基于數(shù)據(jù)驅(qū)動的自學(xué)習(xí)防空火力控制技術(shù)

劉建生，程曉敏，丁 帥，宋麗瓊，侯宇辰

（北方自動控制技術(shù)研究所，太原 030006）

0 引言

隨著無人技術(shù)、人工智能技術(shù)、大數(shù)據(jù)技術(shù)的發(fā)展，戰(zhàn)場感知越來越泛在化、集群作戰(zhàn)越來越自主化和協(xié)同化、作戰(zhàn)體系越來越云態(tài)化。傳統(tǒng)的防空火力控制技術(shù)已經(jīng)難以滿足新形勢下的作戰(zhàn)需求［1］。

在傳統(tǒng)武器裝備設(shè)計(jì)中，防空火力控制技術(shù)的實(shí)現(xiàn)方式主要是依據(jù)先驗(yàn)知識，建立一系列數(shù)學(xué)模型在探測跟蹤、運(yùn)動假定、時(shí)空配準(zhǔn)、目標(biāo)分配、決策生成、協(xié)同控制等方面進(jìn)行預(yù)測、控制、評價(jià)，其整個(gè)控制過程是時(shí)不變參數(shù)、時(shí)不變結(jié)構(gòu)，不具備有效利用大量在線數(shù)據(jù)、離線數(shù)據(jù)進(jìn)行挖掘分析、關(guān)聯(lián)規(guī)則形成自學(xué)習(xí)、自修正的能力。這種能力缺失導(dǎo)致傳統(tǒng)火力控制技術(shù)存在諸多不足，主要體現(xiàn)在：目標(biāo)運(yùn)動假定模型單一，只涵蓋有限幾種經(jīng)典運(yùn)動方程，對臨空攻頂、無人機(jī)蜂群、高機(jī)動等目標(biāo)缺乏有效狀態(tài)空間模型；信息融合與傳感器緊耦合，不能有效處理信息的多樣性和不確定性；決策分析沒有真正的集數(shù)據(jù)、模型、知識于一體，只是運(yùn)用模型和數(shù)據(jù)庫進(jìn)行局部推理，缺少知識的提取、歸納、管理，不具備人工智能的基因；效能評估指標(biāo)體系的構(gòu)建還是基于專家系統(tǒng)，影響它的完備性、客觀性、時(shí)效性［2-5］。

綜上所述，通過引入大數(shù)據(jù)思想，有效利用歷史數(shù)據(jù)、仿真數(shù)據(jù)、實(shí)時(shí)在線數(shù)據(jù)，針對傳統(tǒng)火力控制技術(shù)中時(shí)敏目標(biāo)狀態(tài)空間模型構(gòu)建、大閉環(huán)校射、協(xié)同信息處理、控制決策、效能評估等薄弱環(huán)節(jié)，運(yùn)用數(shù)據(jù)挖掘、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)，提升火控系統(tǒng)自修正、自學(xué)習(xí)能力，推動火力控制技術(shù)的創(chuàng)新升級，為武器裝備向無人化智能化方向發(fā)展提供技術(shù)支撐［6-7］。

1 國內(nèi)外研究現(xiàn)狀

2017 年3 月，美軍發(fā)布《美國陸軍機(jī)器人與智能系統(tǒng)戰(zhàn)略》，是美陸軍在應(yīng)用人工智能技術(shù)方面的戰(zhàn)略規(guī)劃，提出了戰(zhàn)略發(fā)展目標(biāo)，描繪了機(jī)器人和智能系統(tǒng)的發(fā)展方向；2017 年4 月份，美軍方與谷歌公司開展了“加快國防部整合大數(shù)據(jù)和機(jī)器學(xué)習(xí)”的項(xiàng)目，重點(diǎn)推動美軍在深度學(xué)習(xí)、智能算法、軍用機(jī)器人等方面的技術(shù)革新；2018 年8 月，美國防部發(fā)布《2017-2042 年無人系統(tǒng)綜合路線圖》，該路線圖針對系統(tǒng)自主性梳理了4 項(xiàng)關(guān)鍵技術(shù)，將人工智能和機(jī)器學(xué)習(xí)作為第一關(guān)鍵技術(shù)［8］。

國內(nèi)對人工智能在軍事領(lǐng)域的應(yīng)用研究也逐漸成為熱點(diǎn)，孫志軍等人利用深度學(xué)習(xí)方法，提高了雷達(dá)識別目標(biāo)的準(zhǔn)確率；張樂等人研究了基于自編碼神經(jīng)網(wǎng)絡(luò)的裝備體系評估指標(biāo)方法；朱豐等人研究了基于深度學(xué)習(xí)的戰(zhàn)場態(tài)勢評估；劉忠采用深度學(xué)習(xí)技術(shù)開展了智能指揮控制方法的研究等；尤其在無人機(jī)和裝備故障診斷領(lǐng)域，人工智能算法已經(jīng)在武器裝備上進(jìn)行工程實(shí)踐［9］。

2 方案原理

本文主要探索大數(shù)據(jù)、數(shù)據(jù)挖掘、深度學(xué)習(xí)等技術(shù)與武器裝備火力控制的結(jié)合點(diǎn)，用大數(shù)據(jù)思維推動火力控制技術(shù)升級，從以“模型”為核心轉(zhuǎn)變?yōu)椤皵?shù)據(jù)+模型”為核心，注重火力控制各環(huán)節(jié)相關(guān)性的挖掘分析，以數(shù)據(jù)被動應(yīng)用轉(zhuǎn)變?yōu)橹R的學(xué)習(xí)管理，從而使得武器裝備在目標(biāo)探測跟蹤、誤差自修正、分布式信息處理與控制決策、毀傷評估等方面，具備一定程度的感知推理、決策分析、自主控制等能力。

圖1 技術(shù)實(shí)現(xiàn)原理

3 基于大數(shù)據(jù)的多類型目標(biāo)狀態(tài)空間模型分析

基于大數(shù)據(jù)的目標(biāo)狀態(tài)空間模型分析方法，是將數(shù)據(jù)驅(qū)動的思想引入傳統(tǒng)的模型識別，利用存儲的大數(shù)據(jù)信息中包含的多種目標(biāo)屬性信息和運(yùn)動狀態(tài)信息進(jìn)行判斷、比對，有效地修正目標(biāo)狀態(tài)空間模型的使用種類以及使用參數(shù)。同時(shí)根據(jù)誤差分析，對選擇的目標(biāo)狀態(tài)空間模型進(jìn)行有效性判定。最終，大幅提升對空間目標(biāo)的跟蹤、解算精度，進(jìn)而提升對目標(biāo)的毀傷概率［10］。

3.1 目標(biāo)狀態(tài)空間模型庫

初始模型庫的建立是根據(jù)一定的歷史數(shù)據(jù)和先驗(yàn)知識，設(shè)計(jì)一個(gè)由有限模型數(shù)據(jù)組成的模型集。其中每個(gè)模型對應(yīng)某類目標(biāo)的一種或者多種，包含有目標(biāo)飛行特性、目標(biāo)不同階段的運(yùn)動特性、預(yù)測誤差等的數(shù)據(jù)集合。

目標(biāo)狀態(tài)空間初始模型庫包含了不同類型目標(biāo)在各個(gè)階段多種可能的運(yùn)動狀態(tài)估計(jì)。它是根據(jù)每類目標(biāo)不同階段的運(yùn)動特點(diǎn)，由幾種典型的運(yùn)動狀態(tài)估計(jì)擬合形成的。其中包括：勻速運(yùn)動、勻加速度運(yùn)動、變加速度運(yùn)動、轉(zhuǎn)彎運(yùn)動、俯沖運(yùn)動、懸停機(jī)動等等。

3.2 基于數(shù)據(jù)和模型的目標(biāo)狀態(tài)空間自學(xué)習(xí)方法

基于模型的運(yùn)動狀態(tài)估計(jì)對模型庫的依賴很大，一方面為了提高估計(jì)精度需要不斷增加模型數(shù)量，另一方面多模型組合也無法應(yīng)對越來越復(fù)雜的目標(biāo)機(jī)動，以及越來越不確定的實(shí)戰(zhàn)空情［11］。

為解決上述問題，引入深度信念網(wǎng)絡(luò)（DBN）和目標(biāo)運(yùn)動數(shù)學(xué)模型相結(jié)合，通過使用訓(xùn)練好的DBN模型產(chǎn)生運(yùn)動狀態(tài)預(yù)測值修正基于模型的目標(biāo)運(yùn)動狀態(tài)估計(jì)，維持對目標(biāo)高精度預(yù)測跟蹤。

基本原理如圖2 所示。

圖2 基于數(shù)據(jù)和模型的目標(biāo)狀態(tài)空間自學(xué)習(xí)方法實(shí)現(xiàn)原理

1）實(shí)時(shí)觀測數(shù)據(jù)分別通過運(yùn)動模型和深度信念網(wǎng)絡(luò)進(jìn)行系統(tǒng)狀態(tài)估計(jì)，估計(jì)值進(jìn)行時(shí)空配準(zhǔn)、誤差評估分析，誤差評估分析可采用逆解法；

2）將相關(guān)時(shí)間內(nèi)的誤差進(jìn)行統(tǒng)計(jì)分析，評估當(dāng)前空情條件下的DBN 學(xué)習(xí)能力和模型組合預(yù)測能力，實(shí)時(shí)修正跟蹤參數(shù)，保持對目標(biāo)的高精度跟蹤；

3）能夠?qū)Ρ敬蔚膶W(xué)習(xí)進(jìn)行知識歸納，形成知識存儲于數(shù)據(jù)庫中；

4）深度信念網(wǎng)絡(luò)訓(xùn)練可以采用線下和線上學(xué)習(xí)，線下學(xué)習(xí)主要依據(jù)數(shù)據(jù)庫進(jìn)行樣本稀疏學(xué)習(xí)。

4 多探測模式下的目標(biāo)融合識別技術(shù)

雷達(dá)和光電探測設(shè)備是武器裝備的主要探測手段，它們的表現(xiàn)形式不同、數(shù)據(jù)精度、時(shí)空信息不一致，為綜合利用這些數(shù)據(jù)，采用將單一數(shù)據(jù)源的特征提取后，研究特征空間中的融合算法［12-13］。

總體思路是運(yùn)用修正的DS 證據(jù)理論實(shí)現(xiàn)決策層上的信息融合。由于神經(jīng)網(wǎng)絡(luò)是一種提取證據(jù)的有效方法，因此，在特征層上根據(jù)多頻譜傳感器提供特征向量的特點(diǎn)，分別選取合適的神經(jīng)網(wǎng)絡(luò)對目標(biāo)進(jìn)行初步的分類識別，即得到目標(biāo)對每個(gè)類別屬性的隸屬度輸出。神經(jīng)網(wǎng)絡(luò)的每次輸出作為一條證據(jù)，在決策層上用證據(jù)理論的方法把每次得到的證據(jù)不斷地結(jié)合起來，得出最后的融合識別結(jié)果。

圖3 分布式異類信息處理流程

基于D-S 證據(jù)理論的融合過程如圖4 所示。

圖4 多特征綜合識別流程

具體的融合處理步驟為：首先，分別對各數(shù)據(jù)源構(gòu)造基本概率分配函數(shù)并計(jì)算相應(yīng)的證據(jù)區(qū)間；然后，利用證據(jù)合成規(guī)則得到多數(shù)據(jù)源融合后的聯(lián)合證據(jù)區(qū)間；最后，依據(jù)一定的決策規(guī)則得到融合后的目標(biāo)屬性。

5 基于卷積神經(jīng)網(wǎng)絡(luò)的射擊諸元修正技術(shù)

將卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與傳統(tǒng)火力控制技術(shù)相結(jié)合，挖掘火力控制各誤差環(huán)節(jié)的相關(guān)性以及誤差對脫靶量的影響值，最終實(shí)現(xiàn)系統(tǒng)自修正［14］。

彈目偏差主要與目標(biāo)位置x，y，z、速度vx，vy，vz、加速度ax，ay，az、角加速度ωβ，ωε、炮口初速v0、空氣密度ρ、海拔高度H、橫風(fēng)Fx和縱風(fēng)Fy、修正值Cβ，Cω（若無修正則為零）這18 個(gè)變量有關(guān)，因此，脫靶量值所需構(gòu)造的工作式應(yīng)當(dāng)是如下的形式：

由于自變量的多樣性以及空間的復(fù)雜性，擬合的函數(shù)形式必將是一個(gè)含有多個(gè)變量，且階次較高的非線性函數(shù)?；诰矸e神經(jīng)網(wǎng)絡(luò)對于解決多變量、高階目標(biāo)函數(shù)問題一般都有較好的結(jié)果。將數(shù)據(jù)庫中的歷史數(shù)據(jù)作為學(xué)習(xí)的樣本集。具體實(shí)現(xiàn)過程如下：對訓(xùn)練樣本集進(jìn)行歸一化處理，這樣可以避免學(xué)習(xí)過程的連接權(quán)值過大的問題，得以保證學(xué)習(xí)訓(xùn)練過程不會發(fā)生計(jì)算溢出問題。

輸入層18 個(gè)輸入神經(jīng)元表示18 個(gè)輸入變量，輸出層有2 個(gè)神經(jīng)元表示彈目偏差。

圖5 基于卷積神經(jīng)網(wǎng)絡(luò)的射擊諸元修正技術(shù)

6 自學(xué)習(xí)防空火力控制系統(tǒng)

自學(xué)習(xí)防空火力控制系統(tǒng)主要包含在線自學(xué)習(xí)系統(tǒng)和線下深度學(xué)習(xí)訓(xùn)練。

在線自學(xué)習(xí)系統(tǒng)主要包括自主感知和自主攔截決策兩部分功能。自主感知能夠?qū)Ψ植际蕉嘣赐瑯?gòu)或異構(gòu)信息進(jìn)行綜合處理，消除可能存在的冗余和矛盾信息，對目標(biāo)運(yùn)動狀態(tài)和類型進(jìn)行判斷識別，形成對作戰(zhàn)環(huán)境相對完整一致的描述，為自主攔截決策提供準(zhǔn)確信息支撐；研究基于強(qiáng)化學(xué)習(xí)的自主攔截決策技術(shù)，較好地集成數(shù)據(jù)、模型和知識，有效彌補(bǔ)傳統(tǒng)控制決策協(xié)同機(jī)制、規(guī)則建模難度大、決策結(jié)果穩(wěn)定性差的問題，為武器平臺間協(xié)同作戰(zhàn)提供決策支持，決策結(jié)果主要包括協(xié)同探測、跟蹤、火力分配、攔截方式等［15］。

線下深度學(xué)習(xí)訓(xùn)練方法主要進(jìn)行模型訓(xùn)練，為智能決策系統(tǒng)提供科學(xué)的模型。它利用訓(xùn)練樣本庫進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)訓(xùn)練，形成目標(biāo)軌跡預(yù)測模型、目標(biāo)類型識別模型；通過卷積神經(jīng)網(wǎng)絡(luò)估計(jì)值函數(shù)建立回報(bào)函數(shù)初始值，并通過逆向強(qiáng)化學(xué)習(xí)的方法對指揮決策范例庫數(shù)據(jù)進(jìn)行強(qiáng)化學(xué)習(xí)完善回報(bào)函數(shù)［16］。

圖6 自學(xué)習(xí)防空火力控制系統(tǒng)原理

6.1 基于強(qiáng)化學(xué)習(xí)的自主攔截決策

強(qiáng)化學(xué)習(xí)是智能體以“試錯”的方式進(jìn)行學(xué)習(xí)，通過與環(huán)境進(jìn)行交互獲得的獎賞指導(dǎo)行為，目標(biāo)是使智能體獲得最大的獎賞。強(qiáng)化學(xué)習(xí)不同于連接主義學(xué)習(xí)中的監(jiān)督學(xué)習(xí)主要表現(xiàn)在信號上，強(qiáng)化學(xué)習(xí)中由環(huán)境提供的強(qiáng)化信號是對產(chǎn)生動作的好壞作一種評價(jià)標(biāo)準(zhǔn)。由于外部環(huán)境提供的信息很少，系統(tǒng)必須靠自身的經(jīng)歷進(jìn)行學(xué)習(xí)。通過這種方式，在行動-評價(jià)的環(huán)境中獲得知識，改進(jìn)行動方案以適應(yīng)環(huán)境［17］。

自主攔截決策的難點(diǎn)在于強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)和回報(bào)函數(shù)的建立。其基本流程如下：

1）隨機(jī)生成一個(gè)策略作為初始策略值；

2）通過比較“專家”的交互樣本和系統(tǒng)自身交互樣本的差別，學(xué)習(xí)得到回報(bào)函數(shù)；

3）利用回報(bào)函數(shù)進(jìn)行強(qiáng)化學(xué)習(xí)，提供系統(tǒng)決策水平；

4）若兩個(gè)策略的實(shí)際作戰(zhàn)效果基本相同，可停止學(xué)習(xí)，否則回到第2）步。

6.2 訓(xùn)練樣本庫的設(shè)計(jì)

為保證訓(xùn)練樣本庫中的數(shù)據(jù)具備良好的可信度、代表性和覆蓋性，數(shù)據(jù)來源主要依托單位在裝備型號研制過程中采集的靶場數(shù)據(jù)。裝備型號涵蓋警戒雷達(dá)、光電搜跟設(shè)備、防空高炮武器、防空導(dǎo)彈以及營連指揮控制系統(tǒng)等10 余種裝備；靶場數(shù)據(jù)主要包括S70 低速靶機(jī)、S300 高速靶機(jī)、無人機(jī)、殲7B 等目標(biāo)飛行數(shù)據(jù)，以及光電/雷達(dá)探測的視頻、圖像、數(shù)據(jù)等。訓(xùn)練樣本庫中數(shù)據(jù)的數(shù)量和質(zhì)量能夠滿足模型訓(xùn)練的要求［18］。

圖7 基于強(qiáng)化學(xué)習(xí)的自主協(xié)同決策實(shí)現(xiàn)

7 應(yīng)用前景

本文旨在提出一種設(shè)想對傳統(tǒng)防空火力控制技術(shù)進(jìn)行技術(shù)升級，推動傳統(tǒng)火力控制技術(shù)的升級換代，有效解決末端防御正面臨的以下問題：如何應(yīng)對機(jī)動目標(biāo)跟蹤預(yù)測建模？如何快速決策應(yīng)對臨空目標(biāo)？如何快速形成武器平臺間自主協(xié)同決策？如何應(yīng)對飽和攻擊等一系列技術(shù)難題。研究形成的新方法新技術(shù)能指導(dǎo)未來新型防空武器火力控制系統(tǒng)、一體化協(xié)同作戰(zhàn)武器系統(tǒng)，以及強(qiáng)激光/電磁炮等新概念武器的研制，提升武器的智能化作戰(zhàn)水平。