摘要
在群体智能技术框架下, 介绍并讨论了几种多导弹时间敏感型协同作战任务, 分析了此类任务的特点和优势以及与编队控制任务的异同. 在此基础上, 指出了时间敏感型协同作战任务中的协调控制问题的研究难点, 梳理了导弹群指定时刻命中目标、协同同时命中目标和协同拦截机动目标等协同作战任务涉及的协调控制问题的研究进展. 并针对多导弹时间敏感型协同攻击与防御中的分布式协调控制问题中的共性科学问题进行了讨论与展望.
现代战争逐渐呈现出“多层次”、“多体系”、“多平台”和跨域武器深度协同等特点[1]. 在这一背景下, 单一种类的作战武器和作战方式逐步呈现出局限性, 且容易遭受敌方针对性拦截和防御, 导致作战效用低下. 如何设计有效的协同控制策略实现战斗单元间高效配合, 构建攻防兼备、协调一致的战斗体系, 成为新军事策略的重点研究课题[2]. 在通信技术、感知技术、高效数据分析与处理技术、类脑智能理论和技术等新理论与技术的推动下, 群体智能技术呈现出蓬勃发展的趋势, 并被广泛应用于各个领域. 在国务院2017年发布的《新一代人工智能发展规划》中, 群体智能技术被列为人工智能领域的重点发展技术之一. 群体智能的研究, 主要是在深入研究生物集群行为涌现机制的基础上, 利用现代通信、控制和决策手段, 实现个体之间的感知交互、信息传递、协同工作, 进而完成较为复杂的工程任务[3]. 群体智能技术的适用对象为集群系统,同时群体智能技术的进步依赖于分布式控制理论与技术的发展. 相较于集中式控制技术,以分布式控制为主要管控手段的群体智能技术拥有很多优势, 如:1)去中心化的特点降低了部分个体故障而导致整个系统陷于瘫痪的风险;2)分布式控制协议让集群系统中个体只需要承担较为简单的计算任务;3)具有更高的抗干扰能力, 对于局部的突发事件拥有较为灵活的多样性处理手段和较强的鲁棒性;4)对于新增的个体或子系统能良好兼容,使得集群系统具有较强的可扩展性;5)集群表现的复杂智能协同行为是集群系统的整体涌现行为, 单个系统通常不具有这种行为,系统具有高度自组织性.
聚焦军事领域, 群体智能技术逐渐渗透到现代战争中的各个方面, 比如智能指挥管理系统、智能武器平台等[4]. 相较于基于经验的传统控制策略, 群体智能技术的发展将协同作战带到了全新的高度. 从世界范围来看,欧美等发达国家十分重视群体智能技术军事化发展. 特别地,美国在群体智能技术及其军事应用方面的推进尤为显著, 开展了“小精灵”、“郊狼”、“忠诚僚机”、“灰山鹑”、和“低成本无人机集群技术”等集群项目[5-6].
协同作战是群体智能技术在军事中的典型应用之一. 相较于单一武器作战, 协同作战具有打击面广、作战能力强、单武器性能要求低和风险小等技术优势[7], 随着电子器件和通信技术的发展, 群体智能技术现已初步应用于实际作战任务中. 可以预见, 基于先进通信网络(如5G、6G、星链网络)支撑的协同作战将在军事对抗中具有十分重要的地位. 无人飞行器是群体智能技术最典型的应用对象[8]. 无人飞行器凭借自身的性能优势, 在环境侦测、区域监控、目标搜索、军事打击与物流运输等民用和军事领域里有着广泛应用[4,9]. 群体智能技术让无人飞行器不依赖于集中式控制策略, 而是根据任务场景的需要, 利用智能优化算法自主运行, 协调任务分配, 动态调整飞行路径[10-11], 完成复杂协同任务.
编队控制广泛应用于协同搜寻、协同侦测、协同打击等任务中, 是协同作战技术的重点研究方向. 编队控制是指集群系统通过个体间局部通信, 按照既定的时变或固定队形集群运动,并适时机动(如机动地改变编队队形和运行速度). 近年来随着多智能体一致性理论的发展, 分布式编队控制技术日趋完善, 除去让集群形成固定或时变的队形运动外, 人们对编队性能也提出了更多的要求。在此背景下,容错控制[12-13]、实时避障[14]和自适应[15]等技术也被广泛应用于编队控制中, 对于通信时滞[16]、切换通信拓扑[17]和事件驱动[18]等问题也有了广泛而深入的研究, 这大大加强了集群系统的鲁棒性和环境适应能力. 针对协同问题的复杂性、强约束性以及非确定性多项式难(non-deterministic polynomial hard, NP-hard)等特性, 机器学习、启发式算法、数据驱动等手段[19-20]也被用于群体智能协同控制设计中.
在群体智能技术深入发展的同时, 时间敏感型任务逐渐成为了协同控制技术的一个重要发展方向. 时间敏感型任务系指任务目标或控制决策受到时间的严格约束, 比如导弹群定时饱和攻击、指定时间协同拦截、具有时间约束的无人机巡航和调度任务等. 相较于编队控制任务, 此类任务更关心终端时刻或其他时间点群体的状态. 时间观念在军事行动中具有举足轻重的地位, 拥有较高时效性的控制策略, 能有效地把握战场态势实现快速攻击和拦截防御,拥有极大的战略价值. 此外,时间敏感型任务的实现与分布式协调控制技术有着千丝万缕的联系. 近年来, 针对解决多导弹时间敏感型协同攻击与防御任务的分布式协调控制问题的研究取得了一定的进展. 通过文献调研发现, 现有文献暂无对多导弹时间敏感型协同攻击与防御中的分布式协调控制问题的综述性讨论. 因此, 本文旨在弥补这一空缺, 对多导弹时间敏感型协同攻击与防御中的分布式协调控制问题开展了系统性的综述, 以期为相关科研人员和工程技术人员提供一个较为系统性的参考.
1
时间敏感型协同作战任务
1.1 饱和攻击
饱和攻击是典型的时间敏感型协同作战任务之一, 它要求多个作战单元同时命中目标, 是突破敌方防御系统的典型作战策略. 实际中,由于防空反导系统对局部区域的拦截能力总是有限的, 采用多作战单元同时打击, 进一步配合诸如多弹头、诱饵进攻等手段, 能有效突破敌方防御体系[21].
防空反导是维护国家安全的重要保障, 如何侦测、跟踪和拦截来袭的制导武器一直是军事领域的重点研究课题. 现阶段, 防空反导技术正朝着立体化、网络化以及智能化方向发展. 美国已成功发射4颗“天基红外系统”地球同步轨道卫星, 为其提供全球导弹预警和战场态势感知等情报数据服务. 同时, 美国对“萨德”“爱国者”“宙斯盾”等反导系统进行不断地升级和完善, 提高系统的远程、大规模、网络化作战和资源即插即用组网作战的能力. 据不完全统计, 仅在2019年, 美国共成功进行4次反导系统飞行试验[22]. 目前,现代化防御技术已趋于海陆空天一体化,探测和拦截来袭目标的能力显著提升, 这使传统制导武器的突防作战能力和攻击效果大大降低.
在这种背景下, 饱和攻击成为提高突防率的重要战术之一. 具体地, 针对防御系统的反应时间、通道数量、电子干扰频率范围、防御单元的防御死区等局限, 采用不同类型的作战单元, 从不同区域、不同方向, 以不同的轨迹、不同的运行模式同时进攻, 最大程度地对敌方防御系统施加压力, 从而完成攻击和摧毁目标的作战任务[23]. 该战术的优越性体现在3个方面:1) 多个作战单元同时到达, 可对防御系统在短时间内造成很大压力, 从而提高突防能力. 2) 与单个作战单元攻击相比, 该战术的脱靶率较低、毁伤能力较强. 3) 单个作战单元为了规避防御系统的拦截, 需采用高性能、高价值的制导武器, 而该战术可采用多个具有一般机动性能的、相对低价值的制导武器, 通过合理地设计制导律和协同控制协议而取得较为优越的突防和毁伤性能, 因而具有较高的综合效费比.
1.2 同时打击多目标
部署作战集群, 同时打击多个目标, 也是一种时间敏感型的协同作战任务. 以打击航母战斗群为例,在整个舰队中通常由巡洋舰和两到三艘驱逐舰负责执行防空反导等任务. 由于航空母舰和驱逐舰排水量很大, 击沉需要倾注大量弹药, 更不必说还要突破航母战斗群的反导系统. 如果优先对各驱逐舰进行同时打击, 使其快速丧失作战能力, 这将会大大削弱舰队的防空能力, 降低后续进攻的难度. 对多目标的同时打击不仅增加了制导武器的突防能力, 也提高了作战的综合效费比.
2018年4月14日, 美英法三国联军对叙利亚化学武器计划相关的三处地点展开同时打击. 105枚导弹从红海、波斯湾和地中海等空域发射, 经过复杂的航路规划, 在1 min内相继砸向目标. 美方表示, 叙利亚化学武器计划要从此次攻击中恢复需要“数年”[24]. 若不采用该时间敏感型作战策略, 叙方则可能在第一处基地受攻击后, 紧急转移另外两处基地的重要化学武器样本. 此时, 英法美对叙化学武器计划的打击效果将大大降低.
1.3 拦截高机动目标
在军事作战中, 与攻击相比, 防御也同样重要. 针对高机动飞行目标, 除了发射反导导弹精确拦截外, 发射大量炮弹形成拦截弹幕, 也是一种有效的防御策略. 后者同样属于时间敏感型协同作战方式. 大量炮弹从一台或多台发射器中以不同角度先后发射, 在空中形成拦截弹幕, 迎面应对来袭目标. 此时, 目标即使做高机动动作规避, 也难以逃逸出弹幕形成的有效毁伤区域. 该策略成功实施的关键在于, 如何令不同时间以不同角度发射的炮弹, 在同一时刻, 即与目标交会的时刻, 到达弹幕面. 美国的“百夫长”反火箭炮、火炮和迫击炮(Counter-Rocket, Artillery and Mortars, C-RAM)系统配有该功能模块, 被称为炮弹克星[25].
1.4 时间敏感型协同作战与编队控制的异同
时间敏感型协同作战任务的主要特点为, 对多个制导武器抵达各自目标位置的时刻(即终端时刻)提出了一致性要求. 与编队问题的相同之处在于, 它们均对集群运动的表征状态提出了一致性的要求, 也均可通过一致性协调控制手段实现. 然而, 它们对实际物理量一致性约束的本质是不同的. 时间敏感型协调作战任务只要求各个制导武器抵达目标位置的终端时刻相同, 对其他时刻的运动状态没有过多限制, 通常也不要求编队队形的形成和时刻保持, 因而相比于编队拥有更高自由度. 实际上,考虑到制导武器的控制律设计受到导航制导系统、武器本身力学结构特征与材料特性、燃料推进系统等物理限制, 较高的自由度的设计策略将拥有更大的实现可能性和实际可操作性. 各个制导武器可根据战场态势与实际情况, 于同一地点或不同地点, 同时或先后发射, 分配相同或不同、静止或变化的目标位置. 在多个制导武器抵达各自目标位置的时刻前, 无需形成某种编队队形, 可从四面八方来袭, 对目标进行全方位的打击.
2
终端时间协调控制的难点
对于上述时间敏感型作战任务, 已投入实战的方法, 多为事先离线规划. 如何设计更具灵活性、自主性的终端时间协调控制算法, 目前仍处于研究和试验阶段. 值得注意的是, 该问题本身是一个复杂的多目标控制问题, 隐含着如下3个要求 (以多导弹协同作战为例).
1) 使导弹能抵达目标位置:终端时间是指导弹抵达目标位置的时间. 因此, 导弹能抵达目标位置是终端时间存在的前提. 若控制输入仅能使某些协调变量到达一致, 却不能使弹目距离收敛到零(或零的较小邻域内), 则终端时间不存在, 更无法进一步研究终端时间的协调控制问题.
2) 使各个导弹抵达目标的时间一致:该问题需要进行协调的变量是终端时间或剩余时间. 然而终端/剩余时间是表征未来的量, 在导弹的控制律给定之前, 其数学表达式无法给出, 这与“给出终端/剩余时间表达式, 设计控制律使其一致”形成逻辑上的矛盾. 由于真实的终端/剩余时间难以表述, 研究者们退而求其次, 构造剩余时间估计式. 然而, 剩余时间的估计值实现一致并不能说明终端时间也可达成一致, 需对剩余时间估计式与真实值的关系进行定性或定量分析. 如何保证实际的终端时间达成一致, 是本问题的难点.
3) 使控制输入满足约束条件:一方面, 由于物理限制, 控制输入应为有界的、非奇异的且应是具体执行机构可物理实现的, 这是控制律设计问题中的普遍要求. 然而, 描述导弹与目标位置的相对运动的微分方程组包含以弹目距离作为分母的项, 临近终端时刻, 弹目距离将减小为零. 这些项的存在, 容易导致所设计的控制输入在终端时刻奇异. 为了避免奇异现象, 需保证导弹与目标的视线角在终端时刻不旋转. 另一方面, 导弹不一定可产生全向加速度, 在一些实际应用背景下, 仅能产生法向加速度. 例如, 末制导阶段的导弹由于燃料不足, 往往保持不变的速度大小, 仅依靠气动力产生垂直于速度方向的加速度, 通过调节速度方向来控制运动轨迹.
3
研究现状
从信息交互的角度看, 终端时间协调控制问题的研究可分为两类. 一类是事先约定命中时刻, 令每个作战单元在指定时刻命中目标. 这种方式无需作战单元之间信息的实时交互, 但需要设置合适的命中时刻. 考虑到初始条件和敌我双方武器机动性能的物理限制, 过大或过小的指定时间, 将导致控制律无解;另一类则无需事先设定命中时刻, 但需要作战单元之间的信息交互, 来协调各自抵达目标的时间. 为了便于理解本节的脉络,在表1中对本节所提及的文献进行了分类总结.
表1 时间敏感型协同任务研究方法
Table 1 Guidance design methods for time-sensitive cooperative engagements
3.1 指定时刻命中目标
现有的指定时刻命中目标的制导律设计, 或基于最优控制理论, 或基于李雅普诺夫稳定性理论. 前者将问题转化为以终端时间约束为边界条件、以控制能量为性能指标的最优控制问题, 根据庞特里亚金极大值原理求解析解[26-28]或者利用算法求数值解[29]. 后者则通过构造剩余时间关于可测运动变量的近似表达式, 得到估计的终端时间与指定的终端时间的误差项, 再利用李雅普诺夫直接法分析使该误差项收敛的条件,进而设计制导律[30-33]. 其中, 文献[33]中作者研究了如何设计控制策略使真实的终端时间误差收敛到零的问题;阐述了控制策略的设计要点, 并进一步解决了在理想情况下保证命中时刻精确性的问题.
图1 弹群协同攻击静止目标
Fig. 1 Multiple missiles cooperatively attack a stationary target
3.2 协同同时命中目标
协同同时命中目标, 即通过信息交互的方式, 实现终端时间的一致. 这很容易令人联想到多智能体的一致性协调控制问题. 但应注意的是, 终端时间协调控制问题有其特有的问题特征, 诸如如何设计控制律同时实现第2节所述的3个控制目标, 即使导弹能抵达目标位置, 使各个导弹抵达目标的时间一致, 使控制输入满足约束条件. 在利用多智能体系统一致性理论解决协同同时命中目标问题时, 如何构造合适的协调变量, 将终端时间的一致性问题转换为协调变量的一致性问题, 也是一个重要的研究内容.
在协同同时命中目标问题研究中,多导弹同时打击一个静止目标的末制导问题(如图1所示)是一个重要的研究课题. 在文献[34]中,假定导弹的速度大小保持不变, 在比例导引的框架下, 以定导航比的比例导引下的剩余时间作为协调变量, 设计变化的导航比使得协调变量渐近一致. 导航比取为协调变量一致性误差的特定反馈形式. 在该形式下, 当协调变量达到一致时, 导航比不再发生变化. 此时, 该协调变量即代表导弹真实的剩余时间, 因而真实的终端时间的一致性也得以实现. 尽管文献中假定信息的交互为全局式的, 文中基于比例导引和剩余时间的设计框架给研究者们带来很多启发. 文献[35]中的作者基于文献[34]的框架,进一步将全局式的控制律推广到分布式, 将渐近一致收敛性进一步提高到有限时间收敛. 此外, 文献[35]针对弹目相对运动的非线性模型, 证明了前置角的收敛性, 从而去掉了前置角为小角度这一假设. 文献[36]采用了另一种剩余时间估计方式, 用剩余距离与接近速度之比来估计剩余时间, 提出了无向连通图下的分布式协同导引律, 可令剩余时间估计值达到一致, 然而缺乏估计值与真实值之间关系的探讨. 该方法可适用于目标匀速运动的情况, 但要求导弹的速度大小可调节. 文献[37]提出了普适性的基于剩余时间协调的控制设计策略, 指出了实现真实终端时间一致的关键, 不在于构造在整个飞行过程中可精确估计剩余时间的表达式, 而在于构造控制律, 使推导剩余时间的假设条件在一致性实现后得以满足. 基于此策略,文献[37]分别采用两种不同的剩余时间估计方法, 设计了精确实现终端时间一致的分布式协同导引律, 并对导弹速度大小可调节和不可调节两种情况的控制效率进行了比较分析.
针对基于剩余时间的控制律设计问题的研究, 目前仅能处理目标静止或匀速运动的情况. 当目标机动时, 如图2所示, 由于未知的目标加速度引入了不确定性, 此时, 无法保证剩余时间估计式在最终时段的精确性. 因此, 上述针对静止或匀速运动目标的协同同时命中问题的研究方法不再适用. 文献[38]中作者通过选择弹目距离为协调变量, 避开了如何保证剩余时间估计值在最终时段精确性的难点, 进而可以解决针对机动目标的协同同时命中问题. 文献[39]进一步将研究模型推广至三维空间情形. 然而, 由于保持弹目距离一致不是实现终端时间一致的必要条件, 文献[38]中的方法相对于基于剩余时间一致的方法可能更为保守.
此外,针对协同同时命中目标问题的研究中, 一些学者提出了基于比例导引的两阶段切换控制策略. 研究发现, 当目标静止、导弹采用比例导引律且导弹速度大小不变时, 命中时间完全取决于导航比以及两个运动状态量(距离与速度大小之比、前置角)的初值[40]. 因此, 在第1阶段的制导设计中, 以这两个状态为协调变量进行一致性协调控制设计, 达成一致后进入第2阶段, 此时制导律切换为比例导引律. 近年来,相关结果已经被扩展到切换拓扑[41]、分组协同[42]以及最速一致性收敛[43]等情形中去.
在上述终端时间协调控制研究的基础上, 一些学者进一步引入了其他约束条件, 例如, 考虑视场角受限[44]、指定终端角度[45]、输入饱和约束[46]等, 并给出了相应的理论分析方法.
从通信网络的角度来看, 以上研究均在连续通信或分段连续通信的假设下开展. 为了适应实际通信的离散采样特性, 同时减少通信压力, 文献[47, 48]分别考虑一般有向固定、切换通信拓扑, 引入规划的思想[49], 提出了基于采样信息交互的终端时间协调控制律. 同时, 分别针对一般有向固定、切换通信拓扑, 给出了实现终端时间同步的充分必要条件和低保守性充分条件, 为控制参数的选取提供指导方案.
图2 弹群协同攻击机动目标
Fig. 2 Multiple missiles cooperatively attack a maneuvering target
3.3 协同拦截机动目标
协同拦截具有高机动性的目标, 必须考虑目标的位置与速度变化. 此时,终端时间将更加难以估计, 这将大大提高问题的复杂性. 导弹拦截方式可分为直接拦截和弹幕拦截两种,如图3所示.
直接拦截, 要求每枚导弹命中目标. 这类协同拦截问题不属于时间敏感型问题, 但是对拦截角度作出了进一步要求. 导弹与目标速度矢量夹角应为钝角, 这是由于导弹“绕”到目标后面拦截是不符合实际的.
图3 协同拦截示意图
Fig. 3 An illustration of cooperative interception
文献[50]针对两枚导弹拦截单个机动目标的问题, 基于微分对策理论设计了协同制导律, 最小化每枚导弹的脱靶量,同时使两枚导弹实现拦截角度上的协同,构成特定的拦截态势,以提高对机动目标的拦截能力。 该制导律设计适用于拦截机动性低于导弹的目标. 当目标具有较强的规避能力时, 如图4所示, 目标的运动状态可随弹群状态改变, 此时拦截问题可以转化为追逃博弈问题[51-52].
弹幕拦截即弹群在空中组成弹幕, 并在来袭目标附近起爆, 进而达到拦截目标的效果. 该类拦截问题属于时间敏感型问题。弹幕拦截的优势在于无需精确获知目标的位置信息, 且对单个制导武器性能的要求较低. 目前, 形成弹幕的方法仍以固定编队控制为主, 即弹群在航行过程中形成并保持编队飞行[53-54]. 然而, 由于弹幕只需在弹群与目标交会时形成, 因此在整个拦截过程中保持编队不是必要的;另一方面, 用于弹幕拦截的制导武器射程近, 转向能力较差, 难以在空中快速实现稳定编队, 因此, 仅要求弹群在与目标交会的终端时刻形成弹幕队形, 能给予控制设计更高的自由度.
图4 弹群协同拦截具有规避能力的目标
Fig. 4 Multiple missiles cooperatively intercept an evasive target
4
展望
本文针对多导弹时间敏感型协同作战任务中的分布式协调控制问题展开综述, 梳理了时间敏感型分布式协调控制问题的特点和难点, 介绍了制导作战单元协同攻击和协同拦截目标的研究现状. 虽然针对时间敏感型任务中分布式协调控制问题的研究已取得一些进展, 然而其在实际的集群智能攻防、全自主协同作战场景中的应用尚不成熟. 一方面, 要在理论研究上给予更完备的控制律设计方案; 另一方面, 要结合实际作战场景, 考虑各种物理约束. 具体待研究方向包括但不限于以下6点.
4.1 终端时间可协调区域
导弹群的终端时间是否可协调至一致, 取决于导弹的运动性能(加速度极限、速度极限等), 敌我双方的初始状态(初始位置、初始速度), 以及目标的运动情况. 若初始时刻, 各导弹与目标的距离远近相差太过悬殊, 在控制能力的约束下, 它们也许无法将命中时间协调至一致. 终端时间可协调区域, 是效仿吸引域而提出的概念, 即终端时间可协调一致时, 上述相关物理量应满足的关系. 若能给出终端时间可协调区域, 则可根据目标情况以及自身的控制性能限制, 为弹群部署合适的初始位置和速度, 保证终端时间一致性任务的实现.
4.2 控制输入受限
控制输入受限主要考虑如下几种情形:1)方向受限. 某些导弹无法提供全方向加速度, 仅能提供某些特定方向的加速度. 典型的例子为末制导阶段导弹燃料耗尽无法提供推力, 仅能依靠气动力提供法向加速度. 2)大小受限. 显然, 作战单元的加速度不可能无限大. 3)连续性受限. 某些作战单元无法提供连续可调的控制输入, 仅能在某些时刻进行有限次调节. 在输入受限的情况下协调终端时间, 目前仅在方向受限或大小受限方面有初步结果, 仍有待深入研究.
4.3 通信时滞
基于群体智能的终端时间协调控制问题中不可避免地要引入通信网络来使作战单元之间交互信息. 在网络化系统控制中往往需要考虑通信时延, 而本文所关注的时间敏感型任务更不能忽略通信时滞的影响.
通信时滞的引入, 进一步为终端时间协调控制问题带来了强非线性. 通信时滞引起的非线性与弹目相对运动学非线性耦合, 导致原本可基于反馈线性化进行简化处理的性质不复存在[55-56]. 此外, 由于各作战单元需依赖通信网络交换终端/剩余时间估计值, 如果作战单元直接交互这些数据, 通信时滞, 特别是时变时滞, 会极大地影响内容的可靠性. 为了减少时滞的影响, 在信息传输中加入时间戳是一种有效方法[56], 但需作战单元具有记录历史信息的能力, 还会严重影响系统的时滞最大容忍度和鲁棒性.
因此, 通信时滞的引入对已有终端时间协调控制问题处理方法的理论分析造成了本质难点, 亟待寻求新的控制器设计与分析方法.
4.4 目标机动
在实际中, 目标的加速度往往难以测量. 当目标机动时, 由于目标加速度未知,弹目相对运动学模型存在不确定性, 这给终端时间协调问题带来了新的难点. 目前针对机动目标的终端时间协调控制方法, 或要求作战单元配备全方向加速度, 或依赖于小角度假设将运动模型线性化, 因此仅适用于某些特殊情形. 针对目标机动引入的不确定性, 仍需探索新的终端时间协调控制方法.
4.5 复杂协同
现阶段协同作战任务仍主要以同时打击以既定轨道飞行的单目标为主, 并不能充分体现协同作战的“智能性”.
对于导弹群拦截具有躲避倾向目标的问题, 目标的加速度不仅未知, 其转向能力还有可能快于作战单元, 再结合终端时刻的约束条件, 这使得整个系统任务具有高耦合性和非线性约束条件, 这些对控制律设计提出了挑战.
对于弹群对多目标发起同时攻击, 即“多对多”的协同攻击, 如果可以通过量化攻击效果, 结合通信网络, 让各弹通过邻居信息自行选择最优攻击目标并实施同时打击, 可以进一步提高协同作战的效能.
时间敏感型协同作战任务对始末之外导弹群的运动状态以及航行路径不敏感, 但是在实际任务中, 导弹群并不能无障碍飞行, 航行总距离也有所限制. 目前对于结合路径规划和最优控制的协同作战研究的问题仍然需进一步研究.
4.6 信息安全
现代信息技术是多弹协同作战的基石, 也带来了日益严峻的网络空间安全挑战[57]. 大规模智能弹群在现代信息技术的支撑下, 形成网络化作战系统. 随着系统规模的扩大, 系统的安全隐患不容忽视. 一方面, 信息传输需要建立开放的网络通信环境, 增加了系统信息被截取和干扰的风险;另一方面, 敌方发现漏洞的能力与技术也在不断发展, 网络化作战系统面临着各类恶意攻击, 轻则影响作战效能, 重则导致作战任务的失败, 甚至导致弹群对己方的毁伤, 造成不可估量的后果.
解决协同作战中的信息安全问题, 可从以下3个方面入手: 1)从网络技术角度增强网络的可靠性, 比如使用抗干扰能力强的通信设备、灵敏性高的信号接收设备等. 2)从信息技术的角度来增强系统信息的可靠性, 比如采用高效的加密技术、数据结构和通信协议. 其中,区块链技术结合了存储技术、加密性能、共识机制、智能合约等技术, 具有防篡改、可靠性高、去中心化、集体维护、信息共享等特点. 采用分布式的协同任务与区块链十分契合, 区块链技术可以保障各导弹协调运作的同时提高网络的安全性和可靠性. 现阶段区块链技术已在民用领域初步应用, 在军事领域特别是群体智能和协同作战中拥有良好前景[57]. 3)从控制的角度开展研究, 使多弹作战系统在信息攻击下保持一定的稳健性. 具体地, 针对信息安全隐患, 如何检测、辨识被攻击的个体或通信链路, 如何设计协同控制算法, 使多弹作战系统在网络攻击下仍能以较小的性能损失完成既定作战任务, 是未来值得研究的问题.
在实际应用中, 上述问题可能同时出现并相互耦合. 这进一步增大了终端时间协调控制的难度. 想要系统性地解决上述问题, 并成功应用于军事领域, 仍有很长的路要走.
References
1 石静, 邓建辉, 谌剑. 美“海军一体化火力控制——制空”能力发展现状与启示[J]. 指挥控制与仿真, 2016, 38(6): 129-134.
SHI J, DENG J H, SHEN J. Capacity development of “the US Navy integrated fire control-air control” and its implications[J]. Command Control & Simulation, 2016, 38(6): 129-134.
2 司广宇, 苗艳, 李关防. 水下立体攻防体系构建技术[J]. 指挥控制与仿真, 2018, 40(1): 1-8.
SI G Y, MIAO Y, LI G F. Underwater tridimensional attack-defense system technology[J]. Command Control & Simulation, 2018, 40(1): 1-8.
3 梁晓龙, 孙强, 尹忠海, 等. 大规模无人系统集群智能控制方法综述[J]. 计算机应用研究, 2015, 32(1): 11-16.
LIANG X L, SUN Q, YIN Z H, et al. Review on large-scale unmanned system swarm intelligence control method[J]. Application Research of Computers, 2015, 32(1): 11-16.
4 谷海波, 刘克新, 吕金虎. 集群系统协同控制: 机遇与挑战[J]. 指挥与控制学报, 2021, 7(1): 1-10.
GU H B, LIU K X, LYU J H. Cooperative control of swarm systems: opportunities and challenges[J]. Journal of Command and Control, 2021, 7(1): 1-10.
5 李风雷, 卢昊, 宋闯, 等. 智能化战争与无人系统技术的发展[J]. 无人系统技术, 2018, 1(2): 14-23.
LI F L, LU H, SONG C, et al. Development of intelligent warfare and unmanned system technology[J]. Unmanned Systems Technology, 2018, 1(2): 14-23.
6 贾高伟, 侯中喜. 美军无人机集群项目发展[J]. 国防科技, 2017, 38(4): 53-56.
JIA G W, HOU Z X. The analysis and enlightenment about the UAV swarming project of the united states military[J]. National Defense Science & Technology, 2017, 38(4): 53-56.
7 杨新民, 付建苏, 董文德. 飞航武器集群协同规划方法[J].指挥与控制学报, 2017, 3(4): 336-339.
YANG X M, FU J S, DONG W D. On flying weapon cluster collaborative planning[J]. Journal of Command and Control, 2017, 3(4): 336-339.
8 杜永浩, 邢立宁, 蔡昭权. 无人飞行器集群智能调度技术综述[J]. 自动化学报, 2020, 46(2): 222-241.
DU Y H, XING L N, CAI Z Q. Survey on intelligent scheduling technologies for unmanned flying craft clusters[J]. ACTA Automatica Sinica, 2020, 46(2): 222-241.
9 王宁, 王永. 基于模糊不确定观测器的四旋翼飞行器自适应动态面轨迹跟踪控制[J]. 自动化学报, 2018, 44(4): 685-695.
WANG N, WANG Y. Fuzzy uncertainty observer based adaptive dynamic surface control for trajectory tracking of a quadrotor[J]. ACTA Automatica Sinica, 2018, 44(4): 685-695.
10 龙涛, 沈林成, 朱华勇, 等. 面向协同任务的多UCAV分布式任务分配与协调技术[J]. 自动化学报, 2007, 33(7): 731-737.
LONG T, SHEN L C, ZHU H Y, et al. Distributed task allocation & coordination technique of multiple UCAVs for cooperative tasks[J]. ACTA Automatica Sinica, 2007, 33(7): 731-737.
11 邸斌, 周锐, 丁全心. 多无人机分布式协同异构任务分配[J]. 控制与决策, 2013, 28(2): 274-278.
DI B, ZHOU R, DING Q X. Distributed coordinated heterogeneous task allocation for unmanned aerial vehicles[J]. Control and Decision, 2013, 28(2): 274-278.
12 ZHENG Z, QIAN M, Li P, et al. Distributed adaptive control for UAV formation with input saturation and actuator fault[J]. IEEE Access, 2019(7): 144638-144647.
13 BENEDETTI M D, D'URSO F, FORTINO G, et al. A fault-tolerant self-organizing flocking approach for UAV aerial survey[J]. Journal of Network and Computer Applications, 2017, 96: 14-30.
14 WANG X, YADAV V, BALAKRISHNAN S N. Cooperative UAV formation flying with obstacle/collision avoidance[J]. IEEE Transactions on Control Systems Technology, 2007, 15(4): 672-679.
15 KANG S M, AHN H S. Design and realization of distributed adaptive formation control law for multi-agent systems with moving leader[J]. IEEE Transactions on Industrial Electronics, 2016, 63(2): 1268-1279.
16 DONG X, XI J, LU G, et al. Formation control for high-order linear time-invariant multiagent systems with time delays[J]. IEEE Transactions on Control of Network Systems, 2014, 1(3): 232-240.
17 DONG X, ZHOU Y, REN Z, et al. Time-varying formation tracking for second-order multi-agent systems subjected to switching topologies with application to quadrotor formation flying[J]. IEEE Transactions on Industrial Electronics, 2017, 64(6): 5014-5024.
18 GE X, HAN Q. Distributed formation control of networked multi-agent systems using a dynamic event-triggered communication mechanism[J]. IEEE Transactions on Industrial Electronics, 2017, 64(10):8118-8127.
19 ZHANG H, JIANG H, LUO Y, et al. Data-driven optimal consensus control for discrete-time multi-agent systems with unknown dynamics using reinforcement learning method[J]. IEEE Transactions on Industrial Electronics, 2017, 64(5): 4091-4100.
20 茹常剑, 魏瑞轩, 戴静, 等. 基于纳什议价的无人机编队自主重构控制方法[J]. 自动化学报, 2013, 39(8): 1349-1359.
RU C J, WEI R X, DAI J, et al. Autonomous reconfiguration control method for UAV’s formation based on Nash bargain[J]. ACTA Automatica Sinica, 2013, 39(8): 1349-1359.
21 沈培志, 王培源. 反舰导弹突防的技术手段与战术措施[J]. 飞航导弹, 2018(1): 25-29.
SHEN P Z, WANG P Y. Technical methods and tactical strategies of anti-ship missile penetration[J]. Cruise Missile, 2018(1): 25-29.
22 熊瑛, 齐艳丽, 才满瑞, 等. 2019年国外导弹防御系统发展评述[J]. 飞航导弹, 2020(1): 11-15.
XIONG Y, QI Y L, CAI M R, et al. Review of foreign missile defense development in 2019[J]. Cruise Missile, 2020(1): 11-15.
23 王芳, 涂震飚, 魏佳宁. 战术导弹协同突防关键技术研究[J]. 战术导弹技术, 2013(3): 13-017.
WANG F, TU Z B, WEI J N. Research on key technical problems of cooperative penetration for tactical missile[J]. Tactical Missile Technology, 2013(3): 13-017.
24 张斌, 王志明. 透视美英法联军空袭叙利亚[N]. 解放军报, 2018-5-8:7.
ZHANG B, WANG Z M. U.S., British and french coalition airstrikes in syria[N]. People's Liberation Army Daily, 2018-5-8: 7.
25 杨军宁, 王惠方. 火箭炮在现代各军兵种的应用及发展趋势[J]. 火炮发射与控制学报, 2018, 39(1): 92-96.
YANG J N, WANG H F. The aeroamphibious application growing trend of rocket artillery[J]. Journal of Gun Launch & Control, 2018, 39(1): 92-96.
26 JEON I S, LEE J I, TAHK M J. Impact-time-control guidance law for anti-ship missiles[J]. IEEE Transactions on Control Systems Technology, 2006, 14(2): 260-266.
27 LEE J I, JEON I S, TAHK M J. Guidance law to control impact time and angle[J]. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(1): 301-310.
28 JEON I S, LEE J I, TAHK M J. Impact-time-control guidance with generalized proportional navigation based on nonlinear formulation[J]. Journal of Guidance, Control, and Dynamics, 2016, 39(8): 1887-1892.
29 HARL N, BALAKRISHNAN S N. Impact time and angle guidance with sliding mode control[J]. IEEE Transactions on Control Systems Technology, 2011, 20(6): 1436-1449.
30 KUMAR S R, GHOSE D. Sliding mode control based guidance law with impact time constraints[C]. 2013 American Control Conference. IEEE, 2013: 5760-5765.
31 KIM M, JUNG B, HAN B, et al. Lyapunov-based impact time control guidance laws against stationary targets[J]. IEEE Transactions on Aerospace and Electronic Systems, 2015, 51(2): 1111-1122.
32 CHO D, KIM H J, TAHK M J. Nonsingular sliding mode guidance for impact time control[J]. Journal of Guidance, Control, and Dynamics, 2016, 39(1): 61-68.
33 ZHOU J, YANG J. Guidance law design for impact time attack against moving targets[J]. IEEE Transactions on Aerospace and Electronic Systems, 2018, 54(5): 2580-2589.
34 JEON I S, LEE J I, TAHK M J. Homing guidance law for cooperative attack of multiple missiles[J]. Journal of Guidance, Control, and Dynamics, 2010, 33(1): 275-280.
35 ZHOU J, YANG J, LI Z. Simultaneous attack of a stationary target using multiple missiles: a consensus-based approach[J]. Science China Information Sciences, 2017, 60(7): 67-80.
36 ZHANG P, LIU H H T, LI X, et al. Fault tolerance of cooperative interception using multiple flight vehicles[J]. Journal of the Franklin Institute, 2013, 350(9): 2373-2395.
37 ZHOU J, YANG J. Distributed guidance law design for cooperative simultaneous attacks with multiple missiles[J]. Journal of Guidance, Control, and Dynamics, 2016, 39(10): 2439-2447.
38 ZHOU J, LYU Y, LI Z, et al. Cooperative guidance law design for simultaneous attack with multiple missiles against a maneuvering target[J]. Journal of Systems Science and Complexity, 2018, 31(1): 287-301.
39 ZHOU J, LYU Y, WEN G, et al. Three-dimensional cooperative guidance law design for simultaneous attack with multiple missiles against a maneuvering target[C]// 2018 IEEE CSAA Guidance, Navigation and Control Conference (GNCC). IEEE, 2018.
40 WANG Y, DONG S, OU L, et al. Cooperative control of multi-missile systems[J]. IET Control Theory & Applications, 2014, 9(3): 441-446.
41 ZHAO Q, DONG X, WANG D, et al. Distributed cooperative guidance for multiple missiles with fixed and switching communication topologies[J]. Chinese Journal of Aeronautics, 2017, 30(4): 1570-1581.
42 Zhao Q, Dong X, Liang Z, et al. Distributed group cooperative guidance for multiple missiles with fixed and switching directed communication topologies[J]. Nonlinear Dynamics, 2017, 90(4): 2507-2523.
43 LIU X, LIU L, WANG Y. Minimum time state consensus for cooperative attack of multi-missile systems[J]. Aerospace Science and Technology, 2017, 69: 87-96.
44 CHEN X, WANG J. Cooperative guidance law for missiles with field-of-view constraint[C]// 2016 35th Chinese Control Conference (CCC). IEEE, 2016: 5457-5462.
45 WANG X, LU X. Three-dimensional impact angle constrained distributed guidance law design for cooperative attacks[J]. ISA Transactions, 2018, 73: 79-90.
46 HOU D, WANG Q, SUN X, et al. Finite-time cooperative guidance laws for multiple missiles with acceleration saturation constraints[J]. IET Control Theory & Applications, 2015, 9(10): 1525-1535.
47 ZHOU J, LYU Y, WEN G, et al. Terminal-time synchronization of multivehicle systems under sampled-data communications[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, in press. DOI: 10.1109/TSMC.2021.3049545.
48 ZHOU J, WU X, LYU Y, et al. Terminal-time synchronization of multiple vehicles under discrete-time communication networks with directed switching topologies[J]. IEEE Transactions on Circuits and Systems II: Express Briefs, 2020, 67(11): 2532-2536.
49 LIU Y, ZHAO Y, REN W, et al. Appointed-time consensus: Accurate and practical designs[J]. Automatica, 2018, 89: 425-429.
50 花文华, 张拥军, 张金鹏, 等. 双导弹拦截角度协同的微分对策制导律[J]. 中国惯性技术学报, 2016, 24(6): 838-844.
HUA W, ZHANG Y, ZHANG J, et al. Differential game guidance law for double missiles with cooperative intercept angle[J]. Journal of Chinese Inertial Technology, 2016, 24(6): 838-844.
51 VIDAL R, SHAKERNIA O, KIM H, et al. Probabilistic pursuit-evasion games: theory, implementation, and experimental evaluation[J]. IEEE Transactions on Robotics and Automation, 2002, 18(5): 662-669.
52 WEI M, CHEN G, JOSE B C J, et al. Multi-pursuer multi-evader pursuit-evasion games with jamming confrontation[J]. Journal of Aerospace Computing Information and Communication, 2007, 4(3): 693-706.
53 谷逸宇. 多导弹编队飞行导引律设计[J]. 现代防御技术, 2014, 42(1): 51-55.
GU Y Y. Guidance law of multi-missiles formation fight[J]. Modern Defense Technology, 2014, 42(1): 51-55.
54 WEI X, YANG J, FAN X, et al. Distributed adaptive parameter cooperative guidance laws for vee formation flight[C]// 2018 Chinese Automation Congress (CAC), Xi'an, China, 2018: 3153-3158.
55 LIN P, JIA Y, DU J, et al. Distributed control of multiagent systems with second-order agent dynamics and delay dependent communications[J]. Asian Journal of Control, 2008, 10(2): 254-259.
56 LIU Z, LYU Y, ZHOU J, et al. On 3D simultaneous attack against manoeuvring target with communication delays[J/OL]. International Journal of Advanced Robotic Systems, 2020: 1-8 [2020-05-09]. https://journals.sagepub.com/doi/full/10.1177/1729881419894808. DOI:10.1177/1729881419894808
57 赵国宏. 军事区块链研究[J]. 指挥与控制学报, 2019, 5(4): 259-268.
ZHAO G H. Military blockchain[J]. Journal of Command and Control, 2019, 5(4): 259-268.
《指挥与控制学报》2021年第2期刊发,作者:温广辉, 周佳玲, 吕跃祖, 刘照辉, 吕金虎
如何加入学会
注册学会会员:
个人会员:
关注学会微信:关注学会微信:中国指挥与控制学会(c2_china),回复“个人会员”获取入会申请表,按要求填写申请表即可,如有问题,可在公众号内进行留言。通过学会审核后方可在线进行支付宝缴纳会费。
单位会员:
关注学会微信:中国指挥与控制学会(c2_china),回复“单位会员”获取入会申请表,按要求填写申请表即可,如有问题,可在公众号内进行留言。通过学会审核后方可缴纳会费。
长按下方学会二维码,关注学会微信