无人作战飞机空战自主战术决策方法研究

张立鹏， 魏瑞轩， 李 霞

(空军工程大学工程学院，西安 710038)

0 引言

具有空中打击能力的无人作战飞机(UCAV)，作为一种可执行歼击机战场任务的新概念武器，已经引起了各军事强国的广泛关注。UCAV的出现，标志着无人机将从过去一直执行空中侦察、战场监视和战斗毁伤评估等任务的作战支援装备，上升为能执行压制敌防空系统、对地攻击、拦截战术导弹和巡航导弹，甚至可执行空对空作战任务的真正的作战装备。要实现压制、攻击、拦截甚至空对空作战，就必须要求UCAV具有自主战术决策的能力。自主战术决策是指无人机自主地评估战场态势，根据一定的空战规则和推理机制生成机动控制指令，控制UCAV的战术动作，从而达到自主战术决策进行作战的目的。未来战场将更加智能化和信息化，而对于无人机来说，提高其智能化水平，使其能够自主地进行战术决策显得尤为重要［1］，因此，研究UCAV自主决策控制技术意义深远。

目前对于空战决策的研究，一般分为传统方法和智能方法两类。对于传统的方法，多采用微分对策的方法进行双机追逃问题的研究［2］，或是进行基于飞行员经验的专家系统的设计［3］等;对于智能方法，有影响图方法［4］、试探性机动方法［5］等。

本文着重研究UCAV在空战中如何利用已知的目标机和UCAV的相对态势，进行有效的在线解算，不断实时地进行评估，确定应当采用何种战术动作，即如何进行自主战术决策的问题。首先建立了基于航迹坐标系下的UCAV运动方程，提出了考虑动态延迟的机动控制指令，并对美国NASA提出的7种基本操作动作进行了定量描述;其次，按照模糊空战规则，在每个周期都进行机动决策选择动作，并不断进行威胁评估;最后，设计了自主战术决策系统。

1 UCAV机动控制指令及基本操纵动作库

1.1 机动控制指令

本文主要研究的是侧重于UCAV航迹特性的自主战术决策，这样，可以忽略短时间的力矩不平衡引起的飞机姿态变化过渡过程，假定飞机总是处于力矩平衡状态，因此飞机的运动主要取决于飞机的受力情况。本文根据UCAV的力方程和质心运动方程，忽略侧滑角的影响，在飞机航迹坐标系下建立的飞机的3DOF质点模型。

1)力的方程。

式中:nx，ny，γs分别为飞机的切向过载、法向过载和绕速度轴的滚转角;V，θ，ψs分别为UCAV速度大小、航迹倾斜角、航向角;g为重力加速度。值得说明的一点是，在考虑飞机3DOF模型时，滚转角γs是没有实际意义的，此时的γs是指绕速度轴的滚转角。

由于nx和ny都是在气流坐标系下定义的，而在以上建立力的方程时，采用的是航迹坐标系，所以，必须把nx和ny从气流坐标系转化到航迹坐标系，其变换矩阵为

将式(2)代入式(1)，得到飞机在航迹坐标系下的飞机力方程为

2)质心运动方程。

对于航迹特性的描述，可以采用飞机上某点的速度矢量V特性(包括速度的大小和方向)，因此对飞机航迹特性的控制，也就是对飞机速度矢量V=(V，θ，ψs)的控制。其中:V为速度的大小;θ为航迹倾斜角;ψs为对应速度矢量的航向角。

从式(1)和式(4)可以看出，只要已知 nx，ny，γs三个量，通过数值积分能求出UCAV的位置和速度，根据解算出的UCAV的位置速度信息，以及其探测到的敌机的位置速度信息，可以确定UCAV与敌机的相对位置和速度信息，从而评估敌机对UCAV的威胁指数。因此，本文采用nx，ny，γs作为UCAV的机动控制指令。因为UCAV机动控制存在动态延迟，在机动控制指令生成环节中加入延迟环节，如下

式中:τx，τy分别为 nx和 ny的延迟时间常数;nxcom，nycom，γscom为期望机动控制指令;ωn为自然震荡频率;ξ为阻尼系数。

1.2 基本操纵动作库

本文采用美国NASA提出的基本操纵动作库作为自主战术决策的候选范围［6］，如图1所示。

图1 基本操纵动作库示意图Fig.1 Schematic diagram of basic manipulation database

基本操作动作库以常用空战操纵方式为依据设计，包括7种机动动作:1)定常保持飞行;2)最大加力加速;3)最大加力减速;4)最大过载左转;5)最大过载右转;6)最大过载上升;7)最大过载俯冲。

对于基本操纵动作库的实现，采用航迹坐标系下的机动动作指令nx，ny，γs来实现，如表1所示。列出了7种基本动作与其相对应的机动控制指令，作为自主战术决策的候选动作库。

表1 基本操纵动作相应机动控制指令Table 1 Maneuver control command of basic manipulation database

2 UCAV空战自主战术决策方法

2.1 UCAV空战自主战术决策系统方案

研究UCAV自主战术决策的目的:赋予UCAV更高的智能性，使其具有更强的自主性，可以独立地应对突发事件，自主进行战术决策，完成从侦察监视到空战打击的战场任务，从而最大程度地解放操作员，让操作员能够从事更加上层的工作，或者同时操纵多架UCAV，提高战场效率［7］。

驾驶员操纵飞机时，可以把驾驶员理解为一个智能模块，该模块是在对敌机和我机位置和速度预测的基础上，做出合理的分析判断，在现有的经验战术动作知识库中，采取某一战术机动，达到保持优势、消灭敌机的目的［8－10］。对于UCAV我们完全可以仿照有人机的控制过程结构，图2中用“自主战术决策模块”代替驾驶员，进行有效的战术决策，进而生成机动控制指令，控制UCAV完成机动动作。基于以上分析，提出UCAV空战自主战术决策结构，如图2所示。

图2 UCAV空战自主战术决策结构示意图Fig.2 Structure of UCAV's autonomous tactical decision-making in air combat

图2 中，“相对态势解算”提供“自主战术决策模块”所需的态势信息，“自主战术决策模块”输出机动控制指令，控制UCAV完成机动，整个控制模块是一个闭环系统，不断进行解算更新，达到最优的目的。

2.2 主战术决策模块

自主战术决策模块的内部结构如图3所示。“机动触发器”根据“决策推理规则”产生结果，从基本操纵动作库中选择机动动作。其中，“决策推理规则”按照模糊控制［11］的规则遍历7种基本操纵动作。该模块是在双机相对态势解算完成的情况下，不断进行完全尝试选择最优的结果。

自主战术决策模块的核心是“决策推理规则”环节，本文采用模糊控制的思想，提出在空战中起主导作用的4个模糊因子，作为决策推理的构成因子，把空战中基于专家知识或驾驶员长期积累的经验，转化为具有实际意义的模糊控制规则。从量化比较的角度，不断在线更新数据，实时引导UCAV机动决策，使得机动的结果对UCAV更加有利，占取优势区域，争得有利攻击时机。

图3 UCAV自主战术决策模块Fig.3 Module of autonomous tactical decision-making

“决策推理规则”由角度模糊因子μA、距离模糊因子μD、高度模糊因子μH以及速度模糊因子μV组成，对于每种模糊因子，根据其不同的物理意义，选择不同的计算方法，但是，计算的目的都是把该模糊因子化为0～1的闭区间内的数值，数值越是接近1，则该模糊因子对于UCAV更具有优势。本文以下标p表示UCAV，以下标e表示敌机，下面分别给出表达式，并对相应的符号作以说明。

1)角度模糊因子L。

角度模糊因子μA由式(6)～式(9)可计算，图4a给出了μA和αp之间的关系图，αp是矢量R和Vp之间的夹角，如图4b所示。

图4 角度模糊因子示意图Fig.4 Schematic diagram of fuzzy aspect factor

其中:xp，yp，zp为 UCAV 的位置坐标;xe，ye，ze为敌机的位置坐标;R为双机距离矢量;Vp为UCAV的速度矢量;Vp为UCAV的速度矢量大小。可看出，当αp=π时，UCAV速度矢量直接指向敌机，优势最大;当αp=0时，UCAV速度矢量背离敌机，优势最小。同时值得说明的一点是，角度模糊因子在4个模糊因子中的影响最大，所以在后面的规则中，对角度模糊因子做了阀值处理。

2)距离模糊因子。

距离模糊因子μD由式(10)～式(11)可计算，图5给出了μD和R之间的关系，其中:Rm为UCAV的最佳射击距离;δ为标准方差;R是矢量R的大小，采用正态分布来计算距离模糊因子μD，是因为这样能更好地反映双机距离与最佳射击距离之间的关系:一方面，从数学的角度说明，并非是距离越小越好;另一方面，也说明距离的变化对UCAV的优势影响并非是线性的。

图5 距离模糊因子示意图Fig.5 Schematic diagram of fuzzy distance factor

3)高度模糊因子。

高度模糊因子μH由式(12)可计算，图6给出了μH和z之间的关系，其中:Ho为UCAV的最小极限高度，如果UCAV的高度小于最小极限高度，则UCAV处于危险区域，如果UCAV的高度大于最小极限高度，则UCAV处于优势位置，采用分段函数来描述。

图6 高度模糊因子示意图Fig.6 Schematic diagram of fuzzy height factor

4)速度模糊因子。

速度模糊因子μV由式(13)～式(14)可计算，图7给出了μV和Vp之间的关系，其中:Ve为敌机速度矢量大小;Vmax为UCAV的最大速度;Vo为UCAV的最佳攻击速度。如前所述，Rm为UCAV的最佳射击距离。对于速度模糊因子的描述，既借鉴了距离模糊因子μD的正态分布描述，又借鉴了高度模糊因子μH的分段函数法。

至此，UCAV空战中的4个模糊因子描述完成，这样就可以用4个模糊因子的函数来不断地分析采用各种动作所产生的效果的优劣，也就是试探性地执行基本操纵动作库的各种动作，把4个模糊因子的函数作为目标函数，进行比较，从而获取最优的战术动作。

图7 速度模糊因子示意图Fig.7 Schematic diagram of fuzzy velocity factor

本文这样获得最优基本动作:首先，预测出双机的位置和速度信息，作为“决策推理规则”的输入信息;其次，分别计算在当前状态下执行7种基本动作后，以上 4 个模糊因子 μAi，μDi，μHi，μVi的大小;然后，确定每种基本动作下的4个模糊因子的最小值，并记为μi;最后，找出μi中的最大值，选择相应的机动动作执行。

以上描述，采用下面的数学函数实现。

其中:μAT是角度模糊因子阀值，因为角度模糊因子在空战中起更重要的作用，所以是μAi＜μAT，不再取4个模糊因子中的最小值，而是把角度模糊因子直接作为比较的因素。

3 仿真实验

为了验证本文提出的UCAV空战自主决策系统，选择参数进行仿真实验，选择时间常数τx=0.2 s，τy=1.2 s，自然振荡频率 ωn=6.34 rad/s，阻尼系数 ξ=0.707，UCAV最佳攻击距离Rm=600 m，标准方差σ=600，UCAV最大速度 Vmax=304 m/s，UCAV最小高度极限Ho=1550 m，角度因子阀值μAT=0.5，控制指令仿真时间常数T=0.5 s。

取 UCAV 的位置矢量P=(x，y，z)为(3032，0，1535)，速度矢量V=(V，θ，ψs)为(205，0，0);敌机的位置矢量为(3032，3047，1535)，速度矢量为(205，0.52，2.62)，其中，速度矢量V中的θ和ψs是用rad表示的，敌机的速度矢量的角度用“°”来表示，分别是30°和150°，在仿真中假设敌机作转弯半径为250 m的战斗转弯(在转弯的过程中不断地爬升)。

仿真实验结果如图8～图10所示。图8是双方空战运动轨迹，图9是在空战过程中模糊因子的变化曲线，图10是机动控制指令的变化曲线。

图8 UCAV空战双机的运动轨迹Fig.8 The trajectories of UCAV in air combat

图9 模糊因子变化仿真结果Fig.9 Simulation results of fuzzy factors

图10 机动控制指令变化仿真结果Fig.10 Simulation results of maneuver control command

从仿真结果可以看出，UCAV自主战术决策系统性能良好，在最优机动控制指令的作用下能够很好地完成UCAV自主战术决策，使UCAV取得空战优势，进行攻击。

4 结论

本文在考虑延迟的机动指令的基础上，设计了UCAV空战自主战术决策系统。从仿真结果可以看出，UCAV能够依据当前的敌我态势，及时作出正确的机动方案决策，使我方拥有很大的作战效益优势。系统的设计在未来UCAV空战特别是近距空战中具有重要的意义。另外，本文从基于美国NASA提出的基本操作动作库对UCAV的自主战术决策系统进行了设计，在实际应用系统的设计中，还需要考虑怎样选择合理的机动动作库。

［1］ 陈小兵，常勇，孔繁峨.近距格斗自主决策研究［J］.电光与控制，2009，16(4):34-37.

［2］ NUSYIRWAN I F，BIL C.Factorial analysis of a real time optimisation for pursuit-evasion problem［C］//46th AIAA Aerospace Sciences Meeting and Exhibit，2008:195-198.

［3］ 钟友武，柳嘉润，杨凌宇，等.自主近距空战中机动动作库及其综合控制系统［J］.航空学报，2008，29(5):114-121.

［4］ 钟麟，佟明安，钟卫，等.多级影响图在空战机动决策中的应用［J］.系统工程理论与实践，2006，26(10):137-140.

［5］ 柳嘉润，钟友武，张磊，等.自主空战决策的试探机动方法及仿真研究［J］.系统仿真学报，2008，20(5):1238-1243.

［6］ YANG C D，KUNG C C.Implement the one-on-one air combat simulation using prediction of optimal maneuver［J］.Trans aeronautical and astronautical society of the Republic of China，1998，30(2):149-159.

［7］ 董卓宁，张汝麟，陈宗基.无人机在恶劣气象条件下的自主决策技术［J］.航空学报，2007，29(5):107-113.

［8］ STEVENS B L.Aircraft control and simulation［M］.2nd ed.USA:John wiley ＆ sons，2003.

［9］ 柳嘉润.综合控制系统与自主近距格斗技术研究［D］.北京:北京航空航天大学，2006.

［10］ 杨晖.无人作战飞机自主控制技术研究［J］.无人机，2007(1):27-29.

［11］ 刘金琨.智能控制［M］.北京:国防工业出版社，2005:36-43.