嵌入式空戰訓練中虛擬智能對手的生成研究*

耿振余，劉思彤，李德龍

(空軍指揮學院，北京 100097)

0 引言

嵌入式戰術訓練是指將戰術訓練系統嵌入到實際裝備中，以訓練駕駛員對任務的操作和反應，達到增強訓練能力的目的[1-2]。嵌入式訓練有效結合了模擬器訓練和實裝訓練的優點，它已成為各軍事強國軍事訓練的首選方式，代表了軍事訓練技術的最新發展趨勢[2-3]。機載嵌入式戰術訓練是當前最主要的應用領域，已成為世界第4代戰斗機必備的功能之一。機載嵌入式空戰戰術對抗訓練系統最核心的內容就是通過計算機為飛行員生成具有智能性和真實性的“藍軍”兵力——虛擬智能對手，并將虛擬智能對手與機載火控系統交聯實現空戰戰術對抗訓練。計算機生成兵力(computer generated forces, CGF)是實現該訓練的主要技術途徑[4-6]。

由于空戰的極其復雜性，給虛擬智能對手的生成帶來了很大的難度。主要表現在：①環境因素的復雜性。指氣象環境、地形環境、電磁環境對航空飛行器的飛行特性、戰術特性、行為特性等具有很大的影響，而精確模擬這些影響還存在很大的難度。②智能決策的復雜性。飛機空戰是敵我雙方博弈的過程，欲使計算機模型完全具有人的特性并能代替飛行員完成空戰的整個決策過程，且要能符合客觀規律，這就給建模工作提出了很高的要求。③空間行為的復雜性。在六自由度空間內，能用數學模型清晰地描述飛機的各種復雜行為，是十分困難的事情。因此，雖然CGF技術在國內發展和應用多年，但在航空兵空戰領域形成的有效成果并不多[7]。

1 嵌入式空戰戰術對抗系統的虛擬智能對手的功能需求

針對航空兵空戰戰術對抗的訓練需求，結合嵌入式仿真技術的特點，明確機載嵌入式空戰戰術對抗訓練中虛擬智能對手所應具備的功能和能力要求。本文主要以超視距、超視距轉視距內對抗作戰為背景，實現1對1，2對2，4對4空戰戰術對抗的嵌入式仿真，空戰戰術涉及多目標攻擊條件和單目標攻擊條件下的編隊協同空戰和單機空戰戰術，具備自主搜索探測、自主判斷、自主決策和自主攻擊等智能特點，實現戰術規則庫、性能數據庫、戰術動作庫等用戶界面功能。

2 嵌入式空戰戰術對抗系統的虛擬智能對手的生成

2.1 虛擬智能對手模型體系的構建

虛擬智能對手的模型組成框圖如圖1所示。主要包括4類模型和數據庫。其中實體模型包括飛機實體、機載雷達和機載武器模型，行為模型包括各種詳細的戰術行為模型，決策模型為決策有關的模型總和，交互模型包括環境的感知模塊和成員交互模塊，數據庫包括虛擬智能對手所使用各類型數據庫。

2.2 虛擬智能對手的模型總體框架的構建

虛擬智能對手的模型總體框架如圖2所示。總體模型框架主要由感知模塊、威脅沖突預測模塊、認知模塊和任務規劃模塊等8個主要模塊組成，各模塊順序構成一個“觀察-調整-決策-行動”的作戰周期。各模塊的主要功能如下[8-10]：

(1) 感知模塊

感知模塊的感知處理器的功能是接收各種傳感器數據和通信交互模塊傳輸的數據后，對數據信息進行處理，并更新信念庫；虛擬智能對手可通過2個活動來更新它的信念庫：①感知環境；②執行意圖。

(2) 威脅沖突預測模塊

威脅沖突預測模塊的預測處理器的功能是根據當前狀態信息完成威脅空間生成，威脅級別判斷，任務、行為沖突判斷，完成空中態勢評估以及行動效果預判等，為認知處理器的決策提供依據。

圖1 虛擬智能對手模型組成Fig.1 Model group of virtual intelligent adversary

(3) 認知模塊

認知模塊的認知處理器的功能是綜合當前狀態或未來可能發生的事件、多機協同請求(或命令)以及其他成員的通信等信息，明確目標庫中的哪個階段性任務目標成為即將要實現的子任務目標。

(4) 任務規劃模塊

任務規劃模塊的規劃產生器是根據當前狀態信息、當前任務目標，確定與任務目標相關的、可行的規劃集(可以是預先定義的)，并存入當前的規劃集中。實時決策處理器的功能是綜合狀態信息、當前任務目標、數據庫和戰術規則知識庫等信息，分析規劃集中的各種規劃方案，從規劃集中選擇一個合適的規劃作為實現當前目標的意圖，意圖即為虛擬智能對手的具體戰術行為。

(5) 多機協同

在多機協同作戰的情況下，擔任長機角色的虛擬成員通過綜合各成員的請求信息，進行全局信息融合，得出對整個態勢的全局認識，并向各虛擬僚機成員發送指令。

(6) 通信交互

主要是接收其他長(僚)機成員進行共享的空中態勢數據信息，并傳輸給感知模塊以更新信念庫；以及接收外部(如指揮所)命令和情報信息，其中命令信息直接傳輸給認知處理器。

(7) 執行意圖

主要是落實具體的戰術動作。戰術動作的落實主要由2類模型來實現，即：實體模型和行為模型，其中行為模型大都需要實體動力學模型來配合實現。

(8) 目標庫

目標庫中存儲的是總的空戰任務目標(如空中截擊任務)經過分解后的任務子目標，如圖3所示。對任務目標的合理分解是實現智能決策推理的前提，對任務目標分解得越具體，決策步驟就越明確[11-12]。圖3中“返回”子任務的目標分解與第1階段“飛行至目標區域”子任務的目標分解完全相同。

2.3 虛擬智能對手決策模型的構建

虛擬智能對手的決策模型是實現虛擬智能對手根據空中態勢進行自主決策的核心模型，決策模型以各類傳感器和數據鏈信息為輸入，進行分層決策，決策的層次結構如圖4所示。

圖2 虛擬智能對手的模型總體框架Fig.2 Model framework of virtual intelligent adversary

圖3 對任務目標的分解方法Fig.3 disassembling method of aim of mission

圖4 空戰戰術決策分層邏輯結構圖Fig.4 Hiberarchy of air combat tactical decision-making

按照決策每個層次的各個決策環節，分別梳理空戰的戰術規則并建立詳細的戰術規則庫。戰術規則庫的知識表示法采用基于規則的知識表示形式。

(1) 規則組::= ′IF′ <前件集> ′THEN′ <后件集>

(2) 前件集::= <前件>&<前件集>

(3) 后件集::= <后件>

(4) 前件::= <決策要素>

(5) 后件::= <指定戰術>

其中，::= 表示“定義為”；&表示“與”。

以超視距單機空戰戰術決策為例，決策模型以超視距威脅態勢TS、超視距威脅事件TE、超視距攻擊態勢AS和單機任務狀態MS為決策輸入變量，輸出為長機戰術動作D1、僚機的戰術動作D2，如圖5所示。

圖5 超視距單機空戰戰術決策Fig.5 Tactical decision-making of beyond-visual-range single fighter air combat

2.4 實體模型的構建

實體模型主要包括飛機實體模型、機載雷達實體模型、空空導彈武器和電子對抗模型實體模型，飛機實體采用六自由度全量氣動參數模型，主要包括空氣動力學、質量、發動機、大氣、飛行控制系統、大氣環境和風等模型；機載雷達模型包括機載多普勒雷達和相控陣雷達2種模型，主要包括交會幾何關系、目標雷達特性模型、雜波與噪聲模型、信噪比和檢測模型；機載空空武器主要是中、遠程空空導彈，機載空空武器模型主要包括空氣動力學模型、控制量解算模型和毀傷目標模型；電子對抗模型主要包括雷達告警和干擾模型。

2.5 行為模型的構建

戰術行為模型是空戰決策系統最基本的構成要素，但戰術行為的實現是由一系列戰術動作組合而成的，因此，戰術行為模型的構建首先需建立戰術動作模型庫。通過幾種戰術動作順序組合并配合機載設備(機載火控雷達設備、電子干擾設備、雷達告警裝置和空空武器)的實體模型，完成戰術行為模型的構建，建立戰術行為模型庫。

戰術動作模型的構建需要飛機機體模型配合才能完成，首先通過戰術動作描述模塊將機動命令翻譯為姿態控制指令序列，輸出各個姿態控制指令，根據飛機機體模型作出各種戰術動作，如圖6所示。

3 模型實現案例

在嵌入式空戰戰術對抗訓練仿真論證系統中，實現了虛擬智能對手模型，如圖7所示。圖中紅色飛機為飛行員操作飛機驗證平臺進行空戰對抗，藍方為計算機生成的虛擬智能對手，飛行員根據多功能顯示器和平顯中的顯示信息和虛擬智能對手進行對抗，虛擬智能對手根據自身的傳感器信息自主地進行態勢評估和戰術決策。經過大量的飛行試驗試飛，實踐證明該模型準確合理，各項指標符合作戰實際。

圖6 戰術動作實現層次圖Fig.6 Hiberarchy of realization of tactical action

圖7 嵌入式空戰戰術對抗訓練仿真論證系統中虛擬智能對手的實現Fig.7 Realization of virtual intelligent adversary in simulation demonstration of embedded training system of air combat counterwork

4 結束語

本文圍繞嵌入式空戰對抗訓練系統中虛擬智能對手的生成問題，給出了虛擬智能對手的模型體系和總體框架、決策模型、戰術行為模型的實現方法。經過仿真論證系統的實踐應用，檢驗了模型的準確性。該模型還可用于空戰戰術對抗系統的藍軍兵力的生成中。

參考文獻：

[1] MORRISON J E, ORLANSKY J. The Utility of Embedded Training[R]. U.S.Institute for Defense Analyses Document Report, 1997, No.19980729 019.

[2] 周煜，嚴俊. 某型教練機嵌入式訓練系統頂層設計技術研究[J].航空電子技術，2011,42(2):1-5.

ZHOU Yu, YAN Jun. The research on The Embedded Training System Top-Level Designing Technique[J]. Avionics Technology, 2011, 42(2):1-5.

[3] 徐汶. 軍用教練機嵌入式訓練系統[J]. 國際航空雜志, 2006(5):54-56.

XU Wen. Embedded Training System on Military Trainers [J]. International Aviation, 2006(5):54-56.

[4] 馬琳, 祝笑舟. 嵌入式訓練轉型中的應用[J]. 海軍航空工程學院學報：綜合版, 2008, 6(2): 44-46.

MA lin, ZHU Xiao-zhou. Application of Embedded Training in Transitional Training[J]. Journal of Naval Aeronautical and Astronautical University：Comprehensive Version, 2008,6(2): 44-46.

[5] 常天慶，張波，王欽釗. 嵌入式訓練技術的應用與發展[J].裝甲兵工程學院學報，2008,22(6):1-6.

CHANG Tian-qing, ZHANG Bo, WANG Qin-zhao. Application and Development of Embedded Training Technology[J]. Journal of Academy of Armored Force Engineering, 2008,22(6):1-6.

[6] 常天慶，張波，趙鵬，等. 嵌入式訓練技術研究綜述[J].系統仿真學報，2010，22(11):2694-2697.

CHANG Tian-qing, ZHANG Bo, ZHAO Peng, et al. Survey of Embedded Training Technology[J]. Journal of System Simulation, 2010，22(11):2694-2697.

[7] 陳凌，吳冰，胡志偉，等. 機載嵌入式空戰訓練的研究與進展[J].計算機仿真，2010，27(2):108-111.

CHEN Ling, WU Bing, HU Zhi-wei, et al. The Research and Advances on Airborne Embedded Training for Air Combat[J]. Computer Simulation, 2010，27(2):108-111.

[8] WEDZINGA G. E-CATS:First Time Demonstration of Embedded Training in a Combat Aircraft [J].Aerospace Science and Technology, 2006, 10 (1):73-84.

[9] LAYMAN G, GIOOVANIS G. Embedded Training for the Global Command and Control System[C]∥Proceeding of the 21st Interservice, Industry Training, Simulation and Education Conference, 1999.

[10] 張立東, 王國洪, 曹培謙. 嵌入式仿真技術在軍事訓練中的應用[J]. 航天電子對抗, 2010, 26(6):61-64.

ZHANG Li-dong, WANG Guo-hong, CAO Pei-qian. Embedded Simulation Used in the Military Training [J]. Aerospace Electronic Warfare, 2010, 26(6):61-64.

[11] Rolland Jannick, Matrins Ricardo, HA Yong-gang. Embedded Training Display Technology for the Army’s Future Combat Vehicles[R]. Orlando, Forida, US: US ARMY RDECOM Simulation, Training and Technology Center, 2004.

[12] FISHER JOHN M, HEIDEN CHARLES G, GOSSMAN JAMES R, et al. A Near Term Approach to Embedded Training: Battle command Visualization 101[R]. Fort Knox, US: ARI for the Behavioral and Social Sciences, 2006.