文档介绍：该【无人作战平台 】是由【文艺人生】上传分享，文档一共【6】页，该文档可以免费在线阅读，需要了解更多关于【无人作战平台 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。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(UCV)包括无人机(UAV)、无人艇(USV)和无人潜器(群)(UUV)等,能够在危险复杂环境中执行情报监视与侦察、目标攻击、通信中继和电子干扰等任务。作为武器作战平台,其信息化作战水平相对较低。针对智能指挥控制,重点讨论了无人作战平台的指挥控制关键技术,采用了实用的自主行为建模新技术,提出了目标分配、自主行为决策控制等研究方法。最后指出
当前的技术解决方案的局限性。
自2000年以来,美军对无人作战平台(UCV)智能指挥控制(简称指控)要求包括:UCV自主远距离航行时,在无人力控制的情况下,自动收集并传送信息,探测、评估并主动规避威胁和障碍物。在出现不可预知情况及恶劣水文气象条件下,可根据任务目标、周围环境情况和剩余动力,迅速做出反应,自主决策返航或与其他UCV协作,组成编队,协同完成任务。根据该要求,目前美军很多军工企业和科研院所都在开展UCV的智能指控研究,也取得了相当的成就,但美军依然认为,未来需进一步提高UCV的自适应能力、动态威胁规避能力和自主集结能力,以提高其智能指控水平。
UCV指控工作原理框图如图1所示,主要分为UCV动态控制、自主行为决策控制和地面(控制站)人工干预控制3部分[1]。UCV动态控制包括平台动态模型和武器系统。平台动态模型和武器系统改变UCV的状态和行为,从而对战场环境产生影响,UCV所载的各类传感器通过对战场环境不断的探测感知,形成实时战场态势。自主行为决策控制根据战场态势、战术知识库和作战规则库实时做出战术决策、实施动作规划和执行战术动作,为UCV动态控制部分发出相应的命
令和控制信号,如平台机动和武器发射等。地面(控制站)人工干预控制用于管理和控制UCV系统,包括任务/目标分配、初始化、启动和干预UCV的自主行为。
2 UCV自主行为建模基本框架
SD是一种集合论的思想,建立在博弈论的基础上,通过选择函数PS(u)和拒绝函数PR(u)(这对度量函数称为综合满意度函数,具有数学意义上的概率结构形式),以量化的形式度量决策智能体中每个决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,UCV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UCV任务目标分配提供协同决策空间。在此基础上,UCV通过协同的多目标分配实现多UCV之间高层次、大范围的快速任务协同。
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UCV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UCV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]:
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。
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。
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。
产生式规则或决策表方法是规划模型采用最多的技术,其中的规则和决策表都是建立在作战条例基础之上的。其不足之处是:仅能处理规则库或决策表存在的情况,对于其中不存在的情况无法处理。
组合式搜索或遗传算法一般用作规划决策模型的辅助手段,能够产生完整的规划方案,在遇到新的情况时,可以规划出新方案。其主要缺点是在进行复杂的规划时计算代价太大,无法用于实时的行为建模。
规划模板或范例与作战规则保持一致时,作战任务可规划成更为详细的行动计划。规划模板或基于范例的推理采用的都是经验知识,符合人的行为特点,但其灵活性和适应性较差。
基于仿真的规划方法并不产生规划结果,主要依靠对可供选择的规划方案进行快速仿真,以实现对这些规划方案的快速评估、修改、细化及优化等。
学****模型建模技术
学****模型的建立不仅是UCV的自主行为建模,也是整个人工智能领域研究的难点和发展方向之一。常见的实现技术有基于规则的学****模型、基于范例的学****模型和神经网络学****模型等。
基于规则的学****模型系指当一个新的情况或者某一冲突出现时,若现有的规则无法解决,则启动一问题求解过程来进行求解。同时,这一新的情况和问
题求解的结果又构成一条新的规则,并将其添加到规则库中,即完成了学****过程。由于该方法在启动一条规则时,需要对触发状态进行精确匹配。因此,存在噪声影响时,其灵活性较差。基于范例的学****模型工作原理系指存储对过去求解问题的经验(即范例)。当出现新问题时,利用其与已知范例的相似性进行求解、更新及存储等。神经网络学****模型是一种基于人脑工作机制的模型。该学****模型由一些相同的单元及单元间带权值的连接线组成,其中每个单元具有一个状态。进行****时,先根据问题的需要确定网络的结构和单元的响应函数,再按照一定的数学规则,利用输入样本后的输出来调整网络间的连接权值。
4 结束语
本文对UCV指控工作原理和涉及的多项关键技术进行了讨论。UCV自主行为决策控制问题涉及人工智能决策建模多项技术的综合应用,重点对其中的态势评估模型建模、决策制定模型建模和规划模型建模等技术进行了讨论,同时对各项技术具体实现的应用范围作了说明。