无人机自主作战效能评估技术研究综述

刘树光, 邵明军

(空军工程大学装备管理与无人机工程学院,西安 710000)

0 引言

无人技术、信息技术、智能技术的迅速发展,驱动智能化装备逐渐成为军事领域的重大变革方向,未来战争将呈现出无人化和智能化特征[1]。近年来,各国高度重视军事智能化、无人化的研究探索,无人机作为集各种先进技术于一体的空中作战平台,具备感知探测、识别判断、规划决策、火力打击、任务协同的能力,被广泛应用于各类作战任务。随着无人机智能化程度的不断提高,无人机将具备自主感知、自主决策、自主学习等一系列自主能力,未来基于自主能力的无人机自主作战样式将成为作战运用的新形态。对无人机自主作战效能进行评估,是研究无人机自主能力与实际作战相结合的重要手段。通过对无人机自主能力及作战效能开展试验评估,及时了解自主能力在作战条件下的综合表现,可为无人机装备体系化作战运用提供决策支持,为促进无人机装备自主作战能力生成提供强力支撑。

为此,本文立足于无人机自主作战效能评估,从无人机装备自主性、作战能力等基本内涵出发,综述无人机作战效能评估技术进展,研究当前无人装备作战效能评估指标体系及评估方法现状,展望未来无人机自主作战效能评估发展趋势,为推进无人机自主作战效能评估发展提供技术参考。

1 自主作战效能评估问题分析

为科学、精准地牵引无人装备发展,美国从无人装备自主控制技术论证出发,不断研究基于无人系统自主性试验论证评估[2],逐步向基于无人机自主作战能力试验评价及效能评估模式[3]发展,相关研究一直处于世界前列。因此,研究无人装备自主作战能力不仅是论证无人作战技术、评估作战效能的关键,也是突破技术封锁、掌握核心技术、提升无人作战能力、增强部队整体作战实力的迫切需要。

作战效能通常是指在具体作战环境中,武器装备作战能力在整个战场态势下的实际表现,是武器装备系统及其相关兵力执行作战任务时所能实现预期目标的度量[4],是装备、人和环境的综合作用的结果[5]。研究无人机自主作战效能首先要理清其中重要概念及研究思路,有助于为下一步展开效能评估奠定理论基础。

1.1 自主作战效能相关概念辨析

自主性、自主能力、自主作战能力、自主作战效能是研究无人系统自主作战效能评估中重要的4个概念,不仅是当下分析无人装备在遂行任务过程中运用无人化、智能化技术进行自主作战以及效能发挥的关键要素,也是反映无人系统自主化程度及作战实力的重要概念,四者密切联系又有区别。

1.1.1 自主性与自主能力的关系

美国空军发布的《自主地平线》[6]报告中对无人系统自主性进行了定义,认为自主性是无人系统在集成智能技术的基础上,运用传感器以及复杂程序,在更广泛的作战条件和复杂环境下,应对未规划或未知情况的自治和自我指导的行为。自主能力是无人系统在不受外来干涉的情况下对外界自主做出反应或者决定的能力,是无人系统自身性能以及自主性外化的表现,是无人系统最本质的属性。两者都是无人系统自主化性能的重要表述,只是表述形式不同,自主性侧重的是描述无人系统自身属性特征,而自主能力侧重的是能够在工程中逐步实现且可以量化,甚至可以用来比较的属性[7]。

1.1.2 自主作战能力与自主作战效能的关系

自主作战能力是无人机装备遂行规定任务达到规定目标所展现的“本领”,是无人机系统依靠自主意识在作战环境中所发挥出的自主能力,是相对静态的概念,其能力大小与无人机装备的自主化程度、战术技术性能以及使用性能等有关。自主作战效能是指无人机装备遂行给定作战任务能发挥有效作用的程度,是在特定作战条件下依靠自主作战能力完成规定作战任务的度量,是相对动态的概念。自主作战能力是自主作战效能的基础,是完成规定目标所需要的基础主观条件;而自主作战效能是无人机装备自主作战能力发挥的终极状态,反映的是无人机装备遂行任务的效果,不仅与自主作战能力有关,还与作战过程、自主能力的运用、作战环境以及系统整体有关[4]。

1.2 自主作战效能评估基本内容

随着无人机智能化和自主控制技术的不断发展,无人机在信息自主获取、传递、处理、判断以及平台、任务载荷的控制能力等方面均取得了显著进展,并逐步实现与作战任务的紧密结合,形成了以OODA作战环等理论为基础的一系列自主作战样式。当前为紧贴无人机自主技术发展变化,精确衡量无人机自主能力在战场态势下的实战运用以及作战效果,重点对无人机作战适宜性、自主作战能力、战术技术性能以及任务完成效率等展开分析,同时考虑到无人机作战任务需求,对无人机数量、作战模式、指挥/操作人员能力水平等效能影响因素进行剖析。由此,构建能够展现作战全过程、全要素的综合指标体系以及探索科学、合理的效能评估方法,实现对无人机作战效能的可靠评估,应是下一步研究无人机自主作战效能评估技术的重点内容。

1.3 自主作战效能评估基本流程

研究无人机自主作战能力,评估自主作战效能,不仅是衡量无人机在特定作战条件下完成预定目标任务的有效途径,还是确定无人机战术技术指标和自主作战运用方式的重要依据。通过试验评估可以发现装备在研发和作战中存在的问题,进而优化、调整、完善无人机系统的性能指标以及战法运用,最终达到作战效能评估的目的,提升无人机在战场上最大效能的发挥。因此,明确作战效能研究思路和评估流程,对于无人机自主作战效能评估至关重要。首先,要明确作战使命、作战任务,确定评估对象、主体和目的;然后,根据评估对象的自主性特点及评估目的,从顶层设计出发,确定评估总体框架和模型架构;通过分析系统的构成、功能及影响因素,科学、合理地构建效能评估指标体系;最后,确定评估方法、建立评估模型,对无人机自主作战展开效能评估并进行结果分析验证。无人机自主作战效能评估的基本流程如图1所示。

图1 无人机自主作战效能评估基本流程

2 自主作战效能评估指标体系研究现状

对无人机自主作战效能进行评估,关键在于所选取的指标对作战效能评估结果的影响[8]。指标体系作为效能评估的基础,关系着效能评估结果的科学性和精确性,构建效能指标需要充分考虑作战任务对无人机系统的性能要求以及效能需求,通过对效能指标进行筛选、分析和判断,从而形成能够体现无人机自主作战特点的结构化指标体系。国内外不少学者以各种无人装备为研究对象,构建了相对应的作战效能评估指标体系,可为后续无人机自主作战效能指标构建提供参考。本文基于任务视角,从武器装备基础功能、作战任务与能力需求、作战过程与效果3个维度综述无人装备效能评估指标体系研究现状。

2.1 面向武器装备基础功能构建评估指标体系

基础功能性指标主要是根据武器装备的通用性指标和适宜性指标来构建评估指标体系,即武器装备能够安全稳定运行且能够顺利完成任务的基础性参数指标,包含武器装备的基本性能、机动性能、生存性能以及装备的可靠性、维修性、保障性、安全性、环境适用性等。国内外不少研究基于该类指标体系实现了对大量武器装备的效能评估。例如:文献[9]充分考虑侦察无人机的机动性、飞机性能以及雷达散射截面和红外、光、声等可控测特性以及飞机装甲、结构材料、飞机总体布置等特性,构造了与设计可靠性、动力系统能力、机动反应能力、隐身能力有关的评估指标,对侦察无人机生存能力进行有效评估;文献[10]以侦察无人机为研究对象,在充分考虑影响无人机作战效能的主要因素的基础上,综合考虑航程、实用升限、操作水平、环境影响系数、情报获取能力5个方面,建立了作战效能评估指标体系;文献[11]以察打无人机对地攻击为背景,研究无人机使命任务、作战流程,构建了无人机可用度、可靠度、作战能力3个方面的层次化指标体系,并对无人机作战效能进行了评估;文献[12]以无人机执行空地作战任务为研究背景,全面分析效能影响因素,构建了无人机最大任务负载、武器发射架数量、平台生存能力、导航制导性能以及环境影响系数等方面的评估指标,实现了无人机作战效能的科学评估。

从研究现状来看,面向武器装备基础功能构建评估指标体系主要以武器装备在执行作战任务过程中,实现基本作战功能为主线进行构建,指标体系包括武器装备自身性能、机载设备基础功能等。然而分析现有指标不难发现,指标体系构建仅考虑了系统的固有属性或特征,而对复杂作战环境下系统本身受影响程度以及在面对对抗情况下能力的发挥效果考虑较少,整体侧重了无人机装备性能指标的体系构建。

2.2 面向作战任务与能力需求构建评估指标体系

由于无人技术的不断发展,各种多用途、专业化无人装备被研制,而且被广泛应用于多种任务活动,不同的任务需求激发装备不同的作战效能,展现出不同的作战能力。因此,面向作战任务以及能力需求构建指标体系能够反映作战任务背景下装备在各个任务环节、作战阶段自身作战能力的运用情况。例如:文献[13]以地面无人作战装备执行作战任务为牵引,综合权衡影响效能评估的多方面因素,从目标侦察能力、火力打击能力、机动能力、信息指挥能力、防护能力和非战斗能力6个方面构建了地面无人作战装备作战效能评估指标体系;文献[14]以无人机系统自主能力评估为需求,基于OODA作战环理论,从无人机感知能力、分析能力、决策能力和行为能力4个方面构建了无人机自主能力评价指标模型;文献[15]以无人机协同作战为背景,分析无人机协同作战中的效能影响因素,综合考虑无人机协同感知能力、协同通信能力、协同策划能力、协同组队能力以及协同打击能力,建立了无人机协同作战效能评估指标体系与模型;文献[16]着眼于无人机集群作战效能评估需求,深入剖析无人机集群各作战要素内部关系,从协同攻击能力、自主侦察能力、即时通讯能力、快速规划能力、自主编队能力等方面建立了无人机集群作战效能评估指标体系,并通过案例仿真实现了无人机集群作战效能的评估;同样考虑多无人机协同执行作战任务,文献[17]建立了不同任务载荷下无人机协同作战效能评估模型,构建以综合火力能力和多无人机协同能力两类指标为基础的9类作战能力指标体系,并通过具体作战实例验证了指标体系与评估方法的可靠性。

通过分析以上文献来看,面向作战任务、能力需求构建评估指标体系主要以装备执行多样化作战任务为牵引,充分展现装备自身作战能力为基础进行构建,指标内容主要依据任务需求,有针对性地对装备系统各项能力进行分析,构建自上而下的层次化作战效能指标体系。分析发现,由于战场态势的瞬息万变,装备作战效能也会随之动态变化,仅单独依靠能力评估很难全面准确对装备作战效能进行分析,还应充分考虑装备在不同作战环境下的适应性和可靠性,以及与作战指挥、人员操作等外部因素的协同配合情况,综合各方面因素理清内部关系,以此来构建与作战任务、能力需求相适应的效能指标体系。

2.3 面向作战过程与作战效果构建评估指标体系

根据战场中各类装备系统间对抗情况以及结构关系,分析作战过程中随战场态势不断变化且能够体现作战能力的指标,比如目标发现率、识别率、命中率、修复率等的作战过程指标,以及依据作战任务整体完成情况对装备进行综合评估的作战效果指标[18]。例如,文献[19]以对地攻击无人机为研究对象,从作战体系的角度出发,通过分析无人机的基本特性以及无人机在作战过程中完成各类任务的情况,提出基于作战效果、作战效率、作战代价3个方面的作战效能评估指标;考虑到作战飞机对任务的贡献情况,文献[20]将任务成功率指标引入效能评估中,提出了“任务成功空间”概念,以此构建评估指标,并通过比较有人/无人飞机作战条件下的任务成功率,来量化作战飞机对作战体系的贡献,实现作战飞机的效能评估;为应对无人机集群攻击,文献[21]提出了无人机集群防御系统概念,利用防御成功率指标来衡量集群防御系统的有效性,并通过分析多种因素对无人机防御系统的影响来验证防御成功率指标的可行性;文献[22]以无人战斗机群为研究对象,根据无人战斗机群战技术性能、自主化程度,设计战斗机群作战方案,提出了基于平均毁伤目标数量、完成作战任务的期望时间的效能评估指标,并逐级向下分解作战过程提出无人机搜索发现率、平均攻击时间、无人战斗机失效率、无人机识别有价值/无价值目标的概率等性能参数指标,最后实现了无人战斗机群作战效能的评估与分析。

从研究现状来看,面向作战过程、作战效果构建评估指标体系,能够整体衡量武器装备的作战能力,反映整个作战任务过程中性能指标的变化以及预期目标完成情况,但由于过分关注装备性能的变化以及作战贡献的分析,往往会忽略装备与其他因素的相互作用,例如环境适宜性、使用适宜性、人机协同程度、敌方攻击强度等因素都会对作战效能产生影响。其次,面向作战过程、作战效果构建的指标体系还需要与作战模拟、实际演练相结合,实现对武器装备在不同作战场景下的效能评估,以此不断优化、改进效能评估指标,构建能够对装备实际性能和作战能力客观、全面评估的指标体系。

3 作战效能评估方法研究现状

近些年来,各国在效能评估领域开展了大量的研究工作,建立了适用于不同作战环境、不同装备的评估模型,逐步形成了军事系统工程的方法论体系[23],效能评估技术得到了广泛的研究。随着理论研究与实际应用结合得越发深入,产生了多种效能评估方法,这些评估方法被大量应用于各类武器装备的作战效能评估,同样也适用于无人机自主作战效能评估研究。本章根据评估方法原理的不同,将评估方法分为基于经验知识的评估方法、基于数学模型的评估方法、基于作战仿真的评估方法和基于数据驱动的智能评估方法。常用作战效能评估方法汇总及分析如图2所示。

图2 常用作战效能评估方法汇总及分析

3.1 基于经验知识的评估方法

经验知识评估方法,主要是指参考领域专家个人经验和专业知识的评估方法。通过专家主观经验对系统性能影响系统功能的判断,结合定性分析、定量计算的方式,对系统效能进行评估。常见的方法有专家打分法、层次分析法、模糊综合评判法、灰色层次评估法等。

层次分析法作为一种将人的主观认知和客观实际数据相结合的评估方法[24],可将复杂问题分解为有序递进的层次结构,然后将每个层次元素借助人的主观经验相互比较,确定各元素之间的相对重要性,并在此基础上求出各层要素对最终目标的组合权重。该方法具有逻辑性强、可信度大、易于理解等特点,目前在武器装备效能评估研究中被广泛应用。文献[25]以多架异构无人机蜂群执行作战任务为背景,利用层次分析的思路构建了多级作战效能指标体系,并运用层次分析法对各级指标权重进行分析判断,最终利用该评估模型对无人机蜂群作战效能进行了实例验证和检验;针对层次分析法确定指标权重受主观因素影响较大的问题,文献[26]采用一种指数标度方法,改进了传统层次分析法对多层指标权重的计算,并进行一致性检验,进而降低了标度的主观性影响,优化了层次结构元素权重求解,较好地实现了多类型无人机作战能力的量化评估;在此基础上,为避免因主观因素可能带来判别矩阵比较的结果不符合客观实际的情况,文献[27]基于最优传递矩阵对层次分析法中判断矩阵进行优化,同时也省去了传统方法一致性检验环节,提高了无人机能力评估效率;文献[28]基于高层体系结构,分别从作战视角和能力视角构建无人机集群的分布式作战系统,并利用层次分析法建立了无人机集群作战效能评估数学模型和分析方法,实现了无人机集群作战能力有效性评估。

模糊综合评判法是一种以模糊数学为基础,借助模糊推理的方法对多种属性的事物或者总体优劣受多种因素影响的事物,做出一个能合理地综合这些属性或者因素的总体评判,也是一种利用模糊数学的隶属度原则将定性评价转化为定量评价的评判方法。模糊综合评判法具有结果清晰、系统性强、易于掌握等特点,常被用来解决模糊的、难以量化的问题,适合解决各种非确定性问题。文献[29]在运用OODA作战环理论抽象出舰载无人机对海突击作战任务剖面的基础上,通过模糊综合评判法对舰载无人机作战能力进行了有效评估;文献[30]采用模糊综合评判法与层次分析法相结合的方式,利用层次分析法确定各项指标权重,然后依据模糊综合评判法构建效能评估模型,实现了无人机智能群攻击能力的综合评估,并通过实例验证了该评估方法的可靠性。

目前,基于经验知识的评估方法,在武器装备的效能评估中被广泛应用,其结构性强、计算较为简单,能够有效利用专家经验及先验知识,将复杂系统的评价指标层次化、结构化,把不易量化分析的定性指标参数进行定量化处理,为效能评估带来了便利。但随着装备体系作战规模的扩大,武器系统彼此间协同作战将成为未来主要作战样式,作战效能指标与作战能力之间呈现出复杂的非线性关系,单纯依靠历史经验和主观判断很难对系统效能做出合理、准确、客观的评估,常与其他评估方法相结合实现对复杂系统的科学合理评估。

3.2 基于数学模型的评估方法

基于数学模型的评估方法,其原理是以数学模型为基础,依据评估对象的性能、结构、任务、环境等因素构建效能指标,并分析效能指标与影响因素之间的内在联系,建立起能够体现两者之间相互关系的函数表达式。典型的方法有系统效能分析(System Effectiveness Analysis,SEA)法、信息熵评估法、ADC评估法、兰彻斯特方程法、结构化方程[31]等。

1) SEA法作为一种动态、客观分析武器系统效能的方法,是通过将武器系统置于作战环境中,将描述系统、任务、环境参数的函数作为属性,相互独立地确定系统属性空间和使命属性空间,并对系统运行轨迹与使命所要求的轨迹进行比较[32],进而得到系统动态的效能值。文献[33]采用SEA法,依据水下无人航行器系统在特定战术背景下的作战特点,构建了侦察效能评估指标体系和系统映射、使命映射的数学模型,并结合具体实例对水下无人航行器进行了效能评估。

2) 信息熵评估法是一种基于信息论的数学建模的方法,常用来评估系统的复杂性以及系统中各个部分之间的相互关系,其核心是通过度量概率分布中的平均信息量来描述系统的不确定性。该方法从不确定性角度开展作战效能评估,充分考虑了作战过程中的随机性与不确定性[34],适用于多指标体系的综合评估。文献[35]为了准确、合理地确定指标权重,采用信息熵的思想对评估指标的权重进行了修正,使指标权重的确定更加兼顾主观偏好和客观属性;在选取作战因素时,为防止缺少对未知因素的考虑而造成评估结果可信度较低的情况出现,文献[36]基于熵函数的性质,对作战节点影响因素的隶属度进行重新定义,并充分考虑未知因素对于作战节点效能的影响,对信息熵评估模型进行了改进,最终对其在装备体系作战效能评估中的适应性进行了评估;文献[37]在充分考虑作战装备之间协同、集成等因素的基础上,基于信息熵评估法和OODA作战环,对作战系统中的作战节点进行建模,并利用信息熵法对作战边的能力和作战环效能进行计算,实现了对动态对抗条件下的装备作战效能评估。

3)ADC评估方法是美国工业武器效能咨询委员会提出的一种效能指标计算模型。主要通过武器系统的三大要素即有效性A、可靠性D、能力C来描述武器装备的系统效能,通过判断武器系统执行任务时的初始状态概率、执行任务期间所处状态的概率、任务期间不同状态下系统能完成任务的概率[38],来实现对武器装备的效能评估,具有结构简单、易于扩展等特点。目前,ADC评估方法在武器装备效能评估方面的应用较为成熟,成果较多。文献[39]以反辐射无人机对海上移动目标作战效能为评估背景,采用层次分析法完善能力指标,运用ADC评估模型对多架无人机作战效能进行了评估;为解决评估指标不全面的问题,文献[40]引入了作战保障能力系数,对传统ADC评估模型进行改进,实现了舰载无人机编队协同对海突击作战效能评估;文献[41]以无人机编队对地突防为研究背景,从目标发现、雷达散射截面积和目标杀伤3个方面建立了多无人机协同编队突防效能模型,并采用ADC评估方法,对多无人机编队协同突防能力进行了评估。

综上所述,基于数学模型的评估方法在武器系统效能评估应用时,能够为评估提供现成的、比较成熟的模型公式和评估框架,具有思路清晰、结构简单、应用便捷等特点,在特定场景下可为快速实现效能评估提供便利。但在面对复杂系统间对抗场景时,原有的数学模型考虑因素、指标较为单一,不足以全面、准确地展现系统性能、属性、作战效果,给后续武器装备的效能评估带来了挑战。

3.3 基于作战仿真的评估方法

基于作战仿真的评估方法主要是指根据武器系统的特点、作战任务要求,通过模拟作战环境和作战过程,建立武器系统的作战仿真模型,并根据仿真数据对武器系统作战效能进行评估的一种方法。常见的方法有系统动力学(System Dynamics,SD)法、蒙特卡罗法、计算机作战模拟法等。

1) SD法是一种系统分析方法,是由美国麻省理工学院的FORRESTER教授在20世纪60年代提出的。该方法将系统作为一个动态系统来研究,其本质是用控制论和微积分等数学方法对系统的行为进行建模和仿真分析。系统动力学方法是一种综合性强、应用范围广泛的分析方法,在实践中具有广泛的应用前景。文献[42]基于系统动力学模型对无人机集群作战效能展开评估,将作战过程武器划分为多个子系统,并对多个子系统进行建模,构建系统动力学模型,最后以无人机生存率和任务完成度为评估指标,对无人机集群展开效能评估;文献[43]基于系统动力学理论,构建了以反馈环为核心要素的网络信息系统作战效能评估的动态模型,并以联合反击作战为例,实现了对作战效能、系统贡献率和系统灵敏度的仿真分析。系统动力学评估方法能够对系统的结构和功能进行模拟,但还存在一定的局限性,模型的建立和仿真需要大量的数据支持以及较高的技术水平,同时还需要考虑到实际作战环境的不确定性和变化性。因此,在实际应用过程中需要进一步完善和验证,加强与实际作战环境的结合,提高其可操作性和实用性。

2) 蒙特卡罗法又称为随机模拟法或统计模拟法,属于计算数学的一个分支,其实质是按一定概率分布产生随机数的方法来模拟实际中可能出现的随机现象,通过利用计算机软件进行大规模仿真实验,得到模拟的实验数据,在此实验的基础上进行分析判断,得到实际问题中可能出现的规律或求解方法。文献[44]中采用蒙特卡罗法对装备假目标防空作战进行作战仿真模拟,通过模拟不同装备数量、多次打击次数等作战过程中的多种随机因素,对假目标防空作战过程进行仿真,通过仿真数据对假目标防空作战效能进行分析计算,为决策者使用假目标战术提供数据支持;文献[45]利用蒙特卡罗法对无人机飞行冲突过程进行大规模仿真,并通过仿真计算冲突解脱效率,为无人机飞行冲突解脱进行安全评估。蒙特卡罗法的局限性在于建立数学模型要求较高,需要合理地选择模型参数,参数的选择往往会影响模型的准确性和仿真的效率,否则会造成仿真结果出现偏差或者计算效率低下等问题。

3) 除了以上几种常用的模拟仿真方法以外,在武器系统的效能评估中还有一些比较复杂且被广泛使用的方法。例如文献[46]基于DoDAF结构建立了无人协同作战体系框架,并对无人机协同作战进行建模分析,根据作战任务构建视图以及指标体系,使用ADC模型实现无人机协同作战效能评估;文献[47]基于高层体系结构(HLA)的分布式交互仿真技术,设计空空导弹武器系统作战效能仿真评估系统,并采用仿真评估系统对空空导弹作战效能进行评估;文献[48]基于Agent的建模与仿真技术,分析飞机对综合防空系统进行突防、打击高价值目标的任务效能,实现了对飞机参数的优化设计。

从研究现状看,基于作战仿真的效能评估方法能够真实、全面地对复杂作战系统的各个组成部分进行综合分析,能够结合实际作战方案、作战环境、作战流程建立作战仿真模型,并通过对仿真数据处理计算得出整个作战系统的效能评估值。该方法的优点是能够比较真实地动态反映实际情况,具有较高的可信度;不足之处在于,构建贴合作战实际的仿真模型,需要大量详细的作战数据支持,而且模拟仿真的实现过程比较复杂,建设周期也相对较长,对专业领域知识和技术要求较高。

3.4 基于数据驱动的智能评估方法

基于数据驱动的智能评估方法是基于大数据和智能技术的一种评估方法,通过收集大量的试验数据并对其处理和学习,建立输入指标和输出结果之间的非线性关系,并通过已训练的模型预测判断出最终的评估结果,从而实现评估过程的自动化、高效化。在武器装备的效能评估中比较常见的方法有人工神经网络法、支持向量机(SVM)法、贝叶斯网络法等。

1) 人工神经网络法是一种模拟人脑神经系统结构和功能的运算模型,能够通过学习训练、自适应地处理复杂的非线性关系。它由大量的人工神经元和它们之间的连接构成,神经元之间通过连接传递信息,完成对输入信息的处理和输出结果的预测,具有自学习、自适应、容错性强等特点,在无人装备作战效能预测分析方面有着广泛应用。文献[49]采用BP神经网络构建了适用于无人防空作战效能评估的预测模型,并基于遗传算法对评估模型初始权值和阈值进行了寻优,实现了对无人防空装备作战效能的高效评估;文献[50]构建了基于SOM自组织网络的评估模型,实现了多参数信息融合的飞机作战效能评估;文献[51]采用小波神经网络构造电子战无人机作战效能评估模型,并利用遗传算法对小波神经网络初始连接权值和伸缩平移尺度进行全局寻优,使优化后的作战效能评估模型精度更高。

2) SVM法是VAPNIK于1995年提出的一种统计学习方法,其基本思想是将输入空间的样本通过非线性映射传递到高维特征空间,并且在这个高维特征空间下进行线性函数拟合[52],进而实现武器装备的作战效能评估功能。与其他评估方法相比,SVM法具有可适应有限样本的优点,并且可以有效解决维数问题和决策速度的问题[17],避免局部极值情况的出现。文献[10]采用SVM法作为元模型进行无人机作战效能智能评估,并利用粒子群算法对元模型进行寻找最优惩罚参数和核函数参数,优化评估模型实现对侦察无人机作战效能的准确、有效评估;文献[53]引入混沌粒子群算法构建了基于混沌粒子群-支持向量机的作战效能评估模型,实现了对电子战无人机作战效能的高效评估优化。

3) 贝叶斯网络法是一种基于概率图模型的知识表示和推理方法,使用一个有向无环图表示变量之间的依赖关系,并使用条件概率表示每个变量的概率分布。在效能评估中可以用于建立模型、分析和预测系统性能,通过对系统输入输出数据进行统计分析,推导出系统各个参数之间的概率关系,并通过概率推断方法进行效能评估。鉴于其具有良好的推理和预测能力,被越来越多地应用于武器系统作战效能评估领域。文献[54]建立了基于灰色模糊理论和贝叶斯网络融合的作战效能评估模型,有效克服了贝叶斯网络在处理不确定性因素上的不足,实现了无人机编队突防作战效能的评估;文献[55]引入评分搜索算法和MLE估计法优化贝叶斯网络结构、参数,构建了基于贝叶斯网络的推理模型,并通过该模型实现了无人机编队作战效能的评估。

综上所述,基于数据驱动的智能评估方法,理论比较成熟,建模过程相对简单,对数据量庞大、复杂程度高的作战体系具有很好的预测评估效果。通过大量的历史数据对模型进行训练,并将训练好的模型应用于效能评估预测,极大地提高了评估效率,节省了评估时间,有助于优化作战决策和指挥管理。同时,利用该类方法还可以有效避免传统方法带来的权值分配问题,从而使得系统效能评估更加科学、客观。然而,该类方法也存在一些不足之处,由于评估模型数据需求量较多,所使用的数据难免会出现缺失、不完整或者错误等情况,这会对评估结果产生一定的影响。因此,在使用评估模型时,需要选择合适的方法或者算法对数据进行充分的预处理和清洗,以确保评估结果的准确性和可靠性。

4 存在问题及发展趋势

4.1 当前研究存在的主要问题

通过分析现有无人装备作战效能评估指标体系和国内外武器装备效能评估方法研究现状,结合当前国内无人装备自主控制技术的发展状况,开展无人机自主作战效能评估研究分析,运用现有效能评估技术需要重点解决以下几个问题。

1) 评估指标体系构建的全面性。要全面描述、展现无人机在作战过程中自主能力的表现情况,就必须首先建立全面的效能评估指标体系。当前无人机作战效能指标体系的构建对无人机的自主化程度考虑较少,仅仅依靠无人机系统性能来设计作战评价指标,没有充分考虑无人机自主性在作战中的影响,实际作战过程中无人机的自主能力并不等同于系统的固有能力,自主能力会受到系统性能的制约,也会受到环境因素以及自身逻辑的影响,构建作战效能指标时要结合自主能力实际作用情况综合考虑。其次,在构建评价指标时,往往针对作战过程中出现的对抗情况以及敌方所采用的作战力量、作战方式考虑较少,只侧重了己方装备的自身性能及综合表现,缺乏构建能够体现敌我双方攻防对抗情况的评价指标。当然,构建指标体系也不能片面追求指标体系的全面性而忽略了评估的主要目标,要在充分的理论指导和论证研究的基础上对评估指标进行合理判断、筛选、优化,避免造成指标体系与实际情况脱节、评价结果失真等情况。

2) 评估方法运用的局限性。通过分析现有评估方法可知,效能评估虽然取得了较大的发展,但各种效能评估方法仅能够在特定的场景下取得较好的结果,针对实际应用,各类方法表现出不同的适应性。基于经验知识的评估方法,主要依靠专家认知对系统进行主观评测,其评估的精确性和适用性易受到制约;数学模型虽然使用起来简单,但受制于模型框架的约束,难以考虑动态对抗因素对效能的影响;模拟仿真法能够真实模拟实战环境,理清作战要素之间的关系,在数据充足的情况下能够实现作战效能的评估;基于数据驱动的智能评估方法,建模方法较为成熟,能够自动实现权重调整,但容易受到所选训练数据的影响。随着武器装备的智能化、作战规模的体系化,评估工作面临的要素众多、交互复杂,无论采用基于经验知识、数学模型,还是模拟仿真等评估方法,都难以以单一的方法对武器系统作战效能进行评估。因此,在综合考虑评估方法的实用性、合理性的前提下,结合各类评估方法的优势,将多种方法有针对性地创新、融合、集成、完善,使其能够更好地适用于当前评估对象,这样将有助于克服单一方法的局限性,提高整体效能评估的科学性和准确性。

4.2 发展趋势

针对无人装备作战效能研究现状以及存在的不足之处,结合智能化、无人化技术的发展趋势,瞄准未来无人机自主作战使用需求,参照目前无人装备效能评估现状,对无人机自主作战效能评估未来发展趋势加以预测。

1) 更加注重创新无人机自主作战效能评估指标体系的设计与评估方法研究。随着无人机自主能力的不断发展和多样化的任务需求,未来无人机系统各项能力指标将会变得异常复杂,传统方法难以全面描述无人机系统性能属性以及作战行动的多重目的。为全面分析、评估无人机作战效能,需要加大对效能指标体系的探索与创新,切实从遂行作战任务实际出发,研究指标体系构建模式,按照层次化、网络化结构思路设计评估指标框架,构建具有系统性、针对性、完备性和独立性特点的效能指标体系,以保证无人机作战效能评估结果的全面性和客观性。同时,在已有评估方法的基础上,结合先进的技术手段,如大数据[56]、人工智能、多学科融合等技术创新评估方法,将其融入作战效能评估体系中,进一步提升评估效率和精准度,为实现无人机自主作战效能评估提供更加有力的支撑。

2) 更加强化实战背景下的无人机自主作战效能研究。分析研究当前的武器装备的作战效能,大多还是基于装备性能及固有能力来对系统进行评估,处于静态评估阶段。未来作战效能的评估,将会更加贴近实战背景,既注重实战环境下无人机装备性能的分析,还要对战场环境适应性以及自主作战能力进行深入探索,掌握战场环境下无人机作战的实时性、动态性特点,并结合实战任务需求、战斗环境、作战对象等因素,综合评判无人机攻防对抗状态下的自主作战能力。同时,运用先进技术手段对信息数据进行采集,完善无人机各类作战场景下的实战对抗数据,构建贴近实战背景的动态仿真评估模型,以实现无人机自主作战全流程、全要素效能分析评估。

3) 更加趋向无人机自主作战体系效能评估。随着新军事变革不断推进,未来战争将会呈现出作战力量合成化、作战形态立体化、作战规模体系化等变化趋势,无人机也将会由单机、多机自主作战逐渐向多异型机、多智能装备、多作战单元协同作战形式演变,无人机依靠自主通信、信息融合、协同感知、协同攻击等能力构建起装备与装备之间、装备与体系之间交互连接的协同模式,实现作战信息共享、作战任务分配、作战指令执行等功能。伴随着体系作战的多装备动态对抗、结构演化、状态混沌、效能涌现等特点的出现,依靠传统客观性、独立性、敏感性构建的指标体系已经不能满足体系效能评估的需求。因此,无人机自主作战体系效能的评估不再局限于考虑自身能力的评价,还应充分考虑对整个作战体系作战能力的贡献,将无人机作战单元放在整个作战体系构成的复杂网络之中来考虑,要紧贴体系对抗过程中的动态变化情况,及时调整适应各种环境的变化带来的影响,选取适合的指标和评估方法,实现对无人机作战体系的效能评估。

5 结束语

无人机自主作战效能评估是提升无人机自主作战理论论证、智能化技术水平以及自主作战效能的关键和基础。本文以无人机自主作战为研究背景,分析了无人机自主作战效能评估的基本流程,重点对无人装备作战效能评估指标体系和评估方法的研究现状进行了分类综述,针对当前研究存在的问题进行梳理并对未来发展趋势进行了探讨。研究成果可为相关人员开展无人装备作战效能评估提供技术参考,对于后续无人机自主作战效能评估研究具有一定的指导意义。