自主的智能化指挥控制系统发展思考*

李芳芳

(北京电子工程总体研究所，北京 100854)

0 引言

随着现代化陆、海、空、天、电(磁)立体空间联合作战节奏的不断加快和规模的不断扩大，以及智能化技术的日益成熟和广泛应用，联合作战模式由基于网络技术支持的一体化作战正在向基于智能技术支持的自主性联合作战转变，信息化作战逐步转变为智能化作战。智能化作战是智能程度较高的信息化作战，是处于高级阶段的信息化作战［1］。智能化作战对指控系统提出了自主化、智能化的需求。智能化指控系统是在指控系统中，综合运用以电子计算机为核心的各种技术装备，实现战场信息的收集、传递和自动化处理，保障对部队作战行动实施指挥与控制的智能化人-机系统［2］。未来智能化指控系统，将更多地转变为思维、推理和知识处理，实现脑功能的延伸。自主的智能化指控系统将为作战人员提供自动化的辅助决策支持能力，实现自动、智能化决策，提高决策的速度和水平，缩短发现、决策和打击目标时间，提升多目标处理能力，使指挥效率显著提高。

1 自主化、智能化发展现状

各军事强国均将具有自主学习功能的智能化指控系统列为重要的研究领域。近年来美欧海军在研的新一代舰艇都将拥有一个智能化的“多媒体信息指挥和控制中心”，该中心将把所有重要的指挥控制中心融合为一个整体，配备智能化超级计算机［3］。2011年美国国防部将“自主系统”确定为七大系统研究领域之一，开发具有自动识别匹配、智能学习的军事系统。已启动了基于“一体化人机控制策略”的指控系统，该系统除具备自动化态势分析和决策规划功能外，还能实现机器学习、机器视觉以及人机流畅对话等功能。各军兵种也加速研制战术级自主指挥控制系统，如采用面向服务架构的空天一体指控系统、空军的“时敏目标决策使能系统”、海军的“态势感知与辅助决策智能体”等。

俄罗斯也正努力建成跨军兵种智能化的指挥控制系统，使之能实时响应并有效实施对空天来袭目标的打击。运用智能化专家系统技术建立能够模拟军事行动事态发展变化、对威胁与行动结果作出预判的智能化指挥自动化系统。

2 支撑技术

自主的智能化指控系统强调自主学习、智能决策、动态服务等特点，智能指控系统能够提高信息采集系统的工作效率，采用分布式人工智能技术、多主体系统为基础的信息采集系统，使各种侦察主体自主运行，能够与动态的战场进行交互作用和推理，具有自我重组能力，同时又可与其他主体进行协调与协作［4-5］。战术级指控系统中实现智能化需要面向服务技术、智能专家系统、网络化分布式处理等先进技术的支撑。

2.1 面向服务架构

面向服务架构(service oriented architecture，SOA)是一种应用系统体系架构，该架构使得分布在网络上的服务组件能够被其他应用程序或服务发现和调用。

面向服务体系结构是一个基于特定标准的组织和设计的方法，它在传统的技术层和业务层之间增加了一个服务层，通过连接能完成特定服务的独立功能实体来实现软件的系统架构。通过对技术层和业务层之间信息的有效沟通，可使软件的应用层彻底摆脱技术上的束缚，从而将注意力更加集中于服务，应用程序就可以提供更加丰富、更加灵活以及目的性更强的服务功能，同时也可使技术开发独立于服务之外，使得开发人员更加专注于功能的实现。

随着面向服务技术的发展，许多国外资料表明，欧美国家为适应立体战争的作战要求，在考虑系统间的互操作性、资源共享技术实现时，均采用了基于服务的技术研究。

这种体系结构符合联合作战智能化指控系统的设计指导思想，能够为武器系统的互联互通和互操作提供技术基础，服务的动态部署和可迁移的特性使得指控系统能够获取更广泛范围内的智能体，得到更多的辅助决策服务功能，提高智能决策的速度，缩短反应水平，提升自动化水平。同时，SOA具有可以更迅速和高效响应上层变化的需求的特点，当指控系统通过自主学习获取更多的决策能力或者改变决策规则时，能够扩展或形成新的服务，并和其他服务进行柔性重组，具有一定的敏捷性，能够适应指控系统的不断发展。图1为某一体化指控系统中面向服务的软件体系架构。服务层是提供决策支持的核心，可根据指控系统学习的进程，不断地扩展或者补充，业务逻辑层可对服务进行柔性组合和驱动。按照作战任务的需求，可对服务层的不同服务进行组合，达到功能性能要求。

2.2 智能化指控系统

2.2.1 决策支持专家系统

人工智能的专家系统分支正在发展作战模拟支持系统所使用的推理和自动化技术。利用专家系统作为辅助决策工具，可以使得决策规则与模拟相结合，提供辅助决策或评估替代方案，以及用传统的方程或模拟技术不易得到的解析结果［6］。智能化指控系统能够以专家系统为基础，提高自主学习的能力。专家系统提供决策知识库、知识获取机制和推理机制。指控系统决策支持专家系统是以专家或部队使用人员的经验知识为基础建立的，以知识库和推理为中心的智能系统，结构可表示为:知识+推理=系统，其基本组成体系结构如图2所示。

图1 软件体系结构设计Fig.1 Software architecture

图2 决策支持专家系统结构图Fig.2 Architecture of expert system for decision support

知识获取是建立知识库的重要基础，知识获取机制包括人工获取机制和学习机制。人工获取机制由知识工程师及专家对知识进行归纳整理，可通过理论分析、仿真结果、工程实践应用经验等来获取并形成规则。在智能化指控系统中，由于所控制武器和所接入传感器的类型、性能不同，以及所完成的作战任务不同，决策支持模块也不同，可根据事先的分析和计算结果，形成对不同决策支持模块的使用规则，并可通过人机接口来获取规则，如可人工调整射击预案，设置火力运用原则等等。学习机制主要根据作战或训练过程中作战效能或性能的评估结果，不断地获取知识，更新知识库的规则。

知识库用于存储大量以产生式规则形式表示的领域专家的经验和知识以及已知的事实，是决策支持专家系统的基础。对各类决策信息的使用规则是知识库的主要内容，在实现层面，各类决策支持信息以服务构件的形态存在，知识库则是根据制定的规则去获取相应的服务内容。

推理主要根据知识库中的知识及态势分析的结果，对军事行动事态发展变化、威胁与行动结果作出预判，并作为新的前提或事实继续推理规程，直到推出最终结论。

解释机制主要记录结论的各种状态显示给用户。

智能化辅助决策可按专家的知识和推理过程，依据实际情况，自动实时地提供给指挥员最优的作战方案［7］，提高了指挥决策的实用性和适应性。

2.2.2 需要注意的问题

(1)自动化态势分析

自动化态势分析是实现智能化指控系统的前提，在已启动的“一体化人机控制策略”中，也将自动化态势分析作为其基本的功能要求。态势分析在数据融合系统中属于高层处理，除了进行数据校准、时空对准、关联、状态估计、目标识别等低层处理外，主要进行行动估计，包括对态势和威胁的估计，如敌方行为、企图、动向、攻击模式、敌我兵力组成、对我方造成的可能威胁以及破坏估计等，对弹道目标，还包括对发射区、敌方可能的发射阵地、敌方弹道导弹型号等的估计。态势估计和威胁估计对战场上的决策者来说是至关重要的。

(2)智能化指控决策支持应与武器紧密交链

指控提供的决策支持只有在保证其正确、有效的前提下，才能具备成为智能化的辅助支持手段，因此自动化辅助决策结果的有效性是检验智能化指控系统的基础。提升有效性就必须和武器系统的特点、战术性能参数紧密结合，如:导弹武器对不同目标的杀伤能力、导弹的特性、系统反应时间等等，才能适应不同武器的作战模式和制导体制，制定合适的武器配系、火力部署等任务规划和射击预案辅助决策，在作战过程中提高目标分配、作战协调等辅助决策的正确性。只有保证实时下达正确的命令，才能起到缩短发现、决策和打击目标时间的目的。相反，如果决策支持系统给出错误的建议和命令，则只能增加命令、拒绝应答、命令的多次反复，延迟作战时间，甚至丧失作战时机。

(3)智能技术的综合运用

自学习能力是智能化指控系统的重要特点，战场环境千变万化，预设的辅助决策却是有限的，因此当系统根据对威胁的预判，不能进行规则匹配时，系统应具有推理能力，实时形成辅助决策。当新的决策方案被评估为有效时，应及时更新知识库，补充新的决策。

智能化指控系统除了决策支持专家系统(expert system，ES)外，还应充分集成和融合模糊推理(fuzzy reasoning，FR)、神经网络(neural network，NN)，构造具有抗干扰特性的完整的、高性能的、智能化的、一体化的系统，使得在确定和不确定环境下知识获取、逻辑推理、知识的表示、逻辑思维和形象思维以及知识库更新方面更加逼近人脑的决策功能，进而解决符号主义、连接主义和行为主义的局限性问题。

(4)决策的人工干预

决策支持专家系统中的人工接口实现人机对话。智能化决策支持只是辅助手段，提供决策建议，决策最终应能体现“人”的意图和智慧，因此智能化指控应为人工干预提供良好的接口，一方面方便决策建议的显示，给出辅助建议的内容、原因、最佳方案和备选方案、预估结果等;另一方面，提供人工控制，人工的干预包括:可将归纳梳理出的知识形成规则加入到决策支持专家系统，可根据对受领任务的分析和战术应用更改知识库中的规则，可对推理形成的对决策建议结论进行修改等等。决策支持专家系统根据人工干预结果可形成新的决策建议。

2.3 海量数据的实时处理

智能化指控系统具有信息海量性、时间动态性、信息多源和异构性、被控武器多样性等特点，要实现上述特点，需要充分利用各个分布式的指控节点和信息源节点的资源，满足海量处理、异构、实时及时、资源共享、适应动态变化的能力。目前分布式集群处理、网格计算、云计算等技术发展迅速，为智能化指控系统的建设提供了技术基础。

集群系统是一个松耦合的多处理器系统，主机之间通过网络实现进程通信，应用程序可以通过网络共享内存进行消息传送，是分布式系统的优化处理模式。通常分为3类:可用性集群、负载均衡集群以及高性能计算机集群。集群具有良好的可扩展性、较高的性能价格比、高有效性和容错性［8］。在智能化指控系统中，可以将决策支持计算等计算密集型服务分布在不同节点，每个节点处理一部分负载，集群技术可在服务器之间进行协同通信，当一个服务器故障时，可自动将工作负载转移到另一台服务器，保证持续不断地提供决策支持。

网格计算具有广域分布、异构性、动态性的特点，一个系统要成为一个“网络”需要协议、界面和策略不仅是开放的、通用的而且是标准的。网格计算的广域分布特点更适合于高级战术单位，在目前各军事强国都在纷纷争取网络电磁空间控制权的背景下，网格计算的安全性应引起高度重视。

云计算是分布式处理、并行处理和网络计算的发展，其核心部分依然是数据中心，具有4个方面的重要特点:云上的海量数据存储、无数的软件和服务置于云中、它们均构筑于各种标准和协议之上、可以通过各种设备来获得［9］。随着云计算概念的发展，有望形成一个高速网状虚拟网络，向包括武器平台、中间件和应用层在内的计算资源聚集迁移，大幅提高资源的利用率。云计算以用户为中心、以任务为中心、智能化的优势未来将会更广泛地应用于智能化指控系统中，同时“云安全”也是伴随云计算同步发展的技术。

3 发展思路

建立智能化系统需要研究性能更先进的计算机和人工智能技术，发展各种不同用途的机器人，开发新型计算机专用语言，集成化系统，研究人机接口技术、分布网络技术、神经网络技术、高性能计算技术等［10］。对于战术级指控系统，自主化、知识化、智能化是未来发展的方向之一。目前首先要采用先进的信息技术、通信技术，制定统一的标准、规则、规范来整合现有的各指挥系统及相关信息资源，扩展现役通信与指挥自动化设备的功能，实现一体化指挥;其次，逐步发展智能化指控系统，包括建立智能化专家系统，建立分布式决策，能够对威胁与行动结果作出预判;再次，增强智能化指控系统的自学习能力，建立智能化指控系统间的联合决策和相互间的决策支持。在智能化指控系统发展的同时，应同步开展智能指控数字/半实物仿真、联合试验与验证、评估等技术的研究。

4 结束语

本文探讨了智能化指控系统的发展思路，以及信息技术对智能化指控系统的技术支撑。美国、俄罗斯等军事大国已将一体化、自主化、智能化指控系统列入重要的研究领域，我国的信息支撑技术发展迅速，自主的智能化指控系统技术研究也迫在眉睫，应分步骤分阶段地开展基础技术研究，争取能够突破关键技术，在工程中得以应用。

［1］ 张路青，许宏泉，詹广平.人工智能在信息化战场的应用探析［J］.舰船电子工程，2009，29(6):13-16.ZHANG Lu-qing，XU Hong-quan，ZHAN Guang-ping.Research on Artificial Intelligence Application in the Information Based Battlefield［J］.Ship Electronic Engineering，2009，29(6):13-16.

［2］ 林聪榕，张玉强.智能化无人作战系统［M］.长沙:国防科技大学出版社，2008.LIN Cong-rong，ZHANG Yu-qiang.Intelligent Robot Combat System［M］.Changsha:National University of Defense Technology Press，2008.

［3］ 赵伟，庞思伟.智能化指挥控制系统问题［J］.四川兵工学报，2010，31(2):56-59.ZHAO Wei，PANG Si-wei.Intelligent Command and Control［J］.Journal of Sichuan Ordnance，2010，31(2):56-59.

［4］ 陈仁际，王越超，吴镇炜，等.基于Agent的新型机器人控制器模型研究［J］.高技术通讯，2000，10(10):59-63.CHEN Ren-ji，WANG Yue-chao，WU Zhen-wei，et al.Study of Agent-Based New Robot Controller Model［J］.Chinese High Technology Letters，2000，10(10):59-63.

［5］ 张航义.基于Agent的CGF行为建模技术研究［J］.计算机仿真，2003，20(8):79-81.ZHANG Hang-yi.The Study About the CGF Action Modeling Technology Based on Agent［J］.Computer Simulation，2003，20(8):79-81.

［6］ 胡桐清，陈亮.军事智能辅助决策的理论与实践［J］.军事运筹与系统工程，1995(增刊1):5-12.HU Tong-qing，CHEN Liang.Theory＆ Practice of Military Intelligent Decision Support［J］.Military Operations Research and Systems Engineering，1995(S1):5-12.

［7］ 刘嵩.水面舰艇智能辅助决策系统研究［J］.计算机仿真，2006，23(7):7-10.LIU Song.Design of Intelligence Decision-Making System for Ships［J］.Computer Simulation，2006，23(7):7-10.

［8］ 李治，任波，王乘.基于Java技术的分布式计算环境研究［J］.计算机工程与设计，2004，25(6):912-914.LI Zhi，REN Bo，WANG Cheng.Study of Java-Based Distributed Computing Environment［J］.Computer Engineering and Design，2004，25(6):912-914.

［9］ 董敏，陈金鹰，邹振宇.云端迈步——云计算时代来临［C］∥四川省通信学会2009年年会论文集.成都:四川省通信学会，2009:187-189.DONG Min，CHEN Jin-ying，ZOU Zhen-yu.Walking on Cloud-Cloud Computing Era is Coming［C］//Memoir of Sichuan Communication Institute 2009 Academic Conference. Chengdu:Sichuan Communication Institute，2009:187-189.

［10］ David M Bourg，Glenn Seemann.游戏开发中的人工智能［M］.南京:东南大学出版社，2006.David M Bourg，Glenn Seemann.Artificial Intelligence in Development of Game［M］.Nanjing:Southeast University Press.2006.