多无人作战飞机编队空战智能决策方法

李聪，王勇，周欢，王骁飞，王渊（空军工程大学航空航天工程学院，西安710038）摘要：针对多无人机编队空战战术决策问题，提出了基于案例推理（CBR）和规则推理（RBR）的战术决策方法。在剖析战术决策案例特征的基础上，设计了一种基于框架结构的案例表示方法，并引入结构相似度和云模型理论以改进传统的最近邻检索算法。最后，借用基于案例推理和规则推理设计的战术决策GUI界面，能够快速地从库中检索出与当前空战态势最匹配的战术决策源案例，仿真结果证明该方法具有较好的有效性。关键词：多无人作战飞机，战术决策，案例推理，规则推理，云模型中图分类号：V271.4；TJ8文献标识码：ADOI：10.3969/j.issn.1002-00.2018.07.005引用格式：李聪，王勇，周欢，等.多无人作战飞机编队空战智能决策方法［J］.火力与指挥控制，2018，43（7）：26-31.IntelligentTacticalDecisionMakingforMultiple

UnmannedCombatAerialVehiclesFormation

LICong，WANGYong，ZHOUHuan，WANGXiao-fei，WANGYuan（SchoolofAeronauticsandAstronauticsEngineering，AirForceEngineeringUniversity，Xi’an710038，China）Abstract：Aimingatmultipleunmannedcombatairvehiclesautonomousaircombattacticaldecisionmakingproblem，theapproachofcase-basedreasoning（CBR）andrule-basedreasoning（RBR）ispresented.Amethodfordescribingautonomousaircombattacticaldecisionmakingcasesbasedonframestructureisproposed.Theresearchshowsthattheimprovednearestneighborapproachcouldimprovetheeffectivenessandaccuracyofcase-basedreasoningbyintroducingthecalculationmethodofstructuralsimilarityandthetheoryofcloudmodel.Finally，theresultofsimulationshowsthatitcanselectouttheappropriatesolutionfromthecaselibrary.multipleunmannedcombatairvehicles（UCAVs），tacticaldecisionmaking，case-basedKeywords：reasoning（CBR），rule-basedreasoning（RBR），cloudmodelLIC，WANGY，ZHOUH，etal.IntelligenttacticaldecisionmakingformultipleCitationformat：unmannedcombataerialvehiclesformation［J］.FireControl&CommandControl，2018，43（7）：26-31.国内外对无人机单机作战战术决策论述较多［4］，但针对多无人机编队作战战术决策问题则鲜有文献进行研究讨论。多无人机编队空战通常可以分解为“二对一”、“二对二”和“一对一”等基本对抗模式，且“二对二”对抗模式在协同战术的运用上仍然要积极创造“双打单”局面，力争以多打少。因而编队空战最终还将分解为“二对二”和“一对一”的基本对抗模式。“一对一”对抗模式的无人机单机对抗已0引言多无人机编队作战与单架无人机相比，可以提高无人机的突防能力、电子对抗能力、对目标搜索能力和识别能力以及攻击效能等，提高任务完成的整体效率。现阶段对多无人机编队的研究还主要局限于理论和技术领域［1］，但随着理论的逐渐成熟和技术的突破，研究重点必将逐渐转向作战应用层面。收稿日期：2017-05-09作者简介：李修回日期：2017-06-09国家自然科学青年基金（61601505）；航空科学基金资助项目（20155196022）*基金项目：聪（1992-），男，山东潍坊人，博士研究生。研究方向：无人飞行器作战系统与技术。·26·李聪，等：多无人作战飞机编队空战智能决策方法（总第43-1143）有大量文献进行研究，并取得了一定成果［1］，本文主要对现阶段大多数论文尚未涉及的“二对一”对抗模式的战术决策进行研究。针对多无人作战飞机编队空战中的战术决策问题，有人机飞行员在空战和训练中形成的作战经验为案例库的构建和规则推理机制提供了大量的样本。在此基础上，本文提出了基于框架结构的战术决策知识表示形式，并创新性地结合主观专家赋权法和客观云模型理论来确定属性权重。此外，为了克服最近相邻检索算法中属性缺失的问题，提出了双层结构的案例全局相似度计算方法。最后，利用规则推理对相似度小于阈值的情况进行修正。1案例知识表示飞行员在编队空战对抗过程中采取战术方案时，通常先从记忆中寻找与当前空中态势相似的经历，然后对记忆中的解决方法结合实际情况进行适当修正后再实施作战行动。根据飞行员的这种思维活动以及进行案例推理时的需求，本文采用框架表示法对飞行员编队空战决策知识进行表示，并将每个知识元以案例的形式存储在案例库中。框架表示是一种适应性强、结构灵活、推理方式灵活的知识表示方法，具有很强的通用性和灵活性。框架表示法的具体内容参看文献［2］。本文中，槽”表示战术决策案例的属性，“侧面”用来描述战术决策案例属性的不同方面。由于编队空战涉及到众多因素，很难通过战术决策案例完整地描述，故本文只选取了影响多无人机编队空战战术决策的关键属性对空战态势进行刻画，最后的仿真结果验证了表1中选取的关键属性的合理性。本文所选取的关键属性是在态势分析的基础上实现的，协同战术的具体行为描述参见文献［7-9］。2案例检索目前，案例检索主要有最近相邻、归纳推理和知识引导等几种方法［10］。在研究多无人作战飞机空战战术决策案例知识表示方法的基础上，选用与之相配的最近相邻检索算法。最近相邻检索算法的实现主要包括特征属性权重的获取，结构相似度计算，属性相似度计算和全局相似度计算等4个方面的内容，现将本文中所使用的改进型最近相邻检索算法的各环节设计如下。2.1检索特征属性权重的获取检索特征属性的获取过程在构建案例库时即表1编队战术决策关键属性案例知识表示协同战术决策案例长机与敌机的相对态势变量RS1槽1<侧面11>:主动<值111>:0<侧面12>:均势<值121>:1<侧面13>:被动<值131>:2僚机与敌机的相对态势变量RS2槽2<侧面21>:主动<值211>:0<侧面22>:均势<值221>:1<侧面23>:被动<值231>:2敌机与我编队的飞行高度差变量DH槽3<侧面31>:大<值311>:0<侧面32>:中<值321>:1<侧面33>:小<值331>:2敌机相对我编队的水平位置变量RPX槽4<侧面41>:敌机处于我双机两侧之间<值411>:0<侧面42>:敌机处于我双机前后之间<值421>:1<侧面43>:敌机水平上不处于我双机之间<值431>:2敌机相对我编队的垂直位置变量RPY槽5<侧面51>:敌机处于我双机上下之间<值511>:0<侧面52>:敌机不处于我双机上下之间<值521>:1敌机攻击目标的选定状态GS槽6<侧面61>:敌机已选定攻击目标<值611>:0<侧面62>:敌机尚未选定攻击目标<值621>:1敌我相对速度差变量RV槽7<侧面71>:大<值511>:0<侧面72>:中<值511>:1<侧面73>:小<值511>:2协同战术决策TAC<侧面81>:掩护攻击战术<值811>:1<侧面82>:水平夹击战术<值821>:2<侧面83>:上下夹击战术<值831>:3<侧面84>:前后夹击战术<值841>:4槽8<侧面85>:诱敌攻击战术<值851>:5<侧面86>:诱敌攻击转换防御战术<值861>:6<侧面87>:水平防御分合反击战术<值871>:7<侧面88>:上下防御分合反击战术<值881>:8<侧面>:水平夹击防御反击战术<值881>:9<侧面810>:上下夹击防御反击战术<值8101>:10已经完成。“长机或僚机与敌机的相对态势变量”，敌机攻击目标的选定状态”等一系列重要的属性不同，目标问题和源案例之间就无需进行匹配。这类特征属性可定义为充要条件属性。为了突出充要条件属性，本文将充要条件属性的权重取为1，也就是说，即只要充要条件特征属性不同，则利用欧式距离公式求得的相似度值可以小于或者等于零，即目标问题和源案例就无需进行匹配。这样案例库可以在规模不变的情况下，由于不需要进行全库搜索而使得检索的速度大大加快。对于其余的非充要条件属性的权值，可采用专·27·““（总第43-1144）火力与指挥控制2018年第7期家打分法和云模型理论在量化多名专家对属性与最后决策方案影响强度判断的基础上，使用云模型对权重知识进行启发式层次寻优，从而确定其权值。具体的计算流程如图1所示。图1特征属性权值获取流程下面，以“敌我相对速度差变量RV”属性的权重确定过程为例进行说明。表2所示为依次进行3次专家打分后，借助正向云发生器和逆向云发生器求取的关于“敌我相对速度差变量RV”属性的云模型数字特征，并根据此利用正向云发生器生成的云图如图2所示。表2专家打分结果数字特征打分次数期望ex熵en超熵he第1次0.65600.17430.3229第2次0.66710.12720.0520第3次0.65510.12330.0320（a）（b）（c）图2权重获取过程云图·28·从图2（a）结合表2分析可知，第1轮的打分结果熵值以及超熵值都偏大，云滴的离散度较大，表明专家对“敌我相对速度差变量RV”这一特征属性未形成一致的看法，需要继续进行打分。图2（b）是再次打分后通过正向云发生器所得的云图，结合表2分析可知，熵值和超熵值均开始减小，云图由雾状开始向云凝聚，表示专家意见开始趋于统一。然后，对评分结果处理后再次反馈给专家以指导其进行第3次打分，所得结果的数字特征为（0.6551，0.1233，0.032），熵和超熵进一步降低，生成云图如图2（c）所示，云图凝聚性再次增强，表示专家意见趋于一致，则据此可设定“敌我相对速度差变量RV”特征属性的权重为0.6551。重复上述计算步骤，则可分别求得“敌机与我编队的飞行高度差变量DH”、“敌机相对我编队的水平位置变量RPX”和“敌机相对我编队的垂直位置变量RPY”等非充要条件属性的权值。最终计算结果如表3所示。表3特征属性权值序号特征属性权重归一化权重1长机与敌机的相对态势112僚机与敌机的相对态势113敌机攻击目标的选定状态114敌我相对速度差0.65510.19315敌机与我编队的飞行高度差0.78340.23806敌机相对我编队的水平位置0.59650.177敌机相对我编队的垂直位置0.790.31352.2相似度计算多无人机编队空战战场环境态势复杂，因自身探测器性能不足等原因往往会造成特征属性值缺失的情况。为了克服上述不足，提出了结构相似度和属性相似度相结合的双重结构检索策略。2.2.1结构相似度由于待解决问题与源案例的属性可能不尽相同，故先要求取结构相似度：（1）式（1）中，表示问题案例的属性集合Q和源案例的属性集合C的结构相似度，表示Q和交集C的权重之和，表示Q和C并集的权重之李聪，等：多无人作战飞机编队空战智能决策方法（总第43-1145）和，棕i表示Q和C交集中的第i个属性的权重，棕j表示Q和C并集中第j个属性的权重，m表示Q和C交集中属性的个数，n表示Q和C并集中属性的个数。2.2.2属性相似度在战术决策案例中，属性的类型有两类［1］：一是确定符号属性，长机或僚机与敌机的相对态势、敌机攻击目标的选定状态、敌机与我编队的飞行高度差、敌机相对我编队的水平位置和垂直位置等；二是确定数属性。本文特征属性只有确定符号属性，确定数属性不予考虑。根据上述分析，利用混合相似性度量方法对属性相似度进行计算。确定符号属性：（2）例如，若问题案例与源案例的敌机类型值均为0（主动）、1（均势）或2（被动）时，则，其余情况则2.2.3全局相似度在进行全局相似度计算时，只能根据共有属性进行计算，因此，需要对各共有属性的权重重新进行归一化处理，计算方法如下：（3）式（3）中，Q和C的属性加权相似度由表示，Q和C交集的权重之和由表示，Q和C交集中的第i个属性的权重由wi表示，m为Q和C交集中属性的个数，表示问题案例与源案例之间第i个属性的相似度。综上所述，利用式（1）~式（3），便可求得问题案例和源案例之间的相似度。在案例检索过程中，为了使检索到的源案例对目标问题有很好的参考和指导意义，以保证源案例和目标问题描述尽可能相似，需要设置相似度阈值。当有多个相似度超过阈值的案例时，则选取相似度最大的案例；当目标问题与源案例的最大相似度小于设定的阈值时，则认为检索失败，需要进行案例修正以得到战术方案。3案例修正当检索后目标问题的案例与源案例的相似度不高甚至检索失败时，为了顺利地进行战术决策，则需要进行案例修正。案例修正一直是案例推理的难点之一，现采用的方法大多数是基于规则或者人机交互的方式。本文基于规则推理（RBR）设计了战术决策案例的修正机制。规则推理的具体方法参见文献［11］。对于一个新问题，首先进行案例推理，当不存在满足阈值的案例时，则转向基于规则的推理。这种方式符合人在解决问题时，先采用经验求解，当无类似经验知识时则根据事物间的因果关系求解问题的思维模式。在此基础上，可得战术决策的流程如图3所示。图3战术决策流程4战术决策案例库的维护与更新战术决策案例库的扩充，一方面可以依靠飞行员在实战或演习过程中获得的经验的转化，将经验提炼为案例库中的案例；另一方面则可以依赖多无人机空战过程中所获经验的转化。随着案例库中案例的增加，案例库难免出现冗余，从而对战术决策实时性产生不利影响。因此，当有新案例被添加进案例库时，则需要检查其冗余性，设计案例库维护与更新的流程如下页图4所示。关于案例评估机制的研究将在后面的研究中进行。5仿真分析对现有定性描述的“二对一”编队空战的协同·29·（总第43-1146）火力与指挥控制2018年第7期图4案例库的更新表4编队战术决策知识CaseRS1RS2DHRPXPRYGSRVTAC10-220220-221430-222140-2-20350-2-21160225702-2181020291021410102211110-2031210-211131-025141-0-21152-2205162-2214172-2225182-2-2119222009202222062122210722222128232221182422-200102522-21062622-216注：表中“-0”表示“非0”，表示代码1和2的属性值；-2”表示“非2”，表示代码0和1的属性值。相对速度的单位为m/s。·30·攻击战术知识进行提取，量化表示如表4所示。为了演示本文设计的战术决策方法，采用以IntelCorei3-2100CPU3.1GHzRAM4G为硬件基础的WIN7系统环境，在MATLAB软件的基础上建立可视化的GUI仿真界面，利用前文设计的改进型最近邻检索算法进行仿真分析。以表4中所描述的编队战术决策规则为依据，建立案例库，设置案例匹配相似度阈值为0.8。当目标案例与源案例的相似度大于该阈值时，则认为待求解问题与源案例相似，选取相似度最大的源案例作为决策结果否则表示不相似，案例推理失败，进行规则推理［11-16］。假设两机编队所处的空战态势如下页图5所示。我方其中一机敌我态势被动，而另一架敌我态势主动，飞行高度差大，敌机处于我双机两侧和前后之间，相对速度小且敌机尚未选定攻击目标。通过案例检索，选取最相似案例，其相似度为1，大于给定的阈值，因此，最匹配战术为“战术1：掩护攻击”。仿真中决策时间为0.87ms，决策时间满足实时性的要求。在图6描述的空战态势中，我双机的敌我态势均为被动的情况下，当敌机未选定攻击目标，相对速度大，与我编队的高度差小且处于我双机上下和前后之间时，通过案例搜索，得到最相似案例的相似度仅为0.6312，小于给定的阈值，案例检索失败，遂进行规则推理。通过规则推理可得出最佳匹配战术为“战术7：水平防御分合反击战术”，当接近敌机火力范围时，我双机突然水平分开，若敌机跟踪其中一架我机时，另一架我机迅速占位，实施反击。仿真中决策时间为0.9612ms，决策结果与人在回路中参与决策的结果一致，决策时间满足实时性的要求。6结论本文针对大多数论文中尚未涉及的多无人机编队中“二对一”空战战术决策问题，提出了一种基于案例推理和规则推理的人工智能方法。在战术决策知识结构化表示的基础上，利用专家赋权法和云模型理论确定空战关键属性的权重，并提出了结构相似度和属性相似度相结合的双重结构检索策略以实现相似度计算，进行案例匹配。从仿真结果来看：编队战术决策案例知识表示过程中所选用的关键特征属性比较合理，能较准确地描述空战态势，并据此选择出合理的战术方案；采用“李聪，等：多无人作战飞机编队空战智能决策方法（总第43-1147）图5案例推理结果图6规则推理结果的案例检索与维护机制能在保证检索快速性的同时兼顾案例库的完备性；决策时间短，足以满足作战的实时性要求。参考文献：［1］DEGHATM，XIAL，HONGY.Multi-targetlocalizationandcirculmnavigationbyasingleagentusingbearingmeasurements［J］.InternationalJournalofRobustandNonlinearControl，2015，25（2）：2362-2374.［2］BYRNESM.Nightfall：machineautonomyinair-to-aircombat［J］.AirandSpacePowerJournal，2014，28（3）：48-75.［3］TSACHS，PELEDA，PENND，etal.DevelopmenttrendsfornextgenerationUAVsystems［C］//RohnertPark，California：2007，41（3），20-37.［4］AIAAGuidance，NavigationandControlConference［C］//Hawaii：AIAA，2008：1-14.［5］唐传林，黄长强，丁达理，等.一种UCAV自主空战智能战术决策方法［J］.指挥控制与仿真，2015，37（5）：5-11.［6］魏强，周德云.基于专家系统的无人战斗机智能决策系统［J］.火力与指挥控制，2007，9（2）：45-48.［7］周忠良，于雷，吕跃，等.航空兵战术建模与运用［M］.北京：国防工业出版社，2011［8］周思羽，吴文海，孔繁峨，等.基于随机决策准则的改进多级影响图机动决策方法［J］.北京理工大学学报，2013，52（3）：173-176..［9］PERELAMANA，SHIMAT，etal.Cooperativedifferentialgamesstrategiesforactiveaircraftprotectionfromahomingmissile［J］.JournalofGuidance，ControlandDynamics.2011，34（3）：761-773.［10］袁晓芳.基于情景分析与CBR的非常规突发事件应急决策关键技术研究［D］.西安：西安科技大学，2012.［11］李益龙，喻涛.基于规则的对海作战指挥控制应用［J］.指挥信息系统与技术，2011，2（5）：47-48.［12］罗贺，秦英祥，王国强，等.一种无人机侦察能力评估模型［J］.火力与指挥控制，2016，41（2）：7-12.［13］张耀中，张建东，史国庆.无人机警戒雷达仿真系统的建模与仿真［J］.火力与指挥控制，2016，41（2）：93-96.［14］贺若飞，李大健，刘宏娟，等.无人机自主控制应用需求及研究发展分析［J］.火力与指挥控制，2016，41（5）：1-5.［15］徐冠华，董彦非，王超，等.任务请求模式下无人机战场态势显示系统设计［J］.火力与指挥控制，2017，42（2）：109-113.［16］屈文敏，董彦非，岳源.对地攻击型无人机作战效能评估［J］.火力与指挥控制，2016，41（4）：145-149.·31·