基于電子戰推理知識庫研究

許波 韓梅 陳根余 喬小斐 秦博

編者按：為了能更好地研究現代的電子戰決策，需要對決策產生一定的先驗條件，通過各種離散的先驗條件來進行智能決策，現代的電子設備有著數據類型多、數據量大、多級裝備判斷條件多以及推理的屬性多樣化等特點，在多樣化、離散化的情況下對推理的算法知識管理尤為重要，設計一款可控、多變、實時生效的維護性和使用性強的知識庫是一種必要的手段。

引言

目前電子戰決策涉及多種裝備、平臺、數據，每一次的偵察獲取到的信息都是海量級，對大量的設備信息進行歸類、迭代和管理是一種很常見的需求，對特殊的電子戰場景以及多裝備參戰進行推理，并對多樣離散的信息進行歸類，產生聯動，還能進行實時的調試把各種推理要素進行復用，設計一份推理知識庫為未來的戰爭決策提供一份強有力的推理結果作為研究數據支撐，知識庫的出現為決策支持系統的發展開辟了一個新的發展方向，知識庫系統是管理和維護知識的系統，其主要功能是實現知識的推理、學習和獲取等[1]，推理知識庫對電子戰的預測和決策來說是重要的基礎數據庫角色。

建立研究模型

電子戰模擬平臺

基于電子戰平臺，需要建立一個模擬實時仿真系統對模型進行作戰仿真計算，把所有的計算結果進行線性化建立一個模型可視化的推演系統，推演系統用于用戶的人機交互使用。電子戰模擬系統框架圖如圖1所示。

模擬實時仿真系統：主要工作是加載各種不同的模型平臺數據，根據一定的步長進行模擬計算所有場景模型的動作數據，每一步計算完畢后下發最新的模型數據。

模型可視化推演系統：進行場景和模型的展示，展示各個模型的行為和數據，進行人機交互功能。

推理系統：對現有的數據模型進行推理計算和存儲。

系統計算流程

在推演系統中，首先加載模型數據并上報到仿真系統，仿真系統根據仿真步長進行模型仿真計算，計算結果發送到推演系統進行展示，推演系統再轉發到推理系統，對模型數據進行各種推理計算，在計算的過程中會記錄模型時刻數據和推演數據，整個仿真流程完畢后再結合模型實時數據和推理數據進行對比，對比完成后再次修復推理知識庫規則屬性，修改完畢后可再次進行推演，如此循環得到當前研究模型的最優推演參數值，推演知識庫完成了人在回路的參數優化流程，提高了推演知識庫的準確性，具體推演計算設計流程圖如圖2所示。

推理知識庫

電子戰涉及到裝備信息多樣化、離散化、差異化，推理知識庫其目的在于解決非結構化和半結構化的問題[2]，進行衍生屬性的推理則需要建立一個可以隨時進行修改、保存、復用和運行為一體的推理知識庫。根據需要解決的難題，推理知識庫設計為兩個部分：知識庫和推理引擎。

1.知識庫

知識庫需要有包容多變的特性，以及良好的可視化交互，利用規則確定性推理構建知識庫[3]，其設計的功能如下：

（1）知識表示是為了描述世界所作的一組約定?是知識的符號化過程?即是將關于世界的事實、關系、過程等編碼成為一種合適的數據結構[4]。我們在此設計定義推理規則的結構為“RULE ‘name’ IF <LHS> THEN <RHS> END ELSE <RHS> END”，其中name說明規則的名稱，LHS表示規則的前件，由一個或多個條件組成，RHS表示規則的后件，即推理的行為結果。

（2）提供圖文化式管理推理規則，完成推理條件或行為的新增、刪除、查詢、修改，構建推理規則。

（3）提供推理知識庫所有規則的管理功能，能夠按照名稱、類型、條件、行為進行規則的查詢，提供列表形式展現推理知識條目，提供推理知識的詳情展示和圖形化形式展現單條推理知識。

（4）提供推理知識庫的存儲和刪除功能，方便維護知識庫。

推理知識庫的功能如圖3所示。

這樣設計可以直接提供友好的界面規則編輯功能，直觀地展示出推理知識庫內容，并且可以直接把修改好的推理規則推送到推理引擎參與推理，最終得到的推理規則保存起來，可以直接應用于后續的決策和裝備性能等研究領域。

2.推理引擎

根據推理知識庫存儲的推理規則，建立規則解析，最終多決策信息源進行解析、映射、重構，使之成為知識，并且處置主體提供了更加準確的知識[5]。根據知識庫的規則數據我們選擇進行key-value模式的分類存儲，外部調用接口則對存儲的k-v模式進行匹配，匹配失敗則返回默認值，否則匹配成功則跳出匹配返回匹配結果值。這樣就與知識庫數據建立起了邏輯聯系，并可以外置邏輯更新接口，收到更新接口后對k-v模式進行重新解析，可以很方便地在推理模塊調用推理知識庫存儲的規則，并且還能在運行中實時進行數據更新，修改后只需要進行規則更新，數據解析，刷新到內存，下次推理過程就能使用修改后的推理參數和結論，以可視化方式提供推理規則的優化、適配，通過人在回路的學習過程提升推理知識的有效性。通過數據參數的回流，知識庫中內容包括己經獲取的先驗知識和通過不斷訓練學習獲得的知識[6]，這樣才能不斷地打造適合多模型多場景的推理算法模型。

仿真實驗系統實現

想定仿真場景，場景里設置紅藍雙方勢力，藍方對紅方要地進行電子偵察和干擾。

設計推理規則

根據想定仿真場景設計了如下推理規則：

規則1、藍方平臺位置預測

在以當前點為站心的站心（東北天）球角坐標系中，根據平臺的慣性飛行進行推理計算，預測下一個時刻平臺的經緯高位置，屬于常規基礎屬性推理。

規則2、藍方平臺對紅方要地威脅預測

此條規則則是利用了規則1推理信息，間接地推理出威脅要素，要地威脅預測算法流程圖如圖5所示。獲取場景裝備數據后，再次獲取要地裝備信息，收到平臺裝備信息后，對設定的預測時間內的裝備進行位置預測，再結合預測位置進行過濾，過濾出要地的藍方平臺并且被紅方裝備偵察。根據藍方距離紅方要地的距離D1以及藍方裝備的干擾距離D2進行比較，如果兩者差d1=（D1-D2）<0，則預測藍方平臺為威脅狀態，且威脅類型為干擾威脅;否則預測藍方平臺為無威脅狀態，此時繼續根據藍方距離紅方要地的距離D1以及藍方裝備的偵察距離D3進行比較，如果兩者差d2=（D1-D3）<0，則預測藍方平臺為威脅狀態，且威脅類型為占察威脅;否則預測藍方平臺為無威脅狀態。

規則3、藍方平臺對要地的威脅置信度

本條規則則是根據規則2的推理結果進行置信度評分，當前選取了藍方平臺接近率（m/s）和藍方距離紅方要地的距離（km）兩個參數進行匹配規則得到置信度值。

通過以上3條規則，我們可以建立起平臺在一定預測的時間內，推理藍方平臺飛行距離，根據距離和其他屬性建立威脅度的推理，根據當前威脅度和藍方平臺屬性得到一個置信度的評價推理，可見推理知識庫可以兼容電子平臺裝備自身基礎屬性的推理，也可以推理出決策衍生屬性，還能對推理衍生出評分推理，可以很好地完成多方面、離散、融合的推理任務。

結果分析

根據仿真結果，得到推理數據和仿真數據，通過對比兩份數據差異進行調整合理推理參數后，再進行仿真對比，如此反復多次，可以初步得到較優推理參數，從而得到一份在該想定場景下的一份推理知識庫算法規則集合。

結論

通過推理知識庫的多次模擬運行，可以得到符合特定裝備和場景的特定參數值，通過推理實時數據，還可以為后續做機器學習打下數據和評分基礎。可以看出，該電子戰推理知識庫策可以有效地解決離散化的裝備屬性推理，可以很好地解決推理處理的結果作為條件衍生出更多的推理屬性，達到推理模塊化、降低耦合度、推理關聯指標本的目的。

參考文獻：

[1] 楊善林，傅為忠，董軍.智能決策支持系統增量式知識庫系統的研究[J].合肥工業大學學報（自然科學版），2004（04）：339-343.

[2] 李國昌，李志.智能決策支持系統知識庫體系結構的研究[J].河北科技大學學報， 2002（01）： 48-50+63.

[3] 朱釩，孫建芳，謝小鵬.多品種離散生產制造決策支持系統的構建[J].機械與電子， 2009（03）： 69-71.

[4] 于衛紅，賈傳熒.基于XML的海上搜救智能決策支持系統知識庫[J].大連海事大學學報，2005（04）：32-34.

[5] 蔣勛，蘇新寧，劉喜文.突發事件驅動的應急決策知識庫結構研究[J].情報資料工作， 2015（01）： 25-29.

[6] 穆世恒. 高速列車轉向架故障診斷智能決策方法研究[D]. 西南交通大學， 2017.