基于全舰计算环境的智能化舰载指控系统技术研究

马永龙

（武汉市江夏区藏龙大道709号 武汉 430205）

1 引言

未来海战场信息战实质上就是计算机高层次的智能较量，近期几场局部战争，充分体现了高技术战争的智能化特征。美军针对未来信息化战争的要求，提出了“数字部队”的现代化建设方案，实现指挥与控制系统以及武器装备的智能化是方案的首要任务。武器装备和作战指挥的智能化，将最大限度地延伸人类智能，并成为提高军队战斗力的一个重要增长点，未来谁能在人工智能领域中取胜，谁就将取得新军事革命的主动权［1］。党的十九大报告明确提出，“确保到二〇二〇年基本实现机械化，信息化建设取得重大进展，战略能力有大的提升”，信息化建设要取得重大进展，就必须大力发展作战系统智能化的智能化水平［2］。

智能化舰载指控系统是实现未来舰艇智能作战的核心，其发展依赖于底层智能化基础平台的支持。全舰计算环境（TSCE Total Ship）是海上信息化系统建设的重要装备，代表了开放式体系架构的最高水平，也是舰载指控系统的核心信息化基础平台，但目前尚缺乏对智能化应用的直接支持。因此，对现有全舰计算环境的高性能计算、存储、一体化网络、面向服务架构等软硬件基础设施进行升级改造，使之成为智能化指控系统应用的基础平台，是一项亟需研究的问题。

2 智能化舰载指控的需求

当前美军正大力推进智能认知技术在军用信息系统方面的应用研究，并把它作为“第3次抵消战略”的“高科技圣杯”［3～5］，围绕智能化、自主化提出了5大关键技术领域。重点是使用人工智能技术综合利用人的洞察力与计算机的高灵敏度，提升指挥员的决策效力［6］。

未来海战将进人“秒杀”时代，特点是快速、复杂和多变。战指挥控制将主要面向战场态势模型展开，面对P比特量级以上的数据，10毫秒量级以下的响应速度（人的反应速度为百毫秒量级），远超过人能够达到的能力［7］。此外，人还会疲劳、易犯错、计算推理能力有限，传统“人在回路”中的指挥控制方法必然超载［8］。用智能化机器大脑延伸指挥员人脑，从而辅助战场态势认知和指挥决策制定，提升指挥员判断态势和制定决策的科学性和效率［9］。具体体现在以下七个方面：

1）信号识别处理

通过智能化方法，收集分析识别海战场电磁信号频谱、波形、编码协议等有价值的信息，辅助指挥员生成识别建议。

2）海量情报分析

通过智能化方法，从海潜空天等大量多源异构情报数据中提取支撑决策的关键信息和目标价值、意图等战场局势及变化趋势等态势认知要素，辅助指挥员快速做出态势判断。

3）博弈式筹划推演

通过智能化方法，实现方案计划的自动生成（含兵力、火力的自动分配）、多域（时、空、频、资源）冲突检测与优化、方案的临机调整与修订。从而减少人为因素的影响，达成遂行海上联合作战行动参战舰艇计划层面上的一致。

4）指挥决策支持

通过智能化方法，克服大量未知不确定性的组合爆炸，基于战场态势判断，辅助指挥员快速生成决策建议，提升决策效率。

5）无人平台控制

自主化无人智能作战平台（如无人机、无人战车、无人艇、无人潜航器）的大量使用，使指挥控制问题成为未来作战行动关注的焦点。通过智能化方法，提升有人与无人系统的协同作战时能力，实现更高效的人机智能融合。

6）指挥控制人机交互

通过智能化方法，提供语音识别、草图识别、虚拟战场态势感知、跨域协同研讨等能力，实现多模态高效指挥控制。

7）训练及作战复盘分析

在实际军事行动中，人工智能技术可以自动地记录信息交换和决策制定的全过程，以便在事后总结时重放记录，复盘分析，并作为有价值的案例大数据保存起来，供人工智能从中抽取知识或规则。通过智能化方法，从积累的作战数据中挖掘和学习敌方行动规律，分析我方指挥员指挥命令、优化战法战术和指挥控制模型算法，辅助指挥员发现问题和优化策略，是提升装备日常训练水平的重要途径。

图1 美国海军开放式体系结构分级示意图

3 相关技术研究现状分析

3.1 公共计算环境研究现状

2002年，美军负责监督舰艇作战系统设计、建造和发展的综合作战系统项目执行办公室，开始推行“开放式体系架构计算环境”（Open Architecture Computing Environment，OACE），以提高系统的设计和集成能力，增强舰艇武器平台的先进性、通用性和可重用性。美军按照开放的程度将开放式体系架构计算环境从低到高分为5级［10］，现役装备分步、逐级提高，新研装备直接采用最新开放式体系架构技术。美国海军开放式体系结构分级如图1所示。

第五级是全舰计算级，代表了开放式体系架构的最高水平，典型特征包括：采用统一的信息基础设施平台为应用系统提供公共计算支持，大量使用公共业务功能服务，使应用系统具有良好的容错能力、抗毁生存能力、灵活部署和快速升级能力，降低维修保障压力，减少人员配置需求，有效提高舰艇装备采用最新信息技术的能力，降低全寿命周期费用。其技术架构如图2所示。

图2 TSCE体系结构

全舰计算环境TSCE以全舰计算环境基础设施（TSCE Infrastructure，TSCEi）为基础，基于高性能的计算、实时／非实时的面向服务体系架构（Service-CIrientedArchitecture，SOA）、实时发布订阅（Data Distri—bution Service for Real—Time System，DDS RT）、虚拟化、一体化网络等商用成熟的技术，集成外部通信控制、传感器与装备控制、舰船控制、武器控制、指挥控制等信息系统，是美军最新的DDG1000驱逐舰十大关键技术之一，并广泛应用于福特号航母等新型主战舰艇［11］。但随着第三次人工智能浪潮的来袭，传统的全舰计算环境急需融入对军事智能化应用的支持。

3.2 人工智能支撑技术研究

3.2.1 人工智能技术发展

人工智能技术的发展已经有半个多世纪的历史，根据数据量和算法复杂程度的不同，可以大致分为以下三个阶段［12］，如图3所示。

图3 人工智能技术发展的三个阶段

随着大数据、云计算、深度学习等基础支撑技术能力的显著提升，人工智能目前已经进入到一个新的高速增长期。2016年，AlphaGo战胜李世石，以深度学习为代表人工智能应用进入到一个新纪元［13］。接下来，深度学习在各领域中取得的突破可能会呈现出爆发式的增长，机器智能水平也将呈现出指数型提升。专家预测的平均数据表明，2045年将是奇点到来之年，届时机器的智能水平将超过人类［14］。

3.2.2 人工智能应用

人工智能发展的最终目标是要构成人工智能应用系统，解决实际问题［15］。在现阶段诸如智能机器人、无人平台等实际的商业应用场景中，往往基于人工智能计算框架和深度学习框架来开发面向需求的人工智能应用系统。目前主要的人工智能应用的场景如图4所示。

图4 常见的人工智能框架及应用

人工智能计算框架具有高性能、低功耗、弹性可扩展的特点。一般来说，人工智能计算框架结合深度学习框架来提升性能和计算效果。常见的人工智能计算框架包括Hadoop、Spark、Bigflow、Samza、Openstack等，相比传统的单机计算，人工智能计算框架实现了分布式计算的能力。而常用的深度学习框架近年来已经得到极大的发展，以Ten-sorFlow、Caffe、Deeplearning4、CNTK等为主要代表，深度学习框架通过特征学习和分层特征提取的高效算法，实现了计算效率的大大提高。

4 舰载智能化指控架构设计

4.1 基于公共计算环境的智能化指控平台设计

公共计算环境是全舰信息化业务的硬件基础支撑平台，未来大量的人工智能应用对全舰计算环境的计算处理性能、网络通信、数据访问以及存储等提出了新的要求。因此，公共计算环境不仅需要兼容适配各种不同体系架构的软硬件平台等各种需求，还需要集成新的人工智能应用设备，以满足未来依托公共计算环境，各类系统开展业务功能应用如目标图像、视频的识别、作战意图判断、智能武器决策等复杂高性能功能需求。

公共计算环境已经实现了集装箱式的在舰内配置多个计算中心，能够根据舰载信息系统的功能以及性能需求动态分配相应的计算资源。公共计算环境的智能化指控平台采用开放式体系结构设计，可采用刀片式、机架式等计算单元进行硬件集成，兼容目前的各类硬件组件形态，支撑计算服务系统采用统一的技术体制。

智能计算设备安装在通用计算服务单元中，可部署在公共计算环境的集装箱内。智能化指控平台的全舰计算环境底层硬件支撑平台包含了各类计算、辅助计算、存储、网络设备及人机交互和展现平台，该硬件平台以公共开放式的接口面向全舰系统应用提供计算、存储、显示控制、网络、环境，实现了舰载各系统应用的一体化运行，有效地支撑全舰信息化应用。

4.2 基于公共计算环境的智能化指控体系设计

公共计算环境采用开放式体系架构进行设计，按照系统硬件设备层、系统软件层、支撑服务层的层次结构构建。具体组成如图5所示。

图5 基于公共计算环境的智能化指控体系

具体层次结构包括：

1）硬件设备层。包含公共计算环境集装箱以及配套的人机交互设备。集装箱内包含有通用服务器、数据存储设备、数据交换设备、通用计算处理设备、管理设备、智能计算设备等。人机交互设备包含新型的显控台以及配套的交互设备。

2）系统软件层。提供各种操作系统、数据库、硬件驱动、网络等基础软件支撑环境；

3）基础支撑服务层。主要包括基础服务、服务管理、智能计算服务以及人机交互服务四类服务。基础服务提供各种专用设备驱动与中间件，以及资源管理、安全服务相关中间件支持；服务管理提供服务化运行和管理环境、信息共享等功能支持，并为与公共计算服务系统技术体制不同的系统提供适配支持；智能计算服务由通用服务实现，可以嵌入通用服务与上层应用之间，为上层应用提供智能计算服务。人机交互服务提供各类人机界面支持服务。

相比传统的公共计算环境体系，智能化公共计算环境增加了智能计算服务，舰载智能计算服务框架如图6所示。智能计算服务设计包含了人工智能计算组件、基于深度学习的智能训练组件以及舰载智能应用组件。

图6 应用全舰计算环境的智能计算服务框架

其中，人工智能计算组件围绕大数据框架实现，实现分布式智能计算，报刊了统一数据存储（HDFS、Hbase）、分布式计算框架（Hadoop、Storm等）、分布式缓存（Redis、Memcached）以及服务（Impala、Hive）。人工智能计算组件完成大数据的存储以及智能服务应用访问。基于深度学习的智能训练组件以深度学习算法为核心，针对舰载信息系统的智能功能，如目标识别、行为识别、意图判断等，依托智能计算组件的统一存储的数据，完成相应的学习训练计算，并将结果存储于统一数据存储框架中。舰载智能应用组件完成智能服务的应用访问并嵌装于各类舰载人机交互设备中。

4.3 基于公共计算环境的智能化舰载信息系统集成模式

目前公共计算环境采用了面向服务的体系结构，以对不同结构平台的舰载各类信息系统进行全面集成［10］。引入智能化计算以后，需要对智能计算设备以及配套的软硬件进行综合集成。智能计算设备通常为专用接口设备，而公共计算环境平台上各系统的信息处理业务纷繁复杂，对平台操作系统及中间件的要求也多种多样。因此，采用了面向服务化的设计对智能计算资源进行集成，可以提高应用系统运行、部署的灵活性和适应性。面向服务化设计和容器架构能以一种松散耦合架构实现应用系统的灵活集成，特别是针对新型的人工智能计算设备，能够以通用的服务架构进行集成，与舰载的信息系统公共采用了统一的访问方式，降低了各类舰载信息型系统的集成难度。另外使各应用系统能够在容器内独立运行，增强了应用系统运行的可靠性。

图7 应用全舰计算环境的智能计算服务集成方式

全舰信息化系统的基础软件平台，针对各类系统应用的需求，采用虚拟化技术及容器架构，在硬件平台的基础上构建虚拟化资源池，然后根据应用系统需求构建不同的虚拟化操作系统供应系统使用。针对智能计算资源，由于该类设备并不需要直接跟各类系统应用直接交互，因此采用了统一的智能应用调度方式进行集成管理，以提高智能计算设备的使用效率。所有舰载的系统的实时、非实时应用均以服务的形式向对应的容器资源进行访问，所有的应用容器以松耦合的方式进行管理。面向服务化及容器架构的应用集成示意图如图7所示。

舰载信息系统的各应用软件将部署、运行在公共计算环境所提供的软硬件信息基础设施上。利用公共计算环境所提供的软件服务化和人机界面应用支撑功能，舰载信息系统中的显示控制应用部署、运行在公共计算环境所提供的标准化的人机交互设备中。由于采用了标准化设计，人机交互设备具备相互替换和人机界面重组的能力。而舰载信息系统中的任务处理软件将部署、运行在集装箱的虚拟化平台中，综合利用集装箱所提供的计算、存储资源实现各类信息处理、存储功能。

舰载电子集装箱利用计算虚拟化与存储虚拟化技术，将其内部公共处理系统中的CPU/内存等通用计算资源、智能计算资源、存储资源，通过核心资源管理服务聚合为一个逻辑一体的资源池，根据应用需求以虚拟的操作系统形态灵活调配计算、存储资源，向应用系统提供计算、存储服务，并实施统一的任务管理、安全管理，保证公共计算环境安全、有序地向应用系统提供信息处理服务支撑。

公共计算环境通过计算、存储、显控资源的集成，实现资源共享和高效计算，通过集成智能计算资源，适应了舰载信息系统发展需要，提高系统的设计和计算能力，增强舰艇武器平台的先进性、通用性和可重用性，同时实现了指控系统自主的智能化，提高了作战指挥效率。

5 结语

智能化舰载指控系统需要针对不同的任务需求，加入GPU、TPU、FPGA等人工智能专用加速硬件，还需要在软件层面需融入GAN、CNN等典型深度学习网络支持，并提供常用和专用算法支持。基于公共计算环境的智能化舰载指控系统能够真正、实时地将战场、作战指挥行动以及后方军事专家知识有机地融和在一起，使得各种武器装备效能得到最大限度的发挥。智能化舰载指控系统能够突破现有战场时空，改变信息战场的面貌和形态，是舰载指控系统的发展趋势。当前需要通过典型作战应用，逐步收集完善满足人工智能算法训练的数据，并逐步建立以公共计算环境为基础的舰载人工智能应用生态。未来通过建设舰载大数据、云计算、智能化应用三位一体的公共平台，以满足未来海战场体系下的作战、训练、气象水文分析、平台控制等多业务发展需求。