智能空战体系下无人协同作战发展现状及关键技术
黄汉桥1，白俊强1，周 欢2，程昊宇1，常晓飞1
（1.西北工业大学无人系统技术研究院， 西安710072； 2.空军工程大学， 西安710038）
摘 要： 在未来复杂的战场环境下，运用多架无人机在飞行空间内构成相互协作、优势互补及效能倍增的协同作战系统，是取得智能空战胜利的关键所在。首先阐述了无人系统的定义，并分析了其内涵和分类，指出智能化是无人系统未来的发展方向，根据自主完成任务的能力进行了分级。随后引出了典型的协同作战样式，阐述了国内外协同作战发展的现状。从协同态势感知技术、交互与信息作战云技术、智能决策技术、自主攻击技术、集群协同技术及学习与进化技术等分析了制约协同作战水准的关键技术。
关键词： 智能空战体系；协同作战；无人系统；智能决策；自主攻击
0 引言
随着无人系统平台的蓬勃发展，运用多架无人机在飞行空间内构成相互协作、优势互补、效能倍增的协同作战系统，已成为各国军方关注的热点和追逐的目标。它要求多架飞机协同分享、分配、分组作战信息资源，然后迅速、准确地做出协同侦察、协同预警、协同探测、协同攻击、协同拦截、毁伤评估或者退出攻击等决策战术任务，通过多架飞机之间的协同配合，最后通过控制系统实现协同，共同完成较复杂的任务，对空中战术和战略任务的顺利执行具有重要意义。
当前，世界正在经历大发展、大变革和大调整，我国国家利益拓展和周边安全形势正在经历严峻挑战。为捍卫国家领空利益，我们必须准备面对与强敌的对抗。强敌具有隐身战斗机与无人机协同、制空与防空一体的空天地体系化作战能力。因此，快速提升我军智能空战体系下的协同作战能力显得极为紧迫。要想取得对强敌的胜利，必须获得OODA概念上的优势（如信息探测能力、电子战能力、通信能力和火力打击能力）及系列“不对称”优势。
本文首先阐述了无人系统的内涵，指出智能化是无人系统未来的发展方向，根据自主完成任务的能力对无人系统进行了分级。随后，从协同侦察、协同预警、协同对地攻击及协同空战等多个不同角度探讨了协同作战样式，结合美军CODE计划及OFFSET计划等，阐述了国内外无人系统协同作战发展的现状。从协同态势感知技术、交互与信息作战云技术、智能决策技术、自主攻击技术、集群协同技术及学习与进化技术等，分析了制约无人系统协同作战水准的关键技术。
1 无人系统的内涵与分类
1.1 无人系统的内涵
随着近几年以无人驾驶汽车等为代表的无人系统自主性的不断提高，以组成为特征来定义无人系统已经不全面了，不适应无人系统的发展需要。给出以能力为特征的无人系统定义：具有信息感知、交互、处理、自主决策、学习和执行能力的系统。在现阶段，一些冠以 “无人”定义的系统还不完全具有上述6个能力特征。随着科学技术的发展，高级的无人系统将更加完美地诠释这些基本特征。
智能化技术的应用可以显著提升无人系统的能力，是无人系统的发展方向，无人系统将向着高自主等级的方向发展。
美军采用无人机自主控制水平来评价无人机的智能化水平，如图1所示。无人机的自主控制等级可分为10级，等级越高，无人机自主完成任务的能力越强。1～4级用于描述个体的智能化程度，5～10级用于描述群体的智能化程度。无人机由遥控制导向完全自主进化，由个体自主向群体完全自主发展，由模拟人的个体属性向模拟人的社会属性发展。无人作战飞机的发展趋势如图2所示。
图1 美军无人机自主控制等级
Fig.1 Autonomous control level of U.S.unmanned aerial vehicles
图2 UCAV的发展趋势图
Fig.2 Development trend chart of UCAV
1.2 无人系统分类
根据自主完成任务的能力，可以把无人系统分为初级、中级、高级和超级4个级别。
（1）初级无人系统
将传统的由人在平台上操作完成的任务变为人在平台下完成，即 “人在系统内，不在平台上”。
无人平台具有一定的感知、处理和执行能力，具备与操作员的交互能力，但不具备决策和学习能力。由人设定任务目的并操纵完成任务，典型代表为无人机。
（2）中级无人系统
具有一定的感知、交互、信息处理、执行、决策和学习能力，能自主完成特定的任务。
3）围绕装备综合能力的拓展，逐步提升控制层级和互操作性；
可模拟人类在某方面的能力，具有学习能力。由人设定目的，无人系统自主完成任务，典型代表为无人驾驶车辆。
（3）高级无人系统
具有完善的感知、交互、信息处理、决策控制、学习和执行能力，并且可以通过群体协作完成较为复杂的任务。
系统具有集群协同能力。行为目的由人设定，可自主完成复杂任务，典型代表为无人机群。
甲状旁腺的辨认主要依据外观形态及其解剖位置，上甲状旁腺多位于甲状腺上极背面、悬韧带周围区域，有报道称Zuckerkandl结节有助于辨认喉返神经和上甲状旁腺[9]，但目前应用此结节为标志来保护甲状旁腺的方法在国内并未得到广泛应用。下甲状旁腺解剖变异程度大，主要位于甲状腺下极后外侧甲状腺下动脉与腺体相连处，部分与气管食管沟的淋巴脂肪组织融合，也有少数位于胸腺舌叶内，因此下甲状旁腺的辨认及保留是手术的难点。此外识别甲状旁腺的常用方法还包括：纳米碳负显影技术、盐水沉浮法及术中冰冻等。
企业的资金管理如果得不到很好的监督，那么很容易出现差错或者滋生腐败的现象。而财务会计在经济管理中有个重要的作用便是监督，通过监督，企业行为可以得到更好的约束，这对于企业资金在流动的过程中可以更加公开透明，为资金的正常流动提供了重要保障。另一方面，通过财务会计的监督，还能更好的研究企业在进行经济行为活动过程中所存在的问题和不足，能够清楚的看到企业经济行为是否有效以此促进企业的经营发展，这样在最短的时间内企业可以发现经济管理和运行过程出现的问题并及时对其加以解决，进而使得企业的损失降到最低。
（4）超级无人系统
一般而言，减税可以通过某个税种的税目、税率、税基等课税要素的调整予以促成，也可以通过完善某个具体税种的内部结构来加以实现。然而，造成我国当前制造业整体税负较重的原因之一就是企业所得税结构不合理。主要表现为：
吸收液体循环的目的是降低尾气中的氨气浓度，最后的尾气吸收器兼有去除气体中雾沫的功能。再沸器汽化率约10%，塔顶回流比3～4，塔顶采出率D/F=0.035。
具有自主的目的，并且可以通过自主的行为达成目的。在感知、交互、信息处理、决策控制、学习和执行能力方面达到甚至超越了人类的水准，形成了类人甚至超人的无机生命，典型代表为科幻的未来无人系统。
2 无人协同作战及国内外发展现状
2.1 无人协同作战技术
无人协同作战系统要求多架有人机/无人机、无人机/无人机之间协同分享、分配、分组控制信息资源，然后迅速、准确地做出侦察、协同目标跟踪、协同攻击、协同空中拦截、毁伤评估或者退出攻击等决策战术任务。通过多架飞机之间的协同配合，最后通过控制系统实现协同，共同完成较为复杂的任务。
从协同作战模式和战术任务来看，无人作战飞机的协同作战主要可分为：
1）无人机和有人机的协同作战；
2）无人机与无人机的协同作战。
（1）内审机构开展科研经费审计。内部审计机构是独立的，应独立于科研经费的监督，检查科研经费的使用全过程，并行使其审计职能。内审人员应就审计情况向本单位负责人进行定期汇报，及时发现问题并及时督促相关部门进行整改。内审机构人员应严格遵守审计制度，完善审计流程，控制审计风险。
在今后一段时间的战争中，有人机与无人机及其他无人支援飞机的联合编队作战将成为一种全新且主要的作战模式。无人机直接接受有人机平台的指挥控制，实施联合目标确定、协同指挥控制、一体化作战、快速打击等决策及动态评估，从而实现传感器⁃控制器⁃射手的一体化作战模式。
国内针对无人协同方向的研究，主要经历了教练机改有人/无人协同、三代机与无人机协同、三代半与无人机协同、四代机与无人机协同及制空型无人机与有人机协同阶段，但以上研究仅仅实现了简单的数字和半物理仿真，针对关键技术攻关不足，缺少有人/无人协同作战的效能评估体系，缺少体系的仿真与验证手段。
对于无人机而言，其可利用人的智慧和综合判断能力，弥补无人机在智能决策方面的不足；依托有人机在态势感知、指挥控制等方面的优势，拓展任务类型，增强复杂对抗环境下的作战能力，摆脱对地面站及卫通链路的依赖，使得作战半径提高，抗干扰、反欺骗能力增强。
交互与通信技术包括人与无人系统、无人系统之间的交互技术。通过模拟人的各种感官（如听觉、味觉、触觉、视觉等），实现指令下达及信息传递。
无人机与无人机协同作战将是未来作战的主要模式，其发展的最终目的是在无人干预或极少有人干预的条件下，协同自主完成作战任务。
治疗后，观察组肿瘤完全坏死率为92.9%(26/28)，对照组为66.7%(20/30)，观察组显著高于对照组，差异有统计学意义(χ2=6.054，P＜0.05)。观察组治疗后1、2及3年的生存率均显著高于对照组，差异有统计学意义(P＜0.05)。见表3。
2.2 无人协同作战的发展现状
无人机融入现有航空武器的装备体系是必然趋势，是提升空军作战体系整体效能的重要手段。未来的空中优势作战，将由 “平台中心”演进为“有人/无人联合”的体系协同作战。
2004年，美军两架X⁃45协同飞行。2007年，英国空军1架改装的 “狂风”与3架无人模拟机（BAC⁃111改装）协同。2008年，美军 AV⁃8B 飞机与 “捕食者”无人机协同作战。2014年11月，美军2架F/A⁃18与1架X⁃47B协同航母起降。2015年4月22日，X⁃47B验证机与K⁃707加油机协同。2016年美军提出，计划实现F⁃35与F⁃16无人版的协同。综合国外无人协同作战的发展趋势，可总结出如下几点：
1）重视有人机/无人机协同的顶层规划与体系建设；
2）重点突破平台、链路通信、指挥控制、传感器和火控协同等关键技术；
1.1.4 排除标准 ①由于生殖器官器质性病变(子宫畸形、子宫肌瘤、子宫肌腺症、垂体肿瘤)引起的复发性流产者；②由于其他内分泌因素导致的复发性流产(高泌乳素血症、多囊卵巢综合征、甲状腺功能异常等)；③夫妻双方至少一方染色体异常；④过敏体质或对多种药物过敏者；⑤合并有心血管、肝、肾和造血系统等严重原发性疾病及精神病患者。
互联网技术的快速发展，使我们进入了信息大数据时代，“互联网+旅游”随着“互联网+”概念的提出应运而生。
4）从编队技术攻关到协同战术飞行验证，推动协同作战走向实用化。
下面介绍以美国国防部高级研究计划局DARPA为代表的3大计划：进攻性蜂群战术（OFF⁃SET）、拒止环境中的无人协同作战（CODE）和体系集成技术及试验（SoSITE）。
（1）进攻性蜂群战术（OFFSET）
项目背景是克服城市作战所面临的挑战，进一步发展颠覆性的蜂群能力。
项目目标是激发创新蜂群战术的产生，丰富及提升未来蜂群系统的作战能力，并以此建立及维持美军在城市作战环境中的非对称性优势；设计、研发和验证1个蜂群系统架构——在1个现实的基于游戏的情境中产生，并被嵌入到物理的蜂群自主平台中——以推进创新互动和整合新颖的蜂群战术；寻求构建1个多功能、异构的蜂群系统，这个系统能够使250个以上的无人自主协作平台于6h内在8个街区执行任务。
OFFSET项目旨在推进及加快蜂群使能战术的发展，并将重点放在蜂群自主性和人⁃蜂群编队这两个领域，重视作为蜂群能力发展基础的作战相关蜂群战术。
无人系统对战场环境全信息域的感知能力是智能化的表现，是其实现自主导航、任务感测、系统监控等目标的基础。无人系统要求感知系统在信息复杂、高度对抗、任务多变的战场环境中，通过有限信息感知来推断环境状况和平台健康状况，并评估敌方作战意图，进行系统故障诊断与预测。需要重点研究的关键技术包括：多源信息采集、融合与处理技术、非结构化环境感知技术、复杂环境认知学习和推理技术、态势感知与评估、目标意图识别技术、系统健康监控与故障预测技术等。
项目背景是针对未来作战环境对抗性更强且更加变幻莫测的特点，拓展无人机自主协同能力，以满足未来作战所需。
CODE项目的示意图如图3所示，项目目标是开发及验证新的算法和软件，这些算法和软件能够通过自主性和协同行为扩展传统及新型无人机在拒止环境中的任务能力。内容包括协同自主性、无人自主性、人机控制界面、分布式系统开放架构等。
图3 CODE项目的示意简图
Fig.3 Schematic diagram of the CODE project
第1阶段（2014年～2016年）：通过模拟的方式验证概念系统和架构设计，项目成功验证了自主协同在战术层面上的应用潜力。2个研究团队（雷神公司和洛马公司）选择了大约20个可极大提升无人机在拒止或对抗环境中有效作战能力的自主行为。
第2阶段（2016年～2018年）：完成详细设计和飞行试验。洛马公司和雷神公司以RQ⁃23“虎鲨”无人机为试验平台，并为其加装了CODE软件和硬件。试验情况：2架真实无人机+2架虚拟无人机，测试了编队飞行、在GPS拒止环境中相对导航、动态环境适应等自主行为。DARPA项目的经理表示：“阶段2的测试飞行超出了项目支撑基础设施原本的能力，面向未来的协作自主能力CODE的发展取得了可喜的进展”。
第3阶段（2018年至今）：通过系列飞行试验发展和验证全任务能力，试验由6架真实无人机和若干虚拟无人机组成。2018年1月，DARPA授予雷神公司第3阶段的合同，以进一步完成CODE软件的开发和最终的飞行试验。DARPA项目的经理表示：“CODE正在努力开发一种低成本的方法，来升级传统的无人驾驶飞机的作战能力，并通过开创性的算法和软件，使他们能够在最少人员的监督下协调工作，从而极大地提高作战效能。预计通过在更复杂的情况下测试更多的飞机和高度自主的行为，进一步扩大代码能力”。
（3）体系集成技术及试验（SoSITE）
项目背景是美军空中优势正在受到挑战，包括美军自身内在发展的受限和潜在敌手技术能力的发展，SoSITE项目的概念图如图4所示。
三是特别强调变法措施的执行和落实。商鞅变法的成功在于其令出必行，取信于民，在于“法令至行，公平无私”。从另一方面来说则是执法严苛，这也可能是导致商鞅因变法而被杀的重要原因之一。秦朝在统一中国后仅传两世，延续仅十五年而亡，可以从商鞅变法中找到原因。
互联网技术可以让农业生产者及时了解市场信息，还可以对地域水文、气候、土壤进行综合评估，为农业生产提供重要参考数据。农业生产者如果能在农业生产前及时获取信息，可以降低生产风险。
项目目标是维持在强对抗性环境中的空中优势，提升和改进算法、软件和电子技术，包括杀伤链、开放系统架构、作战管理控制系统、系统多样性和适应性。
图4 SoSITE项目的概念图
Fig.4 Conceptual graphs of SoSITE
DARPA发布的项目广泛机构公告（BAA）可被分为2个阶段：第1阶段为2014年4月～2016年10月，主要完成系统架构和集成技术的研发；第2阶段为2016年10月～2019年10月，主要进行体系集成技术试验。
根据美军的一项针对有人/无人协同的试验分析，有人机/无人机协同作战，可使任务成功率上提升35%，作战效率提升25%，生存力提升25%，作战时间缩短50%。
无人协同方向在国内的发展趋势正由编队非隐身、编队协同、同构平台协同向编队隐身、集群协同、异构平台协同方向发展。
3 无人协同作战需解决的关键技术
3.1 协同态势感知
未来的无人系统协同作战必须具备更加全面的战场环境态势感知能力，包括目标的感知与识别、战场态势的智能认知等。上述目标均对无人系统在复杂环境中的智能化程度提出了更高的要求，图5为协同态势感知的示意图。
图5 协同态势感知的示意图
Fig.5 Schematic diagram of collaborative situational awareness
协同态势感知的概念为：无人系统编队内的各飞行器利用各自携带的传感器获取战术信息，并对这些战术信息在统一框架下进行融合，形成对整个战场态势的综合描述和表达，并且通过对战场态势的分析和理解，完成任务决策和打击指令，从而指挥无人飞行器完成相应的作战任务。
作战云可以按需提供弹性作战资源，其外在表现为一系列服务的集合。结合 “云计算”的应用与研究，并根据军事行动的实际需求，可将“作战云”分为资源层、能力层、平台层、应用层及管理层5个架构：
（2）拒止环境中的无人协同作战（CODE）
3.2 交互与通信技术
对于有人机而言，可拓展有人机的态势感知能力与打击范围，丰富有人机的任务域；降低有人机遂行高危作战任务的风险，提高生存力；有人机在空战中的角色由单机 “战斗员”作战变为集群 “指挥员”作战，可实现效能的提升。
无人系统与人通过语音、文字、肢体语言、表情甚至脑电波等实现交互与通信，如图6所示。无人系统之间的数据通信，可能会产生机器语言和新的通信方式。
图6 脑机接口设计
Fig.6 Interface design of brain-computer
3.3 作战云技术
“作战云”是未来智能协同空战的有力支撑，如图7所示。其概念是指综合运用网络通信技术、虚拟化技术、分布式计算技术及负载均衡技术，将分散部署的作战资源进行有机重组而形成的一种弹性、动态的作战资源池，其具备虚拟化、连通性、分布式、易扩展和按需服务等特点，可为作战按需获取资源提供可能，为达成 “跨域协同”提供支撑，为实现 “云作战”奠定基础。
图7 未来作战云的概念图
Fig.7 Conceptual graphs of the future combat cloud
作为作战体系的崭新形态，作战云通过云技术高度共享陆、海、空、天的多维作战数据，实现陆、海、空、天、电、网等作战域的战场资源整合，使得各种作战要素汇集成云，完成战场数据的网状交互，进而增强空天情报信息共享的实效，促进作战指挥效能的提升，提高空天信息作战协同的效率。
作为一种智能化平台，协同作战系统对环境及目标进行精确地认知是实现自主控制、决策等功能的基础，其中主要涉及到多源信息融合、场景分割、物体检测与识别、自身定位、地图构建等关键技术。无人系统具备信息收集和环境认知能力，能够感知、识别、理解其所处的战场环境，是无人系统实现高级智能的基础，可借鉴人类在认知过程中的认知信息处理、复杂环境认知算法、基于认知的学习和推理方法等。
1）资源层。通过虚拟化技术将分散部署的同型异构作战资源进行抽象聚合，以形成各类简明易用且弹性可扩的资源池。
2）能力层。依托资源层提供的各种作战资源，以作战为目的将其封装成相应的作战能力。
3）平台层。将能力层封存好的能力按作战阶段及流程，组合为具体的作战功能。
4）应用层。由基于平台层提供的作战功能，按作战行动的类型需求进行动态组合，形成业务模块。
5）管理层。主要对 “作战云”的各层服务实施管理。
3.4 智能决策及自主攻击技术
在协同作战过程中，需要无人作战飞机（UCAV）编队的指挥人员能够根据战场态势的实时变化，及时、准确地制定和调整作战任务方案。但是面对现代战场的瞬息万变、海量战术信息的瞬时涌入，指挥人员在心理和生理层面都很难胜任这样繁重的感知、分析判断和决策任务，因而需要有先进的智能决策技术辅助无人作战飞机编队的指挥人员进行实时的战术决策和指挥。
第一步：对停电变电站每条馈线进行处理，采集停电前负荷，并识别其所属类型，识别馈线是单路径馈线还是多路径馈线。收集计算的各种参数，初始化单路径馈线恢复模型的计算。
营造积极网络环境，减少青少年犯罪事件发生，需要家长、学校和社会的共同努力，加大对青少年的关注力度，帮他们安全度过人生的转折期。
智能决策系统可以与 “观察-指引-决策-行动（OODA）”循环结构相结合，从决策层和行动层2个角度出发，运用大数据和机器学习方法提取有人机飞行员的空战经验，并结合Monte Carlo搜索树、滚动时域优化等方法，在实时条件下达成空战决策与实现目标控制。
自主攻击技术是协同作战的重要组成部分，其包括单个飞行器的智能感知及决策、在线规划、智能控制等。自主攻击技术是提升无人系统性能的关键技术，而智能感知及决策是实现自主能力的核心环节，是从感知环境到采取行动的映射。图8为智能决策系统的框图。无人系统的在线行为决策能力使其能够针对动态变化的环境态势作出迅速而准确的判断，以便采取有效的行为。智能控制是自主攻击的重要执行环节，直接决定攻击精度和综合效能。
纸艺活动不仅能促进幼儿的身心发展，让幼儿在活动中受到美的熏陶，而且还发展了幼儿的创造力。通过我们的学习研究，幼儿们对纸艺产生了浓厚的兴趣，能创造出自己独特的作品，各种能力也在活动中得到发展。
图8 智能决策系统的框图
Fig.8 Schematic diagram of intelligent decision system
UCAV自主攻击的关键技术将减少其在作战状态时的来自地面指挥与操控人员的干预，降低无人作战飞机传递信息和处理系统的复杂程度，消除无人作战飞机与地面作战指挥控制系统通讯链路被干扰的隐患，突破操控人员的固有生理因素。X⁃47B便实现了自主起降并完成了系列任务，其起降画面如图9所示。
图9 X-47B自主起降的画面
Fig.9 Autonomous take-off and landing of X-47B
自主攻击技术可充分发挥UCAV适应复杂战场环境能力强的特点和优势，增强机动攻击能力，提高武器发射/投放精度，增加发射/投放机会，减少发射/投放时间，减轻地面指挥与操控人员的工作负担，甚至可以摆脱地面指挥与控制的约束，提高武器系统进行目标瞄准、武器发射的能力，提高在面对外界不确定扰动情况下的自适应控制能力、鲁棒性能和容错能力。结合前期研究课题，给出了无人机自主攻击过程的示意图，如图10所示。
从国外无人机自主控制技术的应用现状可以看出，目前国外现役无人机的自主控制等级一般都在3级以下，制约无人机系统达到高级别自主能力的因素包括：人工智能技术、计算机技术和通信技术。
3.5 集群协同作战技术
集群协同作战是一种全新概念的作战模式，对未来战争的影响将是颠覆性的，集群协同作战的示意图如图11所示。美国国防部在最新发布的《无人系统综合路线图（2017⁃2042）》 中强调，为适应未来联合作战的需求，无人系统应聚焦全域集群作战，互操作性、自主性、安全网络、集群协同是加速无人系统作战应用的4大驱动力，可用于指导美军用无人机、无人潜航器、无人水面艇、无人地面车辆等的全面发展。
集群协同作战涉及的关键技术包括了集群态势感知与信息融合、集群控制与群体智能及任务规划等。其中，任务规划又包括了静态协同任务分配、动态协同任务分配、协同航迹规划研究等。多无人系统编队的协同控制是难点。
图10 无人机自主攻击过程的示意图
Fig.10 Diagram of UAV autonomous attack process
图11 集群协同作战的示意图
Fig.11 Schematic diagram of cluster cooperative operation
图12 AI飞行员与人类飞行员对抗的场景
Fig.12 A confrontation between AI pilots and human pilot
3.6 学习与进化智能技术
智能化给人类发展带来了机遇和挑战，人工智能技术的发展势不可挡。智能化无人系统以人工智能技术为基础，能够模仿人类思维，具备态势感知、信息融合、自主决策、组网协同的能力，可实现 “自主、高动态与分布协同作战”的无人系统。从围棋人机大战中AI的胜出，到AI飞行员战胜人类飞行员的报道，可见未来的大规模空战离不开AI。图12展示了AI飞行员和人类飞行员对抗的场景。
人类不断进步的核心动力在于知识的学习和积累。近年来，智能化无人系统的迅速发展也是建立在大数据、深度学习、强化学习及计算硬件迅速发展的基础之上。
4 结论
智能空战体系下的协同作战技术已成为各国军方关注的热点和追逐的目标，我军必须尽快提升协同智能空战水平。国内在协同作战领域虽起步较晚，但科研院所已开展了大量理论研究和飞行试验。从国内外的技术研究进展和总体研究态势来看，我国在某些领域虽然取得了一定成绩，但存在的短板较多，支撑协同作战的基础理论创新性不足，多处于跟风研制阶段，特别是在协同智能空战的概念和架构设计、先进无人作战的飞行技术、态势感知技术、智能决策技术、自主攻击技术、协同控制技术、通信与组网控制技术、人机智能交互和多无人机敏捷管理等方面，都缺乏较为厚实的研究基础。
因此，急需研究新的作战体系及作战样式，将目前公认的有人/无人混合编队的作战模式引入我军的作战体系中，攻克制约协同作战的态势感知、智能决策等核心技术，研发满足制空协同作战需求的无人平台，用于先敌探测隐身目标，先敌发射武器摧毁目标。
参考文献
［1］Huang H Q，Zhuo T.Multi⁃model cooperative task assign⁃ment and path planning of multiple UCAV formation ［J］.Multimedia Tools and Applications，2017：1⁃22.
［2］黄长强，丁达理，黄汉桥，等.无人作战飞机自主攻击技术［M］.北京：国防工业出版社，2014.HUANG Chang⁃qiang，DING Da⁃li，HUANG Han⁃qiao，et al.Autonomous attack technology for UCAV ［M］.Bei⁃jing：National Defense Industry Press，2014.
［3］Zhou H，Huang H Q，Zhao H，et al.Adaptive unscented Kalman filter for target tracking in the presence of nonlinear systems involving model mismatches ［J］.Remote Sensing，2017，9（7）：657.
［4］Huang H Q，Zhou H，Cai Y W.Study on multi⁃path planning and tracking control of the UCAV based on evo⁃lutionary algorithm ［C］.15thInternational Conference on Control，Automation and Systems，2015：1762⁃1766.
［5］Mujumdar A，Padhi R.Evolving philosophies on autono⁃mous obstacle/collision avoidance of unmanned aerial ve⁃hicles ［J］.Journal of Aerospace Computing Information and Communication，2011，8（2）：17⁃41.
［6］DeGarmo M，Nelson G M.Prospective unmanned aerial vehicle operations in the future national airspace system［C］.Proceedings of the AIAA 4thAviation Technology，Integration and Operations Forum，2004.
［7］Clough B T.Unmanned aerial vehicle：autonomous control challenges，a researcher's perspective ［J］.Journal of Aer⁃ospace Computing，Information，and Communication，2005，2（8）：327⁃347.
［8］Clough B T.Autonomous UAV control system safety⁃what should it be，how do we reach it，and what should we call it？ ［C］.Proceedings of the IEEE National Aerospace and Electronics Conference，2000：807⁃814.
［9］Wang D J，Lyu H F，Wu J.In⁃flight initial alignment for small UAV MEMS⁃based navigation via adaptive unscented Kalman filtering approach ［J］.Aerospace Science and Technology，2017，61：73⁃84.
［10］Leven W F，Lanterman A D.Unscented Kalman filters for multiple target tracking with symmetric measurement equa⁃tions ［J］.IEEE Transactions on Automatic Control，2009，54（2）：370⁃375.
［11］Cao Y T，Wang G，Yan D M，et al.Two algorithms for the detection and tracking of moving vehicle targets in aerial infrared image sequences ［J］.Remote Sensing，2016，8（1）：28.
［12］Gordon N J，Salmond D J，Smith A F M.Novel approach to nonlinear/non⁃Gaussian Bayesian state estimation ［J］.IEE Proceedings F⁃Radar and Signal Processing，1993，140（2）：107⁃113.
［13］Clough B T.Metrics，schmetrics！ how do you track a UAV's autonomy？ ［C］.AIAA's 1stTechnical Conference and Workshop on Unmanned Aerospace Vehicles，2002：1⁃7.
［14］Leveson N G.Safeware：system safety and computers［M］.New York：Addison⁃Wesley，1995.
［15］Leveson N G.A new accident model for engineering safer systems［J］.Safety Science，2004，42（4）：237⁃270.
Present Situation and Key Technologies of Unmanned Cooperative Operation under Intelligent Air Combat System
HUANG Han⁃qiao1，BAI Jun⁃qiang1，ZHOU Huan2，CHENG Hao⁃yu1，CHANG Xiao⁃fei1
（1.Unmanned System Research Institute，Northwestern Polytechnical University，Xi'an 710072；2.Air Force Engineering University，Xi'an 710038）
Abstract： In the future complex battlefield environment，the cooperative combat system composed of multiple un⁃manned aerial vehicles（UAVs）in flight space is the key to achieve the victory of intelligent air combat.Firstly，the defini⁃tion of UAV is expounded，and its connotations and classifications are analyzed.It is pointed out that intelligentization is the future development direction of UAV，which is classified according to the capability of autonomous mission completion.Then，typical cooperative combat styles are introduced，and the development status of cooperative combat of both domestic and abroad is expounded.The key technologies restricting cooperative operations are analyzed from the aspects of coopera⁃tive situational awareness technology，interactive and information warfare cloud technology，intelligent decision⁃making technology，independent attack technology，cluster cooperation technology and learning and evolution technology.
Key words： intelligentaircombatsystem； cooperative combat； unmanned system； intelligentdecision；autonomous attack
中图分类号： V19
文献标志码： A
文章编号： 1674⁃5558（2019）07⁃01657
doi： 10.3969/j.issn.1674⁃5558.2019.01.002
收稿日期： 2018⁃11⁃28
基金项目： 国家自然科学基金青年基金（编号：61601505）；陕西省创新人才推进计划青年科技新星项目（编号：2018KJXX⁃002）
姓名： 黄汉桥
性别： 男
学历： 博士研究生
职称： 副教授
研究方向： 飞行器导航、制导与控制，无人飞行器作战系统与技术
标签：智能空战体系论文; 协同作战论文; 无人系统论文; 智能决策论文; 自主攻击论文; 西北工业大学无人系统技术研究院论文; 空军工程大学论文;