文档介绍：无人作战平台
无人作战体系指控技术关键技术汇编
无人作战平台( U CV ) 包括无人机( U AV) 、无人艇( USV ) 和无人潜器( 群) ( UU V) 等, 能够在危险复杂环境中执行情报监视与侦察、目标攻击、通信中继策接近成功达到目标的程度和执行该决策的代价[ 4] 。
基于SD 的多UCV 协同目标分配的基本原理是: 每一UCV 根据自己完成任务的成功概率和预估代价, 确定能够接受的目标集合, 即满意集( SS) 。在满意集中, U CV 选择合适的决策, 形成多UCV 协同的目标分配决策, 以期用尽可能小的代价及尽可能大的成功概率完成多UCV 的全局目标任务, 从而实现多UCV 对多目标的协同攻击。满意集为U CV 任务目标分配提供协同决策空间。在此基础上, U CV通过协同的多目标分配实现多U CV 之间高层次、大范围的快速任务协同。
3. 2 自主行为决策控制的行为建模技术
行为建模是对人的智能、思维形式建模, 是U CV自主行为建模或决策控制的核心部分。传统的行为建模技术一般采用逻辑、规则或框架等方法, 目前多数UCV 系统中的行为推理也基于上述方法。随着行为建模的日趋复杂, 上述方法已无法满足需求。伴随着作战指控技术的发展和U CV 的研究, 行为建模日益成为热点, 新的且实用的自主行为建模技术也不断发展和完善, 其中有代表性的4 项建模技术如下[ 5] :
3. 2. 1 态势评估模型建模技术
认知过程中的态势评估是对当前形势的估计及未来形势的预测, 构建态势评估模型的主要技术包括: 专家系统、黑板系统、基于范例的推理和贝叶斯信任网技术。
专家系统, 即产生式规则系统, 主要包括规则库、事实库和推理机3 部分, 其中, 推理机是专家系统的核心, 它运用事实库中的数据对规则库进行搜索、推理和匹配。
黑板系统将当前状态分解成不同部分, 并添加到黑板上的适当位置, 利用这些信息可以对当前的形势做出分析, 并对未来的发展进行预测, 所得到的分析和预测结果也会添加到黑板上。
基于范例推理的基本思想是从过去相关的范例进行推理。实际应用时, 把系统的知识用一组范例库表示, 每一个范例都用一组特征表示, 知识库中的所有范例具有同样的数据结构。当新的形势
( 目标范例) 出现时, 便可将它与范例库中的所有范例进行比较, 再依据相似性度量原则, 找出与其最接近的范例, 从而实现态势评估的目的。
贝叶斯信任网技术的理论依据是贝叶斯定理,当已知状态S 的先验概率, 且观察到S 的相关事件E时, 则可计算出S 的后验概率。该技术适用于系统的
推理过程。
3. 2. 2 决策制定模型建模技术
决策是为了达到某个特定目标, 从各种不同的方案中选取最优方案。除了专家系统和贝叶斯信任网可应用于决策制定外, 还有基于效用理论的决策方法。在基于效用理论的决策中, 状态的效用值用效用函数计算, 它是状态的非线性函数。在实现过程中, 根据影响效用值的因素选择相应的决策方法, 主要包括基本效用理论、多属性效用理论和随机效用模型3 类。
3. 2. 3 规划模型建模技术
规划是制定具体行动的方案或计划, 主要有产生式规则或决策表方法、组合式搜索或遗传算法、规划模板或基于范例的推理以及基于仿真的规划方法4 种模型实现技术。