基于艦炮平臺的反導武器系統效能評估

肖樹劍

（海軍駐沈陽地區軍事代表局，遼寧 沈陽 110031）

0 引言

在現代海戰中，反艦導彈作為海上攻擊的主要形式，具有射程遠、命中率高、威力大等優點，日益成為威脅作戰艦艇生存的重要因素。為了在未來海戰中奪取主動權，針對現代艦艇中遠程反導地需求，將艦空導彈、箔條誘餌彈和某型艦炮有機結合，合理分配武器系統火力，一方面可以擴大殺傷空域，提高武器系統反導成功概率；另一方面可以增強戰術靈活性，有利于提高機動能力。本文分析了基于艦炮平臺反導武器系統效能指標體系，通過引入BP神經網絡來評估其反導效能。

1 效能評估指標體系的建立

基于艦炮平臺反導武器系統，是指將在某型艦炮的平臺上，搭載導彈和箔條誘餌分系統，綜合考慮三者各自的射程、反應速度和費效比等因素，合理劃分反導區域，形成優勢互補的艦載反導武器系統。

效能評估的重要內容之一就是確定或選擇效能評估指標。效能指標的選擇是否合理，將直接影響效能評估的準確性。但由于效能概念的復雜性，使得效能指標的確定不像物理量那么直接。本文主要從以下幾個方面分析此反導武器系統的效能評估指標。

1.1 艦炮分系統

在構建基于艦炮平臺反導武器系統的過程中，是在某型艦炮平臺的基礎上搭載導彈和誘餌反導武器的。因此，該艦炮反導平臺在整個武器系統中是十分重要的，而其戰術技術指標對武器系統整體反導效能的影響也是比較大的。在該艦炮反導的過程中，其系統有效性、目標探測能力、反導距離及彈丸初速均對其反導效能產生很大的影響［1］。

1.2 導彈分系統

這里所指的導彈是搭載在某型艦炮反導平臺上的艦空反導導彈，其在反導過程中，受到多種因素的制約，同樣，其反導效能亦受到多方面因素的影響。本文經過綜合考慮，提出導彈分系統的反導效能指標主要有以下幾種：導彈分系統的可靠性、單發導彈的毀傷概率、毀傷半徑和脫靶量［2］。

1.3 箔條誘餌分系統

箔條干擾作為傳統的干擾技術，在雷達體制多樣化的今天，仍發揮著重要的作用，其在反導方面的應用是不可忽略的。由文獻［3］可知，箔條在反導過程中，可取以下反導效能指標：箔條云有效雷達反射面積、箔條充分散開時間、箔條云滯時間和電磁波衰減。

1.4 效能評估指標體系

由以上分析可以確定，基于艦炮平臺反導武器系統的效能指標體系如圖1所示。

2 BP神經網絡評估模型的實現

作為運用最廣泛的人工神經網絡，BP網絡包含輸入層、輸出層和多個隱層，雖然結構復雜，但由于其適應性強，在處理復雜問題時往往可以得到滿意的結果。

2.1 BP網絡結構的確立

網絡模型的結構選擇是一項十分重要的工作。在合理的結構和恰當的權值條件下，3層BP網絡可以逼近任意連續函數，所以選取結構相對簡單的3層BP網絡，如圖2所示。

由前面的分析可知，影響某型反導武器系統效能評估結果的主要指標有12個，故輸入層神經元節點個數為12；輸出層節點數為 1，對應多彈種多重反導效能評估值；同時，由經驗公式m=，本文取隱層數為4層；神經元轉換函數用sigmoid函數，表示形式為：

圖1 基于艦炮平臺反導武器系統效能指標

圖2 BP網絡模型結構

2.2 BP網絡的學習過程

針對BP網絡收斂速度慢、可能陷入局部極小的缺點，算法采用動量梯度下降法訓練網絡，可以減小學習過程的振蕩趨勢，改善網絡的收斂性［4］。具體步驟如下：

（1）初始化權值和閥值；

（2）給定輸入x和目標輸出y；

（3）計算實際輸出 yj：

其中，f取Sigmoid函數。

（4）修正權值，比傳統算法增加了動量項：

（5）若達到誤差精度或循環次數要求，則輸出結果，否則返回（2）。

2.3 樣本量化與處理

由于不同類型指標的量綱不同，且神經網絡處理的數據一般為連續數據，因此，需要對指標體系中的數據進行量化處理，然后進行歸一化處理。本文采用最小-最大規范化方法對原始數據進行歸一化，該方法對于神經網絡更易于學習和訓練。具體方法如下：

記x′為歸一化后的樣本值，x為原始訓練樣本值，xmax（xmin）為對同一指標而言目前可能出現的最大值（最小值），則：

（1）對效益型評估指標，按公式（1）進行歸一化：

（2）對成本型評估指標，按公式（2）進行歸一化：

2.4 基于BP網絡的應用算例

本文選取相關裝備對所建立的BP網絡進行訓練。根據圖2所示BP網絡結構和動量梯度法，運用BP神經網絡工具箱，將歸一化以后的樣本輸入進行網絡訓練。表1給出了相關裝備的指標原始值和歸一化值。可運用此網絡對基于艦炮平臺反導武器系統的效能等級進行評判。經過此網絡的評估，最終效能等級為優秀。

表1 相關裝備的效能指標原始值和歸一化值

表2 網絡輸出結果與專家評估結果

圖3 網絡訓練誤差曲線圖

取訓練步長為100，步數為20000，學習速度為0.05，動量因子大小為0.9，均方誤差為0.001來訓練網絡。經過反復的學習，直到滿足精度要求為止，此時的BP神經網絡已具備了模式識別的能力。運用此訓練好的已經具備模式識別的網絡對預研的反導武器系統進行對比，所得到的結果如表2所示。同時可以得到網絡訓練誤差，如圖3所示。

由表2可知，BP網絡的輸出值與專家的評估值之間的相對誤差較小，可以保證在3.0%之下，而這樣的誤差對反導武器系統效能評估等級的確定影響甚小，在允許的誤差范圍之內。從評估等級來看，BP網絡的輸出結果與專家評估結果吻合度很大，即可以認為兩者評判結果一致。

經過上面的分析，可知本文所建立的BP網絡訓練已經具備很強的學習能力，可將評估誤差控制在允許的范圍之內，故

3 結語

在對基于艦炮平臺反導武器系統效能評估過程中，效能指標體系的確定至關重要。本文結合反導武器系統的特點，確定了12個具有代表性的效能評估指標，建立了適合此系統的BP網絡結構；并對基于艦炮平臺反導武器系統的效能進行了評估，輸出結果為優秀，與專家的評估結果一致。理論分析與算例結果表明，該評估方法是可行的、有效的，可為反導武器系統的研制和開發提供一定的參考依據。

［1］肖元星，張冠杰.地面防空武器系統費效分析［M］.國防工業出版社，2006

［2］陳立新.防空導彈網絡化體系效能評估［M］.國防工業出版社，2007

［3］陳靜.雷達箔條干擾原理［M］.國防工業出版社，2007

［4］ Stuart Russell,Peter Norvig.Artificial Intelligence:A Modern Approach［M］.Pearson Education,2002