基于DBN的察打一体无人机作战效能评估
张海峰， 韩芳林， 潘长鹏
(海军航空大学，山东 烟台 264001)
摘 要 ：为解决在复杂战场环境下察打无人机作战效能的有效评估问题，结合无人机的作战使用过程，分析了影响无人机作战效能的主要因素；运用动态贝叶斯网络方法构建了无人机作战效能的评估模型，并给出了变量属性等级和网络关键参数的计算方法。通过Netica工具对无人机的作战效能进行动态评估仿真，验证了模型的有效性和可行性。动态贝叶斯网络模型为无人机的作战运用和装备研制改进提供了参考依据。
关键词 ： 无人机； 效能评估； 作战效能； 动态贝叶斯网络； 察打一体
0引言
在最近发生的几场局部战争中，察打一体无人机以其无人驾驶、多样灵活、察打结合、性价比高等优点在军事行动中大放异彩。深入研究察打一体无人机的作战效能对其作战使用和装备发展具有较强的现实指导意义。目前，无人机作战效能评估方法有多种，如指数分析法[1]、ADC法、神经网络法、层次分析法[2]等，这些方法忽略了评估过程中的不确定性和随机性，局限性很大。动态贝叶斯网络将静态贝叶斯网络结构与时间信息相融合，具有对随机过程的不确定性问题进行完整表达、推导学习和动态评估的能力[3-6]。为此，本文将基于动态贝叶斯网络技术对无人机作战效能展开评估。
1 贝叶斯网络概述
1 .1 静态贝叶斯网络
贝叶斯网络由网络结构和条件概率两部分组成。贝叶斯的网络结构是一个有向无环图，由节点和有向弧组成[7]。
设给定一个随机变量集X ={X 1，X 2，…，X n }，其中，X i 为m 维向量。贝叶斯网络表述X 上的联合条件概率分布，定义为B =<G ，P >，G 为有向无环图，节点分别对应于X 中的变量，每条弧代表变量间的依赖关系。如果有一条由变量Y 到X 的弧，则Y 是X 的父节点，X 是Y 的子节点，没有父节点的节点称为根节点，没有子节点的节点称为叶节点，每个变量与其非子节点相互独立。P 表示任意节点与其父节点的依赖程度。
贝叶斯网络表示变量集合X 上的联合条件概率分布算式为
最终没能改变阿花的决定，景花厂宣布倒闭。阿花说她最难过的是对不起员工们，他们跟随自己这么多年，金融危机来了，没能在她的树荫下躲过这场雨，而树倒猢狲散了。所以景花厂倒了，一定要给员工们一个交代。她想好了具体的方案：一是向林强信妥协，让大发厂来的员工再回大发厂；二是请业务单位帮忙，安置熟手；三是把设备低价处理给员工，让他们自己接活加工；四是剩下的员工最大限度地予以赔偿。阿花安排我去大发厂和林强信交谈，她跑其他业务单位。
(1)
3) 作战能力。无人机系统的作战能力反映设计者赋予武器系统的“本领”，是系统在设计要求范围内工作时，成功完成其任务的概率。依据作战过程分析，其作战任务主要包括搜索识别目标以及对地(海)攻击。
本文分析考虑无人机在获取目标信息后以规划好的作战任务对目标进行搜索、攻击的情况。无人机根据目标情报描述，对任务区域进行搜索；发现疑似目标后，进行识别、定位和攻击决策；在确认目标属性并接到指令后，对目标实施攻击；完成攻击后返航[9]。可见，无人机的作战过程是一个动态的演变过程，影响其作战效能的主要因素可以从以下几个方面分析。
1 .2 动态贝叶斯网络
动态贝叶斯网络是将静态贝叶斯网络与时间信息相结合而形成的具有处理随机过程数据能力的系统模型，它融合了前后时间片的状态转移概率，考虑到了随机过程的连续性。为方便对无人机系统作战效能进行评估研究，对其做如下假设和处理[8]。
1) 假设随机过程满足马尔可夫性
P (X t+1 /X 1,X 2，…,X t )=P (X t+1 /X t )
(2)
即t +1时刻的状态只受t 时刻的影响。
5.选人用人的导向性。竞争的实质是参与干部德能勤绩综合素质的比较。在竞争性选拔过程中，干部的升降去留完全以本人的德才、政绩和民意为依据。这就教育、引导和激励干部努力学习、勤奋工作、廉洁自律，以自己的真才实学取胜，从而形成正确的用人导向，营造良好的竞争环境。
确定贝叶斯网络结构和属性等级后，就需要给出贝叶斯网络的概率分布。本文采用专家打分法来确定其概率分布，形成条件概率表(CPT)[13]。为说明方法，假设变量A 1和A 2是节点A 3的父节点，节点A 3的条件概率如表1所示。
式中:
i 为已知数据的第i 个特征的平均值；a i 为第i 个特征的观测值；M 为常数；E 决定了隶属度函数的形状。
基于以上假设，建立一个随机过程在时间轨迹上的动态贝叶斯网络，对任意时刻t ，X 1,X 2,…,X t+1 联合概率分布为
另外还有EW向和近SN向断裂组：为区内早期断裂，规模小，数量少，个别地段密集出现，被后期断裂组所切穿。
(3)
式中：P B0 为初始状态的概率分布；P B→ 为t 时刻到t +1时刻的转移概率分布，反映相邻时间片之间的因果关系。
2 基于动态贝叶斯网络的评估模型
运用动态贝叶斯网络进行无人机作战效能评估，一般采用以下步骤：1) 分析影响无人机作战效能评估的因素，确定贝叶斯网络的变量节点以及属性等级；2) 依托变量节点因果关系，构造贝叶斯网络拓扑结构；3) 确定动态贝叶斯网络参数，求得反映变量因果关系的条件概率和转移概率。
7.2.2梨小食心虫①诱杀越冬幼虫。4月中旬开始在树干上绑诱虫带，诱杀越冬幼虫。②诱捕成蛾。梨小食心虫具趋味性，4月至采摘结束在果园里用广口瓶装糖醋液或者幼虫净诱捕成虫。③喷药防治。第1代在4月上旬防治，9月份集中防治第4代害虫，用药与桃小食心虫相同。④果实套袋，也能避免危害。梨小食心虫在贵州长顺县苹果园的最佳防治措施是从4月中旬开始，每亩果园用30～35套迷向管进行迷向防治，每40～50天更换1次迷向剂，直至苹果采摘结束。
2 .1 无人机作战效能评估影响因素分析
每年节假日，尤其是春节前夕，我总会带领班子成员到离退休的老领导、老教师家中慰问；教师或教师的家属病了，我总是亲自带队探望，有时还会帮助联系医院、医生；解决教师子女的入园、升学问题，为有困难的职工及时送去一份关爱，也是我的重要工作。解决了教师的后顾之忧，他们才能全身心投入到教育教学工作中。多年来，帮助教师解决困难已经成了我的习惯，这让我和教师们的心靠得更近了。
1) 生存能力。无人机的作战生存力可定义为“无人机躲避或承受人为敌对环境的能力”，主要取决于无人机的易感性、易损性和可靠度以及对目标的探测、防卫能力。
2) 环境适应能力。无人机在作战过程中不仅要克服自然环境的影响，还要克服复杂的战场电磁环境影响，以确保飞行的可靠性和数据通信的稳定性。
式中，Pa i 为节点X i 的父节点。
2 .2 构建无人机作战效能评估贝叶斯网络模型
假定，邀请无人机研发使用等领域内比较权威的专家n 人组成无人机作战效能评估专家组。专家组对无人机作战效能评估的贝叶斯网络变量节点进行属性等级确定[11]，{E ，E 1，E 2，E 3，E 4}为{好，一般，差}，即{good，general，bad}，其余变量为{强，中，弱}，即{strong，general，weak}。
图1 无人机作战效能评估动态贝叶斯网络模型
Fig.1 DBN model of the UAV combat effectiveness evaluation
2 .3 确定变量节点属性等级
根据无人机的系统组成特点和作战过程分析，结合专家的经验知识，可得到影响无人机作战效能的主要因素包括无人机的生存能力、环境适应能力、侦察能力和攻击能力。将因素指标转换成贝叶斯网络的变量节点；依据因素指标之间的依赖关系，确定贝叶斯网络中变量节点的因果关系。由此构建出察打无人机作战效能评估的静态贝叶斯网络模型，将其按时间序列展开可构建动态贝叶斯网络模型[10]，如图1所示。
2 .4 隶属度函数
贝叶斯网络模型各变量节点的属性等级都是模糊分类的结果，但输入贝叶斯网络模型的数据是似然概率；这里，使用隶属度来实现观测数据与似然概率之间的转化。假设观测数据x 是包含n 个特征的向量，即x =(p 1,p 2,…,p n )，隶属度函数表示为[12]
(4)
论习近平总书记关于人民幸福重要论述的时代价值…………………………………………郭曰铎，张荣华（4，76）
2 .5 确定贝叶斯网络的关键参数
2) 假设在有限时间范围内，相邻的随机过程稳定。即对任意的t 时刻，条件概率P (X t /X t-1 )都是相同的，为一个独立于时间的常量。
表1 节点 A 3 的条件概率表
Table 1 CPT of A 3
表1中，n ij /n 表示在A 1和A 2属性为好(差)的条件下n 个专家中有n ij 个专家认为A 3的属性为好(差)。以此类推，可以确定贝叶斯网络中其他节点的CPT。
翻译不仅是语言行为，更是一种文化传递行为，是一种文化间的交流活动。翻译并不只局限于两种不同语言之间的转换，其中还蕴含了许多活跃的文化因素，而这些因素在翻译时都需被考虑入内。翻译行为论关注源语和目标语文化的差异，跨文化的互动缺失易导致部分翻译难以被理解，而翻译时注重跨文化因素能更好地传达原文信息。例如：
3 算例仿真分析
假设无人机在获取目标信息后以规划好的作战任务对目标进行搜索、攻击，每个观测节点的证据已经给出，并假设它们相互独立。从无人机抵近任务区域连续观测6个时刻，根据不同时刻得到的证据，设定无人机6个时刻的观测值，如表2所示。
表2 无人机观测数据
Table 2 Observed data of UAV
图2 时刻4的动态贝叶斯网络推理结果
Fig.2 Reasoning results of DBN at Moment 4
本文采用基于决策理论的、图形化的建模开发工具进行仿真。根据2.5节方法给出各节点的条件概率表，利用Netica构建并初始化无人机作战效能评估动态贝叶斯网络模型；以时刻4为例，其动态贝叶斯网络推理结果如图2所示。将表2数据输入到Netica构建的动态贝叶斯网络中，得到不同时刻的推理结果如表3所示。
表3 不同时刻的动态贝叶斯网络推理结果
Table 3 Reasoning results of DBN at different moments
无人机各变量(生存能力、环境适应能力、侦察和攻击能力)及作战效能变化趋势如图3、图4所示。
图3 无人机各变量变化趋势图
Fig.3 Change trend of UAV variables
图4 无人机作战效能变化趋势图
Fig.4 Change trend of UAV combat effectiveness
仿真结果表明：1) 无人机的生存能力和环境适应能力随着时间的持续在不断下降，主要是因为无人机的被探测概率逐渐增加、工作可靠性下降、电磁环境和自然环境趋向复杂等；2) 随着接敌距离的减小，无人机的侦察能力和攻击能力在逐步提高，但是随着侦察设备和武器系统的性能限制，在达到一定值后趋向缓慢降低；3) 无人机侦察能力和攻击能力对无人机作战效能影响最大，但是生存能力和环境适应能力随着作战过程的变化对无人机作战效能也发挥了重要影响。
4 结束语
本文结合察打无人机作战使用过程，分析了影响无人机作战效能的主要因素；针对无人机在作战过程中战场环境复杂、生存能力和环境适应能力存在不确定性、各项指标难以定量分析的问题，利用动态贝叶斯网络能够充分运用领域知识和样本数据对时变随机过程进行有效描述推理，以及处理不确定性问题的优势，建立了无人机作战效能评估的动态贝叶斯网络模型。利用Netica工具进行算例仿真，验证了模型的可行性，为察打无人机的作战运用和装备研制改进提供了参考依据。
参 考 文 献
[1] 屈高敏，董彦非，岳源．对地攻击型无人机作战效能评估[J]．火力与指挥控制，2016,41(4)：145-149.
[2] 杨勇，吴洋．基于灰色层次分析法的察打型无人机作战能力评估[J]．舰船电子工程，2014,34(7)：134-137,176.
[3] 佟守愚，庞世春，杨吉，等．贝叶斯网络在军事作战中的应用现状及展望[J]．指挥控制与仿真，2010,32(5)：1- 4.
[4] 陈固胜．基于动态贝叶斯网络的战场信息预测与评估[D]．南京：南京理工大学，2013．
[5] LAITILA P.Bayesian network model for BDA[R].Espoo:Helsinki University of Technology,2009.
[6] 马志军，吉玉洁．基于贝叶斯网络的舰艇对空作战训练效果评估研究[J]．舰船电子工程，2016,36(6)：28-32.
[7] 厉海涛，金光，周经伦，等．贝叶斯网络推理算法综述[J]．系统工程与电子技术，2008,30(5)：935-939.
[8] 肖秦琨，高嵩，高晓光．动态贝叶斯网络推理学习理论及应用[M]．北京：国防工业出版社，2007.
[9] 徐冠华，董彦非，岳源，等．基于察打任务的无人机作战效能评估[J]．火力与指挥控制，2016,41(7)：60-64.
[10] 罗光，贺平．基于动态贝叶斯网的野战防空演练效果评估研究[J]．四川兵工学报，2014,35(7)：
134-138.
[11] 卞泓斐，杨根源．基于动态贝叶斯网络的舰艇防空作战威胁评估研究[J]．兵工自动化，2015,34(5)：14-19.
[12] 刘春生，王斌，卢义成．基于Netica的机载雷达侦察效能评估[J]．现代雷达，2017,39(3)：8-12.
[13] 李瀛，王永攀，周一蛟，等．基于贝叶斯网络的防空预警监视系统作战效能评估[J]．舰船电子对抗，2015,38(6)：70-74.
DBN -Based Combat Effectiveness Evaluation of Reconnaissance /Strike UAV
ZHANG Hai-feng, HAN Fang-lin, PAN Chang-peng
(Naval Aviation University,Yantai 264001,China)
Abstract ： To address the issue of effective evaluation of Reconnaissance/Strike UAV(R/S UAV) combat effectiveness in complex battlefield environment,the main factors affecting the operational efficiency of the UAV are analyzed based on the UAV’s operational process.A combat effectiveness evaluation model of R/S UAV is built by using the Dynamic Bayesian Network (DBN) method,and the calculation methods of the variable attribute level and the key parameters are given.The Netica tool is utilized to dynamically evaluate and simulate the combat effectiveness of the UAV,and the validity and feasibility of this model are proved.The model can serve as a reference for the combat operation and equipment development of the UAV.
Key words ： UAV; effectiveness evaluation; operational efficiency; DBN; reconnaissance/strike
引用格式 ：张海峰，韩芳林，潘长鹏.基于DBN的察打一体无人机作战效能评估[J].电光与控制，2019,26(4)：77-80,85.ZHANG H F,HAN F L,PAN C P.DBN-based combat effectiveness evaluation of reconnaissance/strike UAV[J].Electronics Optics & Control,2019,26(4):77-80,85.
中图分类号 ：V279
文献标志码： A
doi: 10.3969/j.issn.1671-637X.2019.04.015
收稿日期 ：2018- 05- 07
修回日期： 2018- 05- 29
作者简介 ：张海峰(1969 —)，男，河北石家庄人，硕士，副教授，研究方向为海军兵种作战运用和武器系统作战效能建模仿真。