合成化装备体系火力协同关键技术

徐克虎，张明双

（陆军装甲兵学院，北京 100072）

1 装备体系火力协同技术概述

装备体系火力协同，是指拥有体系化作战能力的合成部（分）队，为协调一致地完成某项作战任务，依据综合战场信息，优选出最佳行动方案，实现多个（种）武器平台对多个（种）目标合理协同打击，以使作战效益最大化的过程。装备体系火力协同技术（Fires Cooperation Technology，FCT）则是为实现上述过程所运用的相关系统性方法，其基本流程如图1 所示。

图1 装备体系火力协同技术实现过程

装备体系火力协同技术是由早期的武器- 目标分配（Weapon-Target Assignment，WTA）技术发展而来。但在WTA 问题提出之初的10 余年间，由于武器装备的信息化程度不高，指挥信息系统功能不完善，特别是由于计算机性能和计算方法的限制，WTA 技术主要用于制定作战计划和指挥军官的日常训练。20 世纪70 年代至90 年代的20～30 年中，随着需求的提升和各方面限制条件的改善，关于WTA 技术的研究成果日臻增多，并在防空导弹对空中目标的火力分配、飞机火力对海面舰船目标，以及地面固定目标的分配等一些领域中取得了实际的作战应用，但仅限于对中小规模的目标进行火力优化分配。近10～20 年中，随着多种侦察装备、多种侦察手段的实际运用，综合侦察能力大大增强，战场态势几乎透明化，这为火力方案的提前筹划提供了坚实基础；合成化部（分）队多种武器装备的协同运用、战争节奏的加快，特别是随着计算机性能、计算技术水平和武器装备信息化程度的大幅提高，以及指挥控制系统与战术互联网的普及，为求解中大规模火力优化分配问题、提高战场指挥控制自动化水平，既提出了更高的现实要求，又提供了实现的可能。这时，装备体系火力协同技术就应运而生了。

装备体系火力协同技术，现已成为保证数字化合成部（分）队充分发挥作战潜能、获得最大作战效能的综合性技术。它具体包括目标威胁/打击价值评估、建立火力优化模型、求解模型获得火力优化方案、目标毁伤/打击效果评估等多项关键技术。目前，已有众多学者对上述关键技术进行了探究，并取得了一系列的研究成果。本文在对相关成果进行梳理总结的基础上，对装备体系火力协同技术的发展运用进行了展望。

2 目标威胁评估

目标威胁评估，是基于数字化装备自身获取或指挥控制系统提供的战场态势信息，特别是敌目标的火力性能等各种威胁因素，对敌目标威胁进行的综合评价与排序。

从评估的对象来看，目标威胁评估可分为多个单目标威胁评估和集群目标威胁评估两类；从评估的方法来看，目标威胁评估可分为集中式威胁评估和分布式威胁评估。从现有的文献资料来看，已有的目标威胁评估多采用集中式的方法，针对同类多个单目标进行研究，而对分布式威胁评估方法和集群目标威胁评估研究较少。利用集中式方法对多个单目标威胁度评估与排序，简称为目标威胁评估。现有的目标威胁评估方法多种多样，但概括起来包括4 个方面：选取评估属性指标、量化属性指标、确定指标权重、建立评估模型或评估算法实现。

2.1 评估属性指标选取

目标威胁指标体系的建立是威胁评估的基础。现代化部队集成着多种不同类型的装备，不同种类目标具有不同的能力属性，应有不同的威胁评估指标体系；其次，同一目标在不同的战场环境，甚至同一战场环境的不同作战阶段，也会因其所起作用不同，威胁评估属性指标也会不相同；再者，同一种类的目标，不同学者从不同角度考虑也会得到不同的评估指标体系。因此，如何选择现代战场目标威胁评估属性，建立相应的评估指标体系，是一项十分复杂的工作。但一般遵循以下通用原则：全面性、独立性、互补性、实用性，以及由简单到复杂的层次分析原则等。

关于目标威胁评估属性的选取，人们针对不同的作战背景，提出了不同的目标威胁评估指标体系。在国内，田秀丽［1］等人在研究航空兵对地空导弹突防作战时，建立了地空导弹对突防飞机的威胁评估指标体系，不仅考虑了地空导弹的多种一般威胁因素，而且考虑了突防飞机所采取的突防战术，提高了空战突防的评估精度。朱昆［2］针对多种战场目标威胁，运用径向基函数神经网络方法获得综合威胁指标体系，并利用矩阵法得到分组排序的结果，满足了无人机协同作战对目标威胁评估的需求。陈金玉等［3-4］根据目标特性变化的相对性和战场态势的动态性，从静态指标、动态指标、环境指标的角度出发，建立了符合陆战场特点的目标评估指标体系，提高了信息化装甲分队目标威胁评估效率。孔德鹏［5］、王增发［6］则对合成分队集群目标的威胁评估指标体系建立、评估算法作了开创性的探索，为战场集群目标的威胁评估研究提供了有益的借鉴。

在国外，Choi J W［7］针对真实战场环境中由于目标侦察识别困难，导致信息获取不充分甚至错误的情况，从目标过去状态指标和现在状态指标两个方面分别构建数据库进行数据融合，提高了在信息不充分的条件下威胁评估的准确性。Johansson F［8］针对空战场的目标动态特性，提出了从距离参数指标、能力参数指标和意图参数指标3 个方面，建立综合评估指标体系，有效提高了空中移动目标的动态评估能力。Claudia S 等人［9］对配有高分辨率侧扫声纳的自主水下航行器（AUV）的成像特点，从图像质量、清晰度、信噪比以及成像的复杂性等指标入手，增强了对水下目标的评估能力。

2.2 属性指标量化

属性指标的量化处理，是指挥控制系统等各类信息系统借助于计算机实现目标威胁度评估与排序的基础。目标的威胁属性指标大致可分为速度、距离等定量指标，火力强度、防护能力等定性指标两类。定量指标是指能用精确数衡量大小的指标，其本身就已经是量化值，本可以直接用于威胁度的评估。但不同的定量指标，往往在数值上差别巨大。为了提高评估的科学性，通常需要对定量指标按照一定规则进行标准化处理，如极差法、效用函数法等。樊胜利等人［10］从人不在环装备作战仿真的角度出发，针对坦克装甲车辆威胁评估指标的量纲不尽相同，量化结果没有可比性的问题，将指标体系划分为成本型和效益型两大类，运用极差法完成了对指标的有效量化。古雪鹏等人［11］为解决电子对抗过程中不同武器装备作战能力指标不可公度性的问题，利用效用函数法对侦查距离、截获时间和测频精度分别采用不同的效用函数模型，对通信对抗作战能力进行了合理的描述，为不同武器装备的作战能力评估打下了基础。

定性指标是指不能用精确数表示，而通常用自然语言描述的指标。目标威胁的定性指标具有模糊性与不确定性，决策者往往采用多级模糊评估语言对指标值进行描述。对于定性指标，通常的量化方法有标度法［12］、隶属函数法［13］、区间数法［14］和Vague 集法［15］等。

2.3 指标权重确定

在多属性评估指标中，各指标的作用往往不同，其相对重要性由指标权重反映，合理地确定指标权重，才能得出合理的评估结果。确定目标属性权重的方法主要有主观赋权法、客观赋权法、变权赋权法、综合赋权法等。

所谓主观赋权法，即由专家给出指标偏好信息，再根据一定的算法准则得到指标权重。目前，层次分析法（AHP 法）和Delphi 法、环比评分法是应用最广泛的主观赋权法。王百合等人［16］对水下多目标威胁因素进行分析和建模，运用层次分析法对指标进行两两重要性比较进而求得指标权重，方便快捷地解决了水下多目标的评估与排序问题。袁秀丽［17］等人融合电子对抗中侦察机和雷达侦测到的辐射源数据，提出一种将Delphi 法和环比评分法相结合的权重确定模型，一定程度上减少了个别专家的主观性，为辐射源威胁等级判断提供了一种新的解决途径。

所谓客观赋权法，主要是依据指标之间的联系程度以及各指标提供信息量的大小，对指标的重要性进行度量，典型的有信息熵法和离差函数最大化法。其优点是不依赖于决策者偏好信息，缺点是确定的权重可能与实际情况并不一致。即出现方法客观，结果并不客观的现象。童奇等人［18］针对传统空战目标威胁评估中权重具有较大主观性和不确定性的缺陷，利用信息熵法建立威胁评估模型，不仅简单有效，而且避免了传统方法的主观随意性。王光辉等人［19］为减少确定目标属性权重时主观因素的影响，提出一种基于离差最大化的空袭目标威胁评估模型，准确客观地反映出空袭目标威胁程度，为空战决策提供了有力支撑。

所谓变权赋权法，是在考虑目标本身性能指标的前提下，根据战场环境、战场态势以及目标状态向量的动态变化，来相应地调整目标各属性指标在整体评估中影响的过程。徐浩等人［20］根据防空反导的作战特点，提出一种基于区间数的变权权重的求取方法，拓展了变权赋权法的应用范围，提高了复杂环境下防空反导指挥决策的适应性。李涛等人［21］针对目前的评估方法在评估过程中会遗漏战场信息的问题，提出了一种综合考虑敌方目标攻击企图的变权评估方法。通过研究属性指标的权值和各个属性要素之间的联系，以及敌方目标的影响，能够获得和战场相适应的动态变化权值。孔德鹏等人［22］考虑了战场态势对目标属性权重的影响，由此提出的目标威胁评估方法，更能贴近实战需求。

2.4 评估模型或评估算法

现有的目标威胁评估模型或评估算法研究涉及到了各军兵种类目标，方法多种多样，成果非常丰富。

Opricovic S［23］提出了VIKOR 法（VlseKriterijumska Optimizacija I Kompromisno Resenje，多准则妥协决策法），该方法能直接对混合型的决策矩阵进行计算，并能综合考虑群体效益的最大化和个体遗憾的最小化，进而确定妥协后的折中方案，具有更好的灵活性和适应性。Metin Dagˇdeviren 等人［24］建立了基于三角模糊数的TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution，理想点法）评估模型，能够通过检测评价对象与最优解、最劣解的距离来进行威胁排序，为模糊环境中的武器最佳选择提供了解决途径。M.K.Allouche［25］针对环境的动态改变导致威胁指标的属性值取值困难的问题，提出一种对运动目标的威胁度进行量化取值的方法。该方法根据一种特殊的神经网络——自组织映射（Self-Organizing Map，SOM）原理，能够从目标运动过程中提取相应的运动特征，进而对威胁指标进行评估量化。N.Okello 等人［26］提出了基于贝叶斯网络的威胁估计方法，该方法利用软决策的原理，对传感器系统收集的信息和运算处理过的数据做进一步的处理，从而得到相应的威胁度信息。N.P.Rao［27］采用模糊逻辑和贝叶斯网络相结合的方法，开发了空战态势估计智能专家系统（ISSAAC），该系统可自动地对评估前端获得的属性指标特征进行处理，并获得目标威胁度信息和评估排序结果，为飞行员在高不确定性和高时间压力下作出快速的动态决策提供有力帮助。P.Gonsalves［28］通过对遗传算法的研究分析，并综合模糊推理的方法，研制出一种用于威胁评估的专用处理器，有效提高了目标威胁评估的实际效果。张堃等人［29］为提高空战中动态评估能力，采用直觉模糊熵（IFE）和动态直觉模糊法相结合的方法，建立动态空战威胁评估数学模型，模型在考虑当前时刻目标状态基础之上融合了之前若干时刻的目标信息，大大增强了空战动态威胁评估的合理性。代强伟等人［30］针对电磁目标威胁评估中的不确定性和模糊性的问题，利用云模型能够实现定性与定量转换的优势，设计出云推理算法系统，消除了数据的不确定性对最终结果的影响。傅蔚阳等［31］为了提高目标威胁度评估的预测精度，利用反向学习策略改进灰狼算法（OGWO）并对小波神经网络（WNN）进行优化从而建立OGWO—WNN 目标威胁评估模型，该模型拥有较好的预测精度和泛化能力，为预测目标威胁大小提供了一种新的解决途径。

3 火力协同优化模型

装备体系火力协同模型的初级形式是20 世纪50 年代Manne A S［32］提出的“武器-目标分配”模型，即WTA 模型。此后，人们根据不同作战需要，不断地对WTA 模型进行改进和完善，形成了多种火力优化模型。Hosein 等人［33］提出了静态火力分配模型（Static Weapon-Target Assignment，SWTA）和动态火力分配模型（Dynamic Weapon-Target Assignment，DWTA）的概念，并建立了常规的火力优化分配模型。在20 世纪90 年代，美国国防分析研究所（Institute for Defense Analysis，IDA）［34］针对武器攻击的代价及效益等问题，亦即战场火力分配问题，提出了改进的武器优化与资源需求模型（Weapon Optimization and Resource Requirements Model，WORRDM）。随着C4ISR 的推广应用，IDA 又提出了作战资源分配模型（Engagement Resources Allocation Model，ERAM），从而更好地适合信息化作战。王正元等人［35］以坦克交战为背景，从影响打击目标的条件出发，建立了坦克作战过程的动态火力优化分配模型，并提出了一种简单求解方法。蔡怀平等人［36］通过约束优化方法建立了动态火力分配模型，模型需要满足动态武器目标问题的约束条件，即约束规划问题。唐苏妍等人［37］通过对分布式火力协同分配问题的研究，提出了基于合同网协议的火力分配求解方法。通过作战想定，分别从多属性角度与传统算法进行了对比分析，说明了该方法的有效性。费爱国等人［38］基于多智能体拍卖算法，提出了一种分布式多机协同火力分配方法。该方法综合了武器攻击代价和作战效益，能在更短时间内获得较为合理的火力协同分配结果。李平等人［39］以导弹作战的费效比为目标函数，以目标毁伤要求作为约束条件，建立了武器-目标协同火力分配模型，具有较强的可操作性。汪民乐等人［40］针对传统火力分配模型只是单纯追求物理毁伤效果的最大化而没有综合考虑物理、功能及心理毁伤的缺陷，引入射击有利度这一概念对传统模型进行改进，建立了基于效果作战的导弹火力最优分配模型，有力提升了常规导弹的打击效果。

目前，火力协同优化技术，已受到各军事大国的重视，装备体系火力协同优化模型正逐步成为一个重要研究方向。

4 火力协同模型解算方法

早在20 世纪80 年代，Lloyd S P 等人［41］业已证明火力优化分配问题是NP（Non-determinstic Polynomial）完全问题，求火力优化分配问题的最优解所需要的计算时间，将随着问题规模的增加而成指数增长。传统的求解算法如隐枚举法、分支定界法、割平面法、动态规划法等，已无法满足现代大规模火力问题求解，促使人们寻求更高效的计算方法——智能计算方法。智能算法在解决大空间、非线性、全局寻优、组合优化等复杂问题时拥有巨大的优势。

毛艺帆［42］针对现在武器-目标分配过程中效率较低，属性指标较为分散的问题，提出了一种改进的人工蜂群算法。通过对编码和约束条件的设计，增强了局部搜索能力，保证了所求分配方案的全面性，而且比传统的武器-目标分配方法运算速度更快。杨飞等人［43］提出了用粒子群优化算法求解武器-目标分配问题。在求解过程中利用相似度函数重新确定相对距离和目标速度等因素，进而提出其速度更新的算法和寻优操作方法，提高了其运算速度和分配效率。董朝阳等人［44］针对一般遗传算法存在进化慢且易早熟的缺点，提出基于父代染色体相似度的启发式遗传算法，对父代染色体的交叉、变异操作有更强的针对性，在求解航空兵编队对地攻击WTA 模型时具有更高效的寻优能力。肖中晖等人［45］在蚁群算法的基础之上，利用二元性能指标强化诱导人工蚂蚁进行搜索，提出了基于指标的蚁群优化算法（IBACO），在解决火力分配问题上和传统蚁群算法相比具有更好的收敛特性。吴坤鸿等人［46］在经典遗传算法的交叉算子中引入模拟退火算法，提出了一种分布式遗传模拟退火算法，能够在一定程度上避免出现局部最优，较好地保持算法广度和深度搜索平衡。张滢等人［47］针对DWTA 模型的特点，将禁忌搜索和拥挤距离策略进行融合，提出一种改进分解进化算法，提高了DWTA 算法的收敛性和多样性。刘洪引等人［48］在经典人工免疫算法的基础上，将抗体群分为优选和随机抗体群两大类对人工免疫算法进行改进，能够防止算法提前进入局部最优并能提高寻优速度，具有较好的可行性。

5 目标毁损评估

目标毁伤评估主要是针对目标作战能力损失程度的评价，是对目标在遭遇火力打击之后的毁伤状态的综合评估，是构成火力协同控制回路的关键一环，是决策者判断打击效果以及规划下一步行动的重要参考。它的实现思路与目标威胁评估类似，亦即在建立目标能力属性指标体系、确定能力属性权重的基础上对目标的作战能力损失程度进行评价。

早在二战时期，目标毁伤评估已经应用于战场。美军利用照相侦察机对攻击前和攻击后的战场情况进行拍照比对，以供指挥员决定是否还需要二次打击以及打击的强度。1987 年，美陆军出版了一系列技术手册（TM）［49］，其目的是为战场损伤评估与修复（BDAR）的实战应用提供指导说明，以在作战供应未完全建立时及时评估和修复武器损伤，使武器系统尽快投入战斗。美国陆军研究实验室（ARL）［50］在2004 年发起了一项爆炸冲击闪光特征的研究，旨在根据爆炸后闪光的不同找出有用的线索，从而揭示谁发射了弹药，以及是否对目标进行了击中和穿透，为装甲装备快速战场毁伤评估提供一种新的手段和思路。Fatih Kahraman 等人［51］利用自相似性描述器（self-similarity descriptor）检测战前和战后受损建筑物的卫星图像，并融合建筑物周围环境的背景模型来提高检测的精确程度，该方法已经成功用于2014 年以色列和巴勒斯坦冲突后的加沙地带的毁伤评估，获得了较高的准确率。

国内的目标毁伤评估起步晚于西方，近年来发展迅速且成果丰富。宋琳等人［52］针对当时用简单的几何图形确定导弹命中域缺乏科学性，无法对导弹毁伤效果进行评定的问题，提出用计算机仿真命中域，并对目标易损性和战斗部威力进行分析，建立了导弹毁伤能力评估模型，为后续的研究提供了借鉴和指导。21 世纪初，杨玉林等人［53］为了将复杂的毁伤系统进行简化，详细论述了毁伤评估的相关基本概念，并给出了目标毁伤等效靶的定义，大大简化了毁伤分析的难度。卢厚清等人［54］为探索实现战场目标毁伤评估的自动化处理，建立了一个基于分布式作战仿真平台的毁伤评估系统，该系统具有通用性、开放性、可移植、易升级的特点，为目标毁伤评估走向实战面向战场作了一次有益探索。现阶段，毁伤评估研究主要集中在毁伤模型的建立和方法的运用上，如粘松雷等人［55］建立了基于D-S 证据理论的编队防空武器毁伤效果评估模型，沙兆军等人［56］建立了多用途子母弹对巡航导弹的毁伤评估模型，谢宇鹏［57］建立了一种基于马尔可夫过程的反辐射导弹对舰载雷达系统毁伤模型。张成等人［58］在建立空军基地毁伤效果评估指标体系的基础之上，提出了基于云重心评判法的目标毁伤效果评估方法，曲婉嘉等人［59］在对雷达阵地进行毁伤评估时，提出了基于GA-动态BP 神经网络的评估方法，李其然等人［60］提出了一种基于动态贝叶斯网络的毁伤评估模型，填补了民用机场空袭毁伤评估的空白。这些模型和算法有效提高了毁伤评估的时效性、可靠性和准确性，对辅助作战指挥员快速准确地指挥决策具有重大意义和价值。

6 发展趋势

随着合成化成为军事强国军队建设的标准，合成分队成了部队作战的基本单元，装备体系火力协同技术将成为未来战争取胜的必然之需。尽管已有诸多学者对火力协同的各关键技术展开了深入研究，并取得了丰硕的成果，但装备体系化作战必将对火力协同技术提出更高的要求。首先，须有系统性思维，既要认真研究各关键技术，又要注重各关键技术间的联系，将各关键技术放在统一框架下研究。其次，未来战场目标种类日趋多元化、战场环境日趋复杂化，火力协同技术不仅要考虑同一种类目标间的协同，更要考虑多种武器对多种目标间的协同，以及不同军兵种分队间的协同。再者，要注重各关键技术，特别是评估技术的工程化实现方法。这些主要通过以下途径来实现。

1）在现有目标威胁（打击价值）评估方法的基础上，重点开展分布式目标威胁评估方法和集群目标威胁评估的研究。化繁为简地解决多种类目标评估的理想途径之一就是分布式评估方法，而集群目标的整体评估是理解战场态势，进行兵力部署、寻求恰当支援火力的重要依据。

2）积极开展目标打击价值评估研究。目标打击价值评估更具有实战意义，目标打击价值评估不仅要考虑目标对我的直接威胁性，还要考虑目标对我的间接威胁性或对敌的有用性，以及我方对目标的毁伤概率等［61］。如武装直升机虽然对我坦克构成极大威胁度，但坦克很难击毁武装直升机，因此，武装直升机对我坦克没有打击价值；再如敌指挥所，虽然其对我方武器装备的毁伤能力较小，但其对敌的作用相当大，因此，其打击价值就大。可见，目标打击价值评估的属性指标应该多于并涵盖目标威胁评估的属性指标。虽然两者的其他评估过程与方法应该基本一致，但根据实战需求的相关差别化研究也将必不可少。截至目前，关于目标打击价值评估的研究还不多见，因此，目标打击价值理应成为评估研究的下一个重点。

3）在现有武器目标分配模型的基础上，重点开展装备体系火力协同模型的研究。现有的火力优化运用模型，大多集中于单类目标。但合成部队作战本质上是多兵种多装备的协同作战，为此，不仅需要研究不同指挥层级间主从决策模型，而且需要研究不同军兵种的同级分队或火力平台间的火力协同决策模型等。

4）寻求符合解算NP 问题特点、运算效率更高的智能化算法。一方面，随着武器种类、目标种类的增多，火力协同模型的复杂度上升，求解火力协同模型的计算量增大；另一方面，只有提高获得火力协同方案的实时性，才能把握稍纵即逝的战机，先敌一步打击致胜。

5）进一步开展毁伤评估的研究。毁伤评估不仅是对目标打击效果、战场态势评判的依据，也是我方战场应急抢修、作战力量调整以及指挥员下一步作战决策的依据，是构成火力协同优化控制必要的反馈环节。

6）开展深度学习技术在目标威胁评估、打击价值评估、毁伤评估上的应用性研究。深度学习作为机器学习的最热门领域，受到了众多业内外人士的追捧和关注［62］，在计算机视觉方面更是体现出无可比拟的优势。将深度学习应用到目标威胁评估、打击价值评估、毁伤评估中，通过对战场海量图像特征（包括深度信息）的提取和自学习，实现对被评估对象的自动评估与分类处理，避免了传统评估方法必须遵循的系列评估步骤，从而提高战场评估的实时性和准确度。可以预见，深度学习方法势必成为评估方法研究中的一个重点或突破点。