试论巡航导弹智能作战系统

针对未来的战争模式 ,为了克服巡航导弹单一武器作战的不足 ,提出了建立巡航导弹智能化作战系统的设想 ,并对系统的构成和特点进行了探讨 .

现代智能作战概念浅析

在分析智能武器、智能作战等概念的基础上,对现代智能作战的特征及其对战争的影响进行了归纳,通过对智能作战形式及其技术基础的分析,指出智能化对海战场作战的重要影响及意义,包括辅助决策、指挥控制以及训练推演等方面,并在如何应对智能作战的问题上给出了建议和思路。

智能作战系统中数据流分发子网的设计与研究

目前,海上战争对抗平台已经成为战争国防的重要手段之一,而信息战争已经成为当代战争的主要表现形式。而海上对抗平台和信息化将结合形成新型作战系统,即海上智能作战系统。在海上智能作战系统中,由于舰船平台移动的特殊性,以及军事安全的特殊需求,对作战系统中数据的传输具有极高的要求。当前主要的发展方向是在海上智能作战系统中设计可以进行数据流分发的数据子网。本文在对数据分发网络进行综合介绍之后,针对海上智能作战系统分析该系统数据流分发子网的特性和技术。

海上电磁频谱空间智能作战体系框架

海上电磁频谱空间智能作战体系总体框架由海上电磁频谱空间智能作战力量体系、海上电磁频谱空间智能作战运用体系、海上电磁频谱空间智能作战保障体系等三个部分组成,而海上电磁频谱空间智能作战力量体系由装备、部队和能力等三个要素构成,海上电磁频谱空间智能作战运用体系由指控、行动、作战样式等三个要素构成,海上电磁频谱空间智能作战保障体系由理论、技术、法规、训练和人才等五个要素构成。建设海上电磁频谱空间智能作战体系,对于推进海上军事斗争准备具有重要意义。

现代舰艇的高智能作战系统

舰载导弹以及制导鱼雷的广泛使用,极大地提高了现代海战武器的打击能力。而舰艇作战系统的出现并投入使用,又使现代海战武器的整体效能有了新的飞跃。 这种广泛应用现代电子技术、计算机技术、自动化技术等高技术成果的舰艇作战系统,把舰艇上的各种探测设备、武器系统利用高速的通信网络联系起来。

通信对抗无人机集群智能作战规则研究方法

通信对抗无人机集群智能作战规则是通信对抗无人机集群智能作战实施的核心。从规则研究的思路、具体方法进行探索。结合规则研究的具体环节,分析矛盾分析法、系统分析法、逻辑分析法、定性分析与定量计算、归纳推理法、实践验证法在梳理归纳规则中的具体应用并给出部分实例,为规则研究中目标不明确、无人机集群优势不突出、规则梳理不系统不全面、智能作战难实现等问题提供解决思路。

一种混合智能的作战推演应用模式研究

作战推演技术在指挥训练、作战指挥、战法研究等领域中有着广泛的应用。传统的作战推演技术过于依赖与人在环路,推演效率低下,难以覆盖真实对抗中的各种可能情况。近年来广泛研究的深度强化学习技术,只能扮演战术级以下的智能蓝军用于模拟训练,因为其即不能胜任战役级决策的复杂度,也无法融入红队指挥官的智慧。于是提出一种混合智能的作战推演应用模式,同时融入人的智慧和深度强化学习训练的智能模型,用于态势演变预测和复盘分析、方案推演评估和探索优化。结合典型应用场景开展了实例化研究与概念验证,具有一定参考价值。

基于多智能体的指挥控制系统协同作战模型

针对传统线性机械的各种科学理论方法所开发的指挥控制系统作战模型对复杂战场环境的分析、处理和计算与实际情况存在很大误差的问题,提出一种基于多智能体(agent)的指挥控制系统协同作战模型。构建了基于多agent的作战建模仿真方法和多agent的作战模型建模流程,制定了作战想定;针对现阶段的多agent作战仿真模型太过简单、仿真模型内涉及的智能体种类太少的问题,扩充了作战仿真模型中agent的种类,强调了各个智能体之间的相互关系;基于Anylogic开发平台,创建一种新的复杂多智能体协同作战系统模型,模拟真实环境进行多智能体协同作战。实验结果表明,新构建的指挥控制系统多智能体作战模型中智能体种类更加全面,互相协同作战能力显著提高,更加真实地反映出现代化战争中复杂的作战环境。

现代战争智能化作战及安全通信保障

现代战争的形态正经历着前所未有的深刻变革,在这场变革中,智能化作战,鉴于其重要性及所蕴含的巨大潜力,正在逐步成为未来战争的主导方向。与此同时,安全通信保障在这场变革中的地位也日益凸显,成为胜负的关键。本文将对智能化作战及其安全通信保障进行深入分析,探讨研究现代战争的特点和规律,掌握先进的武器装备和技术,提高作战人员的素质和技能水平。

分布式智能化作战的概念、内涵与未来发展

为适应未来分布式、无人化、智能化战争形态,在现代技术和作战概念基础上,总结了现代分布式智能化作战的内涵和特点,分析了分散部署、机动作战、协同控制和智能赋能4个方面内容。在此基础上,提出了未来分布式智能化作战的发展趋势。

复杂体系能力评估问题研究——走向智能时代的体系评估方法变革

体系评估面临理论、方法和智能化的三重挑战,必须更新理念,才能找到最合适的方法。提出了用复杂系统思想看待体系的性质、面向整个作战体系进行评估、坚持体系作战背景、重在体系整体度量等八个需要变革的重要理念观点,介绍了多重循环试验、体系指标挖掘、能力状态测量等八个体系评估方法上的变革。

面向联合作战的水下攻防体系建设需求分析

水下攻防作战正在从“平台对抗”转向“体系对抗”,建设水下攻防体系,实现复杂环境认知、智能指挥控制、有人无人协同、信息综合保障、火力协同打击与作战效能评估的有机综合,是维护海洋权益、保障海洋安全的必由之路。阐述了美海军战略演变,总结了美海上新概念作战模式,分析了联合作战背景下美水下作战体系的发展趋势,牵引出我水下攻防体系建设的必要性和要素组成,并给出了水下攻防体系的发展建议。

新型智能装甲作战系统体系贡献率评估研究

针对装备体系贡献率评估关联因素复杂、评估难度大的问题,剖析装备体系贡献率概念和内涵,提出装备体系贡献率评估研究框架。以新型智能装甲作战系统体系贡献率评估为研究对象,从体系功能完备、体系结构优化、作战能力提升、体系技术进步等多视角构建了立体多层的评估指标体系。采用基于信度规则库的证据推理方法,开展新型智能装甲作战系统体系贡献率评估研究。结果表明:体系贡献率是装备系统地位作用的综合性表征,宜从多视角、多层次开展综合研究;基于信度规则库的证据推理方法是一种有效、科学、实用的装备体系贡献率评估方法。

智能化作战研究值得关注的几个问题

随着智能技术的进步,智能化作战概念研究也开始展开.无人化平台作战的目的,自主性对于智能系统的意义,态势智能认知在作战中的作用,知识较量在战争中的地位,以及智能化作战概念开发中引发的问题等,都值得关注并需要进行深入研究.这些对于智能化作战概念研究具有非常重要的意义.

拒止环境下巡飞武器分布式智能作战关键技术研究

反介入/区域拒止能力用于构造拒止环境,瓦解对方军事力量的投送。在拒止环境下,分布式智能作战成为提升巡飞武器作战能力的重要方式。梳理了美国在提升巡飞武器作战性能方面的典型项目及进展情况,分析了适用于分布式智能作战的国外典型巡飞武器技术特点,从巡飞武器的总体设计技术、分布式智能感知与决策技术、抗干扰技术、任务规划与协同制导技术等方面探讨了其关键技术和亟需完善的发展方向。

有人/无人作战智能体分布式协同目标分配方法

有人作战智能体(manned combat agent,MCA)控制无人作战智能体(unmanned combat agent,UCA)的分布式目标分配是MCA/UCA协同作战的重要内容之一。结合设想的MCA/UCA混合编队结构和功能,建立了有限控制下的分布式协同目标分配模型。提出通信结构、信息结构和协同机制三维一体的模型求解策略,以合同网协议作为协同机制基本框架,分别对合同网的目标选择策略、招标策略、投标策略、中标策略进行扩展,可有效在多个编组之间进行目标到UCA及其所隶属的MCA的协同目标分配。针对想定案例进行了仿真计算,结果表明该方法能以牺牲少量计算时间为代价,以较少的通信量得到了较高质量的解。

有人/无人作战智能体分布式任务分配方法

有人/无人作战智能体任务联盟是面向分布式网络化作战体系提出的一种作战样式,任务分配问题是研究任务联盟指挥策略的关键点之一。以有人/无人作战智能体任务联盟为研究对象,提出与之适应的分布式体系结构。将任务执行质量引入任务分配问题建模中,以拍卖算法为基础,通过编组整体拍卖、方案预处理等改进机制,有效降低了个体方案的构建开销,并在约束的时间内实现任务联盟的动态任务分配。针对作战想定进行了仿真计算,结果表明算法能在有限拍卖次数下给出接近理想优化效果的分配方案。

反舰导弹智能化作战在线任务分配研究

在预分配基础上,研究反舰导弹多弹协同作战的在线任务重分配。建立了多弹协同任务分配模型,采用基于拍卖协议的一致性方法研究在有中心弹和无中心弹情况下,分布式多弹协同任务重分配。实例仿真结果表明,分布式协同拍卖方法对解决多弹协同任务重分配问题是切实可行的,满足了作战系统对实时性和快速性的要求。

智能博弈综述:游戏AI对作战推演的启示

智能博弈领域已逐渐成为当前AI研究的热点之一,游戏AI领域、智能兵棋领域都在近年取得了一系列的研究突破。但是,游戏AI如何应用到实际的智能作战推演依然面临巨大的困难。综合分析智能博弈领域的国内外整体研究进展,详细剖析智能作战推演的主要属性需求,并结合当前最新的强化学习发展概况进行阐述。从智能博弈领域主流研究技术、相关智能决策技术、作战推演技术难点3个维度综合分析游戏AI发展为智能作战推演的可行性,最后给出未来智能作战推演的发展建议。以期为智能博弈领域的研究人员介绍一个比较清晰的发展现状并提供有价值的研究思路。

基于深度学习的体系作战效能智能评估及优化

采用仿真模拟评估方法进行体系作战效能评估包括配置想定、多次运行仿真系统和调用效能评估模型计算多个复杂步骤。针对此流程复杂、耗时长的问题,提出一种基于深度学习回归思想的体系作战效能智能评估方法,引入基于进化策略的作战效能优化流程。以全连接深度回归网络为预测模型,通过多个数据集的试验结果给出网络隐层数和样本量选择的指导原则。进一步结合遗传算法调整网络输入得到优化输出,迭代性能较好。以某仿真系统为例初步验证了其有效性和使用价值。