针对战场态势信息众多、变化趋势认知困难的问题,提出基于大模型的态势认知智能体框架和智能态势认知推演方法。从认知概念出发,结合智能体的抽象性、具身性特点,明确了智能体构建的3个关键环节:学习环境、记忆方式和产生知识机制;设计了战场态势认知智能体架构,包括记忆部件、规划部件、执行部件、评估部件以及智能体训练要点。在长期记忆部件中,围绕战场复杂状态建模特点,分析大语言模型、多模态大模型、大序列模型的运用问题。
随着新型武器系统的发展以及智能化技术在军事领域的应用,智能态势认知技术研究成为各军事强国关注的热点。首先,阐述了态势认知和智能态势认知的概念内涵,然后,针对现代化战争特点,梳理分析了智能态势认知过程中作战体系智能分析、作战窗口智能发觉、战场局势演化预测、认知产品智能表征和战场态势智能复盘五项关键需求。结合国内外研究文献对其中涉及的关键技术和应对措施进行了梳理。研究成果对智能态势认知的未来发展及技术突破有一定的借鉴意义。
为研究有限作战指挥样本下的智能决策方法,针对作战决策经验难以表达和智能决策学习训练样本稀缺等问题,基于联合战役仿真推演环境,提出了一种基于生成对抗模仿学习的作战决策方法。该方法整合了作战决策经验表示与学习过程,在上层决策和底层动作分层的基础上,采用规则定义特定任务执行逻辑,并利用生成对抗模仿学习算法提升智能体场景泛化能力。在构设的典型对抗场景中,该方法达到了预期效果,算法训练收敛,智能体输出决策合理。实验结果初步表明,生成对抗模仿学习作为一种智能作战决策方法,具有进一步研究价值。
智能化指挥控制已经成为现代战争作战指挥的新样式,高动态、强对抗、海量数据的战场环境对指挥效率和任务执行能力提出了更高的要求。传统人机交互模式交互效率低,缺乏以人为中心的交互设计,无法充分发挥水下指挥控制的效能。基于智能人机交互和主成分分析法,设计出一种能够根据用户和业务生成水下指挥控制自适应界面的交互模块。通过搭建水下指挥控制智能仿真平台,证实自适应智能人机交互能够简化指挥控制流程,缩减交互用时,提升作战效率,具有较好的应用价值。
针对水下平台水下对抗作战量化验证评估困难、指导机动规避作战模型欠缺等问题,设计了一种基于大数据学习的水下对抗预测模型。首先进行水下平台水下对抗建模,基于蒙特卡洛方法执行若干轮次仿真获得规避概率数据集;同时,为解决海量仿真下时间效率不佳的问题,提出利用BP神经网络预测算法进行数据学习,提供准确、快速、可视化的对抗结果。试验结果表明,在本文设定的试验环境下,基于BP神经网络预测算法的平均预测误差为7.28%,可有效对水下平台规避概率进行预测,为指挥员指挥决策提供数据支撑。
以深度强化学习为核心的智能博弈技术在游戏领域内的突破和进展为海空兵棋AI的研究提供了借鉴。智能体架构设计是需要解决的关键问题,良好的架构能够降低算法训练的复杂度和难度,加快策略收敛。提出基于随机博弈的海空跨域协同决策博弈模型,分析了相关的均衡解概念;在分析典型智能体框架基础上,针对海空兵棋推演决策博弈过程,提出基于多智能体分层强化学习的智能体双层架构,能够有效解决智能体间协作和维度灾难问题;从兵力协同、智能体网络设计、对手建模和训练机制共4个方面分析了关键技术。期望为海空兵棋AI设计实现提供架构指导。
作为作战概念开发的核心环节,能力需求分析是针对具体作战问题,分析解决方案,明确能力指标、指标阈值、指标关系等各需求要素的过程。这一分析过程需要以科学合理且具有军事意义的指标体系为支撑,该指标体系不仅要具有传统的目的性、完整性、指标可测性,还要具有整体性与层次性相结合、聚合关系与涌现关系相结合、定性与定量相结合等特点。针对上述要求,以“精兵立体投送”作战概念为研究对象,首先,基于DoDAF2.0构建了以能力需求为核心的作战概念体系结构模型;然后,着眼能力需求分析的特点,设计了包含三大节点网络的超网指标体系;最后,按照设计的超网结构,基于构建的作战概念体系结构模型,建立了能力需求分析指标体系,并通过对比分析了方法的有效性。
针对预警装备领域知识图谱构建中数据组织非结构化、实体关系刻画不够细致、知识表示缺乏规范化表达等问题,基于Protégé本体构建工具,首先,将预警装备体系自上而下分为装备原理知识类、管理保障资源类和装备操作运用类等,并进行细化梳理,定义概念类并划分层次关系,提取出具体装备信息中的实体、属性、关系等知识单元;然后,对预警装备领域知识进行建模,探索出科学完整的细粒度预警装备知识表示框架,并以“远程预警相控阵雷达”为例,进行本体实例填充和可视化;最后,基于本体描述语言对预警装备本体进行了形式化表示。该本体为构建基于多源高质量数据的领域知识图谱奠定了语义基础,对实现大数据背景下装备能力画像、发展态势分析、装备故障诊断与健康状态管理等装备智能化管理保障和作战运用具有一定的实践指导价值。
从人工智能技术的概念、原理和分类入手,重点分析了人工智能技术三类主要军事应用场景和八个重点军事应用方向,并综合运用技术专利分析成熟度评估方法和高德纳技术成熟度曲线,对人工智能军事应用八个重点方向进行成熟度评价。
针对复杂装备历史数据往往存在非球形的特征,提出了一种基于密度聚类的复杂装备健康监测模型。从历史数据中估计各个样本的局部密度和类间距离,并综合考虑两者的统计特性以确定数据的聚类中心,对于新采集的复杂装备健康状态监测数据,如果它与聚类中心密度可达,就认为该复杂装备处于健康状态,否则就处于非健康状态。通过数值仿真技术分析了一个实际的复杂装备数据集,以及利用散点图、盒图和平行坐标系等可视化技术来验证计算结果的可靠性,仿真结果表明提出的方法能够有效监测复杂装备的健康状态。
装备综合保障效能评估受到研制保障、人员保障、设备保障、维修保障等多方面影响,如何科学、客观、合理地评判装备综合保障效能,对于提高部队装备综合保障效能,促进部队战斗力生成具有重要作用。在对相关问题研究分析的基础上,构建了装备综合保障效能评估指标体系,将层次分析法(AHP)以及模糊综合评判法相结合,确定各评估指标因素的权重以及保障效能的合理评估,最后通过实例分析系统评判装备综合保障效能。结果表明该方法对科学合理评估装备综合保障效能具有一定的借鉴意义和指导作用。
在常态执勤指挥模型的基础上,重点对树状指挥网络和级联指挥网络的抗毁性进行研究。通过建模仿真的方法,对三种执勤指挥模型进行随机攻击和蓄意攻击,对比分析最大连通子图规模、网络效率和全局聚集系数等指标,找出抗毁性最强的常态执勤指挥网络模型。应用集体影响力算法识别抗毁性能最好的指挥网络的关键节点,与基于节点度大小的传统关键节点识别方法进行对比,证明基于集体影响力算法识别关键节点更加准确,目的是为未来常规执勤指挥网络的优化和防护提供理论指导。
以海上作战指挥历史发展视角,梳理总结发现指挥信息流量逐渐变大、流向逐渐变多、流速逐渐变快,在指挥信息流动变化的影响下,海上作战指挥架构经历了一个由简单到复杂的变革过程,其内部构成不断优化、外部结构不断拓展和运行模式的灵敏性也不断增加。
为科学评估联合作战指挥机构的指挥能力,通过建立联合作战指挥机构指挥能力指标体系,分析各层级指标之间的相互关系以及指标组内部元素之间的相互影响关系,运用超级决策软件建立了联合作战指挥机构指挥能力评估指标的关系图,得到最终指标体系的权重,采集两组战役级指挥机构演习评估数据,计算能力评价结果。通过分析指标权重,指出提升联合作战机构的指挥能力尤其要突出抓好筹划决策能力、情报侦察能力、作战调控能力建设三个重点。
针对扰动作用和模型不确定性下四旋翼无人机精确轨迹跟踪控制问题,提出了一种主动干扰抑制和模型预测控制(Model Predictive Control,MPC)策略。模型预测控制器通过扩张状态观测器(Extended State Observer, ESO)和扰动观测器(Disturbance Observer,DO)来估计和补偿干扰,从而实现位置环精确控制。在存在外部干扰和参数不确定性的情况下,通过仿真实验,证明了所提出的方法提高了对建模误差和干扰的鲁棒性,同时实现了对参考轨迹的平滑跟踪。
针对未知环境下四旋翼无人机姿态控制实现难、鲁棒性差等问题,提出了基于深度确定性策略(DDPG)算法的智能姿态控制方法。首先,基于欧拉-庞卡莱方程,利用计算机符号推导,建立四旋翼的动力学模型;其次,基于DDPG算法设计四旋翼的姿态控制器,并在奖励函数设计中引入姿态误差、姿态角速度误差和控制量惩罚项;最后,通过设置不同初始状态值、改变四旋翼结构参数和引入噪声等仿真试验,分析验证控制器的性能。仿真结果表明,该控制器能够引导四旋翼快速响应到期望姿态并保持稳定,同时展现出较好的泛化能力。
频率分集阵列(Frequency Diverse Array, FDA)是作为一种全新的电扫描雷达体制,其方向图所具有的时间-距离-角度三维相关特性在电子对抗和安全通信等领域有广阔的应用前景。一维均匀线性FDA阵列(Uniform Linear Array Frequency Diverse Array, ULFDA)的发射方向图存在角度-距离耦合问题,针对这一问题,在对称子阵密度锥削阵结构的基础上,通过正弦频控函数取代原有的均匀线性函数,得到了FDA的点状波束指向控制方法。此外,针对FDA方向图的时变问题,得到了基于子阵结构的密度锥削阵sin-FDA主波束在角度维指向固定、距离维变化时的结论。
自导水雷作为一种新式智能水雷,在现代海上战争中有举足轻重的地位。为提高由自导水雷组成的雷障对通过目标的拦截概率,首先对自导水雷的目标探测系统进行建模,获得自导水雷在战场环境下的控制水域范围,然后基于遗传算法,对自导水雷的布雷位置进行优化。通过对优化前后多个目标通过雷障时的情况进行仿真,获得目标在雷位优化前后的平均触雷概率,验证了采用遗传算法优化后自导水雷布设雷位的优越性,对自导水雷的雷位布设具有指导意义。
针对自导鱼雷发射前预知鱼雷发现概率随发射态势变化趋势的需求,提出了一种自导鱼雷发现概率变化趋势预测方法。根据现时刻攻击态势构建鱼雷发射态势预测模型,生成后续鱼雷发射态势序列;基于正态分布原理进行目标散布处理,并分别提出面积比值法和长度比值法计算声自导和尾流自导鱼雷单个发射点发现概率计算方法;综合以上处理方法,计算自导鱼雷未来一段时间内连续发射态势点的发现概率,生成变化趋势。最后,采用典型的发射态势对自导鱼雷发现概率变化趋势预测结果进行了测试验证。
针对战场态势不确定、复杂繁多导致研判过程风险预测准确性差的问题,提出构建态势-风险模型并构造风险可能性分布以实现对风险的精准预测。首先,从敌情、我情以及战场环境态势研判内容入手建立风险预测指标体系;其次,剖析态势信息对风险的作用方式,构建指数、Z型、正切等风险模型并计算风险取值区间;然后,以可能性理论中模糊函数构造法为基础,以权重差和不确定性测度为依托,在风险取值区间内构造风险可能性分布;最后,采用某防御任务实例,结合专家系统及云模型方法进行实验,验证了所提方法的可行性和合理性。结果表明,在风险预测时所提方法能够充分考虑态势信息的不确定性,为后续筹划决策制定提供了重要依据。
针对现有枪声识别与定位任务中,识别与定位需分别进行,造成计算耗时、系统冗余、开发流程复杂等问题,提出使用一个Two Stage CRNN深度学习网络模型处理枪声识别与定位任务。首先,对采集到的枪声信号进行对数梅尔变换并计算广义相变互相关谱作为网络模型输入;其次,第一阶段通过CRNN网络对枪声信号进行识别;最后,第二阶段通过引入掩码实现判断是否将CRNN网络权重共享实现定位。相关实验表明,此方法能有效解决传统方法中识别与定位任务分别实现、系统冗余、开发流程复杂的问题,在实现联合识别定位中具有一定的应用价值。
针对两栖攻击舰编队对潜防御时的队形配置问题,从潜艇对编队的威胁分析入手,建立了潜艇鱼雷极限射距圆模型,通过模型分析与仿真计算,得出了两栖攻击舰应配置在威胁圆圆心稍后位置的结论,并给出了优化位置计算模型;结合潜艇威胁范围与威胁距离模型及警戒舰艇对潜防御范围模型,给出了护航兵力优化配置方法,为两栖攻击舰编队海上航渡时的对潜防御提供了参考。