大數據在促進引戰配合智能化發展中的應用

林京鵬，胡小林，索王軍

(北京機電工程研究所，北京 100074)

0 引言

隨著人工智能技術的逐步應用，數字工程管理方法的進一步實施，基于虛擬仿真技術的模擬訓練場建設，數字化技術在引戰系統研制及使用過程亟需進一步深化[1]。數據的收集、處理、儲存技術的重要性大大增強，這些數據大部分來自以往引戰系統的試驗和仿真，數據體量巨大且類型繁雜，經過一定的積累便形成了“大數據”[2]。其中暗藏的某些規律并不能被輕易發現，往往需要技術人員花費大量時間和精力不斷分析和發掘其中的特征和內涵，總結引戰匹配中的規律，為準確判斷和預測提供依據；而大數據及數據挖掘技術可以幫助我們在不需分析事物運行機理的情況下，從以往的大量數據中歸納和升華出規律和經驗，讓計算機或裝備信息設備基于此實現自主仿真、判斷、決策，進而獲得智能。

引戰配合技術是決定導彈能否發揮作用的關鍵技術，引戰配合的優劣直接關系到導彈對目標的毀傷能力。當導彈末端俯沖攻擊目標時，導引頭在正常工作盲區外有效提供彈目交會信息如彈目距離、高低角、方位角和角速度信息，或導引頭在近場探測存在角閃爍現象，無法有效提供彈目交會信息時，采取何種方式或何種時機才能獲得最佳的引戰配合效果[3-4]，已經無法由有限的典型攻擊方式給出。這時，需要“專家”來計算，這位“專家”即是大數據。

1 大數據技術實現智能化的技術途徑

基于大數據計算范式的實現過程如圖1所示。

圖1 大數據計算范式Fig.1 Big data computing paradigm

近年來，大數據技術已成為新興的基礎概念，美國國防部認識到傳統的產品迭代耗時太長，現代化計劃通常需要15～20年才能見效，僅為一個新平臺或一個硬件定義所需的工作時長就可能長達5年。通常，現代化計劃因需求過多引起工作冗長繁重，這些需求過多地限制了系統或硬件所必須的開發和制造方式，結果可能導致解決方案過于復雜和昂貴[5]。

而大數據技術則依托于物理模型，傳感器采集的數據與歷史仿真數據來反映與該物理模型相對應的實體功能滿足情況、實時狀態以及演變趨勢。這種技術可以在引戰系統研發的多個階段產生積極作用。

在方案設計階段，借助大數據推演，能夠加快引戰匹配早期的方案快速設計迭代，以更少的成本，極低的代價和更快的速度將新技術實現應用。通過使用數學模型開展多專業聯合仿真，并對仿真獲得的大量數據進行分析，能夠對產品性能進行精確摸底而不需要開展大量試驗條件建設，生產產品實物樣機，從而大幅壓縮方案論證周期，提高論證精細度，降低研制階段成本。

以往，我們常常試圖模擬人類大腦的工作模式或思考方式實現人工智能，以期對基于事物本質的了解建立模型，進而再對未知進行預測，然而這方面的理論始終很難突破。進入大數據時代，我們不再需要了解事物的本質，可以通過對目前掌握的數據進行分析，發現各種現象的相關性關系和演變態勢，并據此建立模型進行預測，其根本就是將智能問題轉化為數據問題。基于大數據的人工智能實現過程如圖2所示。

圖2 基于大數據的人工智能實現過程Fig.2 Implementation process of artificial intelligence based on big data

1.1 提取特征模型

統計學也被稱之為數理統計，是以概率論為基礎，收集、處理并分析數據，尋找數據之間的內在關聯性和規律性。實物試驗、半實物仿真試驗可以讓我們輕易獲得海量的數據信息，如彈目距離、高低角、方位角和角速度信息，傳統的方法需要在數據庫中選取出具有相應特點的數據，研究總結其中隱藏的相關關系，再不斷結合新的數據來預測未知的發展趨勢。可是，現象的發生機理往往是錯綜復雜的，事物之間的聯系通常不是顯而易見的，利用大數據技術分析數據的相關性，從以往的數據中找出各種信息的相關關系，這對于我們在無法摸清事物運行機理的情況下，了解事物的運行具有很強的現實意義[6]。將這些相關關系進行總結歸納，就可以總結出事物的運行規律，它將作為先驗經驗存儲起來用于構建特征模型。

1.2 訓練模型

最初，數據體量不足或計算能力不達標，模型計算得出的結果不一定盡如人意，但是隨著數據的不斷積累，計算機的計算能力不斷提高，得到的模型結果越來越趨近于真實試驗結果。作為前期初步研究的典型案例之一，圖3為引戰系統對橋梁的毀傷訓練模型，展示了不同彈目交會信息條件下橋梁的毀傷情況。當導彈末端俯沖攻擊目標時，導引頭在正常工作盲區外有效提供彈目交會信息如彈目距離、高低角、方位角和角速度信息，或導引頭在近場探測存在角閃爍現象，無法有效提供彈目交會信息時，導引頭的計算機模塊利用大數據技術分析數據的相關性，利用盲區外的有限信息從以往的數據中匹配飛行彈道及飛行位置，進而確定起爆方式及時機，以便達到最佳引戰配合效果。

圖3 訓練模型Fig.3 Training model

2 大數據在引戰配合智能化發展中的應用設想

大數據技術的發展進步和其在軍事領域的應用必將孕生新的引戰配合方法及作戰理論，并對現代戰爭的形式、戰場環境產生顛覆性的影響[7]。在可以預想的未來，軍事裝備的自動化水平及決策效率均將顯著提高，人類在戰爭中會由前臺轉向幕后，戰爭形態的變化將加快人類在戰爭中的角色轉變，大數據設計戰爭，智能裝備執行作戰任務，人與智能裝備互相輔助完成任務。智能化作戰是未來人工智能技術發展的大勢所趨，將為國防事業帶來極大的經濟和軍事效益。

2.1 大數據技術可以使產品迭代更加高效

數字工程技術正成為大國之間技術博弈的高地。采用大數據技術可以打通系統工程中需求分析-裝備研發-使用保障的各大環節，充分利用目前科研生產中存在或新產生的數字資源，將已有的成果數字化、模型化，再綜合采取建模與仿真、高性能計算、物聯網、數字孿生、大數據等先進技術手段，在引戰匹配設計中不斷推動以基于模型、數據驅動為基礎的分析和控制方法，圍繞軍事裝備論證、研制、生產及保障中的系統工程工作[8]。

設計未來戰爭就是設計裝備。通過這種方法將徹底顛覆傳統的武器裝備研發模式，大幅壓縮從需求端到產品端的生成時間，這在當前顛覆性技術快速發展的時期顯得尤為重要。先進技術能夠借助數字化手段快速物化為裝備形態，短時間內形成作戰能力，從而獲得不對等的技術壓倒性優勢，避免出現由于開發周期過長導致的論證階段技術先進，設計階段技術領先，裝備階段技術落后的現象出現。

2.2 大數據技術使研發過程更加安全

火藥的誕生和發展之路伴隨著不斷地傷亡。以往對新環境、新目標的引戰配合設計主要基于經驗設計，基于對以往產品的設計找突破口，這非常依賴研發人員的經驗。對單一環境、單一目標更改有較好的效果[9]，而對于復雜系統、多支路影響的引戰配合則效率低下，甚至無法找到突破。此時，需要通過大量的、復雜的相關驗證性試驗，安全事故的產生在所難免。而進入到大數據時代，利用收集的以往大量試驗和仿真積累的數據信息，再通過大數據技術對其進行分析和利用，形成引戰配合的智能化模型，此外，我們還可以得到新方案的潛在隱患來源，以便于及時采取策略進行預防。

2.3 大數據技術使引戰配合決策更加客觀全面

目前很多國家已經開始使用智能指揮系統作為輔助決策參考，充分發揮計算機系統的優勢，以知識推理的方式定性、定量分析問題，使解決和處理問題的能力和效率均得到了一定程度的提高[10]。但是，如圖4所示，隨著戰場數據、訓練數據及環境數據的不斷收集與積累，使我們有條件利用更多的信息去做出更全面、科學、客觀的決策。通過對多渠道來源數據的挖掘與分析，決策不再僅僅依賴于經驗和仿真，當現實中的眾多情報及引戰系統自身信息加入后，不同信息間的相關性也會被充分發掘，必將使決策更客觀全面、更符合真實戰場情況。

圖4 毀傷決策Fig.4 Damage decision

2.4 大數據技術使毀傷更加精準

引戰配合策略設計包含信息傳輸過程及信息控制過程，整個過程中既有離散的輸入輸出，又有連續的輸入輸出，受多種因素影響，且時間十分短暫。因此，信息的傳遞和控制只有在戰斗部最佳起爆時段內迅速完成才能發揮最大作用，因而系統復雜難以描述。

不同的引戰匹配策略往往帶來截然不同的毀傷效果。從圖5可以發現，在引入大數據技術后，可根據毀傷目標情況調整毀傷策略，不同彈目距離引戰系統的作用會產生不同的毀傷效果，充分挖掘和分析以往產品的數據特征和內涵，總結引戰匹配中的規律，為新環境、新目標的引戰配合設計提供準確判斷和預測，可在極短的時間給出終極毀傷策略，進而形成更加精準的毀傷效果。

圖5 引戰匹配策略Fig.5 Fuze warhead matching strategy

3 結論

從智能化發展的優勢和軍事需求的角度來看，將大數據技術應用于軍事領域是大勢所趨。軍事裝備和作戰決策的智能化、自主化程度的增強必將給未來陸、海、空各個戰場的作戰形式和作戰效能帶來積極的影響。而大數據技術的發展是人工智能技術發展的基礎，引戰配合設計是武器裝備設計的關鍵，因此它成為了軍事裝備與決策實現智能的重要一環。我們應當從頂層設計謀劃未來，從大數據的收集、存儲，構成全面、系統的數據庫資源;處理數據，挖掘數據庫資源中的規律信息，形成知識;對不同的應用場景建立相適應的模型，利用知識來指導決策，以實現智能。目前大數據技術作為前沿研究，在引戰配合的應用方面只進行了初步的探索，后期會對數據的收集模式及快速積累、模型的訓練手段提升等方面進行更為深入的研究。