无人机集群协同侦察任务效能评估方法研究*

齐智敏 张海林 杨鹏飞

（军事科学院战略评估咨询中心 北京 100091）

1 引言

随着人工智能、大数据、物联网、脑科学等新兴技术的发展，智能化战争概念和无人化作战理念不断深化，战争形态正悄然发生改变。智能无人系统不再只是单纯的作战工具，而成为具备自主能力的战争主体，将在未来战争中发挥至关重要的作用。由大量较低成本、功能单一的无人机构建成高效协作、自组织、稳定的分布式作战集群，能够克服单一无人机的能力缺陷，有效提高无人机的生存能力，丰富无人机战术战法，成为各国研究无人机作战运用的主要样式。世界各国从无人机集群装备研发、自主组网、集体决策、分布式感知、可靠与弹性通信、分布式计算与分析等方面，开展了大量研发工作。如美国通过国防高级研究局（DARPA）等机构相继展开了系列无人机集群项目，包括小精灵Gremlins、拒止环境中的协同作战CODE、山鹑Perdix、低成本无人机集群技术LOCUST等［1］。

相对于无人机集群作战相关装备与理论的快速发展，无人机集群效能评估方面的研究相对滞后。关于无人机集群作战效能方面的研究主要有：文献［2］使用DoDAF 从体系高度构建了无人机协同作战指标体系，将能力指标分为量纲指标和概率指标，运用ADC 法计算了效能值。文献［3］定义了效能影响因子模型，得出了携带不同任务载荷无人机群的协同作战效能计算模型，并给出了基于启发式整数规划的模型求解方法。文献［4］在ADC 法基础上加入了作战保障能力系数，并采用了定量加定性的评估方法。文献［5］运用协同系统综合指数模型，形成了一种面向典型任务的有人/无人机协同效能评估方法。

准确的效能评估方法和结论能够为无人机集群作战理论研究提供支撑，是开展各项无人机集群作战研究的基础。论文借鉴武器装备关键作战问题（COI）效能评估方法［6］，建立了智能无人机集群“作战任务-预期效果-智能无人机群能力属性-智能无人机群效能指标”映射关系，探索了一种基于预期目标的智能无人机集群作战任务效能评估方法。

2 指标体系构建

本文从无人机集群执行侦察任务所需运用的基本能力出发，细化分解形成能力要素，构建了评估指标体系［7～9］。指标体系共分为三层：综合能力层、基础能力层和要素层。综合能力层主要分为平台基本能力和集群协同能力两部分。平台基本能力是指单无人平台根据其性能配置，所具备的独立遂行任务的能力。集群协同能力，是指多平台之间自主协同，涌现产生的组合能力。基础能力层是指形成综合能力所需的各分项能力，将平台能力划分为基本性能、环境适应能力、数据通信能力、生存能力和侦察能力。要素层，是基本能力细化分解的可量化的基本构成要素。如图1所示。

图1 智能无人机集群侦察任务效能评估指标体系

3 评估方法研究

无人机集群作战任务效能与集群组成、载荷配置、协同水平等因素紧密相关。借鉴武器装备关键作战问题（COI）效能评估方法，研究提出智能无人机集群作战任务效能评估分解模型。

智能无人机集群作战任务效能评估方法用于建立智能无人机集群作战要素指标与其完成作战任务的效能之间的关系，评估智能无人机群完成作战任务、达到预期效果的水平。智能无人机集群作战任务效能评估分解模型从无人集群的作战任务出发，层层分解最终落实到智能无人机集群作战效能评估指标，然后从评估指标结果自下而上评估其作战任务效能，实现作战任务完成程度到智能无人机群体作战效能评估指标的映射和追溯，分解关系可分为任务层、属性层、指标层三个层级。模型框架如图2所示。

图2 评估模型框架

主要步骤如下：

1）从无人机的作战任务出发，通过作战任务分析，对作战任务进行层层分解，提出完成作战任务的关键作战问题，形成任务目标。

2）梳理完成作战任务的预期效果，从实现作战目标需达到的预期效果、达到预期效果需要无人机集群具备的能力属性、衡量能力属性需要哪些具体指标等角度，逐层将作战任务能力分解到智能无人机集群作战效能评估各级指标体系各指标项中。

3）建立“作战任务-预期效果-智能无人机集群能力属性-智能无人机集群效能指标”的各级映射关系，并从评估结果聚合形成智能无人机集群作战任务效能评估结论。

智能无人机集群作战任务效能分解过程如图3所示［10］。

图3 作战任务分解过程

图中可以看出作战任务分解到智能无人机集群作战效能评估指标的基本原理，并建立了分解映射矩阵。即“作战任务-期望效果”分解映射矩阵为。“期望效果-能力属性”分解映射矩阵为。“能力属性-效能指标”分解映射矩阵为。各映射矩阵满足如下条件：

式中，ws，wx，wz分别表示分解映射权重。以“作战任务-期望效果”分解映射矩阵为例，式（1）表明当期望效果与侦察任务完全不相关时，权重均为0，当期望效果与作战任务相关时，需根据相关的期望效果的数量分配相应的相关度权重。评估中，建议采取专家评价法确定指标及权重值。

4 评估案例分析

侦察任务效能，用以衡量无人机集群的战场态势感知、目标发现、目标定位、目标识别等能力。无人机在战场执行巡逻监视、目标搜索、火力引导、效果评估等相关作战任务时，均涉及侦察任务效能［11］。根据侦察任务效能评估指标体系所列，侦察任务能力由基本性能、环境适应能力、数据通信能力、生存能力、侦察能力、协同能力等基础能力构成。

按照智能无人机集群作战任务效能评估分解模型评估步骤如下。

4.1 构建“作战任务-预期效果”映射矩阵

首先是构建“作战任务-预期效果”映射矩阵，构建过程应从作战角度充分考虑完成该任务想要达到的预期效果，并考虑预期效果与作战任务目标的一致性。构建的关键是获取正确的关联信息，该过程可以通过专家或权威信息获取。

构建原则：预期效果数量大于或等于作战任务目标数量，每个作战任务的目标都至少可以对应一个预期效果，每个预期效果都至少可以对应一个作战任务目标。

1）通过专家咨询或权威文献收集群体侦察的任务目标和预期效果。

侦察任务目标：确保自身安全、迅速完成侦察任务，获取侦察情报。侦察预期效果：避免被敌侦察装备发现、科学规划侦察航线、精准定位目标位置、正确分析目标性质。

2）通过层次分析法获取映射矩阵权重。得到群体侦察任务“作战任务-预期效果”映射矩阵，如表1所示。

表1 集群侦察任务“作战任务-预期效果”映射关系

得到映射矩阵如下：

4.2 构建“预期效果-能力属性”映射矩阵

按照相似的思路进一步对期望效果和智能无人机集群能力属性进行分解映射。智能无人机群能力属性描述为了达到预期效果，智能无人机群应具有的定性或定量的属性，主要是无人机群的行为和能力描述。例如：目标侦察的实时性和准确性等。

构建分解映射矩阵原则：每个预期效果至少有一个能力属性与之对应。构建步骤如下：

1）通过专家咨询列举与完成作战任务相关的智能无人机集群作战能力属性。

2）通过层次分析法获取映射矩阵权重。得到群体侦察任务“预期效果-能力属性”映射矩阵。

映射关系如表2所示。

表2 “预期效果-能力属性”映射关系

得到映射矩阵如下：

4.3 构建“能力属性-效能指标”映射矩阵

智能无人机群效能指标，用来定量或定性衡量智能无人机群属性。在建立映射矩阵时适当对指标体系进行裁剪，保留与作战任务相关的指标项［12］。以示例形式给出映射关系和映射矩阵如表3所示。

表3 “能力属性-效能指标”映射关系

得到映射矩阵如下：

至此，我们可以通过映射矩阵Z，X，S，并通过指标项的评估结果，反向追溯得到作战任务能力评估结果。若无人机平台和群协同指标项评估结果（采取10分制）为P=[9 7 8 8 5 2 8 4 6]T，则可以得出智能无人机集群侦察任务三个关注任务目标的计算结果为

[RT]3×1=S3×4X4×11Z11×9P9×1

5 结语

通过构建“作战任务-预期效果-能力属性-效能指标”的逻辑分析链路，理清无人机集群执行作战任务时，“需要达到的目标”、“需要具备的能力”及“具体的效能指标”之间的关系，构建从指标到任务的评估模型，进而改变以往脱离任务评效能的问题，实现基于任务的效能评估理论方法，提升无人机集群作战效能评估的针对性和科学性。