2. 武警工程大学,陕西 西安 710086
2. Engineering University of PAP, Xi′an 710086, China
传统海上编队协同作战采用集中式指挥与控制方式,具有较高的作战指挥效率,但是该方式将海上兵力部署大规模聚集于一点,容易被对手锁定且一次打击就可能导致全体系瘫痪。随着智能化技术的进步,“分布式杀伤”成为海上协同作战的发展趋势,其核心思想是利用相隔几百甚至上千海里的分散式海上编队实施协同作战。海上编队不仅要及时收集战场态势感知信息,还要在短时间内形成最优作战计划,实现海上舰艇编队的统一协调控制,科学分配战场资源、集中发挥武器功能,最终形成最优作战方案,提升海上综合作战能力[1]。
1 海上作战制胜机理从赢得海上战争的角度出发,发挥海上作战主动权,在复杂战场环境中赢得作战优势。以颠覆传统海上作战模式,赢得智能化海上战争为根本出发点,这都对深入研究海上作战制胜机理提出较高要求。
1.1 分散部署、攻击灵活从提升海战场生存能力的角度出发,将分散部署的海上作战编队在同一时间,朝着同一目标,同时输出攻击火力,实现对敌方目标的集火饱和攻击,是增强海上攻击灵活性的重要保障。分散部署、攻击灵活的前提是海上力量的分散部署。传统海上作战编队的集中部署,能够最大程度发挥火力优势,完成对敌方作战力量的毁灭性攻击,但集中部署同样容易遭受敌方的集火攻击。随着信息技术的进步,大容量、高速率智能化战场通信网络的建立,为分散部署的作战编队或作战要素之间实现信息高效流转奠定重要基础,也为海上作战力量的分散部署提供重要保障。分散部署、攻击灵活的重心是增强海上攻击的灵活性。传统的武器装备都朝着大而全方向发展,海上作战平台通常会集成多个不同作战要素,尤其是大型海上作战平台,一般都集成了情报侦察、作战决策、火力打击等不同作战要素,能够从不同维度、不同区域向敌方作战节点突然发起攻击,并迅速完成海上战位的高效转移,极大地增强了海上集火攻击的灵活性。
1.2 聚优集火、瘫痪核心传统海上作战是平台与平台之间的硬杀伤,其制胜机理是毁伤海上作战平台,使其丧失战斗力,而智能化海上作战通常都是体系与体系的对抗,单一平台的毁伤难以对整个作战体系造成致命性伤害,因此,海上体系作战改变了传统平台对抗的制胜模式,使制胜机理从对单一平台的硬杀伤朝着瘫痪体系核心节点的方向转变。聚优集火、瘫痪核心的前提是集中优势火力。从实现海上攻击效果最大化的角度出发,聚集优化不同维度、不同区域的攻击火力点,实现分散部署不同作战平台上的攻击火力能够错时分布输出、同时集中聚焦,以完成聚集优势力量,集中输出攻击火力。聚优集火、瘫痪核心的重点是击毁核心节点。核心节点通常也是敌方重点防备要点之一,要准确击中并摧毁该节点是双方博弈的焦点,因此,从不同角度、以不同速度对敌方核心节点进行全方位、无死角的立体攻击。聚优集火、瘫痪核心是击溃敌海上力量部署的关键,实现了敌我双方作战力量的此消彼长,达到破其一点、瘫痪体系的海上作战攻击效果。
1.3 动态重构、联合制胜海上作战作为一种高强度对抗的战争方式,并非能够一厢情愿单方面削弱敌方力量,而是在激烈对抗的过程中,双方海上作战力量能够此消彼长,在削弱敌方力量的同时,也存在被敌方摧毁的可能。动态重构、联合制胜的前提是海上作战平台动态组合。由于智能化战场信息网络的链接,保障了海上作战平台能够动态组网,即使海上作战平台被敌方严重毁伤,也能够根据敌我战场态势进行最优化组合,构建符合战场需求的海上作战网络。因此,随着海上作战进程的快速推进,海上作战网络也不停的迭代重构,能够持续高效满足瞬息万变的战场态势。动态重构、联合制胜的重心是联合制敌。海上作战的出发点是毁伤敌方作战力量,在海上作战网络迭代重构的基础上,作为海上作战体系重要组成部分的海上力量并不是孤立存在的,而能够与其他力量不断优化构建新型的海上作战体系,从击毁敌方作战节点的角度出发,从海上不同作战平台高效输出攻击火力,以不同角度、不同速度进行集火攻击,达到海上联合制胜的作战目的。
2 海上协同作战模式随着海上作战制胜机理的演变,海上作战以分散部署为基础、以聚优集火为核心、以联合制胜为关键,为海上协同作战实施奠定基础。从提升海上作战能力的角度出发,以分散部署的武器平台为基点,利用组网感知、分布发射、同步攻击的方法,完成对敌方海上目标多频次、高频率的饱和攻击。
2.1 有人舰艇编队协同作战模式有人舰艇与有人舰艇协同作战是目前海上作战的基本模式,海上舰艇编队通常采用排水量大、先进程度高、攻击能力强的有人舰艇作为海上指挥舰,下达编队集结、队形调整、海上攻击等作战命令,其他排水量小、先进程度低、攻击能力弱的有人舰艇作为被指挥舰,不但要全程接受指挥舰的作战命令,还要配合指挥舰完成编队战术机动、攻击火力布势等任务。被指挥舰配合指挥舰完成海上攻击任务,必要时为指挥舰承担海上防空、海上反潜等任务,为海上舰艇编队形成坚固的区域屏障。从满足作战需求角度出发,海上舰艇编队应打破固有模式,在人工智能技术加持下,排水量小、先进程度低、攻击能力弱的有人舰艇也能够成为海上编队指挥舰。有人舰艇编队协同作战示意图如图1所示。
![]() |
图 1 有人舰艇编队协同作战 Fig. 1 Manned newed vessel formation cooperative warfare |
1)有人舰艇编队协同探测
指挥舰与被指挥舰协同完成对敌方目标的探测,尤其是时敏目标的精准感知,为海上舰艇编队协同攻击提供重要指引。由于指挥舰的排水量较大,通常可以搭载大型探测感知传感器,能够远距离、高精度感知战场态势,而指挥舰作为进攻性武器的主要平台,在受到敌方重点攻击的同时,也会受地面曲率的影响,存在监视盲区,因此,海上舰艇编队协同探测成为必然。从全面感知战场态势为基本出发点,海上舰艇编队必须分散部署于海战场,利用指挥舰与被指挥舰交叉探测原理,从不同角度和不同方向,以不同速度和不同深度全面探测敌方目标。在同等装备水平上,受敌方远程侦察系统的制约,指挥舰很难做到先敌发现、先敌打击,因此,被指挥舰应当采用战术机动的方式,突破敌方侦察系统的跟踪,利用舰载传感器完成对敌方目标全面感知,并将精准定位信息推送到进攻性武器平台上,指引导弹完成对敌方目标的毁灭性攻击。
2)有人舰艇编队协同攻击
指挥舰与被指挥舰协同攻击增强海上作战的灵活性,有效提升海上作战能力的发挥。指挥舰的排水量较大,能够搭载大型进攻性武器,而被指挥舰受排水量的限制,一般只能搭载中小型进攻性武器,因此,指挥舰能够完成对舰、对地目标的毁灭性攻击,而被指挥舰只能完成对空、对潜目标的毁灭性攻击。现代海战作为海空一体的立体作战,已经突破单一的平面作战,海上舰艇编队在实施远程海上攻击的同时,必须构建起阻挡来自空中和水下攻击的坚固屏障。指挥舰作为主要的进攻性武器平台,能够保持最佳航向航速,保证以最佳角度发射导弹,完成对敌方重要目标毁灭性攻击,而被指挥舰以构建空中和水下坚固屏障为出发点,利用防空导弹、反潜鱼雷等进攻性武器,保护指挥舰免受敌方毁灭性攻击。随着通用武器发射平台的发展,各类防空、反舰等平台的界线趋于模糊,舰艇编队协同攻击开始从固定攻击模式向最优攻击模式转变。
2.2 有人舰艇与多无人舰艇协同作战模式无人舰艇具有很多有人舰艇无法比拟的战场优势,现代海战正从传统的有人舰艇编队协同作战向有人/无人舰艇编队协同作战的方向转变,无人舰艇开始在现代海战中登上历史舞台。有人舰艇与多无人舰艇协同作战的实际应用中,有人舰艇会充当指挥舰,下达侦察监视、导弹攻击等各类作战命令,而其他无人舰艇作为被指挥舰,会执行指挥舰作战命令,配合指挥舰完成抵近侦察监视、作战意图欺骗等任务,这样不仅可以有效发挥海上分布式攻击效能,还能够有效缓解有人舰艇的海上作战强度。随着未来有人/无人舰艇智能化程度越来越高,从优化海上作战效果的角度出发,有人/无人舰艇编队的指挥舰可能会由无人舰艇充当,此时,有人舰艇要服从无人舰艇指挥舰的命令,配合无人舰艇编队完成多样化海上作战任务。有人舰艇与多无人舰艇协同作战示意图如图2所示。
![]() |
图 2 有人舰艇与多无人舰艇协同作战 Fig. 2 Manned and multiple unmanned naval vessels cooperative warfare |
1)有人舰艇与多无人舰艇协同探测
协同探测是有人舰艇与多无人舰艇协同攻击的前提。有人舰艇具有排水量大、续航能力强的特点,能够搭载各种大型远程探测传感器,而无人舰艇受舰艇型结构的制约,只能搭载小型近距离探测传感器,综合有人/无人舰艇探测传感器的优势,对敌方海上重要目标,尤其是动态目标进行实时跟踪监视。随着舰艇隐身技术发展,各种隐身舰艇层出不穷,这为海上远程探测提出很大的挑战,同时,反舰导弹技术的进步,又严重阻碍了有人舰艇的近距离探测。从优化海上协同探测的角度出发,利用无人舰艇完成对敌方目标的抵近侦察,是解决海上近距离探测的有效手段。利用无人舰艇搭载的拖曳声呐、对海/空搜索雷达,实现海战场全维全域侦察监视,抵近发现敌方水面、水下和空中的动态目标,及时定位出隐身战斗机和静音潜艇的三维维度及隐身舰艇的二维维度,能够准确判断敌方目标的实时位置,并高效预测敌方动态目标的行动轨迹。
2)有人舰艇与多无人舰艇协同攻击
随着有人舰艇排水量的增加,其能够搭载越来越多的反舰/防空导弹和反潜鱼雷,可以同时实施海上反舰、防空和反潜作战任务,而现有的无人舰艇受排水量和艇型结构的限制,很难搭载各种进攻性武器装备,因此有人舰艇与多无人舰艇协同攻击模式基本上都处于“无人舰艇探测-有人舰艇攻击”的阶段。有人舰艇通过无人舰艇获取敌方动态目标的精确位置,计算出发射角度和攻击路线,发射导弹、鱼雷等进攻性武器实现对敌方目标的毁灭性攻击。随着世界各军事强国日益重视无人舰艇技术的进步,必定会推动无人舰艇朝着搭载导弹、鱼雷等进攻性武器的方向发展,有人舰艇与多无人舰艇协同攻击模式也会发展为“有人/无人舰艇探测-有人/无人舰艇攻击”阶段。此时,无人舰艇不再是单纯的战场感知模块,而是集探测感知、火力攻击于一体的作战单元,这样既有利于海上作战能力的高效提升,又极大降低有人舰艇被敌方摧毁的可能性。
2.3 无人舰艇集群协同作战模式由于远程侦察、导弹突防等技术发展,有人舰艇受到的威胁日益严重,海上斗争也日趋复杂激烈。从推进海上可持续作战的角度出发,发展高度智能化的无人艇是应对海上激烈对抗的重要保障。随着深度学习、6G等关键技术相继突破,发展人工智能技术群,支撑无人舰艇达到有人舰艇实战效果成为亟待解决的关键问题。从理论上讲,无人舰艇集群协同作战不同于有人舰艇编队协同作战,存在固定的指挥舰和被指挥舰,而是从优化海上作战效能的角度出发,即时集群指挥舰由最优无人舰艇担任,或者由局部最优无人舰艇担任,但是随着海上作战进程的持续推进,即时集群指挥舰可能会转换为其他无人舰艇,依次优化推进海上作战行动的高效实施。无人舰艇集群协同作战示意图如图3所示。
![]() |
图 3 无人舰艇集群协同作战 Fig. 3 Unmanned naval vessel cluster cooperative warfare |
1)无人舰艇集群协同探测
无人舰艇集群对敌方目标,尤其是动态目标进行高效探测,是降低有生力量战场伤亡率的关键方法,也是海上协同探测能力发挥的重要保障。相比现有的有人/无人舰艇,未来无人舰艇不但具有大排水量、攻击能力强的特点,还能够搭载远距离、大角度、高密度多维多向传感器,形成对海战场全域目标的跟踪监视。从多维度、多方向感知战场态势的角度出发,无人舰艇集群能够同时搭载对空、对海和对潜传感器,搜索探测空中、水面和水下的各类目标,尤其是水下时敏目标。无人舰艇集群协同探测以提高海上搜索效率为基点,在局部探测方向上,构建以无人舰艇指挥舰为核心的侦察监视体系,对敌方动态目标完成多角度的跟踪监视,使其行动轨迹能够在无人舰艇探测之间有效衔接,保证无人舰艇集群可以实时跟踪敌方动态目标,实现对海战场的全域监视,同时,协同探测还避免了单一无人舰艇被摧毁,导致海上探测被中断的尴尬局面出现。
2)无人舰艇集群协同攻击
无人舰艇集群协同攻击的传统模式是利用大型舰艇平台将无人舰艇集群携带至敌方防区之外,利用“海上狼群”攻击战术,以自杀式方式完成对敌方目标的毁灭性攻击。随着美国“幽灵舰队霸主”无人舰艇项目的实施,世界各军事强国开始推进无人舰艇的大型化和智能化,这都为无人舰艇的长航时、强攻击力奠定重要基础。未来无人舰艇集群具有高度智能化特点,不再单纯依靠人工干预方式实施海上攻击,通过接收的战场感知情报信息,集群指挥舰自主分析和自主决策,以海上攻击最优化为出发点,选择最优的无人舰艇作为攻击节点,分别自主完成对敌方空中、水面和水下目标的攻击,实现舰艇集群对海上全域目标的协同攻击,构建攻防兼备的无人舰艇作战系统。综合利用无人舰艇传感器和攻击火力资源,不但能够实现不同无人舰艇之间的协同攻击,还能够实现同一舰艇海上探测和海上攻击的高效衔接,保障海上作战能力有效发挥。
3 海上协同作战关键技术从智能控制角度出发,必须实现各高新技术与海上作战协同结合上的突破,通过战场信息网络实现协同作战,将运载平台、武器、传感器等进行重组和动态编组,实现海上作战能力的多样化、聚焦化和最大化,从而实现作战平台的分散部署和作战效果的集中统一,达成“形散神聚”的海上作战效果。
3.1 传感器组网技术传感器组网技术是支撑海上协同作战的基础技术。传感器组网是指某一作战兵力群为完成特定的战术任务,根据现有传感器资源的特点合理地对不同传感器组进行联网,从而形成一个统一的有机整体[2]。传感器组网技术作为支撑传感器组网这一复杂系统工程的关键技术,其主要目的是为使各作战兵力协同完成预定的海上作战任务,按照预期的规划算法及方法,对海战场全域空间的传感器进行调度组网,全天时全天候动态感知战场态势。传感器组网的核心是基于特定的海上感知目标,依据一定的最优准则,确定传感器组网的工作方法及参数,建立目标优先级、传感器分配、传感器指令和交接的无缝衔接,以获取海上作战情报优势。建立目标优先级是按照海上战场态势,根据每个目标的重要性,按照战场优先等级进行排序;传感器分配是根据目标优先级分配传感器,在现代海战密集目标环境下,需要建立动态分配准则,然后按照预定的规划方法来进行分配;传感器指令和交接主要是为了优化航迹或保持航迹的连续。
3.2 多源信息融合技术多源信息融合技术是支撑海上协同作战的核心技术。多源信息融合是将海战场分散部署的多个传感器所获取的信息数据,利用图像识别、深度挖掘等技术进行融合处理,消除多源信息数据存在的冗余,降低不确实性,提高情报侦察系统反应的灵敏性和准确性。多源信息融合技术主要用于支撑数据层、特征层和决策层上的信息融合,其中,数据层信息融合主要是针对同类传感器收集的数据,进行同类数据融合,无法异构数据融合;特征层数据融合主要是提取收集数据所包含的特征向量,用于对监测对象特征进行融合;决策层信息融合是根据特征层信息融合所得到的数据特征,进行相应的判别及简单逻辑运算,再根据海上作战需求进行的高级信息融合。决策层信息融合是面向海上作战的信息融合,比如通过对温度、湿度和风力等数据特征的融合,可以判断影响海上作战的可能性,基于此,发送数据可以是影响海上协同作战的概率,而不是温度、湿度及风力等。在多源信息融合现实中,可以根据海战场实际需求来选择融合方式。
3.3 目标威胁评估技术目标威胁评估技术是支撑海上协同作战的关键技术。目标威胁评估是判断敌方目标是否对己方作战力量构成威胁及威胁程度的大小,然后根据威胁程度大小对敌方目标进行排序,为科学规划打击顺序、打击速度和打击角度奠定重要基础,也是制定作战计划、规划攻击顺序的重要保障。目标威胁评估技术的关键方法主要有变权理论[3]、属性分析[4]、改进灰关联分析[5]、神经网络[6]、多属性决策法[7]等,而在常用的关键算法中,多属性决策法是提高判定目标威胁评估准确率的基础。作为执行海上作战任务的水面舰艇编队,正遭遇越来越严重的海上攻击威胁,对敌方目标威胁程度判断的准确与否,直接影响到攻击顺序和火力分配。利用多属性目标决策理论和方法,研究目标距离、攻击角度、通视条件和作战环境等,采用混合精确实数型指标和模糊区间型指标的决策模型,通过模糊评价、实数、三角模糊数等方式进行量化,最大限度保留不确定性信息并降低海战场应用复杂度,完成对目标威胁程度的科学排序。
4 结 语通过分析海上作战制胜机理,研究海上协同作战模式,提出了支撑海上协同作战的关键技术。但是并未研究支撑海上协同作战关键技术的发展路线,下一步要科学分析预测未来关键技术的攻克时间,判断海上作战样式的发展方向,为海上协同作战理论的发展和完善奠定基础。
[1] |
姜进晶, 汪民乐, 汪江鹏. 无人机协同下远程火箭炮作战效能评估[J]. 兵器装备工程学报, 2020, 41(7): 202-207. JIANG Jin-jing, WANG Min-le, WANGJiang-peng. Operaional effectiveness evaluation of long-range rocket launcher with UAV cooperation[J]. Journal of Ordnance Equipment Engineering, 2020, 41(7): 202-207. |
[2] |
王航宇, 胡锋平, 王辉华, 等. 传感器组网的关键技术[J]. 火力与指挥控制, 2005, 4(30): 118-121. WANG Hang-yu, HU Feng-ping, WANG Hui-hua, et al. The exploration of the key-technique in sensors networking[J]. Fire Control & Command Control, 2005, 4(30): 118-121. |
[3] |
曹可劲, 江汉, 赵宗贵. 一种基于变权理论的空中目标威胁评估方法[J]. 解放军理工大学学报, 2006, 7(1): 32-35. CAO Ke-jin, JIANG Han, ZHAO Zong-gui. Air threat assessment based on variable weight theory[J]. Journal of PLA University of Science and Technology, 2006, 7(1): 32-35. |
[4] |
王猛, 章新华, 夏志军. 基于属性分析的威胁评估技术研究[J]. 系统工程与电子技术, 2005, 27(5): 848-851. WANG Meng, ZHANG Xin-hua, XIA Zhi-jun. Research on the threat assessment based on cue analysis[J]. Jouranl of Systems Engineering and Electronics, 2005, 27(5): 848-851. |
[5] |
王百合, 黄建国, 张群飞. 基于改进灰关联分析的目标威胁评估模型研究[J]. 计算机工程与应用, 2008, 44(4): 212-215. WANG Bai-he, HUANG Jian-guo, ZHANG Qun-fei. Evaluation model of targets threat extent based on refinements to gray relation analysisi[J]. Computer Engineering and Application, 2008, 44(4): 212-215. |
[6] |
王向华, 覃征. 径向基神经网络解决威胁排序问题[J]. 系统仿真学报, 2004, 16(7): 1576-1579. WANG Xiang-hua, QIN Zheng. RBF neural network for threat sequencing[J]. Journal of System Simulation, 2004, 16(7): 1576-1579. |
[7] |
曲长文, 何友, 马强. 应用多属性决策的威胁估计方法[J]. 系统工程与电子技术, 2002, 22(5): 26-29. QU Chang-wen, HE You, MA Qiang. Threat assessment using multiple attribute decision making[J]. System Engineering and Electronics, 2002, 22(5): 26-29. |