平行坦克的数字四胞胎结构及其核心技术

邢阳 刘忠民 刘腾 秦继荣 包战 王飞跃

在当今信息化、自动化的作战背景下,智能作战系统应运而生.坦克是一种重要的陆地作战武器,具有强大的直射火力、高度的机动力和强大的装甲防护能力,主要负责与对方装甲车辆作战的任务,也可以成为作为消灭反坦克武器、摧毁工事、歼灭敌方反抗力量的有效武器[1].无人坦克,一种以自身程序控制为主的无人化履带式装甲平台,是近年来所发展的无人作战系统中重要组成部分.其实质是以远距离攻击型智能化武器、信息化武器为主导的“非接触性战争”的产物.随着技术的进一步成熟,无人坦克可以融合来自侦察卫星、侦察机、舰艇、潜艇和地面侦察部队等获得的各种目标信息,与其他无人化平台互相协同,以更快的反应速度、更高的杀伤概率实施连续作战成为智能化坦克.智能化坦克的研制,是大国军事科技的必由之路.

最早的无人坦克可以追溯到20世纪20年代,但由于当时的遥控技术不够成熟,遥控距离和可靠性并不理想,很快被淘汰.直到21世纪初,随着信息化、自动化技术的高速发展,无人坦克重新受到重视.2004年以来,美国发展了各种无人侦察坦克、无人扫雷坦克及多个型号的“未来战斗系统”.2009年,美国披露了一种时速97 km 的“粗齿锯”(MS1 Ripsaw)无人坦克.其样车在阿伯丁试验中心进行野外演示试验时,展示了通过植被地带和原地转向等出色的机动性能.2015年5月,“粗齿锯”已进行测试,同时,该无人坦克可以远程控制以切换不同战斗模式[2].此外,美国海军陆战队已拥有200台“机器战士”战术无人车.该车可视为微型无人坦克,采用履带式行进系统,能够在任何天气与地形下,执行战场侦察、生化武器探测、障碍突破和火力掩护等任务.同时,美军正在研制新型可部署的轻型“激动防护火力”装甲车样车并预计在2020年完成测试,该车可为步兵战斗旅提供全天候的直接和远程火力援助,同时具备了强大的互联网弹性能力,可极大地提高美军部队的部署效率[3].

俄军也研制出多种无人战车,包括侦察、排雷、武装巡逻等不同种类,其中部分型号已获得实战检验.2015年5月,俄罗斯媒体发表了题为《“阿玛塔”坦克将成为机器人》的报道称,最新型的“阿玛塔”(Apmata Tank)坦克未来将用遥控方式替代坦克乘员.2018年3月14日中央电视台展示了中国无人作战系统实验室,展现了中国正在研发的59式无人控制坦克的操作画面,此外中国还在63式装甲运输车上安装测试完全自动控制的设备.现阶段,我国99A型号的主战坦克融合火力、机动力、防护力和信息力为一体,配合96B及VT4等多种作战坦克及其他自行火炮装甲车,可以有效摧毁敌野战和其他坚固防御工事.然而,如何高效指挥与控制当前数字化装甲战斗群,提升坦克集群的信息化、网络化、智能化程度,研发符合未来战争作战模式的新理念、新方法与新体系,是当前我军重要的任务和使命.

国内外无人坦克的研发已经初步解决坦克无人化的基本问题,但是,要想达到与有人驾驶坦克一样的战斗水平和灵活程度,还有很多技术难题需要克服[4−5].首先,复杂地形既会阻挡无线信号,同时,壕沟、丘陵、山地、河谷、沙漠等地形场景也会对无人坦克提出挑战.此外,坦克作为陆地主战武器,无论是在战场冲锋,还是深入城市巷战,坦克的作战任务都较为复杂,相应的,其无人化的难度就更大.

中国科学院自动化研究所复杂系统管理与控制国家重点实验室王飞跃在20世纪90年代提出通过为复杂电网系统建立“影子系统”(Shadow Systems)的嵌入式仿真方式(Embedded Co-Simulation),优化其调度过程并提高其安全性和效益”[6].在此基础上,于2004年发表“平行系统方法与复杂系统的管理和控制”[7]一文,为应对复杂系统的管理与控制等难题提出了新的解决思路,即集人工系统(Artif i cial Societies,A)、计算实验(Computational Experiments,C)、平行执行(Parallel Execution,P)为一体的ACP平行智能方法体系.基于ACP方法所设计的平行驾驶技术为新一代智能车辆的智能指挥与控制技术提供了保障,实现了智能车辆的可靠、便利和平安出行[8−10].近来,德国西门子在其先进工业控制基础上,提出了数字双胞胎的概念通过收集物理实体的信息并建立数字模型来预测工业机器潜在问题并及时改进,进而提高工业生产效率[11−12].从理论上讲,这只是实现虚实互动平行系统的一种特殊手段,而且还停留在王飞跃所提出的ACP方法的第一阶段和部分计算实验阶段,即只建立人工系统,并未充分利用其物理、描述、预测、引导的完整数字四胞胎结构[13].

因此,本文提出一种基于ACP的平行坦克系统,并明确给定利用平行理论构建坦克系统的数字四胞胎结构.平行坦克系统的核心技术主要包括:平行视觉、平行增强学习、平行转向控制和平行网络.平行坦克系统主要由远程监控平台、坦克平台和云端管理与控制平台3个部分组成.云端管理与控制平台负责监控和引导无人坦克的行进与任务执行,远程监控平台负责监控或紧急情况下接管无人坦克.本质上,平行坦克系统融合物理世界的真实坦克与软件定义的人工坦克,将传感器的物理信号,网络信号综合分析,通过坦克间的联网通信,实现坦克与坦克及其他武器、坦克与环境的协同作战部署,提高坦克在作战环境中执行复杂作战任务的能力.

1 平行坦克理论基础

1.1 ACP方法

平行系统由中科院自动化所王飞跃于2004年提出,其核心思想是ACP方法.该方法将信息、心理、仿真、决策融为一体,以可计算、可实现、可比较的方式,为研究复杂系统的控制与管理提供了新思路及方法,是混合智能时代的重要基础理论.ACP方法已成为复杂系统研究领域体系化的、完整的研究框架.

ACP方法的科学基础如图1所示.它主要讨论和解决3个核心科学问题:1)建模:复杂系统的整体建模与还原分析如何有机地统一起来;2)实验:如何通过计算实验手段预测和引导“人在环路中”、兼具高度社会复杂性和工程复杂性的复杂系统;3)决策:虚实系统的互动反馈与协同演化机理,以及基于此的灵捷、聚焦和收敛的管控决策.ACP方法旨在运用知识自动化以及数据驱动的建模策略,突破传统方法中关于模型、实验和决策的理念.

基于ACP方法的平行控制与管理,以信息物理社会系统(CPSS)等复杂系统为对象,将理论研究、实验方法和计算技术3种科学研究手段相结合,提高复杂系统要素相互作用的动态演化规律的认识分析能力,提高复杂系统对象应对各种变化和非正常状态的管控能力,为复杂系统的控制与管理提供了一个有效的创新技术手段.

1.2 平行坦克系统的数字四胞胎结构

平行坦克系统的数字四胞胎体系由物理坦克、描述坦克、预测坦克和引导坦克4部分组成[14],如图2所示.物理坦克实时地与3种软件定义的坦克系统进行交互,软件定义的坦克系统将各自的输出传递给物理坦克,综合优化物理坦克性能和提升其智能化程度,物理坦克不断地将真实状态和行为反馈给软件定义的坦克系统,以实时优化软件系统模型参数.描述坦克负责学习真实物理坦克的行为特征,利用人工智能与机器学习方法,将物理坦克映入平行虚拟世界,在人工虚拟场景中建立与物理坦克系统相对应的虚拟坦克系统,为无人坦克系统的行为模拟奠定基础.预测坦克利用计算实验对描述坦克进行模拟仿真,利用物理坦克所传递的真实战争场景预测出描述坦克和物理坦克可能产生的不同结果,评价物理坦克在战场中的任务完成度.引导坦克在预测坦克所演算的结果之上,在描述坦克及其模拟数字环境中寻找最优化的解决方法,根据不同的战争场景,选择杀伤力最强或伤亡最小的战术策略,指导物理坦克做出攻击决策或战术规避.通过平行执行的方法,引导坦克不断指导物理坦克做出决策,物理坦克将结果反馈给引导坦克,使引导坦克不断自我更新,实现滚动优化.

利用平行理论所建立的平行坦克系统的数字四胞胎结构,可以有效地建立真实坦克系统模型,提升计算实验所获取的模型精度和虚拟战场的仿真度,实现对真实战争场景的精确解读和对无人坦克平台的准确引导,可极大地提高平行坦克系统的防护能力,突击能力和机动能力.

1.3 平行坦克基本框架

基于平行理论、ACP方法的平行坦克系统将会是一个高度网联的智能系统[15],如图3所示.它可以实现无人坦克与中心远程控制系统的平行互动,滚动优化,云端管控系统不仅可以减轻前端无人坦克车载控制器的计算负载,而且通过云端的系统学习与计算可以指导前端坦克的决策,使得无人坦克更加智能.平行坦克系统需要突破的理论研究包括:平行视觉用于探测车辆周围环境和道路信息;平行增强学习用于指导无人坦克的决策与规划;平行转向控制用于解决人机混合系统的智能控制;平行网络用于管理无人坦克与控制中心的通信.

平行坦克系统是充分利用全球数字化及信息化资源,将云端、道路及履带车辆上的资源无缝衔接,是集防护、快速和高效为一体的智能坦克系统.此外,平行坦克控制系统的开发也针对特殊场景,例如探索人类很难适应的恶劣环境,有危险性的科学研究以及军事领域等等.例如:军事领域中,因坦克乘员的驾驶水平、心理素质、反应能力等使其对特殊状况信息不能快速做出决策,而平行坦克的开发为其提供了平台.同时,平行坦克系统中坦克乘员的意图识别与预测也对无人坦克的作战提供了强有力的科学支撑.

根据文献[7]提出的平行驾驶理论在信息物理社会系统中的应用,平行坦克系统可以描述为:1)坦克实车和坦克乘员;2)作战行为和意图认知;3)环境信息感知和控制.根据平行理论和ACP方法,可以建立平行世界并将以上三要素分别划分到物理世界、心理世界和人工世界,如图3.其中平行坦克系统同时存在于3个世界,平行坦克系统中的驾乘人员和后勤保障人员的物理行为和操作隶属于物理世界,其坦克驾驶知识与战场认知则及预测属于心理和人工世界.平行坦克系统利用人工世界的模拟和与现实世界的交互来优化复杂的坦克的作战行动,从而优化其在复杂战争场景下的操作.利用平行学习与平行转向控制、平行视觉与平行网络等技术可以极大地减少坦克乘员在坦克车内的工作量.面向未来战争的平行坦克系统在常规环境下可以实现无人化.然而,经过专业训练并有着多年作战经验的坦克乘员的认知层知识是自动技术难以在短期内完全替代的.因此,平行坦克系统将坦克乘员引入系统闭环.利用平行理论学习到坦克乘员在各种极限环境下的意图和控制知识,将坦克乘员认知层的知识在虚拟平行世界进行建模,通过大量的计算实验使得平行坦克系统可以在一般场景下获得接近于人类智能水准的行动策略,扩大智能武器装备在未来战争中的作战能力.

利用ACP方法获取的坦克作战行动认知模型,配合先进的环境感知功能模块,可以准确地反向推理出坦克乘员的实时意图.通过坦克乘员意图分析,配合高精度环境感知和视觉系统,可及时辅助坦克乘员了解周围环境,避免错误判断.同时,对坦克乘员的意图识别可以有效预测和识别当前的行动意图,利用坦克车内的自动控制系统完成对目标的超前打击,这一小小的时间差有望成为赢得局部作战行动优势的重要因素.

2 平行坦克的关键技术

2.1 平行视觉

视觉系统是无人坦克的“眼睛”,负责利用多模态特种感知设备获取坦克周围的环境信息.由于驾驶员在坦克内的视界受限,先进的视觉系统可以弥补驾驶员视线不足的缺陷.同时,其又是自动驾驶车辆环境感知的灵魂所在.因此,构建高效、稳定、探测范围广的视觉感知系统是设计无人坦克系统的首要目标.无人坦克的视觉系统可由摄像头、红外激光测距仪、探测雷达、GPS定位系统及网络通讯模组组成.通过布置隐秘的视觉辅助系统可以有效提高坦克乘员对周围潜在威胁的感知.同时,针对特种装备研发的视觉传感器可以有效弥补坦克乘员在如暴雨、暴雪、沙尘暴等恶劣气候情况下的视野狭窄和受限等问题.然而,在现实中测试无人坦克对各种环境的适应性需要进行大量实验,将会严重增加测试经费和人工成本,延长武器的研发周期,不利于国防装备和武器制造.因此,本章提出在平行坦克系统中引入基于ACP方法的平行视觉方法,可对无人坦克进行无限次、多战斗场景的虚拟测试.无人坦克的平行视觉设计方案如图4.

基于ACP平行理论,无人坦克的平行视觉系统由3部分组成,分别是人工场景建模、计算实验和平行执行.其中,人工场景利用高性能计算机和来自于真实环境下的少量图片数据,通过计算机视觉和机器学习方法生成可以映射真实战争环境的虚拟场景[16].计算实验部分通过人工虚拟场景产生的大数据和来自真实环境下的指导小数据,不断优化视觉模型,通过大量不间断的模型训练和测试,生成可以用于解决现实战争的小知识和视觉方案.最后,利用平行执行不断将现实问题映入现实模型和虚拟模型,现实模型将当前结果反馈给虚拟模型,虚拟模型利用计算实验提高自身性能并与现实交互,指导无人坦克的现实视觉模型应对复杂环境下可能出现的各种问题[17].

2.2 平行增强学习

平行增强学习框架.通过构建与真实系统并行的人工系统,获得平行系统.通过将转移学习、预测学习和深度学习与增强学习融合,用于处理数据获取和行动选择过程,同时表达获得的知识.平行增强学习的框架如图5所示.数据代表人工系统和真实系统的输入和参数.知识代表从状态空间到控制空间的记录,在真实系统中叫作经验,在人工系统中叫作策略.经验用于修正人工模型,策略用于指导真实系统的运行.

在平行增强学习中,转移学习强调将解决某一问题的知识转化并扩展,应用于同类型的其他问题.这样做可以有效地减缓泛化能力的问题.预测学习指通过已有的数据和知识构建预测模型,对不同环境中的控制进行预测.可以有效地减轻数据匮乏问题.深度学习定义为学习数据的表现形式,包括多层的非线性处理单元和监督或非监督学习方法去学习每层的特征表达.增强学习关心控制对象如何从环境中获取控制来最大化累积回报.

平行增强学习的概念应用到了不同的复杂系统控制领域,比如交通系统[18−19]、视觉系统[20]和其他的社会系统[21].文献[16]中主要讨论交通流的预测过程,包括构建人工系统(名为栈式自编码模型)用于学习一般的交通流特性.然后,深度学习用于训练人工系统和真实系统提供的综合数据.最后,预测学习用于预测未来的交通流,指导平行系统.同时,平行增强学习理论还用于解决视觉感知问题[20].构建人工视觉系统,其产生数据与真实系统数据融合,用于特征分析、目标分析和场景分析.衍生的新的视觉感知研究方法称为平行视觉.最后,旨在提升坦克车辆能量效率的车辆自主学习系统也可以归为平行增强学习的范畴[22−23].

2.3 平行转向控制

作为人机协同混合智能在平行坦克系统的应用实例,平行转向控制技术可以有效解决人机协同混合智能所面临的问题.人类智能引入导致的可行域增大问题,对人类价值系统数学表达的挑战,外界干扰与自身系统的随机性的影响,都严重增大了开发人车共驾系统的难度,尤其是对于系统中决策和控制方法提出了极大的挑战.然而,基于平行理论的平行增强学习方法具有克服上述缺点的先天优势[24−25];因此,建立无人坦克中的人机共驾系统的决策和控制方法,使得人类智能与人工智能在坦克自动驾驶的过程中协同合作,正确决策,稳定执行,是人机混合智能应用于自动驾驶技术中亟待解决的关键问题[26].

平行转向控制的基本框图如图6所示.将坦克乘员意图识别整合到无人坦克车的控制回路中,形成人-机协同执行的平行转向控制架构.在平行转向控制架构下,当车辆正常行驶在道路上时,通过智能交通设备以及坦克车上多传感器进行资源融合,将实时信息传输到后台监控和控制系统,同时系统采用人工智能等技术,给出最佳的人工控制策略.

当无人坦克在行进过程中遇到特殊情况,坦克车辆会主动请求协助控制,通过后台中心控制使车辆正常行驶,同时后台系统会学习相关操作,通过联合处理实际车辆及虚拟车辆上的信息,通过计算实验得到针对车辆状态预测及人机协同控制决策建议等.遇到紧急工况(如坦克驾驶员疲劳驾驶)时,后台的虚拟人工系统可以根据实际情况通过控制系统反向对智能车进行控制,从而保证车辆正常安全行驶.采用平行转向控制不仅可以利用人类驾驶员的驾驶经验,而且可有效降低对支持主动安全控制系统的传感器和执行器的要求.

2.4 平行网络

新型特种网络架构是支撑无人网联坦克的重要基础保障,在确保无人坦克安全运行,顺畅通讯,及时发现潜在威胁等方面有着不可替代的作用.随着武器装备的智能化和信息化,对于装备间的信息管理与分析、数据存储与计算、数据安全、传输速率等性能要求越来越高.因此,面向未来智能战争的云平台和大数据技术急需完善.平行网络作为一种新型网络架构,分别建立人工网络与实际网络,并将两套平行运行的网络信息实时传递和相互优化[27].

平行网络系统对传统网络系统的控制面、转发面和应用层功能进行重新定义,实现对不同层次、不同服务内涵的特种网络进行实时的决策指导及行为优化,进而满足未来武器装备对智能网络服务的需求[28],平行网络基本构架如图7[23].平行网络中的现实网络实时向人工网络反馈当前运行状态,人工网络根据现实网络的实际特性进行改进和升级,力求模拟出最真实的现实网络环境.在此基础上,人工网络通过计算实验,利用大量的仿真测试对实际网络系统进行评估、预测和参数优化,进而为实际网络提供优化解决方案.实际网络在收到人工网络的优化建议之后,完善自身特性并进一步改进.通过平行执行的方法,两套网络不断进行实时更新和滚动优化,最优化无人坦克平台的网络配置与管理.

平行网络的研究目标不仅仅局限于网速更快、移动宽带更高,更在于连接新装备,催生新的智能武器集群管理系统.面向无人坦克的平行网络,将建立安全智能的网络管理和计算实验,为无人坦克技术提供多种评估方案和预测方案,从而提高网络云服务的可靠性、安全性.利用平行网络云管理技术,使平行网络可以更好地连接无人网联坦克群,提升坦克集群与指挥中心的通讯质量.平行网络所具备的优势不仅能够满足无人网联坦克群对网络服务、网络安全等方面的需求,而且对面向未来战争的智能装备体系的开发具有带动和促进作用.

3 平行坦克的系统构成

平行坦克系统由3部分组成:远程监控平台、无人坦克平台、云端管理与控制平台,如图8.远程监控平台在收到请求或紧急情况下接管无人坦克平台.云端管理与控制平台实时监控和引导无人坦克平台的操纵和运行.无人坦克在故障或紧急状态等无法正常工作的情况下,将会主动提出接管请求,经由云端管理与控制平台决策,将由远程监控平台对无人坦克进行远程操纵与控制.此外,当云端管理与控制平台监测到无人坦克状态异常时,也会向远程监控平台发送警报信号,下达指令,接管无人坦克.

3.1 远程监控平台

远程监控平台包括驾驶模拟器和驾驶员,如图9.驾驶模拟器作为远程监控平台的重要终端设备,负责在坦克提出接管请求或紧急情况下接管无人坦克,通过方向盘、油门、制动等远程操控;驾驶模拟器的显示屏实时展示与实际环境—对应的人工坦克以及人工环境.此外,无人坦克平台所获取的行驶视频、作战环境视频信息、坦克内摄像头录制的仪表盘的数据和HMI模块信息也通过无线网络实时回传到远程监控平台,多维度、全天候实时展示无人坦克及相应搭载设备的状态监控信息.

正常情况下驾驶模拟器的驾驶员无需干预无人坦克的运行,当云端管理与控制平台或无人坦克平台发出接管请求,或当驾驶员模拟器显示屏反馈的无人坦克异常时,驾驶员将通过驾驶模拟器对无人坦克进行远程操纵,控制无人坦克完成作战任务,直至异常信号解除.

远程监控平台通过远程的驾驶监控,实现了坦克的无人化.首先,直接保护了坦克手,其次,降低了无人坦克保护乘员的要求,无须乘员舱,无须通风换气设备,能够相当程度地减轻坦克的负载和尺寸,相较有人坦克更轻便灵活.

3.2 无人坦克平台

无人坦克平台所搭载的设备主要包括:坦克外相机-1、坦克内相机-2、激光雷达、毫米波雷达、差分GPS、惯性导航、红外线探测器、HMI设备、Estop、车载工控机、异地组网设备与无线CPE以及相关连线与电源设备等.各部件功能如图10所示.无人坦克平台包括感知模块、定位模块、状态检测模块、决策规划模块、控制模块、数据存储模块、HMI显示模块、模式切换模块等.考虑到安全问题与实际操控的需求,无人坦克的运行模式可以在无人驾驶和远程操纵之间进行灵活切换.

激光雷达、毫米波雷达和相机等用于感知环境信息,惯性导航和GPS组合获取无人坦克的定位信息,感知与定位信息为无人坦克的决策规划提供依据,从而通过控制系统控制坦克运行.数据存储模块存储无人坦克的运行数据,HMI模块显示感知定位模块的信息、坦克驾驶模式、行驶轨迹、车速、油量等信息,还可通过触屏操作进行人机交互.状态检测模块获取各个子模块的传感器软硬件以及坦克信息,为模式切换模块提供决策支持.模式切换模块同时接收来自状态检测模块、远程监控平台以及云端管理与控制平台的信息,最终根据云端管理与控制平台的实时模式选择指令进行相应的模式切换.

3.3 云端管理与控制平台

云端管理与控制平台主要包括人工系统与计算实验系统两大部分.针对实际物理场景建模的人工系统,具体包含人工坦克模型,人工传感器模型和人工环境模型.计算实验系统,对实际坦克获取的数据进行管理与分析,通过在人工系统中对人工坦克模型进行学习与训练、实验与评估,进一步引导、预测现实无人坦克的运行与任务执行过程[29−30].云端管理与控制平台的人工系统一方面可同时与远程监控平台以及实际环境动态交互,实时映射无人坦克的行驶状况;另一方面,又可在计算实验系统设定的人工作战场景中运行,采用“涌现”[31]的方式“生长培育”出大量人工数据,大大降低了复杂作战环境中高质量数据的获取成本.

云端管理与控制平台的计算实验系统借助人工系统这一数字化的“计算实验室”,设计人工坦克、人工传感器、人工环境模型的运行规则,生成各类复杂作战场景,以实验设计的方法让人工坦克进行学习与训练;并对其学习到的“经验知识”进行分析与评估,最终使人工坦克在计算实验室生成的人工作战场景中学习到真正适用于不同真实作战场景的操纵策略,通过与实际无人坦克平台的平行执行与双向优化,进一步引导优化实际无人坦克的作战策略与操纵能力.云端管理与控制平台设备主要包括:视频监控IMOS平台、NI仿真系统、工控机、服务器、图像拼接器、交换机、异地组网设备以及其他相关配置.其组成及功能如图11所示.

4 平行坦克系统的未来应用

平行坦克系统的搭建与应用,将会进一步提升无人坦克在突击作战、远程侦查、远程排雷等任务执行中的安全性,并确保任务执行的准确性,必将成为信息化联合作战的重要一环.

4.1 战场感知

未来战争,平行坦克系统将在人工世界和认知世界两个战场空间同时作战.一方面,利用其装备的先进激光雷达、光电和红外感知系统,以及各种专用传感器、信息处理系统和网络传输系统,并将其纳入到云端平行管控系统,可以在无人全自动状态下进行各种远程侦查任务,可执行任务包括军事侦察、自动巡逻、火力引导、目标搜索与监视、有害物质提取与监测等.另一方面,在认知世界,云端管控平台对所有侦查设备的状态进行实时监控并对回传信息进行接收与分析,当有侦查设备发生程序故障、传感器失灵、遭遇信息干扰时,将及时由操作员远程接管,并根据情况的严重程度由接管员决定是继续遥控侦查、还是及时返回[32].若在监管过程中发现侦查设备暴露且无法返回,将由操作员通过远程启动自爆程序,避免信息和技术的泄露.

4.2 战略威慑

基于平行理论与ACP方法构建的平行坦克系统,具有虚实一体、智能化装备、区块链指挥与控制、无人化平台及智能化弹药等特点,具有安全可靠、机动灵活、侦察能力强、能全天候和广域行动等众多优点.平行坦克系统通过海量计算实验建立平行四胞胎系统,具有智能的战场推理和预测能力.同时,平行坦克系统的核心技术可以升华传统坦克,使得在陆军地面武器装备上平行坦克系统远优于对手,形成代差,达到不战而屈人之兵的目的.同时,平行坦克系统在未来战争中,可根据未来作战需要,任意编组部队,利用现实坦克系统和虚拟系统,在人工世界和虚拟世界形成对敌优势,从而夺取战争胜利.

4.3 突击作战

平行坦克系统装备激光、动能弹、导弹等高技术智能弹药,在其他武器平台的支援配合下,构成未来作战的地面重要突击力量[33−34].将无人坦克纳入云端管控平台,由操作员远程实时监管,通过进一步融合来自卫星、侦察机、无人机、传感器等获取的各种信息,能够实时、全面地了解整个战场局势,将为坦克的集群攻击、火力支援、协同突击和特种破袭等多种场景发挥更加关键的作用.此外,当平行坦克系统遇到程序故障、传感器失灵、信息干扰等状态时,可及时由操作员远程接管,实现作战的连续性,同时可避免因被俘获而造成的设备损失与技术泄露.

因而,采用平行坦克进行突击作战,具有作战连续、部署准确、火力集中、机动性强、实现精准协同打击等诸多优点,同时可避免人员伤亡、减少设备损失,必将成为未来地面战场的主宰者,引领作战方式发生深刻变革.

5 结论

平行坦克系统是基于平行理论和ACP方法的新一代网联智能坦克系统.本文介绍了平行坦克系统的理论基础和其数字四胞胎结构,指出了平行坦克系统中的多项关键技术,同时还给出了平行坦克平台的系统构成和未来战争应用.在不同的战场场景中,平行坦克系统可由不同的控制中心进行操控,其自身的车载控制器、远程的监控平台和云端的管理控制平台有效地结合为一个整体,极大地提升了平行坦克系统的管理与控制.通过多部分的协调合作,平行坦克系统能够更加智能,对提升国防力量有重要意义.

致谢

本文由王飞跃立题,委托邢阳、刘忠民、刘腾、秦继荣、包战、王睿、陈龙、王晓、要婷婷、高玉、田滨、陈德旺、王坤峰、赵学亮、王帅、王雨桐、鲁越等参与计划与组织工作,并于2018年6月17日至18日在北京召集相关专家举办第一届“平行装备研讨会”,会上对本文内容进行了详细的讨论、研究、修改及补充.在此,作者向参与论文修正及与会研讨的各位专家学者表示衷心的感谢,同时感谢青岛智能产业技术研究院(QAII)“平行研讨基金”对本项工作的资金支持.

1 郑翔.主战坦克武器系统发展概述[J].国外坦克,2004(5):15−17.

2 ELÁŠ J,RAÚSOÁ D.Trends of development in unmanned military motor vehicles[J].University Review,2013,7(3):8−14.

3 李响.美陆军考虑发展轻型坦克[N/OL].国防科技要闻,2018-06-21. https://mp.weixin.qq.com/s?_biz=MzIwMTU0NDA0 MQ==&mid=2650109263&idx=4&sn=b0f9d698182578 b1f90dbd19068e03fd&chksm=8eed8d49b99a045f6a99cfef83 fbca4c35974632468e3e95f028c1b8e21e1635a2fef5fe2d17&mpshare=1&scene=1&srcid=0621nr6jpQzyqH7Suh6A26bB#rd

4 王飞跃.面向赛博空间的战争组织与行动:关于平行军事体系的讨论[J].军事运筹与系统工程,2012(3):5−10.

5 王飞跃.国防装备与系统的未来变革:从3D打印到平行军事体系[J].国防科技,2013,34(3):2−9.

6 WANG F Y.Shadow systems:a new concept for nested and embedded co-simulation for intelligent systems[R].RAL Technical Report#01-09-94,SIE Dept,The University of Arizona,Tucson,AZ,1994.

7 王飞跃.平行系统方法与复杂系统的管理和控制[J].控制与决策,2004,19(5):485−489.

8 WANG F Y.Agent-based control strategies for smart and safe vehicles[C]//Proceedings of 2005 IEEE International Conference on Vehicular Electronics and Safety,Xi’an,China,2005:331−332.

9 WANG F Y,ZHENG N N,CAO D P,et al.Parallel driving in CPSS:a unif i ed approach for transport automation and vehicle intelligence[J].IEEE/CAA Journal of Automatica Sinica,2017,4(4):577−587.

10 王飞跃.平行武器:从军民分离到人机分离的无人战争[R].北京:某部报告,2010.

11 BOSCHERT S,ROSEN R.Digital twin—the simulation aspect[M]//Mechatronic Futures.Springer,Cham,2016:59−74.

12 TUEGEL E J,INGRAFFEA A R,EASON T G,et al.Reengineering aircraft structural life prediction using a digital twin[J].International Journal of Aerospace Engineering,2011.

13 刘忠民,王飞跃.平行坦克:面向未来智能化战争的地面武器系统[R].北京:某部报告,2018.

14 白天翔,徐德,王飞跃.局域网络化自主作战的概念与展望[J].指挥与控制学报,2017,3(1):1−9.

15 王飞跃.平行战争:从平行士兵、平行装备到平行指控、平行部队[R].北京:某部报告,2015.

16 王坤峰,鲁越,王雨桐,等.平行图像:图像生成的一个新型理论框架[J].模式识别与人工智能,2017,30(7):577−587.

17 王坤峰,苟超,王飞跃.平行视觉:基于ACP的智能视觉计算方法[J].自动化学报,2016,42(10):1490−1500.

18 LYU Y,DUAN Y,KANG W,et al.Traffic f l ow prediction with big data:a deep learning approach[J].IEEE Transactions on Intelligent Transportation Systems,2015,16(2):865−873.

19 ZHANG J,WANG F Y,WANG K,et al.Data-driven intelligent transportation systems:a survey[J].IEEE Transactions on Intelligent Transportation Systems,2011,12(4):1624−1639.

20 WANG K,GOU C,ZHENG N,et al.Parallel vision for perception and understanding of complex scenes:methods,framework,and perspectives[J].Artif i cial Intelligence Review,2017,48(1):1−31.

21 WANG F Y,LANSING J S.From artif i cial life to artif icial societies—new methods for studies of complex social systems[J].Complex Systems&Complexity Science,2004,1(1):33−41.

22 LI L,LIN Y,ZHENG N N,et al.Parallel learning:a perspective and a framework[J].IEEE/CAA Journal of Automatica Sinica,2017,4(3):389−395.

23 LIU W,LI Z,LI L,et al.Parking like a human:a direct trajectory planning solution[J].IEEE Transactions on Intelligent Transportation Systems,2017,18(12):3388−3397.

24 WANG F Y.The emergence of intelligent enterprises:from CPS to CPSS[J].IEEE Intelligent Systems,2010,25(4):85−88.

25 王飞跃.关于复杂系统研究的计算理论与方法[J].中国基础科学,2004,6(5):3−10.

26 王飞跃.面向大数据和知识自动化的平行指挥与控制|灵捷、聚焦、收敛[C].北京:中国海洋发展与指挥控制论坛,2014.

27 王飞跃,杨坚,韩双双,等.基于平行系统理论的平行网络架构[J].指挥与控制学报,2016,2(1):71−77.

28 王飞跃,杨柳青,胡晓娅,等.平行网络与网络软件化:一种新颖的网络架构[J].中国科学:信息科学,2017(7).

29 WANG F Y.Parallel control:a method for data-driven and computational control[J].Acta Automatica Sinica,2013,39(4):293−302.

30 王飞跃,刘德荣,熊刚,等.复杂系统的平行控制理论及应用[J].复杂系统与复杂性科学,2012,9(3):1−12.

31 王飞跃.X5.0:平行时代的平行智能体系[J].中国计算机学会通讯,2015,11(5 ):10−14.

32 白天翔,王帅,赵学亮,等.平行武器:迈向智能战争的武器[J].指挥与控制学报,2017,3(2):89−98.

33 吕彬.军民融合式武器装备科研生产体系研究[J].装备学院学报,2013,24(1):1115.

34 白天翔,王帅,沈震,等.平行机器人与平行无人系统:框架、结构、过程、平台及其应用[J].自动化学报,2017,43(2):161−175.