基于集群分析的空中作战目标威胁评估技术研究_华家辉.pdf

战术导弹技术Tactical Missile TechnologyNo.2Mar.2023第 2 期2023 年 3 月基于集群分析的空中作战目标威胁评估技术研究华家辉1，2，孙鑫2，陈晓东2，王嘉博2（1.北京机电工程研究所，北京 100074；2.航天科工智能运筹与信息安全研究院，北京 100074）摘要：多机协同空战是现代空战的主要形式，集群目标的威胁评估是多机协同空战指挥决策的前提。针对多机协同空战中目标编群情况难以获取和威胁程度难以量化的问题，构建了基于Canopy-K-means算法的空中目标聚类分群模型，根据战场态势数据对空中作战目标进行编群分组；在此基础上，构建了基于层次分析法的集群目标威胁评估模型，综合考虑静态能力威胁指标和战场态势威胁指标，更加合理地量化计算集群目标的综合威胁程度，为空中作战任务规划提供依据。通过仿真算例验证了模型的有效性。关键词：多机协同空战；聚类；机群；作战能力；战场态势；威胁评估中图分类号：V271.4 文献标识码：A 文章编号：1009-1300（2023）02-0096-09DOI：10.16358/j.issn.1009-1300.20210238Research on air objective threat assessment technology based on cluster analysisHua Jiahui1，2，Sun Xin2，Chen Xiaodong2，Wang Jiabo2（1.Beijing Electrical-mechanical Engineering Institute，Beijing 100074，China；2.CASIC Research Institute of Intelligent Decision Engineering，Beijing 100074，China）Abstract:Multi-aircraft cooperative air combat is the main form of modern air combat,in which threat assessment for target clusters is the precondition of command decision-making.Due to the difficulties to quantify threats and get group information of air targets in multi-aircraft cooperative air combat,a model based on Canopy-K-means is proposed to cluster the targets according to the battlefields situation data and a model based on analytic hierarchy process(AHP)method is proposed to evaluate threats of target clusters.In this model,the threat indicators caused by formation static abilities and battlefield situation are both considered,providing reasonable and quantized threat assessment results to mission planning in air combat.In the end,the validity of the models is verified by the calculation results of the simulation example.Key words:multi-aircraft cooperative air combat；clustering；formation；combat capabilities；battlefield situation；threat assessment 收稿日期：2022-06-30；修回日期：2022-11-30基金项目：军委科技委人工智能重点项目（201-CXCY-A04-03-02-01）通讯作者：华家辉，硕士研究生，主要研究方向为信息装备总体技术、作战任务规划技术、智能化辅助决策技术。引用格式：华家辉，孙鑫，陈晓东，等.基于集群分析的空中作战目标威胁评估技术研究 J.战术导弹技术，2023（2）：96-104.（Hua Jiahui，Sun Xin，Chen Xiaodong，et al.Research on air objective threat assessment technology based on cluster analysis J.Tactical Missile Technology，2023（2）：96-104.）第 2 期华家辉等：基于集群分析的空中作战目标威胁评估技术研究1 引言 随着航空技术和信息技术的发展，空中作战的规模早已不是单机对单机的空中格斗，多机种、多机群组成的航空综合体系之间的对抗成为发展的必然趋势。在多机空战中，不同飞机为了更好地完成任务，往往需要汇聚成不同的机群，从而拥有更好的空中优势。在这种作战趋势和作战特点的驱动下，多种作战模式应运而生，如无人集群协同作战1、有人-无人集群协同作战2、多机协同作战3等。空中目标的威胁程度，表征着空中目标达成作战目的的可能性以及对我方目标对象可能造成的破坏程度。威胁评估的目的是通过分析计算量化目标的威胁程度，从而辅助指挥人员快速形成对当前战场态势的认知，缓解认知压力，提高决策效率4。由于空中作战模式的改变，空中战场的态势复杂程度随之提升，为了更好地表征战场态势，量化描述战场威胁特征，降低态势维度，为指挥员快速决策提供依据，需要构建一种针对集群空战的威胁评估的方法，解决上述问题。目前国内外针对集群空中作战目标威胁评估的研究较少，而针对单机的威胁评估算法研究较多。针对单机的威胁评估方法主要包括基于数学解析模型的非参量方法5-7和基于各种智能理论的参量方法8-9。非参量方法是通过构建威胁评估指标体系和威胁评估模型来量化计算目标的威胁评估值，其优点是易于理解且便于实现，满足一定的主观客观要求。参量方法则是通过建立目标威胁评估推理模型，通过训练实现模型的优化，进而实现对目标的威胁评估，其优点在于无需建立准确指标模型，但是对先验知识、数据和参数模型要求较高。针对集群目标的威胁评估研究，国内外学者主要从目标分群、群特征抽取和群目标威胁评估三个方面进行。文献 10 提出了基于群体分析的威胁评估方法，该模型把对整个战场态势的理解分解为对若干个作战群体的理解，并将上层作战群体的理解建立在下层群体理解的基础上，通过逐层迭代实现战场的态势评估；文献 11-12 讨论了空中目标的聚类方法，文献13从单装态势数据中提取群打击能力、群探测范围、群势力范围等特征，并基于这些特征研究集群目标的威胁评估模型。文献13-15讨论了集群目标的威胁评估模型的构建方法。进行群目标威胁评估研究，其一需要建立准确的空中目标分群模型，其二需要建立良好的集群目标威胁评估模型，鉴于单目标威胁评估的成熟经验，本文提出一种新的基于集群分析的空中目标威胁评估方法，该方法的优势在于：（1）能根据军事知识合理设置聚类参数，从而增加空中目标聚类分群的准确性。（2）将态势表征从个体上升到群体，群体特征既能反映群内个体特征，又能反映群体特征。（3）在威胁评估时考虑群体的静态能力和动态态势，较为合理地对空中作战目标的威胁进行了评估。2 空中目标聚类分群建模 在多机协同空战中，由于敌方兵力部署和作战意图的不确定性，导致己方无法提前预知敌方的兵力编群情况，增大了指挥员把握整体态势状况的难度，降低了决策效率。而采用有效的聚类算法对目标进行分群处理，能降低决策输入空间的维度，简化战场态势评估的复杂度，缩短OODA环时间。对空中目标进行聚类分群，通常可以采用两种方式。其一是使用无需设置类簇数量参数的聚类算法，直接对态势数据进行聚类，常见的有基于密度的聚类算法（DBSCAN）方法、基于层次的聚类方法、谱聚类方法等；其二是利用某些方法先确定类簇数量与聚类中心，再运用K-means、大型应用中的聚类方法（CLARA）等需要设置类簇数量参数的聚类方法，对态势数据进行聚类。本文介绍了一种基于Canopy-K-means算法的空中目标聚类分群模型。2.1Canopy算法和K-means算法介绍Canopy算法是一种对海量高维数据粗略聚类的算法，它可以将数据划分成若干个重叠子集，每个子集作为一个类簇，一般用于其它聚类算法的初始化操作7。Canopy算法的工作流程如图1所示。K-means 算法是一种基于划分的聚类算法，97第 2 期战术导弹技术该算法的原理为对含有n个数据对象的数据集D，通过划分得到k个数据对象，且k DiR，DjA DiA，DjA DiR。TRij=|0.3exp(-r-DjRDjR)，r DjR0.5-0.2(r-DiRDjR-DiR)，DiR r DjR1-0.5(r-DjADiR-DjA)，DjA r DiR0.6+0.4(r-DiADjA-DiA)，DiA DiR，DjA DiA，DjA DiR。TRij=|0.4exp(-r-DjRDjR)，r DjR1-0.6(r-DjADjR-DjA)，DjA r DjR1，DiR r DjA0.8+0.2(r-DiADiR-DiA)，DiA DjR，DjA DiA。TRij=|0.2exp(-r-DiRDiR)，r DiR0.4-0.2(r-DjRDiR-DjR)，DjR r DiR1-0.6(r-DjADjR-DjA)，DjA r DjR0.6+0.4(r-DiADjA-DiA)，DiA DiR，DiA DjA。TRij=|0.2exp(-r-DjRDjR)，r DjR0.4-0.2(r-DiADjR-DiA)，DiA r DjR0.5-0.1(r-DjADiA-DjA)，DjA DjR，DiA DjA，DiA DjR。TRij=|0.1exp(-r-DiRDiR)，r DiR0.2-0.1(r-DjRDiR-DjR)，DjR r DiR0.2+0.1(DjR-rDjR-DiA)，DiA r DjR0.5-0.2(r-DjADiA-DjA)，DjA DjR，DiA DjA，DiA DjR。TRij=|0.1exp(-r-DiRDiR)，r DiR0.2+0.1(DiR-rDiR-DiA)，DiA r DiR0.5-0.2(r-DjADiA-DjA)，DjA r DiA0.5-0.3(r-DjADjA)，r DjA（10）（3）速度威胁指数Tvij在作战过程中，敌方机群目标的速度越高，其任务执行过程就会越快，更容易进行突防和精确打击。本文采用群内飞机的速度平均值来表示机群的速度，vj表示敌方机群的平均速度，vi表示我方机群的平均速度，式（13）为机群目标速度威胁函数：vj=k=1nvjkn（11）vi=k=1mvikm（12）Tvij=|0，vj 1.5vi（13）（4）高度威胁指数Thij。当敌我双方显著处在不同水平面上时，处于下方的一方形势较为被动。机群的高度可以用群内飞机的高度平均值来表示，hj表示敌方机群的平均高度，hi表示我方机群的平均高度，式（14）为机群目标高度威胁函数：Thij=|0，hi-hj 5 km0.5+0.1(hj-hi)，|hj-hi|5 km1.0，hj-hi 5 km（14）3.3总体威胁评估函数本文从集群的静态能力威胁和动态态势威胁两个角度建立了集群目标的威胁指标体系，共5项。在进行综合威胁评估时，需要考虑各项指标对整体的影响程度。通常，可用值为（0，1）的指标权重对其进行表示，针对指标权重，本文采用层次分析法予以确定。具体步骤如下：100第 2 期华家辉等：基于集群分析的空中作战目标威胁评估技术研究（1）建立层次结构模型，根据各个指标之间的关系建立从上至下的层次结构，如图4所示。（2）确定重要性标度，将各个威胁因素两两进行比较，建立威胁判断矩阵A=（aij）nn，其中，aij表示第i个因素和第j个因素的对比结果，aji=1/aij。（3）计算威胁判断矩阵的最大特征根max和该特征根对应的特征向量X，使得AX=maxX。（4）进行一致性检验，计算一致性比率CR=CI/RI，其中，CI=(max-n)/(n-1)，如果CR F1F8F3F6F5F2F4F7F9。其 中，F0、F1、F3、F8威胁程度大于0.5，视为高威胁目标，对照表3中各敌方机群的态势特征与能力特征数据，可以看出，F0、F1、F3 的作战能力较强，F8、F0、F1与我方目标的距离较近，均对我方空中目标能够构成较大的攻击优势。若只考虑作战能力和距离威胁指标，所得到的威胁排序为F0表4重要性等级19度量方法Table 4Scaling methods of importance grade No.19度量值重要性等级1同样重要2微小重要3稍微重要4更为重要5明显重要6十分重要7强烈重要8更强烈重要9极端重要表3目标聚类结果Table 3Target cluster results机群名称F0F1F2F3F4F5F6F7F8F9我方机群成员名称歼击机1歼击机2歼击机3歼击机4战斗机1歼击机5歼击机6歼击机7电子干扰机1歼击机8歼击机9歼击机10歼击机11歼击机12歼击机13歼击机14歼击机15歼击机16歼击机17歼击机18歼击机19歼击机20电子干扰机2预警机1战斗机2预警机2战斗机#1战斗机#2战斗机#3经度/()124.6413124.643124.6456124.6579124.6056123.9162123.9159123.7286123.7667125.7794125.7766125.7723124.9675124.9678124.9678124.846124.8462125.065125.0787125.3501125.3612125.3635124.2162124.9526123.3753124.9433123.1492123.1401123.1559纬度/()36.968136.963536.964936.964237.037536.895936.896136.821836.728337.057737.059237.055936.157236.156736.156736.055836.055237.619337.607537.162237.17237.167936.730837.06137.42236.57636.907436.917536.892高度/m10972.810972.810972.810972.810972.88350.48350.48350.410972.810972.810972.810972.810972.810972.810972.810972.810972.810972.810972.810972.810972.810972.810972.810363.210411.310363.2100001000010010偏航角/()136.8608136.8608136.8608136.859998.6289160.5244160.524491.1459274.1313160.9273160.9269160.9273116.7765116.7765116.7765236.9918236.9918176.7094176.7094202.0975202.0975202.0975273.3452.3848104.5006179.78997.26397.26397.263速度/(nmh-1)350350350350550380380380350340340340345345345350350350350340340340350210532210400400400最大探测距离/m55000550005500055000148160550005500055000800005500055000550005500055000550005500055000550005500055000550005500080000250020148160250020102860150000101860最大攻击距离/m50000500005000050000138900500005000050000200015000050000500005000050000500005000050000500005000050000500005000020001.601389000926008340095000作战能力6.59776.59776.59776.597713.72576.59776.59776.597713.20036.59776.59776.59776.59776.59776.59776.59776.59776.59776.59776.59776.59776.597713.24.773513.72574.77359.999.8310.13103第 2 期战术导弹技术F1F3F8F6F5F2F7F9F4，该排序忽略了敌方机群的速度、角度、高度优势对我方机群造成的威胁，使得如F8这样的打击意图更加明显的敌方机群排到了F3之后，而采用本文方法则有效弥补了这一缺陷。由此可以判断本文所提方法和模型具有一定的可行性，可为攻击决策提供更加准确的数据支持。5 结论 威胁评估是空战辅助决策的基础，也是实现协同空战的关键，本文针对多机协同空中作战目标威胁评估问题，通过结合聚类方法与非参量威胁评估方法，提出了一种基于目标聚群分析的威胁评估技术，建立了一套威胁量化的计算框架，对多机协同空战中基于群目标的威胁评估，提供了一条可行的途径，对战术决策的制定具有一定的意义。本文通过实验分析，验证了所提方法与模型的合理性与有效性。但也存在不足之处，如未考虑群内目标的价值以及集群与集群之间的协同关系，未来可重点研究。参考文献1 邹立岩，张明智，荣明.智能无人机集群概念及主要发展趋势分析 J .战术导弹技术，2019（5）：1-11+43.2 杨昌发，任勇，冷智辉，等.航空集群系统空对地作战效能涌现方法研究 J.火力与指挥控制，2021，46（6）：47-51.3 赵均伟，赵建军，刘文宝.多无人机多任务对地攻击协同任务分配 J.战术导弹技术，2014（6）：42-48+59.4 朱建益.空战中的威胁估计与态势评估研究 D.西安：西安电子科技大学，2013.5 奚之飞，徐安，寇英信，等.基于改进GRA-TOPSIS的空战威胁评估 J.北京航空航天大学学报，2020，46（2）：388-397.6 胡涛，王栋，孙曜，等.基于改进CRITIC-LRA和灰色逼近理想解排序法的空战威胁评估 J.兵工学报，2020，41（12）：2561-2569.7 孔尚萍，张海瑞，廖选平，等.基于AHP与熵权法的空中目标威胁评估方法 J.战术导弹技术，2018（1）：85-90.8 张扬，韩春雷，孙玮琢，等.一种基于深度学习的智能威胁评估算法J.现代导航，2021，12（4）：293-296+305.表5威胁判断矩阵Table 5Threat judgment matrix威胁指标作战能力指标距离指标速度指标角度指标高度指标作战能力指标111/41/41/6距离指标111/31/31/6速度指标4311/21/2角度指标43211/2高度指标66221表6敌方机群威胁评估值Table 6Threat evaluation value of enemy formation机群名称F0F1F2F3F4F5F6F7F8F9作战能力威胁1.33951.10160.66091.10150.44060.66090.44070.15940.45830.1594距离威胁0.51150.34810.05680.08110.07760.07210.43830.44030.66840.4392速度威胁0.4750.43130.3750.3750.3750.3750.3750.0250.83060.025角度威胁0.35020.26640.42210.2090.50710.55170.30110.25730.540.1721高度威胁0.59690.40030.59690.59690.59690.59690.59690.5360.54080.536总威胁0.81380.64260.39350.55040.32410.41090.42730.26860.58890.2601（下转第121页）104第 2 期薛军帅等：基于改进可拓云的导弹电磁突防概率研究1998.7 蔡文.可拓学概述 J.系统工程理论与实践，1998（1）：77-85.8 王锦国，周志芳，袁永生.可拓评价方法在环境质量综合评价中的应用 J.河海大学学报（自然科学版），2002（1）：15-18.9 叶琼，李绍稳，张友华，等.云模型及应用综述 J.计算机工程与设计，2011，32（12）：4198-4201.10 李德毅，刘常昱.论正态云模型的普适性 J.中国工程科学，2004（8）：28-34.11 周红波，李照顺，谢佑波.基于云模型的系统综合效能评估方法 J.火力与指挥控制，2017，42（8）：61-63+67.12 李如琦，苏浩益.基于可拓云理论的电能质量综合评估模型 J.电力系统自动化，2012，36（1）：66-70.13 王晓玲，戴林瀚，吕鹏，等.基于DSR-可拓云的渗流安全综合评价研究 J.天津大学学报（自然科学与工程技术版），2019，52（1）：52-61.14 刘常昱，李德毅，潘莉莉.基于云模型的不确定性知识表示 J.计算机工程与应用，2004（2）：32-35.15 江高.模糊层次综合评价法及其应用 D.天津：天津大学，2005.16 丛林虎，肖支才，陈育良，等.基于改进云模型的某型反舰导弹状态评估方法 J.兵器装备工程学报，2021，42（8）：85-93.17 齐跃，张磊.美军航母编队电磁防御及导弹突防分析J.舰船电子对抗，2021，44（1）：1-7+26.18 魏毅寅，杨文华.海战场典型干扰对抗场景及反舰导弹应对策略研究 J.战术导弹技术，2020（5）：1-8.19 谢邦荣，尹健，宋劲松.巡航导弹对地空导弹的突防概率仿真研究J.系统仿真学报，2004（12）：2687-2691+2695.20 卫南.对反舰雷达导引头的干扰技术研究 D.西安：西安电子科技大学，2020.21 高松，滕克难，陈健，等.基于MCM-可拓云的装备体系效能评估 J.兵器装备工程学报，2020，41（2）：20-24.22 徐寒冰，祝明波.美军舰载反导电子战系统及其发展J.舰船电子工程，2020，40（8）：1-3+33.23 张云雯，姚景顺，沈振，等.美国航母雷达的配置及特点分析 J.舰船科学技术，2011，33（2）：134-139.（上接第104页）9 陈侠，刘子龙.基于模糊小波神经网络的空中目标威胁评估 J.战术导弹技术，2018（3）：53-59.10 蔡益朝，张维明，刘忠，等.一种基于群体分析的态势评估与威胁估计模型 J.火力与指挥控制，2008，33（2）：36-40.11 马硕，马亚平.基于分层聚类拍卖的集群UUV多目标分配方法J.舰船科学技术，2019，41（9）：70-75.12 董冰.基于聚类分析的空中战机目标分群应用研究D.西安：西安电子科技大学，2015.13 郑都民.集群空战中的群威胁评估及目标分配关键技术研究 D.西安：西安电子科技大学，2020.14 徐克虎，张明双，李灵之.基于区间变权灰色关联法的集群目标威胁评估 J.电光与控制，2019，26（12）：6-11.15 黄大荣，姜辉.基于信息熵的集群目标威胁度评估模型 J.计算机工程与设计，2010，31（4）：829-831+846.16 王全民，张书军.基于Canopy-K-means算法的高校贫困生预测的研究 J.计算机与数字工程，2020，48（12）：3012-3017.17 He H，Guo L，Geng Y.The optimization of CMAC neural network structure based on Canopy-K-means algorithmJ.International Journal of Advancements in Computing Technology，2012，4（22）：641-647.18 Li J，Zhang K，Yang X，et al.Category preferred Canopy-K-means based collaborative filtering algorithmJ.Future Generation Computer Systems，2018，93（APR）：1046-1054.19 朱宝鎏，朱荣昌，熊笑非.作战飞机效能评估 M.北京：航空工业出版社，2006.20 甄然，牛辰辉，吴学礼.基于多标度层次分析法的无人机避让策略构建 J.河北科技大学学报，2020，41（2）：114-121.121