人机智能融合的陆军智能化作战指挥模型体系

人机智能融合是未来作战指挥变革的关键,智能化作战指挥模型体系是提升陆军作战指挥整体效能的核心。针对人机关系及其智能融合方式,提出了陆军智能化作战指挥模型体系框架HAI2OC,构建了人机并行深度态势感知、人机融合智能指挥决策、人机共生自主控制协调和人机平行跨域作战评估四大模型体系,以供进一步深入研究参考。     

智能感知在防空反导OODA环中的应用

在未来智能化战争中,瞬息万变的战场态势对防空反导武器系统的探测感知和指挥决策提出了新的挑战。本文聚焦智能感知技术赋能未来防空反导作战装备,剖析了智能感知概念及内涵,围绕防空反导“观察、定位、决策、行动”（OODA）环以及典型作战流程,梳理感知对抗形态,主要包括预警与反预警、探测与反探测、跟踪与反跟踪、干扰与反干扰;揭示了智能感知对抗的核心科学问题是特征的隐匿与识别,给出了感知对抗技术在OODA环中的主要应用场景;最后,提出了提高防空反导装备智能感知对抗水平所需的关键技术发展建议。     

智能雷在特种作战中的应用

智能雷是集传感技术、人工智能技术、物联网技术于一体的新型作战武器系统,具有自主识别、定位、跟踪并主动寻的及自毁的智能化武器装备.介绍了地雷的种类、几种智能雷作用原理与特点,分析了智能雷的关键技术,以及智能雷在特种作战中的运用方式,为未来特种作战提供了有力保障.     

智能化作战及其智能指挥控制技术需求

提出了智能化作战的基本概念,从作战空间、时间、感知、决策、打击、体系等6个方面分析其主要特征,辨析其制胜机理,对指挥控制提出新的要求。面向指挥端和平台端作战,分析人机共生对抗作战、有人/无人协同作战、无人自主作战、无人集群协同作战等4种典型智能化作战样式的作战流程、制胜的关键要素以及指挥控制能力需求,综合提出了智能指挥控制关键技术体系,为未来智能化指挥信息系统发展提供牵引。     

面向无人化陆战的指挥控制系统智能化运用

针对面向无人化陆战的智能指挥控制系统开展研究,并分析其智能化运用方式.从作战样式、作战任务、装备编配4个方面对未来无人化陆战的特征进行分析.从情报数据挖掘、态势融合共享、指挥自主决策等方面,分析了指挥控制系统智能化发展能力需求,建立智能指挥控制系统能力型谱.最后,构建了包含基础层和决策层的智能指挥控制系统架构,在此基础上提出了遵循OODA的智能指挥控制系统模型,并以作战活动视图对智能指挥控制系统的作战活动过程进行描述.通过对智能指挥控制系统能力需求、系统架构以及智能化运用方式的分析研究,可为指挥控制系统智能化发展提供参考和借鉴,为智能指挥控制系统在未来陆战场的合理应用指明了方向与突破口.     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

陆军部队一体化作战能力生成模式分析南京政治学院上海分院，上海 200433

在界定陆军部队一体化作战概念的基础上,分析了陆军部队一体化作战的含义,将陆军部队作战系统划分为态势感知、指挥控制和实体交战三个域,建立了域间动态对抗过程模型;提出信息成为作战能力的基本要素,构造了信息化条件下陆军部队一体化作战能力生成模式,并建立了基于＂信息指数＂与传统作战能力融合的作战能力评估方法,有效地解决了＂信息＂在作战能力生成中的定量评估的问题,对创新陆军部队作战能力生成模式转变具有借鉴意义。     

面向未来两栖作战的态势智能认知概念框架研究

全面准确地掌握战场态势,是未来两栖作战取得胜利的先决条件。分析了两栖作战对态势智能认知的需求,提出了态势智能认知概念框架,描述了框架各组成部分的功能、作用和主要模型内容,为两栖作战态势感知能力向态势智能认知能力的发展奠定基础,为未来两栖作战提供先决条件。     

作战实体概念模型结构研究

本文将动态的作战实体视为智能实体,运用系统六元抽象方法对作战实体概念模型构成要素进行分析,明确了要素之间的相互关系,并从作战实体内部的状态、结构、行为出发,提出了一种以知识系统为中心的作战实体的概念模型结构。     

面向体系仿真的智能无人机集群作战建模总体框架研究

提出了智能无人机集群作战建模应当遵循的基本理念.在总体上将"面向体系仿真的智能无人机集群作战建模"视为一个"概念设计—模型建立—分析应用"的完整过程,而非一个孤立的建模仿真活动.为此,提出了涵盖"体系设计—模型训练—想定生成—探索仿真—结果分析"5个基础阶段的建模总体框架,以及包含支撑层、运行层、分析层和应用层在内的能够支撑该框架使用的系统体系架构.该建模总体框架,有助于解决智能无人机集群作战建模中作战概念不清晰、应用场景不明确的问题,同时可以将基于机器学习的智能实体建模技术集成到建模框架当中,以充分反映智能无人机实体及其集群的自学习、自成长特性.     

战场电磁态势融合感知技术框架研究?

为了高效精确感知现代战场条件下的电磁态势,分析了战场电磁态势感知的需求,研究了基于高层信息融合的电磁态势融合感知技术框架。战场电磁态势融合感知技术框架面向异构信息综合处理和融合模型柔性控制,基于电磁实体序列识别形成观测态势,基于作战行动企图估计形成估计态势,基于电磁威胁预测评估形成预测态势,构建现代战场综合电磁态势图。研究表明基于融合理论的战场电磁态势融合感知技术框架具有适应性强、高效精确的特点。     

数字化步兵作战态势感知建模与仿真研究

通过分析数字化步兵的态势感知需求和信息获取来源以及信息传递方式,建立了数字化步兵单兵和连以下分队的态势感知模型,并进一步讨论了该模型的仿真实现途径。该模型可应用于数字化步兵作战仿真和单兵综合作战系统的效能仿真。     

网络中心战体系中的指挥控制

信息时代的来临,引发了军事理论战争形态和作战样式等方面的一系列新变化。网络中心战作为指导信息化战争的一种重要作战理论,已经成为当今世界军事科学研究的热点和重点问题之一。网络中心战的作战效果源于指挥艺术,仅仅依赖新技术、现代化的作战平台不足以发挥网络中心战的潜在优势。为阐明这一观点,从探讨利用指挥与控制环境将网络中心战转化为作战能力的过程入手,提出了预见性战场空间感知、赛博作战行动和称为态势感知信息球的新概念,以及如何将它们应用于网络中心战。最后举例说明态势感知信息球如何用于作战,以及网络中心战面临的技术挑战。     

基于深度学习的自组织态势感知与决策系统

针对巡飞弹武器平台,如何提高态势感知的精准性和实时性以及作战任务自主决策的准确性,已成为当前的一个研究热点.结合以深度学习技术为代表的人工智能最新研究成果,提出基于深度学习的目标识别模型、任务自主决策模型和任务规划模型,并将模型应用于巡飞弹武器平台,提升巡飞弹武器平台协同作战任务的自主决策和智能规划能力.     

支持潜艇态势感知的连通性网络设计及应用

以保证潜艇隐蔽性为前提,如何增强潜艇的战场态势感知能力是提升潜艇作战效能的关键。因此,以分析潜艇战场态势感知能力现状为基础,构建一种以无人平台作为战场单元,支持潜艇战场态势感知的连通性网络模型,并对其组成、功能及工作过程进行了详细设计;对战场单元的任务载荷和任务规划进行了详细阐述;最后从作战角度出发,展开连通性网络的作战应用研究。     

无人机集群作战智能培育平台构建研究

面向红蓝双方非完备信息条件下的无人机集群自主作战场景,参考即时战略游戏星际争霸人工智能技术思想,提出一种基于人工智能与军事仿真深度融合的无人机集群作战智能培育平台构建方法,给出了技术实现路径,旨在通过大样本训练,培育无人机集群自主作战决策能力,探索无人机集群战法运用模式,支撑作战人员对无人机集群进行高级指挥控制.     

OODA-L模式下的智能无人集群作战仿真建模框架

介绍了智能无人集群作战的相关概念,为反映智能无人仿真实体的自主能力和适应能力,提出将学习过程显性化的观察-判断-决策-行动-学习(Observe, Orient, Decide, Act and Learning, OODA-L)模式,并进一步扩展为适用于集群协同的Co-OODA-L模式。在智能无人仿真实体的总体描述上,采用马尔可夫决策过程进行数学抽象处理,提出智能无人Agent的三域分层结构。为体现智能无人集群作战的自主协同、分布式等特点,提出了利用人工神经网络将可变数量的智能无人Agent融合为同构或异构集群进行协同作战建模的体系结构。     

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习（SAC）算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。     

基于多智能体的反导传感器任务规划算法

首先探讨了反导作战中各类传感器资源的构成特点和功能划分,然后基于多智能体multy-agent system(MAS)的分布式人工智能技术提出了适应反导作战需求的传感器任务规划体系架构,既而深入分析了体系架构中各类agent的主要功能,最后给出了一个实体层传感器的任务规划流程和算法实例,为构建高效率、智能化的反导作战多传感器任务规划技术提供了一种有效的研究方法。