智能化分布式協同作戰體系發展綜述

，， ，

(1. 北京理工大學， 北京 100081； 2. 上海航天技術研究院北京研發中心， 北京 100081)

0 引 言

近年來，美、歐等武器裝備強國開展了一系列面向未來戰爭的作戰理論探索和關鍵技術實踐，以“認知、動態與分布”為特點的分布式體系化作戰樣式正在逐步成型，開展面向分布式協同作戰使用的武器平臺系統設計技術研究，能夠在復雜戰場中以較低的經濟消耗，取得更大的軍事效益[1]。分布式協同作戰能夠通過武器系統集群/分導飽和攻擊的形式提高整體作戰與打擊效能，通過自主密集編隊實現機動突防能力，通過多基多源異構的探測手段實現對敵目標的高精度跟蹤與識別，從而實現對目標的精確打擊。隨著人工智能技術的高速發展，基于高度人工智能化的智能作戰樣式可使防區外、遠距離復雜戰場中的分布式協同作戰具有體系化、智能化作戰能力。智能化分布式協同作戰可在復雜戰場環境內進行實時態勢感知信息交互的基礎上，實現各類參戰系統無人為介入、自主依據態勢融合信息動態形成作戰任務指令，自動滿足各類作戰任務需求[2]。智能化技術的引入，進一步提升了整體系統族群作戰的彈性、多樣性和自適應性，在保持武器系統自身作戰能力的同時，有效提升了作戰系統對敵智能化殺傷的技術水平[3]。因此，智能化分布式協同作戰是未來戰爭發展的必然趨勢。

1 概念及內涵

自2015年美軍提出“分布式殺傷”作戰概念后，智能化分布式協同作戰理念便隨之產生，世界各軍事大國爭相發展分布式智能作戰技術[4]。智能化分布式協同作戰的核心思想是不再由當前的多用途、高價值的武器裝備平臺獨立完成作戰任務，而是將價格高昂的裝備系統功能在全域內分解部署到多種異構的小型、低成本的有人/無人作戰平臺上，通過在多個平臺間組建分布式通訊網絡實現自主協同與作戰任務智能決策，以網絡化、體系化的形式共同完成作戰任務。該作戰樣式在降低戰耗成本的同時，有利于提升整體作戰體系的靈活性和自適應能力，從而達到與現有作戰樣式相同或更高的作戰能力[1]。而智能化分布式協同作戰系統是由多種參戰裝備節點通過自適應組網手段形成的一組具有智能感知與決策控制能力的作戰任務系統。該系統基于集群智能技術，各參戰裝備具有戰術信息協同、電子對抗協同、飛行軌跡協同、火力分配和攻擊協同的體系化作戰能力。

圖1 美軍分布式殺傷示意圖Fig.1 Distributed lethality proposed by U.S. Navy

智能化分布式協同作戰體系由作戰任務、參戰單元和信息網絡三個基本要素組成[1]。其中，作戰任務是體系形成的必要條件，形成必要的作戰目標是體系構建的基本原則；參戰單元是分布在跨域戰場環境中的裝備資源，是構成體系內核的重要組成部分；信息網絡是分布式協同作戰的通訊基礎和數據基礎。綜上，智能化分布式協同作戰具有以下特點：

1) 攻防對抗的核心出發點從固有的武器裝備對抗轉變為信息與火力的體系對抗。

2) 各參戰單元間信息交互更加頻繁，進行一次作戰包含跨域的多種多類武器裝備。

3) 更加注重云平臺作戰指令的動態解算，分布式協同智能作戰指令會隨攻防雙方的博弈情況而變化。

4) 打擊方式從對時敏目標的精確打擊向對單/多目標的蜂群式毀傷發展，具有突防性良好、成本較低、毀傷效能高的特點。

2 國內外研究概況

近年來基于分布式作戰概念，美軍正積極探索空中、海上和空間領域的智能化分布式協同作戰體系架構的設計、集成與試驗驗證技術。主要研究項目包括：聚焦空中分布式作戰體系架構設計的“體系綜合技術和試驗”(SoSITE)項目[5](如圖2所示)，支持海上跨域分布式協同作戰的“分布式殺傷”概念和“跨域海上監視與瞄準”(CDMaST)項目[6]，以及“商業搭載載荷方案”、“空間環境納衛星實驗”等分布式空間體系架構技術驗證項目[7]。

圖2 SoSITE架構構想Fig.2 Framework of SoSITE program

此外，美軍通過一系列項目，對最優編隊形成方案、多控制模式下的協同任務分配、協同任務解析、協同要素生成、協同優先級排序、協同行動規劃的技術理論展開研究，并取得一定成果[8-9]。與此同時，美國通過美國國防部高級研究計劃局(DARPA)和海軍研究實驗室(NRL)等機構全力探究智能化分布式協同作戰最新技術的試驗驗證。目前典型的智能化分布式作戰技術驗證項目有：“忠誠僚機”項目、“小精靈”(Gremlins)項目(如圖3所示)、拒止環境中協同作戰(CODE)項目(如圖4(a)所示)、“山鶉”(Perdix)微型無人機項目、分布式作戰管理(DBM)項目(如圖4(b)所示)、自動代理指揮與傳感控制系統(CARACaS)、無人機控制最佳角色分配管理控制系統(SCORCH)、進攻性蜂群使能戰術(OFFSET)項目、低成本無人機集群技術(LOCUST)項目(如圖5所示)等[10-15]。主要特點如表1所示。

(a) 作戰示意圖 (b) 空中部署及回收示意圖圖3 Gremlins項目Fig.3 Gremlins program

(a) CODE項目 (b) DBM項目圖4 CODE項目與DBM項目作戰概念圖Fig.4 Operational concepts of CODE program and DBM program

時間項目名稱機構主要特點2013年無人機控制最佳角色分配管理控制系統SCORCH美國陸軍航空發展局ADD集群控制系統,不增加指揮員工作量的情況下提高任務管理效率,提高戰場態勢感知能力2015年小精靈Gremlins美國國防高級研究局DARPA低成本,高效快速,空中發射與回收,信息協同共享,突破敵方防御系統,快速展開執行任務,可重復使用2015年低成本無人機集群技術LOCUST美國海軍研究辦公室ONR低成本,體積小,數量多,快速發射,自適應組網,自主協同,去中心化,防碰撞,自主化,自治化2015年山鶉Perdix美國國防部戰略能力辦公室(SCO)空中釋放,信息共享,集體決策,飛行協同規劃,編隊控制

續表1

(a) 裝甲平臺發射裝置 (b) 郊狼無人機空中展開圖圖5 LOCUST項目Fig.5 LOCUST program

我國智能化分布式協同作戰技術雖起步較晚，但近年來關鍵技術發展迅速，其中以智能集群技術尤為突出，曾分別在2016年和2017年完成了67架和119架固定翼無人機分布式集群飛行試驗。飛行試驗成功驗證了編隊起飛、自主集群飛行、分布式廣域監視、感知與規避等智能化分布式協同技術，并刷新了集群無人飛行器協同飛行數量的新紀錄[16]。

3 關鍵技術發展分析

由于智能化分布式協同作戰的研究涉及到空氣動力學、飛行力學、人工智能、導航制導與控制、目標跟蹤識別、信息處理與融合以及作戰效能評估等諸多學科，本文將從態勢感知與認知技術、信息融合與目標跟蹤技術、分布式協同任務規劃技術、一致性控制與協同制導技術四個方面簡要分析智能化分布式協同作戰關鍵技術。

3.1 態勢感知與認知技術

戰場態勢感知是在智能化分布式協同作戰中實施任務規劃與精確打擊的前提，主要目的是根據編隊成員的傳感器探測信息，通過信息交互與融合實現各裝備平臺對戰場環境態勢的智能化認識與理解，獲得各探測目標的運動狀態，以實現對戰場環境的態勢評估，為編隊的航跡規劃與目標分配提供依據。戰場態勢構建過程如圖6所示。

當前，戰場態勢感知與認識的關鍵技術包括異構數據采集、復雜環境數學建模、多源信息融合與交互共享等。目前國內外相關研究主要集中于基于生物視覺認知機理的目標識別與環境建模、復雜環境感知與認識算法、非結構化感知方法等[17]。此外，為了更加快速、準確、智能化地進行戰場信息處理，實現全局態勢感知，近年來基于深度學習的態勢感知與認知技術已成為主要的研究熱點[18]。

圖6 戰場態勢構建流程Fig.6 Construction process of battlefield situation

3.2 信息融合與目標跟蹤技術

傳統而言，單個傳感器獲得的信息往往是不完全的，若采用多個組網互補的傳感器，信息就會出現冗余。利用多源信息融合技術綜合處理來自多傳感器對敵方目標的探測信息，更有利于對戰場態勢信息的動態重構和目標狀態的估計裝訂。多源信息融合技術通過組合各傳感器根據自身探測信息所估計的目標狀態實現對目標實際位置信息、運動狀態的估計與預測。實現多源信息融合與目標的穩定跟蹤需要依次解決數據配準、數據關聯和數據融合問題[19]。

近年來，多數學者將注意力集中在分布式融合濾波算法研究領域。分布式融合濾波算法無需建立中心節點，每個節點只需要和相鄰節點進行數據交互，通過設計一致性協議，每個節點能夠得到一致的濾波值。現有研究包括分布式卡爾曼濾波、貝葉斯一致性濾波、H-infinite分布式濾波算法等[20]。然而，以上的研究雖是在系統存在噪聲或不確定性的條件下進行的，但各通訊節點間的拓撲網絡是理想的，并沒有考慮到真實通信的信息傳輸時延、網絡拓撲變換、通信帶寬限制等問題。該類問題的研究近年來才逐漸受到重視，是當前多傳感器數據融合理論研究的熱點之一[21]。

3.3 分布式協同任務規劃技術

分布式協同作戰因參戰成員的增加而擴大了原有任務規劃問題的求解規模，其求解的復雜程度會隨成員數和任務數量的增加而快速增長。與單一成員作戰場景不同的是，分布式協同作戰不但要處理作戰成員自身的約束條件，還需考慮各成員間相互協同的約束；此外，更要避免各成員間因沖突導致的系統性能退化、共享資源競爭等問題的影響。因此，傳統的集中式控制將不再適用于多批次、多任務的自主協同作戰，分布式協同任務規劃技術成為智能化分布式協同作戰的必要條件，贏得了國內外學者的高度重視和關注。

分布式協同任務規劃技術可以分為協同目標分配、協同航跡規劃和協同任務執行3個部分，其中協同目標分配問題是一個多模型、多約束、計算復雜的非線性規劃問題。目前常用的解決多彈協同目標分配問題的方法包括：市場機制拍賣算法、匈牙利算法、蟻群算法、粒子群算法、遺傳算法、一致性集束算法、協商法等[22]。協同航跡規劃是在給定已知、部分已知或未知信息的環境中，規劃出各參戰平臺從起始點到達目標點的運動軌跡，軌跡規劃過程中可實現各成員對威脅區和障礙物的規避，同時保證各成員運動安全可靠無碰撞，在滿足最大益損比的條件下利用優化技術求解得到多條滿足各種約束條件和協同關系的運動軌跡。協同航跡規劃問題是一個多目標優化問題，因此現有研究主要集中于：從單一成員航跡規劃方法發展來的多成員規劃方法(包括啟發式A*算法、Voronoi圖、人工勢場法)，適合群體計算的群智能算法(包括平行進化算法、量子遺傳算法、神經元網絡)，以及基于路徑優化的規劃方法(通過遺傳算法優化B樣條曲線，利用Dubins曲線進行協同航跡規劃)等[23-25]。此外，需要注意的是在任務執行過程中，系統應對環境的變化具有及時響應的能力，對失效的軌跡具有在線協同重規劃的操作，以保證協同作戰任務執行過程中的高效、安全、可靠[15]。

綜上所述，雖然目前國內外在分布式協同任務規劃及其相關領域內已經取得了大量的研究成果，但仍存在一些亟待解決的問題，主要包括：①現有的協同任務規劃研究與實際作戰任務模式和執行過程結合不夠緊密；②對未知動態戰場環境下的在線規劃技術研究尚不充分；③對具有多類任務能力的多種異構平臺協同執行多作戰任務的規劃技術研究不足；④現有研究中對分布式協同作戰體系結構優化設計存在不足，問題模型難以匹配真實戰場中的復雜性，當前研究理論難以滿足高度對抗的戰場環境中分布式協同作戰的需求。

3.4 一致性控制與協同制導技術

分布式協同作戰中的編隊控制問題可大致分為一致性問題、同步問題、群集問題、集結問題、編隊問題、包含控制等。其中，一致性問題是分布式協同控制的基本問題，群集和集結等問題可被看成是一致性問題的典型應用。在編隊控制問題中，要求各成員間的相對狀態保持為一個常數。而包含控制問題則可看作是多個領導者情形下的跟蹤控制問題，其目標是控制領導者的運動狀態收斂于由領導者構成的凸包中，在這種情況下，其它成員的狀態的差值會收斂到一個常值。目前，大部分有關一致性協同控制問題的研究是在分布式控制架構的基礎上進行的，這與傳統的集中式控制形成了鮮明的對比。與傳統集中式一致性控制不同的是，分布式一致性不需要領導者的參與和全局通信網絡，改善了整個系統的魯棒性和對領導者的依賴性。此外，分布式一致性算法在大規模的體系化作戰中更容易實現。一般來說，當前研究一致性協同控制問題的典型方法主要集中于控制理論與圖論的研究[26]。此外，在集群編隊控制問題中，基于人工勢場法的編隊防撞控制問題也是協同控制的研究熱點之一[27]。然而，相關研究工作中大部分都需要每個成員連續地獲得它們自己和鄰居的狀態信息，而在實際復雜的網絡作戰環境中，各成員間的通信可能是周期性的或間歇性的，且受各成員自身通信帶寬的限制。一些學者啟動了基于事件驅動/自驅動的多智能體系統一致性控制問題的研究[28]，而對例如多彈協同編隊的事件驅動一致性控制研究還未見相關報道。

在分布式殺傷方面，與傳統制導律設計不同，協同攻擊制導律要求所有成員在精確打擊目標時滿足時間、空間等多項作戰要求，這對導彈武器成員間的相互配合、協同作戰提出更大的挑戰[29]。為了增強分布式作戰對目標的毀傷效能，常采用導彈集群同時攻擊目標的作戰模式，這要求導彈在滿足空間上可有效命中目標的前提下，還要實現與其他攻擊成員在時間上一致。除時間協同攻擊外，約束各彈的協同攻擊角度也是增大毀傷效果的一種直接手段，其主要研究方法集中于對于攻擊角度的最優控制問題。近年來，隨著時間、角度協同制導的研究成果不斷增多，含有攻擊角度約束的時間協同制導律隨之產生，這將有助于進一步提高導彈集群的毀傷效能[30]。在制導過程中實現時間與角度的協同，是今后分布式作戰制導律設計的發展方向[31]。

現階段針對協同制導技術的研究還存在以下幾點不足：①當前部分協同制導律設計需事先指定期望的攻擊時間與角度，不具備完全的自主協同能力，需要進一步加強對協同攻擊時間和攻擊角度的研究，形成最佳攻擊態勢；②協同制導律的約束僅局限于脫靶量、時間、角度，缺乏對作戰效能最優的多約束(包括速度、過載、能量等)協同打擊技術研究；③缺乏對于協同攻擊開始時機的考慮，對于多枚導彈先后突防，對協同的時機要求更為嚴格，協同時機的制定顯得尤為重要；④制導律設計過程中需進一步考慮融合的目標狀態信息對制導律精度的影響，通過彈群導引頭協同探測為每枚導彈提供精確的制導信息是解決該問題的有效方案。

4 啟示與發展建議

根據國內外智能化分布式協同作戰關鍵技術研究及其相關驗證項目的發展，就其平臺設計過程和技術特點可得出以下啟示和發展建議。

4.1 發展多平臺綜合一體化設計技術

基于智能化分布式協同作戰的戰場想定，由目標探測平臺、導彈發射平臺、網絡指控中心和導彈武器系統構成一個分布式作戰體系，多彈協同打擊是整個體系化作戰任務中不可分割的一部分。分布式協同作戰效能的提高，要求海/陸/空/天全域內異構的目標探測平臺、導彈發射平臺、網絡指控中心和導彈性能必須相互適配。因此，將多彈集群系統視為一個不可分割的整體進行系統設計，并在機械/電氣接口中預留可改進的余地。導彈、探測平臺、發射平臺及網絡指控中心的多平臺綜合一體化設計，是未來多軍種異構裝備實現智能化分布式協同作戰技術工程應用所遵循的基本原則。

4.2 發展低成本、模塊化裝備研制技術

大力發展智能化分布式協同技術為武器裝備平臺的模塊化設計和低成本研制創造了前提條件。在武器裝備平臺設計之初，應遵循低成本、模塊化的設計原則，進一步增強系統的通用性和對戰場任務的自適應性。同時，在生產、制造過程中，引入3D打印、增材制造等智能制造技術，裝配多種多模簡易、成熟的導航探測系統，在避免高額裝備造價的基礎上，基于信息交互與數據融合技術實現復雜戰場的多任務協同作戰。

4.3 發展面向戰場大數據的集群認知與云決策技術

隨著戰場環境復雜程度與任務規模的不斷提升，智能化分布式協同作戰將出現裝備體系規模巨大、通訊信息網絡時變等特點。傳統的戰場環境感知融合與任務規劃技術在面對更為龐大的實時態勢數據時將難以實際應用，特別是求解任務規劃與戰術決策問題常常會出現組合爆炸。因此，為了應對未來更為復雜的戰場態勢，需要以云計算、人工智能、深度學習等技術發展為基礎，在網絡化分布式架構上開展基于虛擬計算仿真平臺的集群認知與云決策技術研究。通過仿真模擬建立完備的戰場態勢和戰法數據庫，匹配當前集群認知信息得到實時的戰場態勢情況，根據戰場環境的變化對應制定作戰方案、選擇戰法形式、實現任務分配與執行，最后將任務執行情況與作戰效能反饋到指揮控制系統。同時，在智能化分布式協同作戰任務執行過程中，各無人系統通過自主學習作戰方案選擇、積累戰斗經驗、獲取新的戰場信息數據與戰法數據，可以實現協同規劃與決策算法的自主進化，從而使參戰的無人裝備平臺向著高度智能化的方向發展。

4.4 發展異構作戰成員的協同控制技術

在未來智能化分布式協同作戰任務中，各低成本的智能無人裝備平臺各司其職、集群聯動地實現“偵-控-打-評”四維一體的作戰任務。因此，參與分布式協同作戰的成員必然覆蓋海/陸/空/天/電/網全域作戰環境，并由種類眾多、數量龐大的異構平臺構成。此外，在實際作戰任務中，單一成員還可能因其自身特定的作戰任務在時間和空間域上散布，從而數量和網絡特性上對現有協同控制技術提出了挑戰，現有協同控制算法無法滿足未來戰場復雜性的要求。為此，在體系化作戰架構總體設計時需對整體的體系結構進行分層解耦設計，根據作戰功能將傳感器信息的交互與融合、編隊隊形和個體作戰任務的分解與協調、單體作戰任務的控制等進行分層與解耦，重點突破面向異構集群的最優隊形構成、編隊保持、協同機動及隊形切換控制策略研究，設計并發展參戰成員任務協調策略及單體的魯棒控制方法。

4.5 發展自適應、去中心的集群動態組網技術

智能化分布式協同作戰擁有高度彈性和可靠性的信息通信網絡。建立可動態自組網、無中心節點且各節點可隨意快速進入和退出的分布式網絡體系，是對復雜任務中集群編隊構型進行高動態變化的有力支撐。因此，研究網絡化集群分布式動態組網技術，建立可無縫接入的統一化、網絡化測控與信息傳輸系統，是實現分布式協同作戰跨域交互、自主聯通、自適應組網與體系化管控的基本條件。

5 結束語

隨著攻防對抗技術、網絡信息技術和人工智能技術的蓬勃發展，智能化分布式協同作戰帶來的技術變革將越發明顯。這種以小型集群為核心，自治化、多元化、通用化、協同化為特點的作戰模式將在未來復雜戰場中賦予各軍種裝備平臺更為寬泛的任務執行能力和更強大的戰場生存能力。不難想象，智能化分布式協同作戰技術能夠在體系化作戰中消耗敵方巨大的偵察、監視、攔截與對抗資源，甚至可以達到不可承受的程度。通過對智能化分布式協同作戰技術的闡述與分析，這種突防能力強、毀傷效果大、成本低廉的新型作戰模式，將推動我軍進入新的軍事變革時代。大力發展智能化分布式協同作戰技術，對整合我軍現有無人裝備，提升現有裝備作戰效能，降低裝備全壽命周期成本，爭取未來戰場主動權,推動我軍未來武器裝備和國防實力的發展，將具有重大意義。