基于攻击参数识别的反潜武器作战效能评估∗

郑振 马蛟

（中国人民解放军91129部队 海口 570311）

1 引言

随着水下对抗与反对抗的不断升级，反潜作战成为海战课题研究的热点，随着潜艇的隐身性能以及攻击武器为例不断提升，潜艇的水下威胁程度不断增强，潜艇在海战中具有隐蔽性高、攻击破坏度大等方面的优势，因此，研究新型的反潜武器成为海军武器装备系统研究的热点课题。常见的反潜武器中，主要有鱼雷、深水炸弹、水雷等，其中以鱼雷作为常用，反潜作战平台由护卫舰，反潜直升机，反潜巡逻机等构成，在反潜作战中，需要关注反潜武器的作战效能，以提高潜艇的搜潜概率，从而降低己方被攻击的危险，研究反潜武器作战效能评估模型，对提升反潜作战性能，提高己方生存概率方面具有重要意义［1］。

对反潜武器作战效能评估是建立在对武器装备的组成、作战流程等方面的性能参数分析基础上，结合对反潜武器装备平台的效能参数分析，通过多元组合参数分析的方法，采用层次化分析模型，实现反潜武器的作战效能动态评估和参数估计［2～4］，当前，对反潜武器作战效能评估的方法主要有神经网络分析方法、仿生群分析方法、阈值评估方法等，采用Agent建模作战实体模型，通过声呐探测概率阈值来定义有效覆盖距离，进行反潜作战效能评估。其中，文献［5］中提出舰载深弹反潜作战效能分析模型，综合考虑了舰艇对敌的探测发现、指挥人员的控制决策和深弹发射及水下作战3个阶段的性能指标，实现作战效能评估，但该模型的动态评估性能不好。文献［6］实现空投磁探无人机集群应召反潜作战效能分析，建立了基于多平行段搜索的空投磁探无人机集群应召反潜数学模型，通过仿真评估了反潜巡逻机应召反应时间、磁探无人机数量和搜索范围大等，实现反潜作战效能的动态评估分析，但该方法的实时性不好，作战效能评估的参数估计精度不高［4］。

针对上述问题，本文提出基于攻击参数识别的反潜武器作战效能评估模型，进行反潜作战的动态参数分析，结合概率寻优和参数优化估计，实现反潜武器系统效能的动态评估和最优解算，提高评估的稳定性，提高反潜武器的作战可靠性。首先进行参数和指标模型构建，然后进行作战效能评估模型设计，最后进行仿真测试，展示了本文方法在提高反潜武器作战效能评估可靠性方面的优越性能更。

2 模型参数和评估指标体系

2.1 作战效能评估模型参数分析

为了实现反潜武器作战效能的动态评估，结合反潜作战的影影响因素特征分析，建立潜艇以潜艇移动速度、声呐识别回波参数、隐蔽性参数指标以及作战平台数量的相关的作战效能参数分析模型，根据可控因素和己方作战单元的相关性因素分析，进行反潜作战的效能动态分析模型构建，以作战兵力、作战单元、作战平台、探测设备、通讯设备、作战实体行为决策等指标参数为一级指标体系，以探测能力、通讯能力、毁伤能力以及指挥决策能力为二级指标体系［7～9］，构建多角度和多维度的反潜武器作战效能评估体系结构模型，对反潜作战效能评估的体系模型构造如图1所示。

图1 反潜作战效能评估的体系模型

根据图1的体系模型构造，建立多个相应的反潜作战效能评估Agent实体模型，根据探测关系以及毁伤关系分布，结合作战方与作战兵力的部署分析，进行作战单元的标识，把反潜直升机作战单元标识为R_Helicopter，红方编队作战单元的标识为R_Formation，潜艇作战单元标识为B_Submarine，红方helicopter为空中实体［10～13］，由此建立作战实体的Agent单元模型如图2所示。

图2 作战实体的Agent单元模型

根据图2对反潜作战效能评估的实体模型分析和模型指数分析，通过Initial Agent编写全局变量和控制模型，通过实体的决策、移动、打击、探测等行为模型构建，建立反潜作战效能评估模型的数学模型［4］。

2.2 作战评估的指标体系

根据潜艇的移动速度、反潜武器的移动速度、声呐识别范围以及潜艇的隐蔽性参数分析，建立反潜武器的作战单元相关性控制参量分析模型，基于系统效能评估［15］，得到反潜武器的胁迫参数分布为

式中，xk表示系统总体性能参数，yk表示量敌潜艇的位置信息，vk和ek分别表示潜艇速度和量化参数分布群，f(xk-1)为搜潜点位的间距，h(xk)为USV反潜装备体系参数，且，使用反馈和迭代的方法，得到攻击态势指数表示为

3 反潜作战效能评估模型优化

3.1 深度ANP学习算法

采用深度ANP学习学习方法实现反潜作战过程中的效能寻优［19］，分析不可控因素单元因素，单阶段的系统效能分析的加权权重：

其中，ωs为作战系统的系统可用性特征参数，ωe为单阶段的系统效能参数，Ic作战效能的均衡状态，Imax为最优状态分布集，假设多阶段的ADC模型融合参数为，在舰艇反潜作战效能的转移概率为 pij，作战评估节点i与节点之间 j之间的联合分布式为

其中，xi(t)为探测系统的可用度，vi(t+1)为发射系统的可用度，采用舰艇的探测能力参数，分析正常状态的概率约束性特征参数，采用舰艇的指挥控制指令可靠性分析，得到深度ANP路径寻优目标函数为

其中，aij为毁伤潜艇这个事件的状态参数，在探测系统、指控系统中，得到寻优权值 pij定义为

由此，计算Agent实体的决策行为、移动行为，得到战果评估的适应度函数为

其中dS(i)为USV前方搜潜的目标距离，dT(i)为高价值作战单元的等效控制函数。

在移动过程中每隔一分钟，潜艇声呐工作一次，通过多传感器参数定位，得到ANP学习的状态参数为，由此建立反潜作战效能评估模型的自适应学习模型，通过分析深弹毁伤概率，进行毁伤潜艇的概率分析和参数估计［20］。

3.2 参数评估和优化解算

将舰艇作战全过程的每个性能指标作为评价对象，得到探测节点va，vb和vc的毁伤概率为

其中，yi,a为每个子系统的可靠度，ea为各个子系统的可用度，在单枚作战效能低下的情况下，得到反潜对抗作战的分形指向性函数为

考虑全局优化问题min｛f（x）｝，以成功识别潜艇的概率密度作为关联因子，采用信息熵和关联维特征检测方法，建立反潜武器作战效能评估的动态寻优分析模型，得到作战效能最有效下的有效打击概率为

其中，dist(i,Fg)为打击因子，N为完成任务过程中向第j中状态转移量，综上算法设计，采用信息熵和关联维特征检测方法，构建反潜武器作战效能的实体单元模型，根据作战实体、通信和关系以及对作战仿真造成的影响分析，进行效能评估。模型实现流程如图3所示。

图3 改进算法实现流程

4 仿真测试与性能评估

通过仿真实验验证本文方法在实现反潜武器作战效能评估的应用性能，实验采用Matlab仿真设计，实验考虑了14个实验参数，包括USV速度、传感器范围和探测概率等，采用TCP/IP协议构建系统网络体系，在Mutigen Creator中建立的.flt格式的动态作战场景模型，初始化静态变量（static vari⁃ables）和简单的类（single classes），反潜武器的检测线的长度Length为100m，宽度Width为50m，高度Height为50m，如图4所示。

图4 反潜武器碰撞检测线

在仿真平台中位置参数和方位信息分布如图5所示。

图5 反潜作战的信息参数设定

根据上述参数设定，进行作战效能评估，得到参数解算结果如图6所示。

图6 作战效能参数解算结果

分析得出，在反潜武器攻击中，多普勒频移fd=1333.32Hz，信噪比是-6.35647dB，来袭武器和拖曳体之间距离为490.096m，拖曳体的运动速度vt=30kn，因此来袭武器的运动速度为50kn，本文方法能有效实现作战效能的动态评估。测试评估准确性，得到对比结果如图7所示。分析图7得出，本文方法进行反潜武器作战效能评估的精度更高。

图7 评估效能对比

5 结语

通过分析反潜武器的作战效能，以提高潜艇的搜潜概率，本文提出基于攻击参数自适应识别和跟踪学习的反潜武器作战效能评估模型，建立多个相应的反潜作战效能评估Agent实体模型，采用深度ANP学习学习方法实现反潜作战过程中的效能寻优，通过分析深弹毁伤概率，进行毁伤潜艇的概率分析和参数估计。研究表明，本文方法能有效实现反潜武器作战效能参数解析和评估，评估准确性较高。