智能化分布式协同作战体系发展综述
唐胜景 1 ，史松伟 2 ，张 尧 1 ，周 亮 2
(1 .北京理工大学 ，北京 100081 ；2 .上海航天技术研究院北京研发中心 ，北京 100081 )
摘 要 ：智能化分布式协同作战具有高度集成、自组织、自决策、效费比高等特点，势必将成为未来战场上行之有效的作战模式。从作战理念的核心思想、体系架构的组成要素及其突出特点三个方面出发，论述了智能化分布式协同作战的概念与内涵。首先，概括介绍了国内外先进的智能化分布式协同作战系统项目，重点阐述了相关项目的发展目的和技术特点；随后,详细分析了推动智能化分布式协同作战系统发展的关键技术，包括态势感知与认知技术、信息融合与目标跟踪技术、分布式协同任务规划技术以及一致性控制与协同制导技术；最后，根据对国内外相关项目和关键技术研究成果的分析，从平台设计过程和技术特点出发提出相关发展建议，为智能化分布式协同作战体系总体架构设计与关键技术攻关提供重要参考。
关键词 ：智能化；分布式系统；协同作战
0 引 言
近年来，美、欧等武器装备强国开展了一系列面向未来战争的作战理论探索和关键技术实践，以“认知、动态与分布”为特点的分布式体系化作战样式正在逐步成型，开展面向分布式协同作战使用的武器平台系统设计技术研究，能够在复杂战场中以较低的经济消耗，取得更大的军事效益[1]。分布式协同作战能够通过武器系统集群/分导饱和攻击的形式提高整体作战与打击效能，通过自主密集编队实现机动突防能力，通过多基多源异构的探测手段实现对敌目标的高精度跟踪与识别，从而实现对目标的精确打击。随着人工智能技术的高速发展，基于高度人工智能化的智能作战样式可使防区外、远距离复杂战场中的分布式协同作战具有体系化、智能化作战能力。智能化分布式协同作战可在复杂战场环境内进行实时态势感知信息交互的基础上，实现各类参战系统无人为介入、自主依据态势融合信息动态形成作战任务指令，自动满足各类作战任务需求[2]。智能化技术的引入，进一步提升了整体系统族群作战的弹性、多样性和自适应性，在保持武器系统自身作战能力的同时，有效提升了作战系统对敌智能化杀伤的技术水平[3]。因此，智能化分布式协同作战是未来战争发展的必然趋势。
其一，转变经济发展方式，提升发展质量和效益。在谈到人的发展时，马克思反复强调人的全面发展不是自然的产物，而是历史的产物，归根结底是社会生产力的产物。人的发展是以人的生命存在为前提条件的，其吃喝住行等一系列基本需要，只能在生产力的发展过程中才能得到满足，生产力的发展、交往的普遍性是个人全面发展的条件，也是人类实现自身全面发展的一条历史必然道路。转变经济发展方式，在某种程度上就是要解放人和开发人，让全体人民进一步释放劳动潜能，依靠创造性劳动实现人的个性自由和全面发展。
1 概念及内涵
自2015年美军提出“分布式杀伤”作战概念后，智能化分布式协同作战理念便随之产生，世界各军事大国争相发展分布式智能作战技术[4]。智能化分布式协同作战的核心思想是不再由当前的多用途、高价值的武器装备平台独立完成作战任务，而是将价格高昂的装备系统功能在全域内分解部署到多种异构的小型、低成本的有人/无人作战平台上，通过在多个平台间组建分布式通讯网络实现自主协同与作战任务智能决策，以网络化、体系化的形式共同完成作战任务。该作战样式在降低战耗成本的同时，有利于提升整体作战体系的灵活性和自适应能力，从而达到与现有作战样式相同或更高的作战能力[1]。而智能化分布式协同作战系统是由多种参战装备节点通过自适应组网手段形成的一组具有智能感知与决策控制能力的作战任务系统。该系统基于集群智能技术，各参战装备具有战术信息协同、电子对抗协同、飞行轨迹协同、火力分配和攻击协同的体系化作战能力。
由图2可知，酸奶的稠度可以很好地表示酸奶内部流动性，稠度越大，其流动性越差，可表现酸奶凝固程度的大小。黄精酸奶的稠度随着蔗糖添加量的增加呈先增加后降低趋势，在蔗糖添加量6%时酸奶稠度最大，凝固型最好；酸奶坚实度是反映酸奶强度的重要参数，表示酸奶表面成型受外力破坏所需的压力，黄精酸奶坚实度随着蔗糖添加量的增加变化不明显，在蔗糖添加量为6%时坚实度最大，黄精酸奶的强度最高。
图1 美军分布式杀伤示意图
Fig.1 Distributed lethality proposed by U.S. Navy
智能化分布式协同作战体系由作战任务、参战单元和信息网络三个基本要素组成[1]。其中，作战任务是体系形成的必要条件，形成必要的作战目标是体系构建的基本原则；参战单元是分布在跨域战场环境中的装备资源，是构成体系内核的重要组成部分；信息网络是分布式协同作战的通讯基础和数据基础。综上，智能化分布式协同作战具有以下特点：
国家“十三五”规划纲要提出，注重高校创新型人才的培养：“实行学术人才和应用人才分类、通识教育和专业教育相结合的培养制度，强化实践教学，着力培养学生创意创新创业能力”；“加快学习型社会建设”[1]。这些规划纲要的发展理念和建设目标，对高校通识教育发展方向有普遍的指导意义，通识教育成为各高校人才培养模式变革研究的热点。
根据国内外智能化分布式协同作战关键技术研究及其相关验证项目的发展，就其平台设计过程和技术特点可得出以下启示和发展建议。
近年来基于分布式作战概念，美军正积极探索空中、海上和空间领域的智能化分布式协同作战体系架构的设计、集成与试验验证技术。主要研究项目包括：聚焦空中分布式作战体系架构设计的“体系综合技术和试验”(SoSITE)项目[5](如图2所示)，支持海上跨域分布式协同作战的“分布式杀伤”概念和“跨域海上监视与瞄准”(CDMaST)项目[6]，以及“商业搭载载荷方案”、“空间环境纳卫星实验”等分布式空间体系架构技术验证项目[7]。
4) 打击方式从对时敏目标的精确打击向对单/多目标的蜂群式毁伤发展，具有突防性良好、成本较低、毁伤效能高的特点。
2 国内外研究概况
3) 更加注重云平台作战指令的动态解算，分布式协同智能作战指令会随攻防双方的博弈情况而变化。
从广义上讲，任何能提高客户满意度的内容都属于客户服务的范围。一般而言，客户服务主要体现了一种以客户为导向的价值观，它整合及管理服务组合中的客户界面的所有要素，包括售前、售中和售后三个部分，通过客户联系、收集客户信息，了解客户需求，提供解决方案，解决客户存在的问题，满足客户需求，从而客户认为将从您公司获得所需业务并对业务满意的客户将继续忠诚地与公司合作，因此客户服务成了业务结构中的一个重要战略要点。
图2 SoSITE架构构想
Fig.2 Framework of SoSITE program
此外，美军通过一系列项目，对最优编队形成方案、多控制模式下的协同任务分配、协同任务解析、协同要素生成、协同优先级排序、协同行动规划的技术理论展开研究，并取得一定成果[8-9]。与此同时，美国通过美国国防部高级研究计划局(DARPA)和海军研究实验室(NRL)等机构全力探究智能化分布式协同作战最新技术的试验验证。目前典型的智能化分布式作战技术验证项目有：“忠诚僚机”项目、“小精灵”(Gremlins)项目(如图3所示)、拒止环境中协同作战(CODE)项目(如图4(a)所示)、“山鹑”(Perdix)微型无人机项目、分布式作战管理(DBM)项目(如图4(b)所示)、自动代理指挥与传感控制系统(CARACaS)、无人机控制最佳角色分配管理控制系统(SCORCH)、进攻性蜂群使能战术(OFFSET)项目、低成本无人机集群技术(LOCUST)项目(如图5所示)等[10-15]。主要特点如表1所示。
(a) 作战示意图 (b) 空中部署及回收示意图
图3 Gremlins项目
Fig.3 Gremlins program
(a) CODE项目 (b) DBM项目
图4 CODE项目与DBM项目作战概念图
Fig.4 Operational concepts of CODE program and DBM program
表1 分布式协同智能作战项目特点
Tab .1 Characteristics of intelligence -based distributed cooperative operation
续表1
(a) 装甲平台发射装置 (b) 郊狼无人机空中展开图
图5 LOCUST项目
Fig.5 LOCUST program
我国智能化分布式协同作战技术虽起步较晚，但近年来关键技术发展迅速，其中以智能集群技术尤为突出，曾分别在2016年和2017年完成了67架和119架固定翼无人机分布式集群飞行试验。飞行试验成功验证了编队起飞、自主集群飞行、分布式广域监视、感知与规避等智能化分布式协同技术，并刷新了集群无人飞行器协同飞行数量的新纪录[16]。
3 关键技术发展分析
由于智能化分布式协同作战的研究涉及到空气动力学、飞行力学、人工智能、导航制导与控制、目标跟踪识别、信息处理与融合以及作战效能评估等诸多学科，本文将从态势感知与认知技术、信息融合与目标跟踪技术、分布式协同任务规划技术、一致性控制与协同制导技术四个方面简要分析智能化分布式协同作战关键技术。
3.1 态势感知与认知技术
战场态势感知是在智能化分布式协同作战中实施任务规划与精确打击的前提，主要目的是根据编队成员的传感器探测信息，通过信息交互与融合实现各装备平台对战场环境态势的智能化认识与理解，获得各探测目标的运动状态，以实现对战场环境的态势评估，为编队的航迹规划与目标分配提供依据。战场态势构建过程如图6所示。
当前，战场态势感知与认识的关键技术包括异构数据采集、复杂环境数学建模、多源信息融合与交互共享等。目前国内外相关研究主要集中于基于生物视觉认知机理的目标识别与环境建模、复杂环境感知与认识算法、非结构化感知方法等[17]。此外，为了更加快速、准确、智能化地进行战场信息处理，实现全局态势感知，近年来基于深度学习的态势感知与认知技术已成为主要的研究热点[18]。
图6 战场态势构建流程
Fig.6 Construction process of battlefield situation
3.2 信息融合与目标跟踪技术
分布式协同任务规划技术可以分为协同目标分配、协同航迹规划和协同任务执行3个部分，其中协同目标分配问题是一个多模型、多约束、计算复杂的非线性规划问题。目前常用的解决多弹协同目标分配问题的方法包括：市场机制拍卖算法、匈牙利算法、蚁群算法、粒子群算法、遗传算法、一致性集束算法、协商法等[22]。协同航迹规划是在给定已知、部分已知或未知信息的环境中，规划出各参战平台从起始点到达目标点的运动轨迹，轨迹规划过程中可实现各成员对威胁区和障碍物的规避，同时保证各成员运动安全可靠无碰撞，在满足最大益损比的条件下利用优化技术求解得到多条满足各种约束条件和协同关系的运动轨迹。协同航迹规划问题是一个多目标优化问题，因此现有研究主要集中于：从单一成员航迹规划方法发展来的多成员规划方法(包括启发式A*算法、Voronoi图、人工势场法)，适合群体计算的群智能算法(包括平行进化算法、量子遗传算法、神经元网络)，以及基于路径优化的规划方法(通过遗传算法优化B样条曲线，利用Dubins曲线进行协同航迹规划)等[23-25]。此外，需要注意的是在任务执行过程中，系统应对环境的变化具有及时响应的能力，对失效的轨迹具有在线协同重规划的操作，以保证协同作战任务执行过程中的高效、安全、可靠[15]。
近年来，多数学者将注意力集中在分布式融合滤波算法研究领域。分布式融合滤波算法无需建立中心节点，每个节点只需要和相邻节点进行数据交互，通过设计一致性协议，每个节点能够得到一致的滤波值。现有研究包括分布式卡尔曼滤波、贝叶斯一致性滤波、H-infinite分布式滤波算法等[20]。然而，以上的研究虽是在系统存在噪声或不确定性的条件下进行的，但各通讯节点间的拓扑网络是理想的，并没有考虑到真实通信的信息传输时延、网络拓扑变换、通信带宽限制等问题。该类问题的研究近年来才逐渐受到重视，是当前多传感器数据融合理论研究的热点之一[21]。
3.3 分布式协同任务规划技术
分布式协同作战因参战成员的增加而扩大了原有任务规划问题的求解规模，其求解的复杂程度会随成员数和任务数量的增加而快速增长。与单一成员作战场景不同的是，分布式协同作战不但要处理作战成员自身的约束条件，还需考虑各成员间相互协同的约束；此外，更要避免各成员间因冲突导致的系统性能退化、共享资源竞争等问题的影响。因此，传统的集中式控制将不再适用于多批次、多任务的自主协同作战，分布式协同任务规划技术成为智能化分布式协同作战的必要条件，赢得了国内外学者的高度重视和关注。
传统而言，单个传感器获得的信息往往是不完全的，若采用多个组网互补的传感器，信息就会出现冗余。利用多源信息融合技术综合处理来自多传感器对敌方目标的探测信息，更有利于对战场态势信息的动态重构和目标状态的估计装订。多源信息融合技术通过组合各传感器根据自身探测信息所估计的目标状态实现对目标实际位置信息、运动状态的估计与预测。实现多源信息融合与目标的稳定跟踪需要依次解决数据配准、数据关联和数据融合问题[19]。
在分布式杀伤方面，与传统制导律设计不同，协同攻击制导律要求所有成员在精确打击目标时满足时间、空间等多项作战要求，这对导弹武器成员间的相互配合、协同作战提出更大的挑战[29]。为了增强分布式作战对目标的毁伤效能，常采用导弹集群同时攻击目标的作战模式，这要求导弹在满足空间上可有效命中目标的前提下，还要实现与其他攻击成员在时间上一致。除时间协同攻击外，约束各弹的协同攻击角度也是增大毁伤效果的一种直接手段，其主要研究方法集中于对于攻击角度的最优控制问题。近年来，随着时间、角度协同制导的研究成果不断增多，含有攻击角度约束的时间协同制导律随之产生，这将有助于进一步提高导弹集群的毁伤效能[30]。在制导过程中实现时间与角度的协同，是今后分布式作战制导律设计的发展方向[31]。
3.4 一致性控制与协同制导技术
分布式协同作战中的编队控制问题可大致分为一致性问题、同步问题、群集问题、集结问题、编队问题、包含控制等。其中，一致性问题是分布式协同控制的基本问题，群集和集结等问题可被看成是一致性问题的典型应用。在编队控制问题中，要求各成员间的相对状态保持为一个常数。而包含控制问题则可看作是多个领导者情形下的跟踪控制问题，其目标是控制领导者的运动状态收敛于由领导者构成的凸包中，在这种情况下，其它成员的状态的差值会收敛到一个常值。目前，大部分有关一致性协同控制问题的研究是在分布式控制架构的基础上进行的，这与传统的集中式控制形成了鲜明的对比。与传统集中式一致性控制不同的是，分布式一致性不需要领导者的参与和全局通信网络，改善了整个系统的鲁棒性和对领导者的依赖性。此外，分布式一致性算法在大规模的体系化作战中更容易实现。一般来说，当前研究一致性协同控制问题的典型方法主要集中于控制理论与图论的研究[26]。此外，在集群编队控制问题中，基于人工势场法的编队防撞控制问题也是协同控制的研究热点之一[27]。然而，相关研究工作中大部分都需要每个成员连续地获得它们自己和邻居的状态信息，而在实际复杂的网络作战环境中，各成员间的通信可能是周期性的或间歇性的，且受各成员自身通信带宽的限制。一些学者启动了基于事件驱动/自驱动的多智能体系统一致性控制问题的研究[28]，而对例如多弹协同编队的事件驱动一致性控制研究还未见相关报道。
综上所述，虽然目前国内外在分布式协同任务规划及其相关领域内已经取得了大量的研究成果，但仍存在一些亟待解决的问题，主要包括：①现有的协同任务规划研究与实际作战任务模式和执行过程结合不够紧密；②对未知动态战场环境下的在线规划技术研究尚不充分；③对具有多类任务能力的多种异构平台协同执行多作战任务的规划技术研究不足；④现有研究中对分布式协同作战体系结构优化设计存在不足，问题模型难以匹配真实战场中的复杂性，当前研究理论难以满足高度对抗的战场环境中分布式协同作战的需求。
在语义学层面，“融合”比“一体化”（或“整合”） 更显操作上的柔性，比“交流”和“合作”则显成效上的深刻性［5］。在价值取向上，融合承认双方的共同之处及差异，对于需要包容的差异予以合理的道德承认甚至制度安排，最终在此基础上建构共有认同。同时，融合发展与利益输送有明显的差别，它既意味着共创利益、共享利益，也寻求培育共同的价值体系。所以，经济社会融合发展是一个渐进过程，也是一个求同化异的包容理解、磨合融会的过程［6］。
现阶段针对协同制导技术的研究还存在以下几点不足：①当前部分协同制导律设计需事先指定期望的攻击时间与角度，不具备完全的自主协同能力，需要进一步加强对协同攻击时间和攻击角度的研究，形成最佳攻击态势；②协同制导律的约束仅局限于脱靶量、时间、角度，缺乏对作战效能最优的多约束(包括速度、过载、能量等)协同打击技术研究；③缺乏对于协同攻击开始时机的考虑，对于多枚导弹先后突防，对协同的时机要求更为严格，协同时机的制定显得尤为重要；④制导律设计过程中需进一步考虑融合的目标状态信息对制导律精度的影响，通过弹群导引头协同探测为每枚导弹提供精确的制导信息是解决该问题的有效方案。
1) 攻防对抗的核心出发点从固有的武器装备对抗转变为信息与火力的体系对抗。
4 启示与发展建议
2) 各参战单元间信息交互更加频繁，进行一次作战包含跨域的多种多类武器装备。
4.1 发展多平台综合一体化设计技术
基于智能化分布式协同作战的战场想定，由目标探测平台、导弹发射平台、网络指控中心和导弹武器系统构成一个分布式作战体系，多弹协同打击是整个体系化作战任务中不可分割的一部分。分布式协同作战效能的提高，要求海/陆/空/天全域内异构的目标探测平台、导弹发射平台、网络指控中心和导弹性能必须相互适配。因此，将多弹集群系统视为一个不可分割的整体进行系统设计，并在机械/电气接口中预留可改进的余地。导弹、探测平台、发射平台及网络指控中心的多平台综合一体化设计，是未来多军种异构装备实现智能化分布式协同作战技术工程应用所遵循的基本原则。
4.2 发展低成本、模块化装备研制技术
大力发展智能化分布式协同技术为武器装备平台的模块化设计和低成本研制创造了前提条件。在武器装备平台设计之初，应遵循低成本、模块化的设计原则，进一步增强系统的通用性和对战场任务的自适应性。同时，在生产、制造过程中，引入3D打印、增材制造等智能制造技术，装配多种多模简易、成熟的导航探测系统，在避免高额装备造价的基础上，基于信息交互与数据融合技术实现复杂战场的多任务协同作战。
Although cold snare polypectomy (CSP) using snare resection without electrocautery has been reported to be a safe method for the removal of subcentimetric polyps, CSP is not currently widely used in Japan.
4.3 发展面向战场大数据的集群认知与云决策技术
随着战场环境复杂程度与任务规模的不断提升，智能化分布式协同作战将出现装备体系规模巨大、通讯信息网络时变等特点。传统的战场环境感知融合与任务规划技术在面对更为庞大的实时态势数据时将难以实际应用，特别是求解任务规划与战术决策问题常常会出现组合爆炸。因此，为了应对未来更为复杂的战场态势，需要以云计算、人工智能、深度学习等技术发展为基础，在网络化分布式架构上开展基于虚拟计算仿真平台的集群认知与云决策技术研究。通过仿真模拟建立完备的战场态势和战法数据库，匹配当前集群认知信息得到实时的战场态势情况，根据战场环境的变化对应制定作战方案、选择战法形式、实现任务分配与执行，最后将任务执行情况与作战效能反馈到指挥控制系统。同时，在智能化分布式协同作战任务执行过程中，各无人系统通过自主学习作战方案选择、积累战斗经验、获取新的战场信息数据与战法数据，可以实现协同规划与决策算法的自主进化，从而使参战的无人装备平台向着高度智能化的方向发展。
4.4 发展异构作战成员的协同控制技术
在未来智能化分布式协同作战任务中，各低成本的智能无人装备平台各司其职、集群联动地实现“侦-控-打-评”四维一体的作战任务。因此，参与分布式协同作战的成员必然覆盖海/陆/空/天/电/网全域作战环境，并由种类众多、数量庞大的异构平台构成。此外，在实际作战任务中，单一成员还可能因其自身特定的作战任务在时间和空间域上散布，从而数量和网络特性上对现有协同控制技术提出了挑战，现有协同控制算法无法满足未来战场复杂性的要求。为此，在体系化作战架构总体设计时需对整体的体系结构进行分层解耦设计，根据作战功能将传感器信息的交互与融合、编队队形和个体作战任务的分解与协调、单体作战任务的控制等进行分层与解耦，重点突破面向异构集群的最优队形构成、编队保持、协同机动及队形切换控制策略研究，设计并发展参战成员任务协调策略及单体的鲁棒控制方法。
（3）立法管理。政府和相关部门必须依靠法治实现水资源的统一管理，并将这种水资源管理作为管理的一种新模式，与此同时立法部门和执法部门具有与实现统一管理相适应的法律制度和执法制度。
4.5 发展自适应、去中心的集群动态组网技术
智能化分布式协同作战拥有高度弹性和可靠性的信息通信网络。建立可动态自组网、无中心节点且各节点可随意快速进入和退出的分布式网络体系，是对复杂任务中集群编队构型进行高动态变化的有力支撑。因此，研究网络化集群分布式动态组网技术，建立可无缝接入的统一化、网络化测控与信息传输系统，是实现分布式协同作战跨域交互、自主联通、自适应组网与体系化管控的基本条件。
商品蛋鸡方面，2018年1～8月后备鸡平均存栏4.17亿只，同比提高9.69%。2017年10月至2018年7月连续9个月上升，8月开始下降。2018上半年产蛋鸡平均存栏10.61亿只。今年8月份之前产蛋鸡存栏缓慢下降，之后缓慢上升。
5 结束语
随着攻防对抗技术、网络信息技术和人工智能技术的蓬勃发展，智能化分布式协同作战带来的技术变革将越发明显。这种以小型集群为核心，自治化、多元化、通用化、协同化为特点的作战模式将在未来复杂战场中赋予各军种装备平台更为宽泛的任务执行能力和更强大的战场生存能力。不难想象，智能化分布式协同作战技术能够在体系化作战中消耗敌方巨大的侦察、监视、拦截与对抗资源，甚至可以达到不可承受的程度。通过对智能化分布式协同作战技术的阐述与分析，这种突防能力强、毁伤效果大、成本低廉的新型作战模式，将推动我军进入新的军事变革时代。大力发展智能化分布式协同作战技术，对整合我军现有无人装备，提升现有装备作战效能，降低装备全寿命周期成本，争取未来战场主动权,推动我军未来武器装备和国防实力的发展，将具有重大意义。
参 考 文 献
[1] 槐泽鹏, 龚旻, 陈克. 未来战争形态发展研究[J]. 战术导弹技术, 2018(1): 1-8.
[2] 张克, 刘永才, 关世义. 体系作战条件下飞航导弹突防与协同攻击问题研究[J]. 战术导弹技术, 2005(2): 1-7.
[3] 关世义. 导弹智能化技术初探[J]. 战术导弹技术, 2004(4): 1-7.
[4] 贺文红. 美国海军协同作战能力的几项关键技术[J]. 舰船科学技术, 2016, 38(23): 183-186.
[5] 李东兵, 申超, 蒋琪. SoSITE等项目推动美军分布式空战体系建设和发展[J]. 飞航导弹, 2016(9): 65-70.
[6] Defense Advanced Research Projects Agency (DARPA).CDMaST/Sea of Dreams RFI[R]. DARPA-SY-17-47, 2016, Jul. 11.
[7] U.S. Air Force Space Command. Resiliency and Disaggregated Space Architecture[R]. White Paper, 2013, Apr. 24.
[8] SUJIT P B, SARIPALLI S. An empirical evaluation of co-ordination strategies for an AUV and UAV[J]. Journal of Intelligent & Robotic Systems, 2013, 70(1/2/3/4): 373-384.
[9] DARRAH M, FULLER E, MUNASINGHE T, et al . Using genetic algorithms for tasking teams of raven UAVs[J]. Journal of Intelligent & Robotic Systems, 2013, 70(1/2/3/4): 361-371.
[10] 郑大壮. “忠诚僚机”概念将大幅提升有人/无人机协同作战能力[J]. 防务视点, 2016(6): 63.
[11] 申超, 武坤琳, 宋怡然. 无人机蜂群作战发展重点动态[J]. 飞航导弹, 2016(11): 28-33.
[12] Weatherington D, Deputy U. Unmanned aircraft systems roadmap, 2005-2030[J]. Deputy, UAV Planning Task Force, OUSD (AT&L), 2005.
[13] 陶于金, 李沛峰. 无人机系统发展与关键技术综述[J]. 航空制造技术, 2014(20): 34-39.
[14] 牛轶峰, 肖湘江, 柯冠岩. 无人机集群作战概念及关键技术分析[J]. 国防科技, 2013, 34(5): 37-43.
[15] 王强. UAV集群自主协同决策控制关键技术研究[D]. 西安: 西北工业大学, 2015.
[16] 李晗, 苏京昭, 闫咏. 智能无人机集群技术概述[J]. 科技视界, 2017(26): 5-7.
[17] 肖圣龙, 石章松, 吴中红. 现代信息条件下的战场态势感知概念与技术[J]. 舰船电子工程, 2014, 34(11): 13-15.
[18] 廖鹰, 易卓, 胡晓峰. 基于深度学习的初级战场态势理解研究[J]. 指挥与控制学报, 2017, 3(1): 67-71.
[19] 潘泉, 王增福, 梁彦, 等. 信息融合理论的基本方法与进展(Ⅱ)[J]. 控制理论与应用, 2012, 29(10): 1233-1244.
[20] 张庆杰. 基于一致性理论的多UAV分布式协同控制与状态估计方法 [D]. 长沙: 国防科学技术大学, 2011.
[21] MILLAN P, ORIHUELA L, VIVAS C, et al . Distributed consensus-based estimation considering network induced delays and dropouts[J]. Automatica, 2012, 48(10): 2726-2729.
[22] 曾华, 樊波, 倪磊, 等. 多导弹协同作战目标分配方法研究[J]. 飞航导弹, 2016(9): 75-79.
[23] 苏菲. 动态环境下多UCAV分布式在线协同任务规划技术研究[D]. 长沙: 国防科学技术大学, 2013.
[24] 赵明, 李涛, 苏小红, 等. 三维多无人机系统协同任务规划关键问题综述[J]. 智能计算机与应用, 2016, 6(1): 31-35.
[25] JUNG D, TSIOTRAS P. On-line path generation for unmanned aerial vehicles using B-spline path templates[J]. Journal of Guidance, Control, and Dynamics, 2013, 36(6): 1642-1653.
[26] 朱旭. 基于信息一致性的多无人机编队控制方法研究[D]. 西安: 西北工业大学, 2014.
[27] 任鹏飞, 马启欣. 导弹编队协同作战过程及关键问题分析[J]. 战术导弹技术, 2016(4): 82-87.
[28] 杨大鹏. 多智能体系统的事件驱动一致性控制与多Lagran-gian系统的分布式协同[D]. 北京: 北京理工大学, 2015.
[29] 王建青, 李帆, 赵建辉, 等. 多导弹协同制导律综述[J]. 飞行力学, 2011, 29(4): 6-10.
[30] 叶欣, 马威, 何乾坤, 等. 导弹平台在分布式自主作战领域的技术分析[J]. 飞航导弹, 2017(12): 22-25.
[31] 赵建博, 杨树兴. 多导弹协同制导研究综述[J]. 航空学报, 2017, 38(1): 22-34.
Review on the Development of Intelligence -based Distributed Cooperative Operational System
TANG Shengjing1 ，SHI Songwei2 ，ZHANG Yao1 ，ZHOU Liang2
(1. School of Aerospace Engineering, Beijing Institute of Technology, Beijing 100081，China；2. Shanghai Academy of Spaceflight Technology Beijing R&D center,Beijing 100081, China)
Abstract ： Intelligence-based distributed cooperative operation (IBDCO) is characterized by high integration, self-organization, self-decision, and high cost effectiveness. Therefore, it will be a new type of warfare in the future with good performance. Based on the core thoughts of combat theory, the components of the system structure, and its outstanding features, the definition and concept of IBDCO are discussed in this paper. Some advanced projects of IBDCO system are introduced, and the development purposes and characteristics of these corresponding projects are emphatically summarized. Then, some crucial technologies which improve the development of IBDCO are analyzed in details, including situation awareness and cognition, information fusion and target tracking, distributed cooperative mission planning, and coordinated guidance law design. Finally, according to the analysis results of the related projects and achievements, some suggestions are proposed from the equipment design and its technical features of IBDCO system. The development trend of IBDCO system is introduced to provide useful reference for architecture design and tackling key problems of our army’s intelligent and cooperative operational systems.
Keywords ： intelligence；distributed system；cooperative operation
中图分类号 ：E712
文献标志码： A
文章编号： 2096-4641(2019)01-0006-08
收稿日期 ：2018-10-19；
修订日期： 2018-10-25
基金项目 ：国家自然科学基金(11202024，11572036)
作者简介 ： 唐胜景(1959— )，男，教授，博士生导师，主要研究方向为飞行器总体设计、飞行力学与控制。E-mail：tangsj@bit.edu.cn
标签：智能化论文; 分布式系统论文; 协同作战论文; 北京理工大学论文; 上海航天技术研究院北京研发中心论文;