中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2022 , Vol. 44 >Issue 6: 16 - 28

DOI: https://doi.org/10.3969/j.issn.1673-3819.2022.06.003

无人作战

无人作战系统自主性等级评估与分配技术研究*

  • 郑剑 1 ,
  • 郭阳芃 1 ,
  • 刘俊先 2
展开
  • 1.中国人民解放军63786部队, 新疆 乌鲁木齐 830000
  • 2.国防科技大学信息系统工程重点实验室, 湖南 长沙 410073

郑 剑(1995—),男,硕士研究生,研究方向为体系评估。

郭阳芃(1999—),男,学士。

Copy editor: 张培培

收稿日期: 2022-04-18

  修回日期: 2022-05-13

  网络出版日期: 2022-12-12

基金资助

国家自然科学基金资助项目(71571189)

收起

Research on Autonomy Levels Evaluation and Assignment Technology of Unmanned Combat System

  • ZHENG Jian 1 ,
  • GUO Yang-peng 1 ,
  • LIU Jun-xian 2
Expand
  • 1. Unit 63786 of PLA, Urumqi 830000, China
  • 2. Science and Technology on Information Systems Engineering Laboratory National University of Defense Technology, Changsha 410073, China

Received date: 2022-04-18

  Revised date: 2022-05-13

  Online published: 2022-12-12

Fold

摘要

针对军事应用背景下无人作战系统的自主性,提出无人作战系统自主性等级划分,建立其概念模型,分析了无人作战系统的自主性,建立相关等级模型及评估方法。提出面向任务的无人作战系统自主性等级优化分配模型。首先,建立了无人作战系统作战任务规划模型,将任务消耗资源、任务完成总时间最小化作为目标,还建立了无人作战系统自主性等级调整模型,使无人作战系统执行作战活动的任务完成率极大化,同时资源消耗最小,执行任务风险最低。最后,设计一个登陆作战案例,验证所提出的等级优化分配模型的正确性和有效性。

关键词： 无人作战系统; 自主性; 评估指标; 等级调整

本文引用格式

郑剑 , 郭阳芃 , 刘俊先 . 无人作战系统自主性等级评估与分配技术研究*[J]. 指挥控制与仿真, 2022 , 44(6) : 16 -28 . DOI: 10.3969/j.issn.1673-3819.2022.06.003

Abstract

According to the autonomous characteristics of the unmanned combat system in the context of military application, the level division of the autonomy of the unmanned combat system is proposed and its conceptual model is established. The paper analyzes the autonomy of unmanned combat systems, establishes relevant hierarchical models and assessment methods. A task-oriented optimal assignment model for autonomy level of unmanned combat system is proposed. First of all, the operational task planning model of unmanned combat system is established, and takes minimality of the consumption of task resources and the total time of task completion as the goals. In addition, the autonomous level modulation model of the unmanned combat system is established. The decision rules are formulated to maximize the task completion rate of the unmanned combat system in the execution of combat activities while minimizing the resource consumption and the risk of executing tasks. Finally, a landing battle case is designed to verify the correctness and effectiveness of the hierarchical optimization distribution model proposed in this paper.

Key words： unmanned combat systems; autonomy; evaluation index; level adjustment

随着新军事变革,未来战争形态正由信息化战争向智能化战争演进,无人作战必将在未来作战场景中占有重要定位。美国国防部于2018年8月28日公布了无人系统综合路线图,即《无人系统综合路线图(2017-2042)》[1],确定了无人系统未来发展的四个关键性主题,其中包括自主性。因此,面向未来作战场景,在无人作战系统设计环节,自主性作为无人作战系统性能评价的重要指标之一,是衡量未来无人作战系统与有人作战系统或其他无人作战系统的集成程度、自主行为能力、能否在动态的战场环境中独立地完成复杂任务能力等的标准。
随着人们对自主性研究的深入,自主性评估的方法也越来越多。Sheridan等人[2]概述了具有自主能力的人机交互等级模型。文献[3]提出的模型是基于计算机系统做出自主决策的。Rgyan等[4]提出了用任务评估和重规划能力对系统按照模块化功能进行评级的方法。除此之外,还有基于代价分析[5]、成本/收益分析[6]、轨迹片段分析[7]、智能行为能力[8]等多种性能决策的方法。文献[9] 提出了一种基于无人机自主水平的选择方法。NIST的 ALFUS工作组在2003年提出了无人系统自主级别框架,该框架对各种类型的无人系统进行评估及相应的等级划分,并且第一次对无人系统的自主性评估进行规范化,建立对应框架,并且提供了相应的理论指导[10]。另一个有代表性的轴分析方法是蛛网评估模型[11-12]。
目前,我国对无人装备研究较多,但对无人作战系统自主性的研究比较少。与其他军事强国特别是美国相比,无人系统在军事方面的应用研究仍需加强。本文针对当前军事领域无人系统自主性评估面临的现实问题,分析无人作战系统自主性特性,提出无人作战系统自主性的内涵及其概念模型,通过对无人作战系统自主性的分析建立相关等级模型及评估方法,研究面向任务的无人作战系统自主性等级优化分配模型,为作战任务规划人机协同分工提供方法和技术支撑。

1 无人作战系统自主性概念模型

1.1 自主性概念

自主性(autonomy)在许多领域都有相关概念,且每个领域都有各自不同的定义。虽然自主性是一个看似无处不在的概念,但是现在大多数讨论都涉及人工智能和机器人技术,尤其是无人系统,导致其很难定义。文献[13⇓⇓⇓⇓-18]对“自主”和“自主系统”进行了定义,其中,比较常出现的片段和短语有:单独行动、自我管理、没有直接干预、控制自己的行为、自我导向行为、修改自己的行为、适应环境的变化、独立撰写和选择行动、适应环境的变化、选择/参与目标而无须人工操作员的干预、独立实现任务目标。
本文对无人作战系统自主性的定义:无人作战系统在一系列军事任务中,根据对外部战场环境信息获取以及自身所具有的能力,系统内部之间相互交流协作,适应其环境中的动态变化,在人的监督管理下能够独立做出判断和决策,完成所执行任务的能力。

1.2 无人作战系统自主性等级划分

1)自主性等级的垂直划分依据
麻省理工学院的Parasuraman 等人提出无人自主系统是一个智能化的系统,并分别介绍了信息获取(Information Acquisition)、信息分析(Information Analysis)、决策和行动选择(Decision and Action Selection)、行动实施(Action Implementation)四个层次结构[19] 。Parasuraman提出的无人自主系统信息处理的四个层次结构同样适用于无人作战系统。无人作战系统结构核心是指挥控制,根据OODA环理论,指挥控制过程就是按照观察(Observe)、定位(Orient)、决策(Decide)、执行(Act)的OODA环路进行的过程。无人自主系统信息处理的四个结构层次与无人作战系统OODA环理论的四个活动是相对应的。
Parasuraman等人提出的无人自主系统四个层次结构从信息获取层依次到行为实施层,智能水平逐渐提高。综上所述,本文以外界操作人员影响无人系统的智能层次范围作为无人系统自身智能水平的垂直划分依据。
2)自主性等级的水平划分依据
人和无人系统在执行相应任务时,具有不同的合作方式。其中,人类和无人系统之间会有一些合作关系,例如,无人系统主动、双方协商或者无人系统被动。根据双方的合作关系,可以划分为系统全自主、机主人辅、人机协商、人主机辅和用户全手动五个层次。所有感知、分析、计划和决策都由人类完成,外界操作员从人类的参照系引导所有无人系统行为,无人系统只能按照人类指示完成既定简单任务。
五种合作方式的区分主要是人占据主导权的程度不同以及人和无人系统的分工差异。人占据主导的程度越低,说明无人系统自身的智能水平越高,无人系统自身能够完成大部分任务,即无人系统的自主性水平越高。同理,人占据主导的程度越高,说明无人系统自身的智能水平越低,需要外界的帮助越大,即无人系统的自主性水平越低。综上所述,本文将人和无人系统合作方式的层次作为无人系统智能水平的划分依据。
无人作战系统自主性等级的划分是无人作战系统对于所分配任务做出判断和决策的能力的评价。2012年,美国国防部发布《武器系统自主性》,将自主武器系统的自主性等级划分为三级[16]:“人在回路外的控制”(human out of the loop control)“人在回路上的控制”(human on the loop control)“人在回路中的控制”(human in the loop control),如图1所示。本文参考自主武器系统划分,结合无人作战系统特性,根据无人作战系统对于自身智能的认知结果以及人机交互程度属性,提出无人作战系统自主性等级划分。根据现有参考文献,结合军事应用背景,把无人作战系统自主性等级定义为5个级别,分别为全自主、半自主、人类监督、用户协作和全手动,如表1所示,各等级描述如表2所示。
图1 美军自主武器系统划分
表1 自主性等级定义
等级编号 名称 垂直划分依据 水平划分依据
5 全自主 系统全自主 系统全自主
4 半自主 行为实施 机主人辅
3 人类监督 决策和行动选择 人机协商
2 用户协作 信息分析 人主机辅
1 全手动 信息获取 用户全手动
表2 自主性等级描述
等级 名称 描述
1级 全手动 所有任务完全依赖于人工指令完成
2级 用户协作 系统可替人工执行某些任务,但仍需人工进行计划、决策
3级 人类监督 系统具备态势感知、信息融合和参与行动的能力,计划和决策部分由人共同完成
4级 半自主 系统能够完成一定任务,工作占据主动权,但人拥有最终决策权
5级 全自主 系统具有感知、决策、规划和执行的能力,具有全部行为的主导权
1)5级:全自主
无人系统在自身的能力和限制范围内提供了最大程度的独立性和自我决定权; 无人系统具有感知、决策、规划和执行的能力,具有全部行为的主导权;所有的感知和行动都是由无人系统进行的; 大多数规划和决策都是由无人系统进行的; 一些重要情况如谈判与合作由用户进行。无人系统所具备的能力可以支持其完全自主完成绝大多数复杂任务,其交互能力强,能够应对外部环境变化带来的未知问题,自主进行决策。
2)4级:半自主
分析、计划和决策在用户与无人系统之间共享; 感知和行动是由无人系统完成的。无人系统能够完成一定复杂的任务,用户参与执行任务,并在环境较复杂的情况下参与决策分析,帮助无人系统做出合适的选择。在整个任务执行过程中,无人系统工作占据主动权,对整个团队贡献最大,但是用户拥有最终决策权。
3)3级:人类监督
大多数分析、计划和决策都是由用户完成的;感知和行动由无人系统完成。无人系统能够完成一定任务,用户和无人系统共同参与执行,双方都不占据绝对的主动权优势。无人系统为用户决策提供信息和基本方案,双方相互协商产生较优的方案。
4)2级:用户协作
所有分析、计划和决策都由用户完成;感知是由无人系统完成的;用户从机器的参照系引导所有无人系统完成动作。无人系统能够执行较为简单的任务,由于其拥有丰富的传感器和快速计算分析能力,可以辅助用户做出决策,完成任务,用户占据主动权。
5)1级:全手动
所有感知、分析、计划和决策都由用户完成;用户根据用户的参照系引导所有无人系统的行为;无人系统只能按照人类指示完成既定简单任务。

1.3 无人作战系统自主性概念模型

传统的无人作战系统结构存在不能自主调整其自主性等级的问题。在复杂的环境下,无人作战系统面对大量的态势,每个态势都需要正确处理,这样的推理机制是不存在的,因此,需要人的干预。
OODA控制循环的结构设计不利于无人系统实现可变自主并发挥使用者性能,因此,本文中的无人作战系统自主性概念模型采用了OOADA 的控制循环结构,增加的“A”为“Adjustable Autonomy”,代表可变自主性。无人作战系统中,自主等级决策模块需要根据外界战场信息、系统自身信息、所执行任务信息,经过决策判断,确定所要变换的自主性等级。因此,在无人作战系统控制循环中,自主等级决策模块和协同控制模块位于任务规划模块之前,调整无人作战系统的自主性等级,并根据相应情况,将外界操作人员规划、决策等辅助信息通过人机交互在协同控制模块传递给无人作战系统。经过上述分析,提出无人作战系统自主性概念模型如图2所示。
图2 无人作战系统自主性概念模型
1)信息融合模块:负责收集环境感知的数据,其任务是对收集到的数据进行汇集并上报态势理解模块。该模块收集的数据来源于各数据源的信息(如情报信息、雷达声呐探索等)以及知识库中的信息。
2)态势理解模块:负责对外界环境理解、评价和预测,将信息融合模块收集的数据进行整理汇合,进行威胁评估、使命评估、行动效果评估,为自主等级决策提供其规划自主能力的环境认知结果。
3)自主等级决策模块:其是无人作战系统实现可变自主的关键模块。它需要根据态势评估的结果以及任务目标推理得到的任务执行情况,对自身目前的自主能力进行判断,决定是否需要做出适应性调整,改变其自主性等级以更好地执行任务。
4)协同控制模块:将自主等级决策模块做出的决策转到任务规划模块,辅助进行调整,并且可以接受外部(操作人员、其他无人作战系统)的帮助,共同执行任务。
5)任务规划模块:根据协同控制模块转移过来的决策信息,以及任务目标推理确定的当前任务执行情况,负责当前的任务规划和执行,将经过决策分析形成的无人作战系统动作指令向相应的无人装备发送。
6)任务执行模块:根据任务规划模块转移过来的任务决策信息,实施相应行动。
无人作战系统自主性调整的具体步骤如下:
步骤1:由信息融合模块获得环境感知数据;
步骤2:态势理解模块进行推理,获得当前态势的描述,提供给自主等级决策模块和任务规划模块;
步骤3:自主等级决策模块根据态势理解模块的信息,决定自主等级是否调整;
步骤4:协同控制模块接收等级调整信息,并转到任务规划模块;
步骤5:任务规划模块根据新的决策信息,进行任务规划;
步骤6:任务执行模块根据任务规划安排采取相应行动来完成任务。

2 无人作战系统自主性等级评估方法

2.1 自主性评估指标分析

根据本文对无人作战系统自主性的定义,无人作战系统的自主性体现在所执行的任务,与人的交互,独立做出判断和决策,系统内部之间和系统与外界的交互以及系统对信息的获取等五个方面。因此,将无人作战系统自主性等级评估指标分为五个,分别为任务复杂度、人机交互程度、自主决策要求、系统交互强度和信息保障力度。每个评估指标分解为若干个二级指标,进一步描述无人作战系统自主性,如图3所示。
图3 自主性分级评估指标
任务复杂度表示无人作战系统能够处理的任务的复杂性,任务复杂度越高,表示无人作战系统能处理任务的水平越高,无人作战系统的自主能力越强。本文设计了三组二级指标来描述任务的复杂性,分别为任务分解级别、任务类型和任务要求。
人机交互程度表示对外界操作人员的依赖程度,人机交互程度越高,表示对外界操作人员的依赖程度越低,无人作战系统自主能力越强。本文设计了四组二级指标来描述人机交互程度,分别为人工干预时间比、人机交互级别、操作员技术水平和操作员工作强度。
自主决策指的是无人作战系统根据外界战场环境信息、任务相关信息和自身状态信息, 做出判断和决策,使得在尽可能少用资源的前提下,实现任务目标取得最大收益率。自主决策要求越高,表示无人作战系统处理任务的水平越高,无人作战系统自主能力越强。本文设计了三组二级指标来描述自主决策要求,分别为动态规划能力、分析能力和自主导航能力。
系统交互强度表示无人作战系统内部各装备之间协作的能力、信息结构的连通性以及系统与外部环境之间的连通性。系统交互强度越高,表示无人作战系统交互水平越高,无人作战系统自主能力越强。本文设计了两组二级指标来描述系统交互强度,分别为系统协同程度和信息传输速度。
信息保障力度表示无人作战系统为完成所执行的作战任务获得信息的程度。信息保障力度越高,表示无人作战系统态势感知和获取任务相关信息的能力越强,无人作战系统自主能力越强。本文设计了三组二级指标来描述信息保障力度,分别为态势理解程度、信息融合程度和威胁感知程度。

2.2 自主性等级评估方法

自主性等级评估指标评估数据和评估结果具有不同属性,有定性、半定性或定量等不同体现形式。根据指标值获取的方式,可以将评估指标分为估计型指标和实测型指标。例如,一些无法由计算或者实际测试得到的指标值,只能根据一些专业人员给出的主观意见,得到指标评估结果,这些指标被称为估计型指标。另外一部分由系统自身的信息记录并对这些数据进行计算处理得到的指标,如人工干预时间比、接口/数据共享、威胁感知等,称为实测型指标。根据自主性等级评估指标的不同属性以及评估专家的评价偏好,将自主性等级评估指标体系中各评价指标相应地分为实数型指标和语言型指标两类,并对这两种指标值进行初始化无量纲处理。
无人作战系统自主性等级的高低是由任务复杂度、人机交互程度、自主决策要求、系统交互强度和信息保障力度五个指标值综合决定的,自主性不只受水平较低指标的影响,任意一个“短板”评估指标都会严重影响整个无人作战系统的自主性等级。
五个指标的权重根据所执行的任务的不同有所变化。在执行一般军事任务时,任务复杂度、人机交互程度以及自主决策要求三个指标所占权重较大。其中,任务复杂度指标主要影响所执行任务完成时间和任务完成率等效果指标,人机交互程度指标的提高,可以减少外界操作人员的需求量,降低无人作战系统对外界操作人员的依赖程度,自主决策要求指标越高,表示无人作战系统能处理任务的水平越高,无人作战系统自主能力越强。由无人作战系统自主性的概念分析,无人作战系统的自主性水平主要体现在无人作战系统独立做出判断和决策,完成所执行任务的能力的水平。任务复杂度、人机交互程度以及自主决策这三个指标主要决定了无人作战系统执行任务水平的高低。综上所述,本文认为这三个指标主要决定了无人作战系统自主性等级,而系统交互强度、信息保障力度两个指标则影响了无人作战系统自主性等级的下限问题。
本文定义了一个自主性等级评估函数,如公式(1)所示:
l U m=F Z 1 , Z 2 , Z 3+y(f Z 4 , Z 5-F Z 1 , Z 2 , Z 3)
F Z 1 , Z 2 , Z 3表示由任务复杂度、人机交互程度以及自主决策要求三个指标所决定的无人作战系统基础自主性等级。F Z 1 , Z 2 , Z 3由公式(2)计算得出。
F Z 1 , Z 1 , Z 3=N(w1Z1+w2Z2+w3Z3)
Zi表示各自主性等级评估指标无量纲处理后的划分等级,其值由各专业人员根据二级指标的测量指标评估结果综合得到。
公式(2)中的N x可由公式(3)得出。
N x= 1,1 ≤ x < 1.5 2,1.5 ≤ x < 2.5 3,2.5 ≤ x < 3.5 4,3.5 ≤ x < 4.5 5,4.5 ≤ x ≤ 5
y(f Z 4 , Z 5-F Z 1 , Z 2 , Z 3)表示系统交互强度、信息保障力度两个指标影响无人作战系统自主性等级的下限问题,其中,f Z 4 , Z 5由公式(4)计算得到,y x由公式(5)计算得到。
f Z 4 , Z 5=w4Z4+w5Z5
y x= 0 , x > - 0.5 - 1 , x ≤ - 0.5
各权重值可由Delphi法、AHP法、二项系数法、熵值法等来确定。

3 无人作战系统自主性等级优化分配模型

无人作战系统自主性等级优化分配模型主要解决两个问题。第一个问题是作战任务规划问题,考虑能力资源、自主性等条件约束,分派无人作战系统完成作战活动,在满足活动需求的基础上,使得完成作战任务消耗资源最少,时间最短。第二个问题是无人作战系统自主性等级优化调整问题,即基于任务规划的结果,如何调整无人作战系统的自主性等级,使无人作战系统执行任务的效用极大化,同时,工作负荷适当,资源得到极大利用。

3.1 无人作战系统作战任务规划模型

作战任务可分解为一系列作战活动,不同作战活动分配给不同无人作战系统。那么,如何选取合适的无人作战系统来完成某个作战活动,需要满足一定的条件,并且使得完成作战任务消耗资源最少,完成任务时间最短。
无人作战系统完成某一作战活动需要具备处理这个活动的所有条件,这些条件包括具有足够的能力来完成这个活动,无人作战系统在执行该活动时处于准备就绪状态,即一次只能完成一个活动,并且,该无人系统的自主性属性要满足完成这个作战活动的需求。本文认为无人作战系统完成作战活动的能力即为具有足够的作战资源来执行作战活动,每种能力即为一种资源,本文以四种作战能力为例,分别为Com通信能力、Rec侦察能力、Cbt打击能力、Mot机动能力。
本文分别定义无人作战系统执行相应作战活动的相关决策变量如下:
1)无人作战系统作战活动分配变量Dim:作战活动acti分配给无人作战系统Um时,Dim=1,否则Dim=0。
2)无人作战系统在作战活动之间的转移变量Xijm:无人作战系统Um完成作战活动acti后,分配给作战活动actj,则Xijm=1,不分配给作战活动,则Xijm=0。
3)活动顺序变量aij:如果作战活动actj必须在作战活动acti完成后才能开始,则aij=1,否则aij=0。
4)时间变量si:作战活动acti开始的时间。
5)同一无人作战系统执行活动的先后顺序Zij:无人作战系统在完成作战活动acti后去执行作战活动actj时,Zij=1,否则Zij=0。
作战任务效益可由任务消耗资源、任务完成总时间来描述。
1)最小化任务消耗资源
任务消耗资源e T的定义为完成任务T需要的资源总和,即
e T= ∑ m = 1 N ∑ i = 1 KDim r U m;r∈[Com,Rec,Cbt,Mot]
2)最小化任务完成总时间
任务完成总时间Y对任意活动的处理的时间约束式(7)总能成立,其中,T(acti)为作战活动acti完成所需时间,即
Y≥si+T a c t i
任务消耗资源,任务完成总时间Y越低越好,综上所述,作战任务效益最优可以描述为:
m i n e T m i n Y
1)无人作战系统能力约束
设SU= U 1 , U 2 , … , U N表示无人作战系统的集合,每个无人作战系统Um拥有一定的资源; R U m=[ C o m U m, R e c U m, C b t U m, M o t U m]表示无人作战系统Um拥有的四种资源的量:Com通信能力、Rec侦察能力、Cbt打击能力、Mot机动能力。Sact= a c t 1 , a c t 2 , … , a c t K为作战任务中待分配的作战活动集, R a c t j=[ C o m a c t j, R e c a c t j, C b t a c t j, M o t a c t j]表示作战活动acti分别对四种资源的需求。在作战活动分配中,若对于任意r∈[Com,Rec,Cbt,Mot],满足 r U m≥ r a c t j,则可认为无人作战系统Um可完成作战活动acti。即约束条件为
r U m≥ r a c t j;r∈[Com,Rec,Cbt,Mot] m=1,2,…,n; i=1,2,…,k
2)无人作战系统自主性等级约束
无人作战系统自主性约束可由无人作战系统自主性的等级来进行描述,无人作战系统完成某一作战活动需要具备处理这个活动的自主性等级。
无人作战系统Um的自主性等级l记为Um(l),常值acti(l)表示为执行作战活动acti最低的自主性等级,则应满足无人作战系统Um的自主性等级高于或等于执行作战活动acti最低的自主性等级,即Um l-acti l≥0。
综上所述,无人作战系统自主性约束表示如下:
Um l-acti l≥0 i=1,2,…,K;m=1,2,…,N; l=1,2,…,5
3)无人作战系统时序约束
对任意无人作战系统Um执行活动actj,即Djm=1,那么,无人作战系统Um仅存在两种情况来执行作战活动actj:第一种是无人作战系统Um在完成作战活动acti后执行作战活动actj,即Xijm=1;第二种是无人作战系统Um第一次执行作战活动就被分配去执行作战活动actj,即Xijm=0。则无人作战系统作战活动分配变量Dim和无人作战系统在作战活动之间的转移变量Xjim存在如下约束关系:
∑ j = 1 KXjim≤Dim i=1,2,…,K;m=1,2,…,N
一个无人作战系统可以执行多个作战活动,但一次只能执行一个作战活动,其所执行的作战活动不能存在时间冲突,存在约束关系见式(12):
s i + T a c t i < s j + M * 1 - D i m + M * 1 - D j m + M * ( 1 - Z i j ) s j + T a c t j < s i + M * 1 - D i m + M * 1 - D j m + M * Z i j Z i j = 0 或 1 , M 为 足 够 大 的 数 X i j m = D i m * D j m * Z i j
每个作战活动由一个无人作战系统完成,无人作战系统Um在同一时间只能执行一个作战活动,只有在完成当前分配的作战活动acti后才能执行后续活动,即约束条件见式(13):
∑ j = 1 K X i j m ≤ 1 ∑ m = 1 N D i m = 1 i = 1,2 , … , K ; m = 1,2 , … , N
各作战活动还有时间先后顺序关系,即无人作战系统Um在执行作战活动actj时,该作战活动的所有前置作战活动必须全部完成,即约束条件见式(14):
s j - s i ≥ T ( a c t i ) a i j = 1 i , j = 1,2 , … , K
其中,T(acti)为作战活动acti完成所需的时间。
无人作战系统Um执行活动actj即Dim=1,无人作战系统的能力资源满足执行活动需要,且其自主性等级满足活动自主性等级要求,约束条件见式(15):
r U m ≥ r a c t j ; r ∈ [ C o m , R e c , C b t , M o t ] U m l - a c t i l ≥ 0 i = 1,2 , … , K ; m = 1,2 , … , N ; l = 1,2 , … , 5
式中,K、N、r分别表示作战活动总数、无人作战系统数量、能力资源类型。
无人作战系统任务规划总的约束条件见式(16):
D i m r U m - r a c t j ≥ 0 ; r ∈ C o m , R e c , C b t , M o t D i m U m l - a c t i l ≥ 0 a i j * s j - s i - T a c t i ≥ 0 X i j m = D i m * D j m * Z i j ∑ j = 1 K X j i m - D i m ≤ 0 ∑ j = 1 K X i j m ≤ 1 ∑ m = 1 N D i m = 1 s i + T a c t i < s j + M * 1 - D i m + M * 1 - D j m + M * ( 1 - Z i j ) s j + T a c t j < s i + M * 1 - D i m + M * 1 - D j m + M * Z i j Z i j = 0 或 1 , M 为 足 够 大 的 数 i , j = 1,2 , … , K ; m = 1,2 , … , N l = 1,2 , … , 5
综上所述,完整的无人作战系统任务规划模型如下:
f 1 = m i n ∑ m = 1 N ∑ i = 1 K D i m r U m f 2 = m i n Y D i m ( r U m - r a c t j ) ≥ 0 ; r ∈ [ C o m , R e c , C b t , M o t ] D i m ( U m l - a c t i l ) ≥ 0 a i j * s j - s i - T a c t i ≥ 0 X i j m = D i m * D j m * Z i j Y - s i - T a c t i ≥ 0 ∑ j = 1 K X j i m ≤ D i m ∑ j = 1 K X i j m ≤ 1 s i + T a c t i < s j + M * 1 - D i m + M * 1 - D j m + M * ( 1 - Z i j ) s j + T a c t j < s i + M * 1 - D i m + M * 1 - D j m + M * Z i j Z i j = 0 或 1 , M 为 足 够 大 的 数 ∑ m = 1 N D i m = 1 i , j = 1,2 , … , K ; m = 1,2 , … , N D i m = 1 或 0 a i j = 1 或 0 X i j m = 1 或 0 s i ≥ 0 l = 1,2 , … , 5

3.2 无人作战系统自主性等级调整模型

一般多属性决策问题有m个可行方案和s个决策目标,分别计算s个决策目标的效用函数u1,u2,…,us,即可得到m个可行方案a1,a2,…,am,在s个决策目标下的效用值为u1 a i,u2 a i,…,us a i,i=1,2,…,m。采用一定计算方法将s个决策目标下的效用值综合为可行方案ai的总效用,并采用相应排序方法对每个可行方案的总效用值进行排序,最终得到最优方案。
无人作战系统自主性等级调整问题是一个多属性决策问题,这个多属性决策问题的可行方案集、评价目标集、效用函数集以及后果集详细情况如下所述。
1)可行方案集
无人作战系统自主性等级调整问题的可行方案集为其满足所执行的作战活动最低的自主性等级的集合,在本文中其自主性等级共有五级,即可行方案集为L={l1,l2,…,l5}。
2)评价目标集
无人作战系统自主性等级调整目标,广义上是无人作战系统以最合适的自主性等级来执行相应作战活动;狭义上是指无人作战系统对于每个自主性等级的具体评价标准。无人作战系统自主等级调整目标集包括三项决策目标,分别为任务完成率s1、资源消耗s2、执行任务风险s3,即S={s1,s2,s3},每个目标受自主性的五个指标即任务复杂度、人机交互程度、自主决策要求、系统交互强度、信息保障力度影响。
3)效用函数集
无人作战系统自主性等级调整问题的效用函数集 F={f1,f2,f3},其中,f1为任务完成率,f2为资源消耗,f3为执行任务风险,分别评估无人作战系统采用每一级自主性等级的效用值,即{f1(li),f2(li),f3(li)} 。
4)后果集
无人作战系统自主等级调整问题的后果集是采用每一级自主性等级的效用值作为行向量构成的矩阵,即自主性等级li的效用值{f1(li),f2(li),f3(li)}是后果集矩阵的第i行。设后果集为D={dij},那么dij=fj(li)即为无人作战系统调整为自主性等级li的第j个决策目标的效用值。
无人作战系统自主性等级调整模型利用相应决策规则来调整其自主性等级,即根据三个决策目标的效用值的比较来评估各自主性等级,最终得到最优方案。对于无人作战系统,其等级决策结果希望无人作战系统执行作战活动的任务完成率极大化,同时无人作战系统资源消耗最小,执行任务风险最低。
那么,对于无人作战系统自主性等级问题的决策规则定义如下:
1)无人作战系统自主性等级调整对于任务完成率这个决策目标的原则是求最大,这表明无人作战系统应把自主性等级往最大任务完成率方向调整。无人作战系统用效用函数f1(li)对任务完成率这一目标进行预测。
无人作战系统自主性等级li和lj对于任务完成率这一决策目标的效用值分别为di1=f1(li),dj1=f1(lj)。若di1>dj1,在任务完成率这个决策目标下,li≻lj,令d=di4-dj4,则d越大,自主性等级li对比lj的优势越大。
2)无人作战系统自主性等级调整对于资源消耗这个决策目标的原则是求最小,这表明无人作战系统应把自主性等级往最小资源消耗方向调整。无人作战系统用效用函数f2(li)对资源消耗这一目标进行预测。
无人作战系统自主性等级li和lj对于资源消耗这一决策目标的效用值分别为di2=f2(li),dj2=f2(lj)。若di2<dj2,在资源消耗这个决策目标下,li≻lj,令d=dj2-di2,则d越大,自主性等级li对比lj的优势越大。
3)无人作战系统自主性等级调整对于执行任务风险这一决策目标的原则是求最大,这表明无人作战系统应把自主性等级往最小执行任务风险方向调整。无人作战系统用效用函数f3(li)对信息获取程度这个属性进行预测。
无人作战系统自主性等级li和lj对于执行任务风险这个决策目标的效用值分别为di3=f3(li),dj3=f3(lj)。若di3<dj3,在执行任务风险这个决策目标下,li≻lj,令d=dj3-di3,则d越大,自主性等级li对比lj的优势越大。
如上所述,三个决策目标任务完成率、资源消耗和执行任务风险与自主性分析的五种指标任务复杂度、人机交互程度、自主决策要求、系统交互强度和信息保障力度的关系如表3所示。其中,“+”表示该指标或者目标增加,“-”表示该指标或者目标降低。
表3 决策目标与自主性指标关系
自主性指标 任务完成率 资源消耗 执行任务风险
任务复杂度+ 与具体活动相关 + +
人机交互程度+ 与具体活动相关 - -
自主决策要求+ 与具体活动相关 - +
系统交互强度+ + - +
信息保障力度+ + + +
综上所述,根据规则1、2、3,无人作战系统自主性调整的3个决策目标的效用函数为{f1(li),f2(li),f3(li)},则取得最优解的约束为:
m i n l ∈ L f 2 l i , f 3 l i m a x l ∈ L f 1 ( l i )
max表示效用函数f1(li)在无人作战系统自主性等级调整中效用值最高时最好。
min表示效用函数f2(li)、f3(li)在无人作战系统自主性等级调整中效用值最低时最好。
根据这三项效用值,采用一定的判断逻辑,可以得到无人作战系统自主性等级的完全序,应满足:
∀li,lj∈L,存在li≻lj或lj≻li,其中L={l1,l2,…,l5}。
无人作战系统自主性等级的分配问题本质是系统做出的一种决策,即自主性等级决策问题。而决策问题就是通过理性分析,满足所制定的决策规则,最终获得评价最优结果。无人作战系统将自主性等级决策视为自身所拥有各个自主性等级期望效用的比对,通过分别评价采用每种自主性等级的任务完成率、资源消耗和执行任务风险,最后,选择最大效用的自主性等级分配。
无人作战系统自主性等级调整问题中,自主等级li与lj的优先程度利用优先函数来描述。其目标决策集S={s1,s2,s3},根据线性优先关系准则,定义优先函数为
Ps l i , l j= 0 　 d s ≤ 0 d s d * 0 < d s < d * 1 d s = d *
其中,Ps l i , l j函数值表示自主性等级li与lj在指标s上的差异,其函数值越小,代表两个自主性等级之间的差异越小。ds=dis-djs,由自主性等级方案li与lj在指标s上效用值的差计算得到,s={1,2,3}, d*为指标s上效用值之间的最大差值。
Ps l i , l j函数表示无人作战系统的自主性等级在某一决策目标下的相对优先程度,把所有决策目标下的相对优先程度合并起来,就可以计算得到无人作战系统的自主性等级每一级总的优先程度。
无人作战系统自主性等级决策的3个决策目标的权重集合为W={w1,w2,w3},且 ∑ s = 1 3wsPs=1。
首先,分别计算无人作战系统自主性等级之间比较的优先值,如下所示。
P l i , l j= ∑ s = 1 3wsPs l i , l j
然后,计算出所有无人作战系统自主性等级对于其他等级的优先值,P l i , l j表示自主性等级li对于自主性等级lj的优先值,即可赋为li指向lj边的值,最后,得到一个有向图,如图4所示。
图4 自主性等级的赋值有向图
通过计算每个自主性等级节点的所有流入和流出来评价相应自主性等级的相对优势,其中,流出代表该节点的优势,流入代表该节点的劣势,其步骤如下:
令每个自主等级的优势为φ+(li)= ∑ l ∈ L P l i , l,劣势为φ-(li)= ∑ l ∈ L P l , l i,那么该等级的总体优势为φ l i=φ+ l i-φ-(li),则即可构建自主等级集合L上的完全序,如果φ l i>φ l j,则li≻lj。通过遍历L中全部偏序关系,得到优先程度最大的自主性等级,即为无人作战系统自主性等级调整的最优自主性等级。
组织排序法是基于无人作战系统所拥有的自主性等级的两两比较,无论减少或增加一个自主性等级,对最终结果都会产生影响。无人作战系统执行一些较为复杂的任务时,可以进一步分解为简单的子任务,从而调整其自主性等级的分配,利用该算法可求解自主等级决策问题。

4 案例研究

本节以一个登陆作战任务为例,介绍作战任务规划模型和无人作战系统自主性等级调整模型,验证本文提出模型的正确性和有效性,其案例来源于《指控组织设计方法》一书[20]。首先,解决登陆作战任务规划问题,考虑能力资源、自主性、时序等条件约束,分派无人作战系统完成作战活动,在满足活动需求的基础上,使得完成作战任务效益最高,时间最短。然后,解决无人作战系统自主性等级分配问题,使得无人作战系统执行任务的效用极大化,同时,工作负荷适当,其资源得到极大利用。
登陆作战案例想定描述如下:我军准备对敌军所占领的某岛屿进行攻击,夺取该岛屿作为下一步作战的基地。这次登陆作战的首要目标是攻击岛上的码头和机场。其中,经前期侦察发现,适合我军登陆的海滩为地图右侧海滩,由此登陆后,向北占领码头,向南占领机场,敌军在中间布置了雷区,对我军进行阻击。在海滩西南侧还有一高地,敌军在此驻有小股部队,需占领此高地,掩护我军行动。敌方增援部队须经过西侧桥梁,需提前炸毁该桥梁,如图5所示。
案例给定的任务流程如图6所示,任务能力资源要求及自主性等级等属性数据如表4所示,其中,Com代表通信能力,Rec代表侦察能力,Cbt代表打击能力,Mot代表机动能力,可用无人作战系统的能力资源及自主性等级等属性数据表示,如表5所示。其中,各作战活动为无人作战系统和有人部队形成有人/无人联合部队共同参与。
表4 任务属性数据
活动 属性
能力资源需求 处理时间
T(acti)		 自主性
等级要求
ID 活动说明 Com Rec Cbt Mot
act1 协助占领近海 6 8 8 2 30 l3
act2 清除海区障碍 2 6 2 4 10 l2
act3 冲击抢占海滩 2 2 10 6 10 l4
act4 协助压制高地 2 4 10 2 10 l3
act5 协助占领高地 4 2 6 6 10 l3
act6 清剿海滩残敌 2 2 6 4 10 l3
act7 快速公路补给 8 4 2 10 10 l2
act8 清除公路障碍 6 6 2 10 20 l2
act9 协助占领港口 4 6 8 8 15 l4
act10 协助占领机场 4 4 8 8 15 l4
act11 协助夺取桥头 4 4 8 8 10 l3
act12 协助炸桥阻援 4 8 10 4 20 l4
表5 无人作战系统属性数据
无人作战系统 能力资源 自主性等级
ID Com Rec Cbt Mot
U1 6 8 8 4 l3,l4,l5
U2 8 8 2 10 l2,l3,l4
U3 6 6 8 6 l3,l4
U4 6 4 10 4 l2,l3,l4
U5 6 4 4 8 l2,l3
U6 4 6 8 10 l3,l4
U7 8 8 4 6 l2,l3,l4
U8 8 4 6 8 l2,l3,l4
U9 6 6 10 6 l3,l4
U10 4 6 10 8 l3,l4,l5
U11 4 8 10 6 l2,l3
U12 6 8 10 4 l3,l4
由无人作战系统作战任务规划模型计算执行结果,其任务持续时间为110 min,共有8个无人作战系统参与执行作战活动。其中:act1协助占领近海,由无人作战系统U1执行;act2清除海区障碍,由无人作战系统U7执行;act3冲击抢占海滩,由无人作战系统U10执行;act4协助压制高地,由无人作战系统U4执行;act5协助占领高地,由无人作战系统U8执行;act6清剿海滩残敌,由无人作战系统U4执行;act7快速公路补给,由无人作战系统U2执行;act8清除公路障碍,由无人作战系统U2执行;act9协助占领港口,由无人作战系统U10执行;act10协助占领机场,由无人作战系统U6执行;act11协助夺取桥头,由无人作战系统U6执行;act12协助炸桥阻援,由无人作战系统U12执行。
由上文作战任务规划数学模型,可以得到作战活动分配至无人作战系统的信息,无人作战系统要满足其所执行的作战活动等级要求,具体情况如表6所示。
表6 无人作战系统与作战活动自主性等级情况表
活动ID 活动说明 自主性
等级要求		 所执行的
无人作战系统		 自主性等级
act1 协助占领近海 l3 U1 l3,l4,l5
act2 清除海区障碍 l2 U7 l2,l3,l4
act3 冲击抢占海滩 l4 U10 l3,l4,l5
act4 协助压制高地 l3 U4 l2,l3,l4
act5 协助占领高地 l3 U8 l2,l3,l4
act6 清剿海滩残敌 l3 U4 l2,l3,l4
act7 快速公路补给 l2 U2 l2,l3,l4
act8 清除公路障碍 l2 U2 l2,l3,l4
act9 协助占领港口 l4 U10 l3,l4,l5
act10 协助占领机场 l4 U6 l3,l4
act11 协助夺取桥头 l3 U6 l3,l4
act12 协助炸桥阻援 l4 U12 l3,l4
通过计算各无人作战系统执行相应作战活动最合适的自主性等级,得到无人作战系统自主性等级调整如表7所示。
表7 无人作战系统自主性等级调整结果
无人作战系统 执行活动ID 自主性等级
U1 act1 l4
U2 act7 l3
U2 act8 l3
U4 act4 l3
U4 act6 l4
U6 act10 l4
U6 act11 l3
U7 act2 l3
U8 act5 l3
U10 act3 l5
U10 act9 l4
U12 act12 l4
现分析自主性等级调整的收益情况。若各无人作战系统不进行自主性等级调整,均由最高自主性等级执行作战活动,或对各无人作战系统进行自主性等级调整,分别计算其各自主性等级三个决策目标效用值,如表8所示。
表8 无人作战系统自主性等级调整前后决策目标效用值
无人作战系统 执行活动ID 自主性等级 任务完成率 资源消耗 执行任务风险
U1 act1 调整前l5 4.2 2.6 4.2
调整后l4 4.4 2.8 3.6
U2 act7 调整前l4 3.8 2.8 3.6
调整后l3 4 3 3
U2 act8 调整前l4 3.8 2.8 3.6
调整后l3 4 3 3
U4 act4 调整前l4 4.25 2.8 3.6
调整后l3 4 3 3
U4 act6 调整前l4 4.6 2.8 3.6
调整后l4 4.6 2.8 3.6
U6 act10 调整前l4 4.6 2.8 3.6
调整后l4 4.6 2.8 3.6
U6 act11 调整前l4 4 2.8 3.6
调整后l3 4.25 3 3
U7 act2 调整前l4 3.8 2.8 3.6
调整后l3 4 3 3
U8 act5 调整前l4 4 2.8 3.6
调整后l3 4.25 3 3
U10 act3 调整前l5 5 2.6 4.2
调整后l5 5 2.6 4.2
U10 act9 调整前l5 4.4 2.6 4.2
调整后l4 4.6 2.8 3.6
U12 act12 调整前l4 4.6 2.8 3.6
调整后l4 4.6 2.8 3.6
无人作战系统自主性等级调整前后,其三项决策目标任务完成率s1、资源消耗s2、执行任务风险s3对比如表9所示。
表9 无人作战系统自主性等级调整前后对比
决策目标 自主性等级
调整前		 自主性等级
调整后		 提升/降低
百分比
任务完成率 0.6 0.645 7.5%
资源消耗 33 34.6 4.85%
执行任务风险 0.767 0.673 12.3%
综上所述,当无人作战系统自主性等级调整后,任务完成率提升7.5%,资源消耗量提升4.85%,执行任务风险降低12.3%。通过实验对比,无人作战系统采用自主性等级优化分配模型后,虽然资源消耗有所增加,但大幅度降低了执行任务的风险,提升了任务完成率。

5 结束语

本文针对我军无人作战系统自主性存在的问题,围绕无人作战系统自主性等级评估和优化分配展开研究,主要研究了无人作战系统自主性内涵定义、自主性评估分析以及面向任务的无人作战系统自主性等级优化分配实际运用。通过分析军事应用背景下无人作战系统自主性特性,提出无人作战系统自主性的内涵及其概念模型,分析无人作战系统自主性,建立相关等级模型及评估方法,研究面向任务的无人作战系统自主性等级优化分配模型,从而为进一步加快无人作战系统建设,增强作战效能提供方法和技术支撑。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
United States Department of Defense. Unmanned Systems Integrated Roadmap: FY2017-2042[R]. Department of Defense, Washington DC, 2018.

[2]
Parasuraman R, Sheridan T B, Wickens C D. A Model for Types and Levels of Human Interaction with Automation[J]. IEEE Transactions on Systems Man and Cybernetics-Part A Systems and Humans, 2000, 30(3):286-297.

DOI

[3]
Sheridan T B. Human Supervisory Control[M]. Hoboken: John Wiley & Sons, Inc, 2012.

[4]
Ryan W P, Jeremy J H, Richard B M. Methods for Determining the Level of Autonomy to Design into a Human Spacefight Vehicle: A Function Specific Approach[C]. Proceedings of NIST Workshop on Performance Metrics for Intelligent Systems, Gaitherbug, MD, 2003.

[5]
高劲松, 王朝阳, 陈哨东. 对美国无人机自主控制等级的研究[J]. 航空科学技术, 2010, 21(2):40-43.

[6]
Huang H M, Messina E, Madhavan R, et al. Autonomy Levels for Unmanned Systems (ALFUS) Framework: Safety and Application Issues[C]. Performance Metrics for Intelligent Systems Workshop. Washington DC, USA. ACM New York: NY USA Press, 2007: 48-53.

[7]
陈杨. 基于轨迹片段的运动规划方法及其在自主车辆中的应用[D]. 长沙: 国防科学技术大学, 2006.

[8]
Morrow D, Chang D, Wickens C, et al. Designing External Aids that Support Older Pilot Performance[J]. Human Factors & Ergonomics Society Annual Meeting Proceedings, 2005, 49(2):186-189.

[9]
S huai Z, Li X R, Peng Z, et al. UAV Autonomy Evaluation Based on Multi-factors Fuzzy Evaluation[C]// 2016 7th International Conference on Mechanical and Aerospace Engineering (ICMAE). IEEE, Cambridge, UK, 2016:487-491.

[10]
Huang H M, Pavek K, Novak B, et al. A Framework for Autonomy Levels for Unmanned Systems (ALFUS)[C]. AUVSI’s Unmanned System North America Conference. Baltimore: Arlington Va Press, 2005:849-863.

[11]
王越超, 刘金国. 无人系统的自主性评价方法[J]. 科学通报, 2012, 57(15):1290-1299.

[12]
张飞舟, 晏磊, 范跃祖, 等. 基于云模型的车辆定位导航系统模糊评测研究[J]. 控制与决策, 2002, 17(5):550-553,558.

[13]
Russell S J, Norvig P N. Artificial Intelligence: A Modern Approach. Prentice Hall[J]. Applied Mechanics & Materials, 2010, 263(5):2829-2833.

[14]
Clark, Matthew, Alley Jim. Autonomy Community of Interest (COI) Test and Evaluation, Verification and Validation (TEVV) Working Group: Technology Investment Strategy 2015-2018[R]. TEVV Working Group, May 2015.

[15]
Office of the Secretary of Defense. Unmanned Systems Integrated Roadmap: FY2013-2038[R]. Department of Defense, Washington DC, 2015.

[16]
United States Department of Defense. Autonomy in Weapon Systems[R]. US: United States Department of Defense, 2012.

[17]
Defense Science Board. Autonomy[R]. US: Office of the Secretary of Denfense, 2016.

[18]
Endsley, Mica. Autonomous Horizons: System Autonomy in the Air Force-A Path to the Future. Volume I: Human-Autonomy Teaming[R]. United States Air Force Office of the Chief Scientist, 2015.

[19]
R. Parasuraman, T.B. Sheridan, C.D. Wickens. A Model for Types and Levels of Human Interaction with Automation[J]. IEEE Transactions on Systems and Cybernetics Part A: Systems and Humans, 2000, 30(3): 286-297.

[20]
阳东升, 张维明, 刘忠, 等. 指控组织设计方法[M]. 北京: 国防工业出版社, 2010:153-155.

Options
文章导航

/

〈 〉