考虑作战行动的单兵系统体系贡献率评估

胡灿灿,王亚平,李俊霖,郭 胜,曹 捷

(1.南京理工大学 机械工程学院,江苏 南京 210094;2.中国兵器工业第二○八研究所,北京 102202)

单兵系统是以士兵为平台,集火力、火控、防护、通信、指挥与控制等功能于一体的复杂武器系统,在现代作战环境和任务使命中发挥着重要的作用。信息化条件下的战争态势具有明显的体系对抗特征,装备系统发展论证必须以装备体系遂行任务的贡献率为依托[1],因此准确评估单兵系统在使命任务下的体系贡献率是单兵系统发展的重要依据。

由于不同类型武器装备功能和体系结构的不同,武器装备体系贡献率概念和内涵存在一定差异[2]。早期人们主要从作战能力的提升角度来定义体系贡献率,如文献[3,4]认为装备的体系贡献率是在装备体系和给定的作战条件下,使用该装备后对己方作战体系作战能力提升的贡献程度。后来有学者将装备体系贡献率的涵义进行了拓展[5],把体系贡献率概括为“武器装备(或装备系统)对其有关联的某上层装备体系的发展建设、结构演化、体系能力、作战效能等整体属性的贡献或产生价值的变化率”。目前对体系贡献率的定义基本达成共识:体系贡献率是装备对作战体系或者装备体系,为完成作战任务、满足作战能力需求、体系功能适应性或体系结构优化等所发挥的贡献作用的一种度量。

从文献可知学者们倾向于从作战能力提升的角度进行体系贡献率的分析,由于不同作战任务下有不同作战能力需求值,因此需结合具体作战使命和作战任务开展体系贡献率评估。文献[6]提出了面向多任务的装备体系贡献率评估方法,对装备进行优先发展排序;文献[7]提出了基于OODA的分布协同作战装备编配研究方案,针对不同作战任务进行装备编配。但是对于单兵/班组的作战任务,仅分析作战任务颗粒度过大,不同作战阶段的作战行动对于装备体系的作战能力需求存在较大的差异,有必要基于作战行动开展综合体系贡献率的研究。

目前用于体系贡献率评估的方法,主要包括解析法、证据推理法[5,8]、ADC法[9]、网络分析法[10]、仿真方法等。由于体系贡献率评估指标体系涉及影响因素较多,指标类型也呈现多样性、结构复杂、量纲不统一等特点,加上由于专家的意见不一致和认知不足带来的认知不确定性,如何处理不确定性、不完整性信息是研究的热点。证据推理方法可以减少数据不确定带来的影响,结合专家知识和历史经验,使得评估结果更为可靠[5,11]。

本文从作战能力提升视角,提出了考虑作战活动的两级证据推理评估方法,对典型班组/单兵作战使命进行任务分解和能力需求分析,采用系统建模语言(System modeling language,SysML)描述作战活动与能力的关系,建立单兵系统作战能力评估指标体系,构建了两级置信规则库,采用证据推理获得了作战行动下单兵系统装备体系贡献率。本文研究为指导单兵系统论证与发展提供了依据,也为装备系统体系贡献率评估提供了一种新思路。

1 考虑作战活动的体系贡献率评估流程

采用考虑作战活动下的两级证据推理方法,进行单兵系统体系贡献率评估,流程如图1所示,分为3个步骤:(1)作战任务与能力分解,包括作战任务分解、能力需求分析、作战活动-能力关联关系映射;(2)作战能力评估指标体系构建;(3)基于二级证据推理的体系贡献率计算,包括能力满足度计算、作战活动完成率计算、体系贡献率计算。

图1 单兵系统体系贡献率评估流程

(1)作战任务与能力分解

从武器装备发展目标来看,武器装备建设的目的是应用于实战,完成给予的任务和使命。作战应用中需要完成的任务、使命和战略目标,都可以转换成单兵系统的具体能力需求。

首先进行使命任务分解,通过班组/单兵作战领域分析,建立使命目标和作战任务的联系,将作战任务分解为具有层次性任务结构的子任务[12],后将子任务详细分解至具有时序关系的基本作战活动,得到作战活动模型,最终建立使命目标-作战任务-基本作战活动的关系[13]。然后进行能力需求分析,根据对作战概念、意图、环境和使命任务的分析,明确作战行动的能力需求,并将能力需求细化为具体的子能力需求。分析能力与能力之间的关系,包括能力之间存在的依赖、包含等关联关系。最后建立作战行动-能力的关联关系映射,作战行动能力需求既可以是叙述性的描述,也可以是对性能参数和战技指标的描述,综合作战活动能力需求、作战活动之间的关系(如信息协同、交互等)的能力需求,由此可建立作战行动-能力之间的联系[14]。

(2)装备能力指标体系构建

构建装备能力指标体系是对装备体系贡献率进行定性与定量相结合评估的基础。依据客观性、全面性与可行性并重、独立性、灵敏性、简明性及定量优先等指标构建原则[15],根据基本作战活动与能力映射关系建立侦察感知、指控通联、打击毁伤、伪装防护、携行机动与综合防护等单兵系统6大能力。然后对6大能力进行进一步分解,对定性与定量中的冗余指标进行过滤,最后构建具备多层级关系的装备能力指标体系。

(3)基于两级证据推理的体系贡献率计算

体系贡献率计算包括能力满足度计算、作战活动完成率计算、体系贡献率计算。一级置信规则库的构建针对能力满足度计算,规则库的输入项为能力指标体系中的定量及定性等下层指标,信度结论为能力的模糊值,基于一级置信规则库的评估结果得到能力满足度。能力满足度结合作战任务对能力的需求程度,体现作战任务与能力大小的关系,通过公式计算转换为二级置信规则库的输入项,然后进行证据推理,得到带有信度的任务完成率。最后采用相对贡献率的计算方法得出单兵系统的体系贡献率。

2 基于两级证据推理的体系贡献率计算模型

2.1 证据推理评估模型

基于证据推理的评估包含以下4个内容:构造信度规则库、数据转换及匹配程度计算、综合激活程度计算、基于证据推理的指标聚集[16]。

规则库的构造是将专家经验、评价准则和能力需求的结构用统一的框架进行显示表达的过程[17]。信度规则库用下式表示

RB=〈C,A,R,F〉

(1)

式中:C=(c1,c2,…,cJ)表示能力需求中各项能力的集合;A=(A1,A2,…,AI)表示规则库与能力对应的集合;R=(R1,R2,…,RL)表示所有结论的集合;F是规则的前提和结论之间的映射函数。

数据转换是将输入信息等转化为信度结构数据,然后进行信度规则前提项匹配度计算。与能力相对应的输入数据表示为

(x1,ε1)∧(x2,ε2)∧…∧(xI,εI)

(2)

式中:xi为能力指标或能力对应的输入值;εi为输入xi的信度,表示输入的不确定性。采用式(3)和式(4)计算输入数据对信度规则前提项的匹配度

T(xi,εi)={(Aij,αij),i=1,2,…,I;

j=1,2,…,Ji}

(3)

(4)

式中:αij表示输入对前提项的第j个取值Aij的综合匹配程度,αij∈[0,1];φ(xi,Aij)为匹配函数,表示xi和Aij的匹配度。

记αk为输入第k条规则前提项的综合匹配程度,规则匹配度计算是对前提项进行聚集。当规则前提采用“∧”连接时

(5)

对第k条规则,转换后数据的激活程度用下式表示

(6)

式中:θk为第k条规则的相对权重,θk表示该条规则在同类规则中重要程度即结论项相同的规则的重要程度,取值区间在0到1之间,即0≤θk≤1。当规则库中某条规则权重系数θk较小,代表这条规则的信度结论被激活进行融合时的贡献较小;αk表示针对第k条规则,输入数据的匹配程度。若αk=0,则ωk=0。

激活的多条规则按照证据推理算法进行组合计算。计算过程如下所示[18,19]

(7)

2.2 能力满足度计算

定义使命任务P分解后的作战活动集合为pm={p1,p2,…,pm},能力需求分析得到的能力项为qn={q1,q2,…,qn}。

针对作战活动pi,基于装备性能指标与能力水平建立的第一级规则库进行证据组合,得到n项能力的满足度信度结论,并引入直线型效用函数的方法对信度结果进行处理,能力满足度值为a={a1,a2,…,an},其中a为处理后的能力满足度值。

2.3 作战任务完成率计算

(8)

(9)

(10)

由于作战活动之间为串联关系,向使命任务聚合后,作战任务完成率计算如下

(11)

2.4 体系贡献率计算

单兵装备体系贡献率计算如下

(12)

3 基于城市作战的单兵系统体系贡献率计算实例

3.1 作战活动与能力映射

以城市作战执行侦察作战任务为战场想定:我国与某国发生战争,战争开始后,我军迅速将战线推进至该国某城市附近,对该城市进行空地联合打击后,敌主力撤退,留下部分兵力驻守,构筑障碍及阵地牵制我军。敌方大部分重型装备已撤离,是否有隐藏装甲车辆情况不详。

针对作战想定,本文以作战任务作为场景,构建作战活动模型,利用SysML活动图对作战活动进行分解和描述。侦察行动分为战备等级转换、机动集结、地域侦察及引导行动。进一步细化分解后的行动如图2所示。

图2 行动细化分解图

作战活动与能力的映射关系描述如表1所时,细化分解后的作战行动与侦察感知能力、指挥通联能力、携行机动能力、打击毁伤能力、伪装防护能力和综合保障能力等6大作战任务能力对应。

表1 作战活动与能力对应关系

3.2 作战能力指标评估体系构建

以城市作战执行侦察作战任务中执行引导行动这一作战活动为例,对单兵系统侦察感知能力的需求度进行分析。引导行动细化任务分解后为调整侦察位置、搜索打击目标、获取目标数据、实施引导打击以及评估毁伤效果等任务单元,与侦察感知能力关联映射后建立侦察感知能力指标评估体系,如图3所示。

图3 侦察感知能力细化分类

3.3 能力满足度计算

仍以侦察感知能力为例,信度规则库中侦察感知各项能力及取值如表2所示,第一级“能力与能力取值”规则库内规则如表3所示,在本文中假设规则权重θk及规则前提项权重δki相等。由于篇幅有限,本文仅列出部分能力取值和规则库。

表2 各项能力及取值

表3 能力评估信度规则库

以侦察感知能力下的战场态势感知子能力为例计算能力满足度,以有无配备某型无人侦察装备为方案E1和E2。

根据式(7)计算得C212(强/中/一般)=(0.794 4,0.209 4,0)。由计算得完成战场态势感知的能力强的程度为0.794 4,一般完成满足度是0.209 4。进行归一化处理得评分为96.192。同理,依次计算C211,C221,C222,C223,C224,C21,C22,C2的值,采用的是自底向上的聚集方法,即得出侦察感知能力C2的取值为(0.761 3,0.143,0.09)。

同理依次得到方案E1下的指控通联能力、携行机动能力、伪装防护能力和综合保障能力的信度值分别为(0.81,0.13,0.06)、(0.73,0.21,0.06)、(0.74,0.19,0.07)和(0.81,0.15,0.04);方案E2下的侦察感知能力、指控通联能力、携行机动能力、伪装防护能力和综合保障能力的信度值分别为(0.65,0.14,0.212)、(0.81,0.13,0.06)、(0.73,0.21,0.06)、(0.74,0.19,0.07)和(0.81,0.15,0.04),如图4所示。可以看出,某型无人侦察装备主要提高单兵系统的侦察感知能力满足度,对其他能力无明显影响。

图4 能力满足度

3.4 作战活动完成率计算

基于专家意见构建作战任务与能力需求的映射矩阵,作战行动对能力的需求度值λij如表4所示。将上述计算所得各项能力满足信度值代入式(8)。建立能力水平与作战行动完成率的信度规则库,篇幅有限,仅列出引导行动完成率信度规则,如表5所示。

表4 作战活动对能力的需求度

表5 引导行动完成率信度规则库

采用式(3)～(6)进行可信度计算,采用证据推理方法式(7)进行规则聚集计算,得到引导行动完成率的信度为(0.78,0.15,0.07)。

采用同样的方法,计算出战备等级转换、集结行动、地域侦察3个作战活动的完成率。通过引用效用函数对信度结论进行处理,定义信度等级强的值为100,信度等级中的值为60,信度等级差的值为20。

如图5所示,可以看出,战备等级转换与机动集结无变化,地域侦察作战活动完成率在4个作战活动中最低,战备等级转换任务的完成率最高,可以得出单兵系统作战活动完成率与执行作战活动的性质和复杂程度有关。

图5 作战活动完成率

3.5 单兵系统体系贡献率计算

通过引用效用函数对信度结论进行处理,定义信度等级强的值为100,信度等级中的值为60,信度等级差的值为20。采用式(11),分别计算方案E1和E2任务的完成率为0.60和0.569。采用式(12)得出某无人侦察装备的体系贡献率为5.2%。

最后计算得出单兵系统中不同装备的体系贡献率值,如图6所示。由图6可以看出,单兵系统在执行地域侦察作战任务时无人侦察装备提供的体系贡献率最高为5.2%,其次是指控通联型装备通信终端、信息终端分别为4.45%、4.3%,携行类装备中战术背心提供贡献率最低,为2.1%。

图6 单兵装备体系贡献率

4 结束语

本文针对单兵系统体系贡献率评估过程中存在的未考虑作战行动及评估信息不确定性等问题,提出了考虑作战行动的两级证据推理评估方法,针对城市侦察行动作战任务,给出了分析实例。通过本文研究,可知:针对具体使命任务,将单兵装备纳入作战体系开展体系贡献率评估,使得评估结果更具有效性和针对性;考虑作战行动的两级证据推理方法,即考虑了不同作战行动对作战能力的不同需求,又有效地处理了评估过程中的信息不确定性问题,具有可追溯性,评估结果更符合实际情况。

本文在构建能力指标体系中并未考虑同一层级各项能力之间存在的关联关系,在构建信度规则库时未对各规则进行权重分配,信度结论中的模糊量化值对结果影响较大但没有进行优化处理,下一步将完善能力指标体系并对信度规则库中的权重进行赋值优化,并且需对已构建的信度结论进行优化学习。