嵌入式空战训练中虚拟智能对手的生成研究*

耿振余，刘思彤，李德龙

(空军指挥学院，北京 100097)

0 引言

嵌入式战术训练是指将战术训练系统嵌入到实际装备中，以训练驾驶员对任务的操作和反应，达到增强训练能力的目的[1-2]。嵌入式训练有效结合了模拟器训练和实装训练的优点，它已成为各军事强国军事训练的首选方式，代表了军事训练技术的最新发展趋势[2-3]。机载嵌入式战术训练是当前最主要的应用领域，已成为世界第4代战斗机必备的功能之一。机载嵌入式空战战术对抗训练系统最核心的内容就是通过计算机为飞行员生成具有智能性和真实性的“蓝军”兵力——虚拟智能对手，并将虚拟智能对手与机载火控系统交联实现空战战术对抗训练。计算机生成兵力(computer generated forces, CGF)是实现该训练的主要技术途径[4-6]。

由于空战的极其复杂性，给虚拟智能对手的生成带来了很大的难度。主要表现在：①环境因素的复杂性。指气象环境、地形环境、电磁环境对航空飞行器的飞行特性、战术特性、行为特性等具有很大的影响，而精确模拟这些影响还存在很大的难度。②智能决策的复杂性。飞机空战是敌我双方博弈的过程，欲使计算机模型完全具有人的特性并能代替飞行员完成空战的整个决策过程，且要能符合客观规律，这就给建模工作提出了很高的要求。③空间行为的复杂性。在六自由度空间内，能用数学模型清晰地描述飞机的各种复杂行为，是十分困难的事情。因此，虽然CGF技术在国内发展和应用多年，但在航空兵空战领域形成的有效成果并不多[7]。

1 嵌入式空战战术对抗系统的虚拟智能对手的功能需求

针对航空兵空战战术对抗的训练需求，结合嵌入式仿真技术的特点，明确机载嵌入式空战战术对抗训练中虚拟智能对手所应具备的功能和能力要求。本文主要以超视距、超视距转视距内对抗作战为背景，实现1对1，2对2，4对4空战战术对抗的嵌入式仿真，空战战术涉及多目标攻击条件和单目标攻击条件下的编队协同空战和单机空战战术，具备自主搜索探测、自主判断、自主决策和自主攻击等智能特点，实现战术规则库、性能数据库、战术动作库等用户界面功能。

2 嵌入式空战战术对抗系统的虚拟智能对手的生成

2.1 虚拟智能对手模型体系的构建

虚拟智能对手的模型组成框图如图1所示。主要包括4类模型和数据库。其中实体模型包括飞机实体、机载雷达和机载武器模型，行为模型包括各种详细的战术行为模型，决策模型为决策有关的模型总和，交互模型包括环境的感知模块和成员交互模块，数据库包括虚拟智能对手所使用各类型数据库。

2.2 虚拟智能对手的模型总体框架的构建

虚拟智能对手的模型总体框架如图2所示。总体模型框架主要由感知模块、威胁冲突预测模块、认知模块和任务规划模块等8个主要模块组成，各模块顺序构成一个“观察-调整-决策-行动”的作战周期。各模块的主要功能如下[8-10]：

(1) 感知模块

感知模块的感知处理器的功能是接收各种传感器数据和通信交互模块传输的数据后，对数据信息进行处理，并更新信念库；虚拟智能对手可通过2个活动来更新它的信念库：①感知环境；②执行意图。

(2) 威胁冲突预测模块

威胁冲突预测模块的预测处理器的功能是根据当前状态信息完成威胁空间生成，威胁级别判断，任务、行为冲突判断，完成空中态势评估以及行动效果预判等，为认知处理器的决策提供依据。

图1 虚拟智能对手模型组成Fig.1 Model group of virtual intelligent adversary

(3) 认知模块

认知模块的认知处理器的功能是综合当前状态或未来可能发生的事件、多机协同请求(或命令)以及其他成员的通信等信息，明确目标库中的哪个阶段性任务目标成为即将要实现的子任务目标。

(4) 任务规划模块

任务规划模块的规划产生器是根据当前状态信息、当前任务目标，确定与任务目标相关的、可行的规划集(可以是预先定义的)，并存入当前的规划集中。实时决策处理器的功能是综合状态信息、当前任务目标、数据库和战术规则知识库等信息，分析规划集中的各种规划方案，从规划集中选择一个合适的规划作为实现当前目标的意图，意图即为虚拟智能对手的具体战术行为。

(5) 多机协同

在多机协同作战的情况下，担任长机角色的虚拟成员通过综合各成员的请求信息，进行全局信息融合，得出对整个态势的全局认识，并向各虚拟僚机成员发送指令。

(6) 通信交互

主要是接收其他长(僚)机成员进行共享的空中态势数据信息，并传输给感知模块以更新信念库；以及接收外部(如指挥所)命令和情报信息，其中命令信息直接传输给认知处理器。

(7) 执行意图

主要是落实具体的战术动作。战术动作的落实主要由2类模型来实现，即：实体模型和行为模型，其中行为模型大都需要实体动力学模型来配合实现。

(8) 目标库

目标库中存储的是总的空战任务目标(如空中截击任务)经过分解后的任务子目标，如图3所示。对任务目标的合理分解是实现智能决策推理的前提，对任务目标分解得越具体，决策步骤就越明确[11-12]。图3中“返回”子任务的目标分解与第1阶段“飞行至目标区域”子任务的目标分解完全相同。

2.3 虚拟智能对手决策模型的构建

虚拟智能对手的决策模型是实现虚拟智能对手根据空中态势进行自主决策的核心模型，决策模型以各类传感器和数据链信息为输入，进行分层决策，决策的层次结构如图4所示。

图2 虚拟智能对手的模型总体框架Fig.2 Model framework of virtual intelligent adversary

图3 对任务目标的分解方法Fig.3 disassembling method of aim of mission

图4 空战战术决策分层逻辑结构图Fig.4 Hiberarchy of air combat tactical decision-making

按照决策每个层次的各个决策环节，分别梳理空战的战术规则并建立详细的战术规则库。战术规则库的知识表示法采用基于规则的知识表示形式。

(1) 规则组::= ′IF′ <前件集> ′THEN′ <后件集>

(2) 前件集::= <前件>&<前件集>

(3) 后件集::= <后件>

(4) 前件::= <决策要素>

(5) 后件::= <指定战术>

其中，::= 表示“定义为”；&表示“与”。

以超视距单机空战战术决策为例，决策模型以超视距威胁态势TS、超视距威胁事件TE、超视距攻击态势AS和单机任务状态MS为决策输入变量，输出为长机战术动作D1、僚机的战术动作D2，如图5所示。

图5 超视距单机空战战术决策Fig.5 Tactical decision-making of beyond-visual-range single fighter air combat

2.4 实体模型的构建

实体模型主要包括飞机实体模型、机载雷达实体模型、空空导弹武器和电子对抗模型实体模型，飞机实体采用六自由度全量气动参数模型，主要包括空气动力学、质量、发动机、大气、飞行控制系统、大气环境和风等模型；机载雷达模型包括机载多普勒雷达和相控阵雷达2种模型，主要包括交会几何关系、目标雷达特性模型、杂波与噪声模型、信噪比和检测模型；机载空空武器主要是中、远程空空导弹，机载空空武器模型主要包括空气动力学模型、控制量解算模型和毁伤目标模型；电子对抗模型主要包括雷达告警和干扰模型。

2.5 行为模型的构建

战术行为模型是空战决策系统最基本的构成要素，但战术行为的实现是由一系列战术动作组合而成的，因此，战术行为模型的构建首先需建立战术动作模型库。通过几种战术动作顺序组合并配合机载设备(机载火控雷达设备、电子干扰设备、雷达告警装置和空空武器)的实体模型，完成战术行为模型的构建，建立战术行为模型库。

战术动作模型的构建需要飞机机体模型配合才能完成，首先通过战术动作描述模块将机动命令翻译为姿态控制指令序列，输出各个姿态控制指令，根据飞机机体模型作出各种战术动作，如图6所示。

3 模型实现案例

在嵌入式空战战术对抗训练仿真论证系统中，实现了虚拟智能对手模型，如图7所示。图中红色飞机为飞行员操作飞机验证平台进行空战对抗，蓝方为计算机生成的虚拟智能对手，飞行员根据多功能显示器和平显中的显示信息和虚拟智能对手进行对抗，虚拟智能对手根据自身的传感器信息自主地进行态势评估和战术决策。经过大量的飞行试验试飞，实践证明该模型准确合理，各项指标符合作战实际。

图6 战术动作实现层次图Fig.6 Hiberarchy of realization of tactical action

图7 嵌入式空战战术对抗训练仿真论证系统中虚拟智能对手的实现Fig.7 Realization of virtual intelligent adversary in simulation demonstration of embedded training system of air combat counterwork

4 结束语

本文围绕嵌入式空战对抗训练系统中虚拟智能对手的生成问题，给出了虚拟智能对手的模型体系和总体框架、决策模型、战术行为模型的实现方法。经过仿真论证系统的实践应用，检验了模型的准确性。该模型还可用于空战战术对抗系统的蓝军兵力的生成中。

参考文献：

[1] MORRISON J E, ORLANSKY J. The Utility of Embedded Training[R]. U.S.Institute for Defense Analyses Document Report, 1997, No.19980729 019.

[2] 周煜，严俊. 某型教练机嵌入式训练系统顶层设计技术研究[J].航空电子技术，2011,42(2):1-5.

ZHOU Yu, YAN Jun. The research on The Embedded Training System Top-Level Designing Technique[J]. Avionics Technology, 2011, 42(2):1-5.

[3] 徐汶. 军用教练机嵌入式训练系统[J]. 国际航空杂志, 2006(5):54-56.

XU Wen. Embedded Training System on Military Trainers [J]. International Aviation, 2006(5):54-56.

[4] 马琳, 祝笑舟. 嵌入式训练转型中的应用[J]. 海军航空工程学院学报：综合版, 2008, 6(2): 44-46.

MA lin, ZHU Xiao-zhou. Application of Embedded Training in Transitional Training[J]. Journal of Naval Aeronautical and Astronautical University：Comprehensive Version, 2008,6(2): 44-46.

[5] 常天庆，张波，王钦钊. 嵌入式训练技术的应用与发展[J].装甲兵工程学院学报，2008,22(6):1-6.

CHANG Tian-qing, ZHANG Bo, WANG Qin-zhao. Application and Development of Embedded Training Technology[J]. Journal of Academy of Armored Force Engineering, 2008,22(6):1-6.

[6] 常天庆，张波，赵鹏，等. 嵌入式训练技术研究综述[J].系统仿真学报，2010，22(11):2694-2697.

CHANG Tian-qing, ZHANG Bo, ZHAO Peng, et al. Survey of Embedded Training Technology[J]. Journal of System Simulation, 2010，22(11):2694-2697.

[7] 陈凌，吴冰，胡志伟，等. 机载嵌入式空战训练的研究与进展[J].计算机仿真，2010，27(2):108-111.

CHEN Ling, WU Bing, HU Zhi-wei, et al. The Research and Advances on Airborne Embedded Training for Air Combat[J]. Computer Simulation, 2010，27(2):108-111.

[8] WEDZINGA G. E-CATS:First Time Demonstration of Embedded Training in a Combat Aircraft [J].Aerospace Science and Technology, 2006, 10 (1):73-84.

[9] LAYMAN G, GIOOVANIS G. Embedded Training for the Global Command and Control System[C]∥Proceeding of the 21st Interservice, Industry Training, Simulation and Education Conference, 1999.

[10] 张立东, 王国洪, 曹培谦. 嵌入式仿真技术在军事训练中的应用[J]. 航天电子对抗, 2010, 26(6):61-64.

ZHANG Li-dong, WANG Guo-hong, CAO Pei-qian. Embedded Simulation Used in the Military Training [J]. Aerospace Electronic Warfare, 2010, 26(6):61-64.

[11] Rolland Jannick, Matrins Ricardo, HA Yong-gang. Embedded Training Display Technology for the Army’s Future Combat Vehicles[R]. Orlando, Forida, US: US ARMY RDECOM Simulation, Training and Technology Center, 2004.

[12] FISHER JOHN M, HEIDEN CHARLES G, GOSSMAN JAMES R, et al. A Near Term Approach to Embedded Training: Battle command Visualization 101[R]. Fort Knox, US: ARI for the Behavioral and Social Sciences, 2006.