判斷。

圖2 潛射魚雷態勢理解

2.3 態勢預測

態勢預測主要針對魚雷距離本艇較遠的情況，側重于預測魚雷發射平臺再發射一枚魚雷的情況。態勢預測主要預測Δt時間后：1）本艇位置和速度。2）發射魚雷的平臺相對于本艇的方位、距離和速度。3）魚雷相對于本艇的方位、距離和速度。4）魚雷進入我水聲對抗防御圈的時間。5）魚雷發射平臺再發射一枚魚雷的可能性。

2.4 態勢評估

態勢評估主要對態勢覺察、態勢理解、態勢預測進行威脅評估[1]，主要評估以下幾點：1）發射魚雷的平臺對本艇的威脅程度以及發現本艇的概率。2）魚雷對本艇的威脅程度、發現本艇的概率。3）該平臺再發射一枚魚雷對本艇的威脅程度。

3 智能指揮決策

潛艇防御魚雷智能指揮決策需要潛艇指揮員在短時間內進行正確的決策，確定機動規避的時機、潛艇轉向角、航速、航深、是否采用聲抗器材進行水聲對抗以及選用的水聲對抗器材類型和參數，如選用聲誘餌需確定第一次轉角、第一段直航時間、第二次轉向角等參數，選擇小口徑聲誘餌和大口徑聲誘餌組合還需考慮大口徑聲誘餌準備時間，此外還需要考慮水聲對抗器材的使用原則以及對抗效能，因此采用機器計算最優的機動規避和水聲對抗方案尤為必要。潛艇防御魚雷智能指揮決策如圖3所示。

圖3中魚雷態勢感知結果一方面通過顯示系統發送給人認知判別，另一方面機系統智能指揮決策系統基于魚雷對抗方案數據庫提供可供人選擇的優化目標，再由人機協同選擇是否采用潛艇機動規避、選擇采用的水聲對抗器材，從而確定采用智能算法的類型，篩選出最終的機動規避和水聲對抗方案。

圖3中魚雷對抗方案數據庫主要存儲計算實驗對態勢集中的各種態勢的作戰分析及預測和演習魚雷對抗方案實例，提供水聲對抗過程中需要注意的優化目標供選擇，便于指導實際作戰。

圖3 智能指揮決策

圖3中智能算法主要有單目標智能優化算法、多目標智能優化算法、動態單目標智能優化算法和動態多目標智能優化算法，類型由目標函數的數量、選擇機動規避和水聲對抗器材的情況確定。潛艇使用聲抗器材防御魚雷是“過程仿真”模型[2]，文獻[9]在潛艇自航式誘餌的組合使用過程中對所有符合條件的值進行遍歷求得最優初始航向，使得魚雷與潛艇距離最大。但是在實際使用中并不能滿足使用要求，一方面等步長遍歷搜索方法在實時性方面比較欠缺，另一方面一個目標函數（使得魚雷與潛艇距離最大）并不能完全滿足防御魚雷需求，誘餌航向的選擇還應遵循保證魚雷先發現誘餌的原則。并行計算[2，10]和智能算法[4，11～12]被引入解決實時性的問題，文獻[2]設計實現了“淘汰標準逐步提高，劣等方案盡早淘汰”的“過程仿真+方案搜索”方案優化模型求解策略。文獻[10]提出了2級并行策略，在進程和線程間劃分仿真循環，通過數據交換作出最優決策，有效解決了實時方案決策的問題。文獻[12]基于遺傳算法的潛艇組合使用聲誘餌防御魚雷技術，采用定性和定量分析相結合的方法計算和優化組合參數。文獻[4]和[12]采用的遺傳算法屬于單目標智能優化算法，文獻[4]目標函數是潛艇的生存概率最大，文獻[12]目標函數使得魚雷與潛艇距離最大。對于此類模型基礎上增加優化目標函數的問題可用多目標智能算法解決。而潛艇使用聲抗器材防御魚雷模型與時間有關，因此建立動態問題模型以及采用動態優化算法求解更符合實際需求。

4 結語

本文基于人機協同的智能指揮模型體系，初步研究了潛艇智能防御魚雷水聲對抗模型體系，提出了采用神經網絡、深度學習和智能優化算法等方法實現智能態勢感知和智能指揮決策。模型對新型系統研制具有一定的參考價值，其數學模型建立及工程實現方法是需進一步解決的問題。