基于ADC模型优化的海上无人机作战效能评估

常会振,秦大国,孙盛智,王少成

(1.航天工程大学,北京 101416; 2.武警海警学院,浙江 宁波 315801)

0 引言

随着科技发展迅速演进的作战样式亟需构建有人/无人、舰机协同一体化海上作战体系,以扩展作战空间、丰富作战手段、提高作战效率、降低作战风险,维护国家主权、安全和海洋权益。海上无人机通过搭载光电平台、雷达、通信、武器等载荷,对大范围海域实施侦察、预警、监视、取证,快速发现、识别、跟踪监视和打击目标。通过定性和定量分析对海上无人机作战效能评估是合理运用无人机以提高其任务执行效率的前提和基础。装备效能评估是通过一定的定性和定量评估方法,对作战力量在执行任务过程中该装备发挥有效作用程度的评价和估量,其评估对象不仅包括装备,还包括作战过程中影响装备效能发挥的各种因素[1-4]。在装备效能评估研究中,由于概念清晰、模型严谨、层次分明、指标明确等优点,ADC模型得到了广泛运用,其评估结果被充分运用于装备研制及作战运用。但ADC模型主要考虑任务执行前的装备可用性及任务执行过程中的装备可靠性,然后对其固有能力进行效能评估,其效能评估指标体系较为单一,且主要考虑装备性能这一单一静态因素,忽略了在任务执行前及执行过程中人为因素以及战场环境因素等动态变化因素的影响,导致其评估结果与实际作战情况相差较大[5-8]。针对上述问题,对传统ADC模型进行改进和重构,提出涵盖装备整体结构的可用度矩阵A和可靠度矩阵D,结合装备技战术指标以及作战运用因素,经定性和定量分析,重构作战能力矩阵C,并将改进后的模型用于某型无人机海上作战效能评估研究。

1 ADC模型及其改进

1.1 ADC模型基本原理

根据系统效能概念内涵,美国工业界武器系统效能咨询委员会在1963年构建了传统ADC系统效能评估模型,评价和估计装备在一定约束条件下完成作战任务的程度[9-10]。传统ADC模型是可用度A(Availability)、可靠度D(Dependability)和装备固有能力C(Capability)的函数,其模型为

E=A×D×C

(1)

因此,ADC效能评估模型的计算公式为

(2)

在ADC效能评估模型中,作战效能E表示装备作战能力相应指标受可用度和可靠度影响后的实际效能;确定系统状态数后,A、D可由解析法获取;C中的元素主要取决于装备固有性能,且受到执行任务过程中的人为因素、战场环境、任务要求等制约。

1.2 ADC模型改进分析

ADC模型通过构建装备可用度、可靠度和作战能力之间的关系函数对装备作战效能进行评估,简单明了地指出了装备系统构成、运用可靠性与技战术指标之间的内在关系,能够用于大部分武器装备的效能评估。但ADC模型的应用具有一定的局限性,要求模型中每一项均具有明确的解析式,且对能力指标表达约束性不足,作战能力矩阵C没有统一的标准架构。对于海上作战无人机而言,其系统构成复杂,定量技战术指标不足,且执行任务过程中受人为因素、战场环境因素影响较大,很难用常规方法通过对装备技战术指标的定量化分析构造作战能力矩阵C。因此,在梳理典型海上无人机技战术指标的基础上,利用层次分析法确定各指标权重,并对各指标进行量化和规范化处理,构造作战能力矩阵C。

在装备执行任务过程中,合理的指挥控制、正确的装备操作和完善的技术保障能促进装备固有能力的高效发挥,实现人为因素增能,但战场环境因素也会制约装备固有能力的有效发挥。因此,基于传统ADC模型,引入人为因子M和战场环境因子H,构建能够全面、综合反映海上无人机作战效能的评估模型。重新构建后的作战效能评估模型为

E=A×D×C×M×(1-H)

(3)

2 海上无人机作战效能评估指标体系

2.1 效能评估指标体系构建

从海上作战双方对抗角度出发,可以将无人机作战能力划设为机动能力、防护能力、侦察监视能力、现场取证能力、喊话警告能力、武器打击能力、电子对抗能力、信息通联能力,且其作战能力的有效发挥受到人为因素中指挥控制能力、装备操作能力和技术保障能力以及战场环境因素中的自然环境因素和对抗环境因素影响,其构建海上无人机作战能力影响因素关系图,如图1所示。考虑装备可用性和可靠性的制约,深入分析无人机作战能力影响因素,层层分解得到无人机作战效能评估指标体系,如图2所示。其中,构成作战能力C的8项二级能力指标代表无人机综合能力,考虑人为因素和战场环境因素,结合国内外海上作战、训练实践及无人机能力构成对其进行分解,可得到40项三级单项效能指标。

图1 海上无人机作战能力影响因素关系图

图2 海上无人机作战效能评估指标体系

2.2 指标分类及处理

根据图2效能评估指标体系中三级指标的性质特点,对其进行量化和规范化处理是获取作战能力矩阵C的前提。本文中参考文献[11],以各项三级指标能否量化以及被期望程度等标准对其进行分类,并提出进行量化和规范化处理的方法。

1) 根据指标能否量化进行分类。能够量化的指标为定量指标,如巡航高度、巡航速度、最大航程等指标;不能被量化的指标为定性指标,如抗摧毁能力、电子干扰能力、任务规划能力等。定性指标需要采取一定的方法进行量化后,才能被效能评估模型使用。为满足ADC模型的解析表达,需对定性指标进行量化处理,通常采用专家打分法,利用经验知识对定性指标满意度进行打分赋值,如根据无人机整体结构强度、机动性以及实战情况等因素,将无人机抗摧毁能力量化为0.8,即为该指标在ADC模型的输入值。

2) 根据指标被期望程度进行分类,可以被分为效益型指标和成本型指标。效益型指标值越大越好,如续航时间、侦察探测距离、喊话距离等;成本型指标值越小越好,如目标机动能力、无人机被侦察性等。效益型指标和成本型指标进行规范化的公式不同,常用的规范化方法是将该指标实际数值与期望值相比。对于效益型指标,比如某型无人机侦察探测距离50 km,但一般认为探测距离在100 km才能较好地遂行海上作战任务,其规范化公式为50/100=0.5。对于成本型指标,比如某型无人机雷达散射截面积(RCS)值为5,期望值为2,则规范化结果为2/5=0.4。

3 海上无人机作战效能模型构建

3.1 可用度A分析

海上无人机可用度A表示其执行任务前的状态,度量其可承担任务的程度。在分析无人机可用度时,要首先明确其组成结构及各结构工作状态。以无人机系统组成为主要依据,考虑执行海上作战任务所需的相关载荷,可以将无人机系统分为飞行器子系统、地面或舰载控制子系统、发射和回收装置、任务载荷、数据链路等[12],除侦察监视载荷外,其他任一子系统出现故障,则认为无法执行任务。任务载荷一般包括光电平台、合成孔径雷达和激光雷达等侦察监视载荷,喊话装置载荷和武器载荷,其中侦察监视载荷中,有任意一个设备工作即可认为能执行侦察监视任务,但其侦察监视能力会相应降低。

分析无人机组成要素及其执行任务过程中的主要行动,构建无人机系统可靠性框图,如图3所示。假设各子系统之间相互独立,互不影响,其状态变化为独立随机事件,通过分析框图,可以得到无人机系统工作状态表[13],如表1所示。

海上无人机可用度A可用平均故障间隔时间(MTBF)与平均故障间隔时间和平均故障修复时间(MTTR)之和的比值表示。Ai、MTBFi、MTTRi分别表示图3中各子系统可用度、平均故障间隔时间、平均故障修复时间,则:

(4)

其中,i为图3中无人机系统各子系统的序号。对应无人机系统工作状态表,可得其可用度向量:

A=(a1,a2,…,a8)

(5)

在式(5)中:

3.2 可靠度D分析

海上无人机可靠度D表示其执行任务过程中各子系统正常工作且完成相应任务的能力。一般认为无人机系统运行过程中各子系统故障分布时间服从指数分布,则无人机系统执行任务期间其保持正常工作状态的概率为

Ri=exp(-Ti/MTBFi) (i=1,2,…,9)

(6)

式中:Ri表示无人机各子系统可靠度概率;Ti表示执行任务时间; 1/MTBFi表示各子系统故障率。

dij(i,j=1,2,…,8)表示无人机在执行任务过程中从ai工作状态转换为aj工作状态的概率。比如,d11表示无人机从开始执行任务到任务结束所有子系统均保持正常工作的概率:

(7)

执行任务过程中,无人机各子系统出现故障时具有不可修复性,因此,各子系统不能由故障状态转为正常工作状态,则可靠度矩阵为上三角矩阵。根据式(6)、式(7)可得可靠度矩阵D为

3.3 作战能力C分析

海上无人机作战能力矩阵C表示其在不同状态下,完成任务的能力度量,反映系统性能与实战能力要求之间的符合程度。作战能力矩阵C没有固定的建模方法,参考文献[11]和[14],结合图2效能评估指标体系,考虑在8种工作状态下各子系统性能指标作用程度不同,根据无人机作战能力指标下各三级指标特点,对其指标数据进行量化或规范化处理,获得8种工作状态下各三级指标无量纲数值,并利用层次分析法,确定各三级指标权重,经计算可获取各二级指标在8种工作状态下的无量纲值,从而构建作战能力矩阵C。

各种工作状态下无人机作战能力为

Ci=(λ1,…,λ8)×(P1,…,P)T

(9)

式(9)中:λi为第Ci指标的权重;Pi为第Ci指标的无量纲值。由此,可得作战能力向量C为

C=(C1,C2,…,C8)T

(10)

式(10)中:C1为无人机无故障状态时的作战能力;C2为无人机“⑤故障,其他正常”状态时的作战能力;C8为无人机“①②③④⑧⑨至少一个故障或⑤⑥⑦故障”状态时的作战能力,即C8=0。

3.4 人为因子W及战场环境因子H分析

海上无人机执行任务过程中,指挥员及操作人员的指挥控制能力、装备操作能力及技术保障能力影响其作战效能的发挥。根据图2作战效能评估指标体系,利用层次分析法求出指挥控制、装备操作及技术保障各二级指标及其三级指标权重,通过专项考核、平日训练评定或专家打分法等方式获取各三级指标的数值,最后通过加权求和得到人为因子值。计算模型为

(11)

式中:tj是人为因子中各二级指标权重;tij为各三级指标权重;rij为各三级指标数值,取值范围为0～1。

与人为因子W模型构建过程相似,根据图2作战效能评估指标体系,利用层次分析法获取战场环境因子各级指标权重。其中,三级指标值可以通过专家打分法的方式获得,取值范围0～1。计算模型为

(12)

4 实例分析

以某型无人机为研究对象,使用优化后的ADC模型对其执行海上作战任务效能进行评估。执行任务过程中,该型无人机在实战环境中完成对战场目标的现场处置任务,该任务具有以下特点:一是指挥控制及无人机操作人员具有丰富的实战经验,其指挥控制能力及操作和保障能力处于适中状态;二是战场目标电子干扰能力较弱,但其机动能力较强;三是自然环境和对抗环境复杂。

4.1 可用度A和可靠度D计算

根据平日实践经验及训练情况,该型无人机各子系统平均故障时间和平均故障修复时间数据如表2所示。

表2 海上无人机子系统可用性数据

根据式(4),可求出各子系统可用度:

A1=0.961 5,A2=0.989 1,A3=0.991 7,A4=0.990 1,

A5=0.986 8,A6=0.995 0,A7=0.997 4,A8=0.999 0,

A9=0.990 1。

根据式(5),计算可得出海上无人机可用度矩阵A:

假设该型无人机每次出航时,发射和回收装置执行任务时间是0.5 h,喊话装置执行任务时间是2 h,武器执行任务时间是0.5 h,其余子系统执行任务时间为4 h,即T=4,根据式(6)计算可得无人机各子系统可靠度R:

R1=0.973 9,R2=0.960 8,R3=0.991 7,R4=0.986 8,

R5=0.973 9,R6=0.980 2,R7=0.979 2,R8=0.996 0,

R9=0.995 0。

根据式(7)、式(8),经计算可得海上无人机可靠度矩阵D:

4.2 作战能力C计算

以该型无人机性能参数作为作战能力分析的基础,考虑战场环境和人为因素对任务完成度的影响,使用层次分析法计算各级指标权重,使用专家打分法对定性指标进行赋值,经计算可得作战能力矩阵C。某型海上无人机性能指标如表4所示。

使用层次分析法确定8类二级指标权重系数[15]。通过专家咨询判断各类二级指标相对重要性,以数字1～9表示其重要程度,其判断结果以数值形式表示,构造判断矩阵,如表5所示。

表5 确定二级指标权重的判断矩阵

专家对各二级指标之间重要性进行的判断存在一定的主观性,考虑客观事物的复杂性,需要对判断结果合理性进行检验,即检验判断矩阵一致性,计算其一致性指标CI,其计算公式为

(11)

其中,λmax是判断矩阵最大特征值,n为判断矩阵阶数,n=8。

表5中判断矩阵一致性比例为0.056 3,则其一致性检验通过,求出最大特征值对应的特征向量vec:

对特征向量进行归一化处理,可得各二级指标权重系数wight:

使用同样的方法经计算可得作战能力下各三级指标权重系数。

在各种工作状态下,海上无人机作战能力三级指标涉及大量定性和定量指标,区分成本型指标和效益型指标,根据专家意见和国内外相关作战和训练经验,对其进行量化和规范化获得无量纲指标数值,表6所示即为无人机无故障工作状态下各三级指标无量纲数值。

表6 无故障状态下各三级指标无量纲数值

表6中,侦察监视载荷类型无量纲数值中,当光电平台、SAR、激光雷达状态完好时,参考专家意见和实践经验,将该值定为0.9,侦察探测距离不降低;任意2种载荷状态完好,该值为0.7,侦察探测距离能力降低20%;任一种载荷状态完好,该值为0.65,侦察探测距离能力降低30%。

综合上述研究,根据各子系统之间关系,可得海上无人机各工作状态下的作战能力各级指标权重及无量纲数值,如表7所示。

表7 各工作状态下各级指标权重及无量纲数值

其中,现场取证能力来源于光电平台,当光电平台故障时,可以认为现场取证能力为0。

由式(9)、(10)可得作战能力矩阵C为

4.3 人为因子W计算

根据专家咨询及海上实践经验,利用层次分析法,能够得到人为因子中二级指标和三级指标权重,并通过专项考核或平日训练评定及专家打分法获取各三级指标数值,如表8所示。

表8 人为因子各级指标权重、数值

由式(11)可知,W=0.911 7。

4.4 战场环境因子H计算

根据专家咨询及国内外海上作战、训练实践经验,利用层次分析法,得到战场环境因子中二级指标和三级指标权重,并通过国内外相关实践和专家打分法获取各三级指标数值,如表9所示。

表9 战场环境因子各级指标权重、数值

由式(12)可知,H=0.159 7。

4.5 作战效能E计算

根据上述计算得到可用度矩阵A、可靠度矩阵D、作战能力矩阵C和人为因子W和战场环境因子H,由式(3)可知,某型无人机遂行海上作战任务效能E为

E=A×D×C×M×(1-H)=0.431 2

如果不考虑人为因素和战场环境因素,则该型无人机遂行海上作战任务效能E1为

E1=A×D×C=0.589 9

显然,E1>E。但E1的计算结果只考虑了无人机系统性能的影响,没有考虑人为因素和战场环境因素等动态因素的影响,因此,与考虑人为因素和战场环境因素后得到的作战效能E相比,其考虑因素不全面,不能有效反应无人机的真实作战效能。从作战效能计算结果可知,人为因素和战场环境因素对无人机作战效能影响较大,因此,研究提高指挥员的任务规划和指挥协同能力、无人机操控人员的装备操作及技术保障水平,降低自然环境和战场对抗环境的影响,提高无人机的环境适应能力和对抗能力,将能大幅增加海上无人机作战效能,提高其任务完成度。

5 结论

从海上对抗实践的角度出发,综合影响无人机作战效能充分发挥的各种因素,对传统ADC模型进行了分析和优化,构建了改进后的ADC模型,并进行了实例验证。

1) 从海上对抗角度出发,从无人机可用性、可靠性、作战能力、人为因素和战场环境因素等方面分析影响无人机作战效能的相关因素,层层分解,构建了更全面的海上无人机效能评估指标体系,更贴近海上作战装备运用实际情况。

2) 从定量和定性2个方面对作战能力下的三级指标进行分类,并根据各三级指标特点,对其进行量化或规范化处理,获取其无量纲数值,构建作战能力矩阵C,提高了对无人机作战能力度量的准确度。

3) 针对传统ADC模型中只考虑静态因素、忽略动态因素的不足,引入人为因素和战场环境因素,对传统ADC模型进行了拓展和改进优化,提高了效能评估的客观性、完整性和严谨性,较好地弥补了传统ADC模型的局限性。使评估结果更为客观可信。

使用构建的海上无人机效能评估指标体系和改进优化后的ADC模型对某型无人机执行海上作战任务的效能进行评估,相比传统ADC模型评估结果,其效能值较小,但评估结果更为客观可信。改进优化后的ADC模型中,人为因素和战场环境因素下的三级指标值需结合海上作战实践和专家打分法获取,主观性较大,存在一定的不合理性,后续可以进一步研究,提高其合理性和可信性。改进优化后的ADC模型还能为其他海上作战装备效能评估提供参考借鉴。