基于攻擊參數識別的反潛武器作戰效能評估?

鄭振 馬蛟

（中國人民解放軍91129部隊 海口 570311）

1 引言

隨著水下對抗與反對抗的不斷升級，反潛作戰成為海戰課題研究的熱點，隨著潛艇的隱身性能以及攻擊武器為例不斷提升，潛艇的水下威脅程度不斷增強，潛艇在海戰中具有隱蔽性高、攻擊破壞度大等方面的優勢，因此，研究新型的反潛武器成為海軍武器裝備系統研究的熱點課題。常見的反潛武器中，主要有魚雷、深水炸彈、水雷等，其中以魚雷作為常用，反潛作戰平臺由護衛艦，反潛直升機，反潛巡邏機等構成，在反潛作戰中，需要關注反潛武器的作戰效能，以提高潛艇的搜潛概率，從而降低己方被攻擊的危險，研究反潛武器作戰效能評估模型，對提升反潛作戰性能，提高己方生存概率方面具有重要意義［1］。

對反潛武器作戰效能評估是建立在對武器裝備的組成、作戰流程等方面的性能參數分析基礎上，結合對反潛武器裝備平臺的效能參數分析，通過多元組合參數分析的方法，采用層次化分析模型，實現反潛武器的作戰效能動態評估和參數估計［2～4］，當前，對反潛武器作戰效能評估的方法主要有神經網絡分析方法、仿生群分析方法、閾值評估方法等，采用Agent建模作戰實體模型，通過聲吶探測概率閾值來定義有效覆蓋距離，進行反潛作戰效能評估。其中，文獻［5］中提出艦載深彈反潛作戰效能分析模型，綜合考慮了艦艇對敵的探測發現、指揮人員的控制決策和深彈發射及水下作戰3個階段的性能指標，實現作戰效能評估，但該模型的動態評估性能不好。文獻［6］實現空投磁探無人機集群應召反潛作戰效能分析，建立了基于多平行段搜索的空投磁探無人機集群應召反潛數學模型，通過仿真評估了反潛巡邏機應召反應時間、磁探無人機數量和搜索范圍大等，實現反潛作戰效能的動態評估分析，但該方法的實時性不好，作戰效能評估的參數估計精度不高［4］。

針對上述問題，本文提出基于攻擊參數識別的反潛武器作戰效能評估模型，進行反潛作戰的動態參數分析，結合概率尋優和參數優化估計，實現反潛武器系統效能的動態評估和最優解算，提高評估的穩定性，提高反潛武器的作戰可靠性。首先進行參數和指標模型構建，然后進行作戰效能評估模型設計，最后進行仿真測試，展示了本文方法在提高反潛武器作戰效能評估可靠性方面的優越性能更。

2 模型參數和評估指標體系

2.1 作戰效能評估模型參數分析

為了實現反潛武器作戰效能的動態評估，結合反潛作戰的影影響因素特征分析，建立潛艇以潛艇移動速度、聲吶識別回波參數、隱蔽性參數指標以及作戰平臺數量的相關的作戰效能參數分析模型，根據可控因素和己方作戰單元的相關性因素分析，進行反潛作戰的效能動態分析模型構建，以作戰兵力、作戰單元、作戰平臺、探測設備、通訊設備、作戰實體行為決策等指標參數為一級指標體系，以探測能力、通訊能力、毀傷能力以及指揮決策能力為二級指標體系［7～9］，構建多角度和多維度的反潛武器作戰效能評估體系結構模型，對反潛作戰效能評估的體系模型構造如圖1所示。

圖1 反潛作戰效能評估的體系模型

根據圖1的體系模型構造，建立多個相應的反潛作戰效能評估Agent實體模型，根據探測關系以及毀傷關系分布，結合作戰方與作戰兵力的部署分析，進行作戰單元的標識，把反潛直升機作戰單元標識為R_Helicopter，紅方編隊作戰單元的標識為R_Formation，潛艇作戰單元標識為B_Submarine，紅方helicopter為空中實體［10～13］，由此建立作戰實體的Agent單元模型如圖2所示。

圖2 作戰實體的Agent單元模型

根據圖2對反潛作戰效能評估的實體模型分析和模型指數分析，通過Initial Agent編寫全局變量和控制模型，通過實體的決策、移動、打擊、探測等行為模型構建，建立反潛作戰效能評估模型的數學模型［4］。

2.2 作戰評估的指標體系

根據潛艇的移動速度、反潛武器的移動速度、聲吶識別范圍以及潛艇的隱蔽性參數分析，建立反潛武器的作戰單元相關性控制參量分析模型，基于系統效能評估［15］，得到反潛武器的脅迫參數分布為

式中，xk表示系統總體性能參數，yk表示量敵潛艇的位置信息，vk和ek分別表示潛艇速度和量化參數分布群，f(xk-1)為搜潛點位的間距，h(xk)為USV反潛裝備體系參數，且，使用反饋和迭代的方法，得到攻擊態勢指數表示為

3 反潛作戰效能評估模型優化

3.1 深度ANP學習算法

采用深度ANP學習學習方法實現反潛作戰過程中的效能尋優［19］，分析不可控因素單元因素，單階段的系統效能分析的加權權重：

其中，ωs為作戰系統的系統可用性特征參數，ωe為單階段的系統效能參數，Ic作戰效能的均衡狀態，Imax為最優狀態分布集，假設多階段的ADC模型融合參數為，在艦艇反潛作戰效能的轉移概率為 pij，作戰評估節點i與節點之間 j之間的聯合分布式為

其中，xi(t)為探測系統的可用度，vi(t+1)為發射系統的可用度，采用艦艇的探測能力參數，分析正常狀態的概率約束性特征參數，采用艦艇的指揮控制指令可靠性分析，得到深度ANP路徑尋優目標函數為

其中，aij為毀傷潛艇這個事件的狀態參數，在探測系統、指控系統中，得到尋優權值 pij定義為

由此，計算Agent實體的決策行為、移動行為，得到戰果評估的適應度函數為

其中dS(i)為USV前方搜潛的目標距離，dT(i)為高價值作戰單元的等效控制函數。

在移動過程中每隔一分鐘，潛艇聲吶工作一次，通過多傳感器參數定位，得到ANP學習的狀態參數為，由此建立反潛作戰效能評估模型的自適應學習模型，通過分析深彈毀傷概率，進行毀傷潛艇的概率分析和參數估計［20］。

3.2 參數評估和優化解算

將艦艇作戰全過程的每個性能指標作為評價對象，得到探測節點va，vb和vc的毀傷概率為

其中，yi,a為每個子系統的可靠度，ea為各個子系統的可用度，在單枚作戰效能低下的情況下，得到反潛對抗作戰的分形指向性函數為

考慮全局優化問題min｛f（x）｝，以成功識別潛艇的概率密度作為關聯因子，采用信息熵和關聯維特征檢測方法，建立反潛武器作戰效能評估的動態尋優分析模型，得到作戰效能最有效下的有效打擊概率為

其中，dist(i,Fg)為打擊因子，N為完成任務過程中向第j中狀態轉移量，綜上算法設計，采用信息熵和關聯維特征檢測方法，構建反潛武器作戰效能的實體單元模型，根據作戰實體、通信和關系以及對作戰仿真造成的影響分析，進行效能評估。模型實現流程如圖3所示。

圖3 改進算法實現流程

4 仿真測試與性能評估

通過仿真實驗驗證本文方法在實現反潛武器作戰效能評估的應用性能，實驗采用Matlab仿真設計，實驗考慮了14個實驗參數，包括USV速度、傳感器范圍和探測概率等，采用TCP/IP協議構建系統網絡體系，在Mutigen Creator中建立的.flt格式的動態作戰場景模型，初始化靜態變量（static vari?ables）和簡單的類（single classes），反潛武器的檢測線的長度Length為100m，寬度Width為50m，高度Height為50m，如圖4所示。

圖4 反潛武器碰撞檢測線

在仿真平臺中位置參數和方位信息分布如圖5所示。

圖5 反潛作戰的信息參數設定

根據上述參數設定，進行作戰效能評估，得到參數解算結果如圖6所示。

圖6 作戰效能參數解算結果

分析得出，在反潛武器攻擊中，多普勒頻移fd=1333.32Hz，信噪比是-6.35647dB，來襲武器和拖曳體之間距離為490.096m，拖曳體的運動速度vt=30kn，因此來襲武器的運動速度為50kn，本文方法能有效實現作戰效能的動態評估。測試評估準確性，得到對比結果如圖7所示。分析圖7得出，本文方法進行反潛武器作戰效能評估的精度更高。

圖7 評估效能對比

5 結語

通過分析反潛武器的作戰效能，以提高潛艇的搜潛概率，本文提出基于攻擊參數自適應識別和跟蹤學習的反潛武器作戰效能評估模型，建立多個相應的反潛作戰效能評估Agent實體模型，采用深度ANP學習學習方法實現反潛作戰過程中的效能尋優，通過分析深彈毀傷概率，進行毀傷潛艇的概率分析和參數估計。研究表明，本文方法能有效實現反潛武器作戰效能參數解析和評估，評估準確性較高。