新一代战斗机技术特征论证

张 菁, 何 友, 彭应宁, 李 刚

(1. 清华大学电子工程系, 北京 100084; 2. 复杂航空系统仿真重点实验室, 北京 100076; 3. 海军航空大学信息融合研究所, 山东 烟台 264001)

0 引 言

新一代战斗机技术特征论证,是指当战斗机技术发展将要跨入新一代时,根据自身战略战术需求和科技水平,分析研究下一代装备应具备哪些技术特征。其中“新一代”是指论证的对象是一代(而非单一型号)装备,是接下来开展某单一型号装备论证的基础和前奏;“技术特征”是指新一代装备区别与老一代的核心新技术特点,是技术投入和发展方向的风向标。新一代战斗机技术特征论证是在作战性能、研发生产代价和体系效能之间权衡的系统工程,对提升装备体系效能和指导技术发展方向具有重要意义。随着F-22、F-35、歼-20、T-50等第五代战斗机日益成熟,新一代战斗机技术特征论证已成为航空科技界的重要课题。

传统的新一代武器装备论证通常采用逆向归纳的方法,例如以往的几代战斗机技术特征论证,通常是在美、俄等领先国家最先出现的几型新一代战斗机基础上,逆向分析归纳其采用了哪些当前一代飞机没有的重要技术特征[1],然后以此指导下一步技术发展。这种方式简单可行,但随着技术的进步其缺点也日益明显:第一,需要在新一代武器装备出现后才能开展,时效性差,适合“跟跑”但不适合“齐头并进”;第二,世界多极化造成各军事集团新一代武器装备任务能力需求差异化,例如美国空军的六代机基于“绝对制空优势”而需要具备全方位宽频段隐身能力[2],美国海军的六代机基于“舰队防空和战术打击”而需要具备较强的电子压制能力[3],这使得从领先集团逆向得到的技术特征不一定适应己方的应用需求;第三,随着科技进步的提速,各国的技术发展路线和优势领域不同,例如六代机相关技术领域,美国的雷达隐身技术领先,而俄罗斯则注重发展光电系统来探测隐身目标、发挥擅长的机动性能在近距格斗中打败对手,因此逆向得到的技术特征也不一定符合己方的技术水平和优势领域。

本文运用数据科学的思想对传统的逆向归纳方法展开进一步分析,通过抽象建模后与机器学习类比,从原理上分析其内在特点和缺陷。数据科学的本质就是从数据中获得知识,近年来随着物联网和大数据的发展,数据挖掘、机器学习、神经网络等数据科学新兴技术突飞猛进,广泛应用于国防军事[4]中的态势评估、行为预测[5]、仿真等诸多领域。

在对传统的逆向归纳方法的分析基础上,本文提出一种基于数学规划的新一代战斗机技术特征论证方法。第一步,提出基于能力的新一代战斗机定义,定义新一代战斗机应具备任务能力、环境能力和对抗能力;然后将这三类能力作为约束,以成本最低为目标,以技术特征为决策变量,建模为数学规划问题,通过技术特征-能力/成本矩阵定义目标和约束函数,求解可得新一代战斗机应具备哪些技术特征。

最后,本文以美国海军和俄罗斯空军第六代战斗机能力与技术特征论证为例,验证了方法的可行性,分析了其对比传统方法的优势。在方法验证过程中,本文还对六代机能力和激光武器、智能辅助等几项热门技术特征进行了分析,为基于数学规划的新一代战斗机技术特征论证方法应用打下基础,为技术发展方向的把握提供参考。

1 传统方法内在缺陷分析

战斗机进入喷气式时代后,随着新技术和新设计理念的不断应用,已经历了五代的发展。科学的论证思路应从应用需求出发,先说清“新一代”战斗机的技术特征,再研究新一代中“某一型号”战斗机的技术指标;而目前使用的传统的逆向归纳论证方法,往往是先有一系列新战斗机型号的研发出现,然后业界认识到其普遍具备了某些当前一代飞机没有的重要技术特征,造成了战斗机综合能力的阶跃式提升,遂认为战斗机步入了新一代,而这些新技术特征即为新一代战斗机技术特征。图1所示为逆向与正向论证的对比。

图1 逆向与正向论证Fig.1 Backward and Frontward Analysis

为了更好地分析传统的逆向归纳论证方法的不足,运用数据科学的思想对其进行抽象和建立数学模型,其内涵可以看作是运用了机器学习的思想。机器学习的本质就是从样本数据中总结归纳出内在模型,例如“好西瓜”问题,现有一定量的西瓜样本数据,每条样本数据的内容包括西瓜的颜色、纹理、形状等特征和该西瓜是否为好西瓜的标记,通过对样本进行学习可以获得“具有什么样特征的西瓜是好西瓜”这个模型,同时也得到了“好西瓜具备什么样的特征”的知识[6]。

在逆向归纳论证方法中,每一型飞机都是一个样本,是否为新一代战斗机是该样本的标记,各项技术特征也就是属性特征,特征提取与选择来自先验知识,通过学习得到的模型就是新一代飞机具备的各项技术特征及每项技术特征的重要程度。更进一步,这属于机器学习中的布尔概念学习,学习得到的结果即新一代战斗机的概念定义,也就是回答了“新一代战斗机应具有哪些技术特征”的问题。该方法思路如图2所示。

图2 将逆向归纳论证方法与机器学习类比Fig.2 Comparison of backward induction with machine learning

例如,美国空军官方刊物《空军》采用逆向归纳论证方法提出的各代战斗机技术特征如表1所示[3]。

表1 《空军》提出的各代战斗机技术特征

逆向归纳论证方法具备机器学习的固有难点和瓶颈。第一,依赖于样本的数量和质量,数量充分、标记准确的高质量样本集是机器学习效果的重要保证,而战斗机型号本来就较少,随着冷战过后国际军备竞赛放缓和战斗机研发成本提高,未来的战斗机型号将进一步精简,严重影响学习的效果;另外,该方法需要等新一代战斗机样本出现后才能开始使用,时效性差,适用于“跟跑”,不适用于“齐头并进”。第二,可解释性差,机器学习就像把黑盒内的模型直接还原出来,却很难解释模型中参数的物理意义和特征间的关系。每型战斗机根据用户使用、技术实力和成本等的不同而具备各自的能力需求,能力需求进一步分解为技术特征,然而逆向归纳的方法直接得到了技术特征,跳过了飞机能力,无法解释用户使用、技术实力和成本等与飞机能力和技术特征的逻辑关系。第三,泛化性是衡量机器学习效果好坏的重要指标,好的泛化性是指从样本集中学习得到的模型可以广泛适用于新的样本,过拟合是指得到的模型过于针对样本集,而对样本集以外的样本不能很好适用。前几代战斗机的技术特征相对集中,但随着政治和科技的多元化发展,未来几代战斗机的技术特征可能更加个性化,增加了逆向归纳过拟合的危险性。通过以上几点可以看出,逆向归纳论证方法已经越来越不适用于未来的新一代战斗机技术特征论证。

2 基于数学规划的新一代战斗机技术特征论证方法

未来新一代战斗机技术特征论证应从各军事集团应用场景和任务需求出发,综合考虑各方优势技术、成本等因素,确定能力和技术特征。

首先,定义新一代战斗机需具备哪些能力。如体系作战下的任务能力、环境能力和对抗能力,其中任务能力是指完成制空、情报监视侦察、远程突防精确打击等用户体系特定任务的能力,环境能力是指满足前沿部署境外保障、本土部署远程奔袭、作为航母舰载机等用户体系特定环境下使用的能力,对抗能力是指在对抗前几代飞机时应占据绝对优势、在对抗同一代其他型号飞机时不落入绝对劣势。

然后,对新一代战斗机技术特征的论证可以转化为对其定义能力的技术特征及程度论证,这是一个从系统总体角度出发,综合考虑多方面约束求最优解的问题,可以视为运筹学中的数学规划问题。于是,提出基于数学规划的新一代战斗机技术特征论证方法,将定义能力作为约束,以成本最低为目标,以技术特征为决策变量,建模为数学规划问题。

式(1)为决策变量空间,技术特征向量X包含了技术特征空间中的W个技术特征,例如新一代战斗机的隐身、超音速巡航、激光自卫干扰等。

X=(x1,x2,…xW)T

(1)

式(2)为目标函数,目标是成本最小,此处的成本为全寿命周期成本,包括技术研发、批量生产和使用维护成本,这些成本主要受其技术特征影响,因此C(X)为技术特征向量X的函数。

min[C(X)]

(2)

式(3)～式(5)为约束条件,下面结合新一代战斗机论证说明。

(3)

(4)

(5)

式(3)为任务能力约束,战斗机通常要能够执行制空、对地精确打击等多项不同任务,且有主次之分,技术特征直接决定其完成任务的能力,因此对第i项任务的完成能力为技术特征向量X的函数Mi(X);Kmi为任务偏好,表示第i项任务在战斗机所有任务中的重要程度,例如美国空军F-22的首要任务是制空而F-35的首要任务是对地打击,取值可来自该战斗机用于不同任务的架次或小时数比例;每项任务能力与任务偏好的乘积应达到设定的阈值Tm。

式(4)为环境能力约束,战斗机可能需要适应前沿部署、纵深部署、舰上部署、高原部署等中的一种或多种环境,技术特征对其环境适应性有很大影响,因此对第j种环境的适应性为技术特征向量X的函数Ej(X);Kei为环境偏好,表示第j种环境在战斗机所有应用环境中的重要程度,每种环境适应性与环境偏好的乘积应达到设定的阈值Te。

式(5)为对抗能力约束,最新一代战斗机为第N代,技术特征之间的相生相克将直接左右战斗机对抗结果,因此第N代与第n代战斗机对抗的交换比为技术特征向量X的函数V(X,N,n)。R为势均力敌的交换比阈值,可根据经验设定,例如公认同属第四代战斗机的米格23与F-16在中东战争贝卡谷地空战中的交换比为4∶5[7],而F-35在2017年红旗军演中对抗四代机的交换比达到20∶1[8]。

3 基于技术特征矩阵的目标和约束函数

在使用基于数学规划的新一代战斗机技术特征论证方法时,目标和约束函数的确定十分关键,其都是技术特征向量X的函数,可以说目标和约束函数就是技术特征如何影响武器装备成本和能力的表现。目标和约束函数的具体确定需要结合每次的应用场景,例如战斗机采用仿真空战成绩作为交换比函数V(X,N,n)等。

本文进一步提出一种简单直观的基于技术特征矩阵的目标和约束函数确定方法。用技术特征-能力矩阵A作为约束函数,其中Am、Ae、Av分别表示任务、环境、对抗能力,Aij表示第i项技术特征对第j项子能力的贡献度。同时使用偏好向量Kmi表示对第i项子任务能力的偏好,sumKmi=1,Ke和Kv同理。目标函数由技术特征-成本矩阵C表示,其中Cij表示第i项技术特征对第j项子成本的贡献度。则数学规划问题可进一步表示为

opt min[sum (-CT·X)]

(6)

4 验 证

为了验证提出方法的可行性和优势,本文对美国海军和俄罗斯空军第六代战斗机能力与技术特征进行论证,图3所示为方法的矩阵化与参数对应关系,其中式(2)～式(5)为形式化的方法原理公式,式(6)为矩阵化的计算公式。

图3 方法的矩阵化与参数对应Fig.3 Matrixing and parameter mapping

4.1 能力与偏好分析

根据美国海军和俄罗斯空军的情况论证其六代机需要具备的3类能力及偏好,即设置Km、Ke和Kv。美国海军六代机将作为航母舰载机,应具备舰载机的多任务能力,而俄罗斯空军的六代机应以制空任务为主,且多部署于俄罗斯境内纵深,因此设置能力项及偏好如表2所示。

表2 能力项及偏好

4.2 技术特征分析

根据美国海军和俄罗斯空军的情况分析当前几项热门技术特征对六代机各项能力和成本的影响,生成技术特征-能力/成本矩阵,即设置Am、Ae、Av和C。如表3所示,其中，正值表示有贡献；0表示无贡献；负值表示有损害,例如A43=1表示雷达隐身技术对情报监视侦查能力的贡献度为1,后面将对各取值进行具体分析。

表3 技术特征-能力/成本矩阵

4.2.1 变循环发动机

变循环发动机是战斗机同时具备超音速巡航和大航程的关键技术。传统发动机技术不能同时在低速和高速两种状态下均保持较好的性能,很难同时保证超音速巡航和大航程。变循环发动机通过动态改变发动机某些部件的几何形状、尺寸或位置来改变其热力循环,使得发动机在各种速度包线范围内,均具有较好的推力和油耗。变循环发动机提升了战斗机作战半径、巡航速度和留空时间,对环境能力中的纵深部署远程快速奔袭具有重要意义,对制空任务能力和对抗能力也有一定帮助。

4.2.2 定向能武器

定向能武器利用沿一定方向发射与传播的高能射束攻击目标,具有高速、高方向性、威力可控的特点。其威力在控制下可用于干扰、致盲敌方传感器甚至直接造成物理破坏。其高速和高方向性对战斗机制空任务能力和对抗能力有重大意义。目前的空中作战火控与战术都是基于速度和时间的,空空导弹等武器弹药在空中飞行需要时间,目标利用这个时间通过电子对抗和机动进行规避。而定向能武器一旦瞄准则可以瞬间精确命中,攻防的关键因素变成了目标跟踪瞄准和光电隐身。可见定向能武器将彻底改变空中作战规则。

目前技术成熟度最高、剩余研发成本最低的定向能武器是激光武器,预期先后在战斗机上实现激光干扰、激光自卫打击和激光对空打击。2013年12月,美国空军实验室为六代机使用的激光武器发布信息征询书,包括用于干扰敌方传感器的低功率激光干扰武器、用于摧毁来袭导弹的中功率激光自卫武器,以及用于打击敌方空中和地面目标的高功率激光打击武器等[9]。诺斯罗普·格鲁曼公司提出的六代机概念方案中展示了激光击毁来袭导弹的想法,并对波束控制和系统小型化进行了深入研究,美国空军实验室希望在2019年将其设备搭载在战斗机上进行超音速飞行下的测试[10]。洛克希德·马丁公司也通过研究实现了波束的360°全覆盖[11]。对于激光对空打击武器,面向不同目标和搭载平台的技术各有发展,用于助推段反导已经比较成熟,美军机载激光(airborne laser，ABL)项目将高能激光武器装载在B747-400F飞机上,对刚刚发射处于助推段的弹道导弹进行打击[12]。然而激光武器对机动飞机目标的瞄准跟踪,比对运动轨迹稳定可预测的助推段弹道导弹要难得多;保证激光毁伤能量所需的武器设备和能源燃料体积也较大,搭载平台从B747-400F换到战斗机,小型化技术也是一个难点。

但问题是，这样的多重迭加存在为什么也会发生坍缩呢？里奇认为这个答案的根源在于人们喜欢用文字说明照片的内容和用标题强调意义所指的明晰性。

4.2.3 隐身

第五代战斗机已经具备了对火控雷达频段的隐身,这对制空和对地打击任务能力有重要意义,但其严苛的保障条件也影响了前沿部署和舰上部署能力,使用维护成本也很高。未来的雷达隐身技术重点在于降低隐身对载机传感器使用、气动、载荷的影响及研发、生产、使用、维护的成本。其中一项重要技术是智能蒙皮,其将传感器与集体外形更好地融合,减少了隐身外形与传感器性能的冲突和内耗。另一项重要技术是等离子隐身,其将飞机周围空气电离形成等离子层,对照射过来的雷达波一部分吸收、一部分沿机体向后方导流。将等离子隐身与传统隐身配合使用,可以降低隐身对机体外形的苛刻要求。通过对等离子选频,还可以灵活调整隐身频段。

考虑到激光武器的快速发展,对激光武器的隐身也将成为提升战斗机对抗能力的重要方面,主要是对抗激光武器的高精度跟踪瞄准系统,包括光学和红外隐身等技术。

4.2.4 智能辅助

智能辅助技术是指由机器智能辅助和替代飞行员操作,例如自动起飞降落、自动空中加油等,可以减少人为失误和相应的飞行员训练,极大降低时间和经济成本,是未来无人化作战的必备技术。智能辅助技术对舰载机能力提升贡献最大,主要有以下几个原因:一是舰载机飞行员培养和维持成本高,例如需要花费大量时间和金钱进行着舰训练以保持技术;二是飞行员驾机着舰难度大,难免出现复飞甚至事故,一旦复飞将延迟后续友机,甚至不得不增加空中加油,而着舰事故引发的损失更大。美国DARPA的联合无人空战系统计划中由诺斯罗普·格鲁曼公司研发的X-47B舰载无人战斗机已经具备了在航母上起降、空中加油等能力[13]。美国海军2017年将装备首型舰载无人加油机MQ-25黄貂鱼以把F/A-18E/F从伙伴加油任务中解放出来[14]。智能技术的基础是综合式航电系统提供的资源共享和多传感器数据融合提供的信息共享,相关技术已受到行业广泛关注[15]。虽然智能技术的水平短期内还不能胜任制空作战等复杂任务,但在六代机上运用智能辅助着舰和空中加油等技术可以大大减轻飞行员负担、降低成本和事故率。

4.3 验证结果分析

基于以上分析数据,按照式(6)进行计算,对美国海军和俄罗斯空军第六代战斗机能力与技术特征论证结果如图4所示,其中双方在各项技术特征上体现出差异,值越高说明该项技术特征对该方六代机越重要。

图4 美国海军和俄罗斯空军第六代战斗机技术特征Fig.4 Technical feature of sixth-generation fighters of US Navy and Russian Air Force

本文提出的方法克服了传统方法的一系列缺点。首先,时效性更好,不依赖于样本,无需等到新一代战斗机出现后再借鉴学习其技术特征;第二,可解释性强,例如论证方法验证结果显示智能辅助加油和着舰技术特征对美国海军六代机很重要,这可由舰上部署的环境能力需求和技术优势(美军MQ-25已具备该技术)来解释。第三,泛化性强,论证结果显示针对不同的对象可以得到相应的结果,不会过拟合到同一个结果,例如美国海军六代机偏向于智能辅助舰上起降和加油,而俄罗斯空军则偏向于激光自卫与打击,各有偏重。

5 结 论

(1) 运用数据科学的思想对传统的基于逆向归纳的论证方法进行分析,通过将其抽象建模后与机器学习方法类比,指出其应用于新一代战斗机技术特征论证时将存在样本依赖度高、时效性差、不可解释、易过拟合等缺陷。

(2) 针对传统方法的以上问题,本文提出的基于数学规划的新一代战斗机技术特征论证方法,以任务、环境和对抗能力为约束,以成本为目标,通过数学规划求解技术特征,可以较好地适用于下一代战斗机能力和技术特征论证。

(3) 变循环发动机、激光自卫和打击武器、低成本雷达隐身、光电隐身、智能辅助舰上起降和加油等技术对第六代战斗机任务、环境和对抗能力意义重大,是重点技术发展方向。