基于多Agent 的装甲装备动用与维修保障过程仿真*

李东京，王 兵*，秦智勇

（1.陆军装甲兵学院，北京 100072；2.陆军装备部，北京 100072）

0 引言

军队规模结构和力量编成调成后，装备管理呈现一体化的发展趋势，已由传统的按照兵种装备、实施专业保障，向按照管理业务、实施综合保障转变。当前部队军事训练任务繁重，装备动用十分频繁，如果装备动用计划安排不合理，将会直接导致装备梯次储备不均匀，装备送修时间过于集中，无法及时恢复装备技术完好状态，降低装备完好率水平，从而严重影响军队持续完成不同阶段的军事训练任务。因此，做好装备动用的科学调控和效能评估，不仅是制定装备维修计划、提高装备完好率的重要前提，也是实现器材精确化保障、减少浪费的现实需求，具有重要的军事和经济意义。

装备动用与维修相互影响、相互制约，运用仿真技术模拟装备动用与维修保障过程，能够准确反映系统的动态与随机过程，节省大量经济和时间成本，成为当前诸多学者的研究热点。诸多学者对此进行了深入研究。李羚玮等建立了装备动用与维修的概念模型，使用C++语言对装备动用与保障效能进行了仿真评估［1］；李京峰等针对不同强度飞行计划不同资源配置条件下，利用Anylogic 软件对飞机维修保障资源运用过程进行了仿真研究［2］；曹军海等采用面向对象Petri 网的方法，对装备动用业务流程进行了建模与仿真研究［3］；杜海东等根据部队维修作业过程，设计了维修任务生成和维修保障系统建模方案，结合备件调度和保障设备使用过程，对维修保障评估系统进行了仿真建模研究［4］；曹军海等构建了复杂装备维修车间仿真模型，探究了装备维修计划、维修保障模式等对“平均维修保障时间”“人力资源满足率”等指标的影响［5］；尹丽丽等提出了基于多Agent 的装备保障体系的仿真建模方法，并利用JADE 开源平台设计并实现了基于多Agent的装备保障体系分布式仿真软件原型系统［6］。

本文针对装甲装备的动用与维修过程，运用Anylogic 软件建立多Agent 的仿真模型，通过装备动用计划、部件故障函数以及Agent 之间的交互，实现对装甲装备动用与维修过程的仿真，并评估装甲装备动用和维修效能，预测装备器材消耗数量。以上研究以不同目标为导向对装备动用与维修保障开展了仿真研究，实现了针对特定目标的评估优化，为装甲装备动用与维修过程仿真提供了思路，但缺乏对整个装备动用与维修过程的系统研究，且难以得出保障效能评估指标在任意时刻的分布情况和评价值。因此，本文以装甲装备动用与维修过程为研究对象，基于Anylogic 平台，采取多Agent 建模与仿真方法，自底向上建立装甲装备动用与维修过程仿真模型，对多个保障效能指标进行全过程仿真评估，并针对性优化相关参数，开展仿真验证，为装备动用管控与维修保障资源配置提供参考。

1 装甲装备动用管控与维修过程分析

装备动用一方面为作战、训练任务的完成提供装备，另一方面牵头主导了整个装备保障工作，直接决定了装备预防性维修的开展时间，以及装备器材保障的时间和数量等。如图1 所示，部队通常根据年度训练任务制定装备动用计划，然后根据装备动用计划制定装备维修计划，预测器材需求数量，制定器材申请计划。

图1 装备动用与维修计划制定流程Fig.1 Equipment employment and maintenance plan formulation process

1.1 装甲装备动用管控分析

装备动用管控是对装备资源的科学调控，以确保始终有足够数量技术状况完好的装备，保障部队完成各项军事任务的需要。因此，装备动用管控解决的是装备资源与部队任务如何科学匹配的问题，它是部队完成各项军事任务的重要保证。

装甲装备动用管控，主要通过装备完好率和装备寿命储备等指标衡量部队装备质量和持续作战能力，采取战教区分的管理方式满足部队战备任务和训练任务需求。战教区分即按照一定比例将各型号装甲装备区分为战备车和教练车，战备车主要保障部队完成战备任务，教练车主要保障部队完成日常训练任务［7］。另外，本文将教练车根据储备寿命由低到高形成梯次，按一定比例分为重点用车、一般用车和控制用车，以合理调配装备的动用，产生适时适量的送修装备，使部队年度内消耗摩托小时和生产摩托小时基本保持一致［8］。

1.2 装甲装备维修过程分析

装甲装备维修规划基于装备运行时间，以恒定的装备动用时间为间隔，对系统内各部件进行预防性维修和更换，不考虑各部件的实际使用年龄（寿命）；若部件在预防更换时间节点之间发生故障，则进行修复性维修［9］。

结合实际，装甲装备通常以开机消耗的摩托小时为依据判断大修、小修的时机，进行相应的预防性维修活动。小修是指通过更换或修复个别零部件对装备使用过程中的一般故障和轻度损坏进行修理；大修是对装备进行全面拆卸和故障检查，更换和修复全部不符合技术标准和要求的零部件，消除缺陷，使装备达到或接近新品标准。若装备未使用到规定的修理间隔期限出现小修范围内的损坏、故障时，进行检修。装甲装备全寿命周期维修活动如图2 所示。

图2 装甲装备全寿命维修活动Fig.2 Full-life maintenance activities of armored equipment

2 基于多Agent 的装甲装备动用与维修过程建模

Anylogic 软件为离散事件、多智能体、系统动力学，以及混合系统建模与仿真提供了便捷灵活、直观清晰的仿真环境。装备动用与维修过程比较复杂，因此，本文运用多智能体建模的方法，构建部件Agent、装甲装备Agent 和控制台Agent 3 类智能体模型，通过计划表和消息实现对智能体的控制和交互，对装甲装备动用与维修过程进行仿真。

2.1 装备动用与维修过程建模

装备动用与维修过程要明确装备动用计划，根据动用计划判断任务类型，选择一定数量技术状态良好的装甲装备执行任务。执行任务前检查装备寿命储备状况，判断是否需要送修，若装甲装备执行任务过程中出现故障，则进行检修，更换故障部件。本文采取工分制装备动用策略，重点用车、一般用车、控制用车每动用1 摩托小时分别得1 分、1.5分、2 分。任务下达后，按累计工分按由小到大次序排序，依次进行动用，累计工分相同的装备以储备时长低者先动用。装备动用与维修具体流程如图3所示。

图3 装备动用与维修流程Fig.3 Equipment employment and maintenance process

2.2 仿真模型整体设计

多Agent 技术是一种自底向上的建模方法，能够对现实智能行为主体进行抽象建模，聚合每个独立且具有自己行为规则的智能体，实现相互之间复杂的交互关系。根据系统功能要求，本文多Agent 建模从器材层面开始，分析实体装备部件的组成结构、故障参数及行为交互规则，通过模型封装将部件Agent 聚合为装甲装备Agent 的系统级单元，进而与其他装备属性、行为交互规则组成单个装甲装备Agent。重复上述步骤，完成部队装备层面实体模型构建。构建控制台Agent 对所有装甲装备进行控制和调动，开展相应的装备动用任务和维修活动。模型体系架构与功能设计如图4 所示。

图4 多Agent 模型体系架构与功能设计Fig.4 Multi-agent model architecture and functional design

按照设定的装备动用策略，多Agent 仿真系统通过装备动用计划牵引，利用消息实现各类Agent的连接和交互，实现装备动用与维修过程仿真，动态记录装备状态信息，为装备动用与维修保障评估计算提供基础输入，准确刻画部队装备完好率、储备度及预防性维修数量等评估指标。仿真系统运行流程如下页图5 所示，完成模型初始配置后进入仿真循环，具体步骤如下：

图5 仿真系统运行流程图Fig.5 Operation flow chart of simulation system

Step 1：根据动用策略，对所有非在修的教练车进行积分排序，选取本次训练的动用装备。

Step 2：检查所选取装备的寿命储备时长，判断是否需要进行预防性维修。若为真，进一步判断预防性维修类型并送修，然后重新选取动用装备；否则，动用该装备执行本次训练任务。

Step 3：执行任务过程中，检查装备状态。若故障件数量达到系统损坏限度，则进行检修，认定本次任务失败；否则任务成功，本次任务结束。

Step 4：仿真时钟推进，更新所有部件Agent、装甲装备Agent 状态，重复步骤Step 1～Step 4。

2.3 多Agent 模型构建

2.3.1 控制台Agent 模型

根据动用计划“Plan”，控制台Agent 每日触发“checkstate”和“Dailytask”模块，检查装备状态并触发动用任务，通过“choose”模块对装备累计工分进行排序并选取动用装备，利用消息控制装甲装备Agent 执行任务和开展预防性维修。在Anylogic 仿真软件中，控制台Agent 模型如图6 所示。

图6 控制台Agent 模型Fig.6 Console Agent model

2.3.2 部件Agent 模型

装甲装备通常配备k/N（G）系统，以提高装备系统的可靠性［10］。该系统部件数量很多，单一部件故障并不会影响系统的性能，只有部件故障数达到一定数量时，系统才会停止运行。若系统故障，装备则进行检修。部件Agent 初始处于空闲状态，收到“startwork”消息后进入工作状态，工作2 h 后检测是否损坏。若部件损坏，则更新装备故障件总数并判断系统是否故障，如果系统故障，则向装备Agent 发送“jianxiu”消息；否则，部件仅更新工作时长。在Anylogic 仿真软件中，部件Agent 仿真模型如图7所示。

表1 控制台Agent 属性释义表Table 1 Console Agent attribute interpretation table

表2 部件Agent 属性变量释义表Table 2 Interpretation table of component Agent attribute variables

表3 装甲装备Agent 属性释义表Table 3 Interpretation table of Agent attributes of armored equipment

图7 部件Agent 模型Fig.7 Component Agent model

2.3.3 装甲装备Agent 模型

装甲装备Agent 初始处于空闲状态，当收到“training”消息后，向系统内所有部件发送“startwork”消息进入工作状态，然后根据任务类型更新装备寿命和积分，工作中如果收到“jianxiu”消息则进入“j_repair”状态，更换故障部件，到时后返回空闲状态；若装甲装备Agent 收到“big”消息则进入“b_repair”状态，更新所有部件后开展考核性动用，到时返回空闲状态并进行战教转换；若装甲装备Agent 收到“small”消息则进入“s_repair”状态，仅更换故障部件后开展考核性动用，到时返回空闲状态。在Anylogic 仿真软件中，装甲装备Agent 仿真模型如图8 所示。

图8 装甲装备Agent 模型Fig.8 Armored equipment agent model

3 仿真实现与结果分析

3.1 模型初始设置

使用Anylogic 仿真软件时，假设某型装甲装备系统内部件数量共20 个，当部件故障数达5 个时，装备发生故障，部件故障函数服从=0.001 的指数分布。设定其大修间隔期为1 500 摩托小时，小修间隔期为300 摩托小时，大修、小修、检修时间分别为60 d、14 d 和3 d。初始化某型装甲装备共100 台，其中，战备车60 台，储备时长（1 200，1 500）均匀分布；控制用车20 台，储备时长（800，1 200）均匀分布；一般用车10 台，储备时长（400，800）均匀分布；重点用车10 台，储备时长（0，400）均匀分布，初始累计工分均为0。仿真模型时间单位为1 d，仿真时长5年（约1 825 d），设定初始装备动用计划表如表4 所示。

表4 装备动用计划表Table 4 Equipment employment schedule table

3.2 仿真结果分析

按照上述初始模型配置和参数设置，仿真结果如图9 所示。

图9 模型初始仿真结果Fig.9 Initial simulation results of the model

图9（a）展示了装备完好率、战备车储备度和教练车储备度日变化曲线。从图中可以看出，在日常训练阶段，装备完好率保持在0.9 以上，在演习阶段会急剧下降至0.8 以下；战备车储备度一直保持较高水平，教练车储备度前期呈现降低趋势，第4 年开始有所提升。分析原因：1）日常训练阶段每周装备动用80 mh，演习阶段每周装备动用1 120 mh，演习阶段训练强度远高于日常训练阶段，装备动用数量与任务时长过多，导致装备送修时间集中，装备完好率下降；2）第1～4 年随着大修装备返回，部分储备度较高的战备车转换为教练车，使得教练车储备度有所提升。

图9（b）展示了检修、小修和大修在修装备数量日变化曲线。从图中可知，检修、小修、大修的在修峰值分别为20 台、15 台和5 台。经统计，5 年内累计大修装备40 台，小修123 台，检修次数1 284 台。不难发现：1）每年演习阶段检修、小修的在修装备数量骤增，达到年度峰值，是引起装备完好率骤降的主要原因；2）装备送修时间的分布不均匀，各级修理机构存在忙闲不均的情况，尤其是演习阶段维修压力巨大，难以保证及时高质量修复；3）年均大修装备8 台，即年均生产12 000 mh，大于年均消耗8 320 mh，收大于支，装备总储备时长增加。

以上仿真结果表明，当前的装备动用管控策略和维修保障效能，对装备完好率和储备度具有一定的调节能力，满足日常战备任务和训练任务要求，但难以适应演习阶段的任务强度，需要进行针对性调整。

对此，改善方法主要有两个方面：

1）调整装备动用计划，在年度装备动用时间不变的情况下，增加日常训练任务时长，降低演习阶段的任务强度。在仿真模型中，可以通过调整装备动用数量和任务时长，将日常训练阶段从每周消耗80 mh 增加至120 mh，演习阶段每周消耗从1 120 mh 减少为640 mh，仿真结果如图10 所示。

2）加快装备维修的速度，缩短装备维修时间，提高装备维修效能。在仿真模型中，修改装备维修时间参数，将小修、检修时间缩短为7 d、1 d，仿真结果如图11 所示。

图11 缩短小修、检修时间后模型仿真结果Fig.11 Model simulation results after shortening the minor repairs and maintenance time

与初始仿真结果相比，可以看出装备完好率和教练车储备度有了明显的提高，演习阶段装备完好率保持在0.8 以上，教练车储备度在0.6 以上，装备检修、小修的在修峰值也有所下降。其中，图10 反映出训练任务强度是影响装备完好率与储备度、装备维修数量的重要因素，通过调整装备动用计划，控制训练任务强度，能够改善装备完好率等指标。而图11 则表明，加快装备维修速度，提高装备维修保障效能，是改善部队装备完好率的一种重要手段。

通过以上分析主要得到两点启示：

1）制定装备动用计划过程中，应深入了解部队所能承受的训练任务强度，合理安排装备动用数量和任务时长，确保在摩托小时消耗限额内完成规定的训练任务。

2）面对全面加强练兵备战的要求，部队应具备完成高强度训练任务的能力，因此，要提高装备维修保障效能，充分调配维修保障资源，预先组织进行任务调度、人员配置和器材储备，确保装备及时高质量的修复。

4 结论

根据装甲装备动用与维修效能评估需求，结合当前装甲装备动用管控模式和维修方式，运用Anylogic 仿真软件，建立了多Agent 装备动用与维修过程仿真模型，对累计工分制动用策略下的装备完好率、装备在修数量等指标进行了分析，并提出了改善建议，为部队装备动用策略评估、制定装备动用计划和调配维修保障资源提供支撑和参考方法。