基于贝叶斯网络的车辆目标功能毁伤评估模型

程 浩 刘俊友 赵 瑾

(陆军军官学院 合肥 230031)



基于贝叶斯网络的车辆目标功能毁伤评估模型

程 浩 刘俊友 赵 瑾

(陆军军官学院 合肥 230031)

应用贝叶斯网络在解决不确定性事件方面的推理优势,根据车辆目标的毁伤特征分析建立了贝叶斯网络功能毁伤评估模型。在目标物理毁伤信息分析的基础上,通过实例演示了评估过程,验证了用贝叶斯网络进行功能毁伤评估的可行性与有效性。

贝叶斯网络; 功能毁伤评估; 毁伤特征

Class Number TP391

1 引言

随着现代战争节奏的加快,战场环境的复杂化,目标功能毁伤的效果评估对战场指挥员的作战决策影响越来越大。而现代战场的复杂性及目标毁伤信息的不确定性,给目标功能毁伤评估带来了巨大挑战。目前,目标功能毁伤的评估主要依赖于对目标的详细毁伤信息和目标物理毁伤的结论,采取定性分析的方法进行研究。由于目标毁伤来源多样,且多是物理毁伤信息,而多数目标的物理毁伤与功能毁伤不存在一一对应的关系,这就导致物理毁伤信息源对于目标功能毁伤评估具有一定的不确定性和不完整性。贝叶斯网络是一种不确定性推理工具,它可以根据不确定或不完整信息对所研究的问题做出相对准确的推理,贝叶斯网络的这种特点正好适合根据各种不确定或不完整的目标毁伤信息对目标功能毁伤进行综合评估。本文以车辆目标为例,探讨基于贝叶斯网络的目标功能毁伤评估模型的建立。

2 车辆目标毁伤特性分析

车辆通常按装甲防护情况分为非装甲车辆和装甲车辆两大类。非装甲车辆由于自身防护性低,易受到各种毁伤力量的毁伤。装甲车辆具有不同程度的装甲防护措施,有效地提高了战场生存力。装甲车辆相对于弹丸和破片的易损性,由装甲的类型、厚度和倾角以及破片或弹丸的材质、质量、形状和着速等决定。穿甲弹、炮弹破片、冲击波、电子干扰及危害乘员的毁伤作用,都能使车辆受到不同程度的损坏[1]。

一般作战情况下,不需要彻底摧毁装甲战斗车辆,只要使其在一定程度上丧失战斗力就足够了。对车辆目标的毁伤,重点关注是对其功能毁伤。

车辆目标主要具有以下毁伤特性:

1) 几何特性。车辆几何特性的改变能够从一定程度上反映出车辆被毁伤的程度,通过打击前后车辆几何特性的改变计算车辆的物理毁伤程度,并以此为基础评估功能毁伤。

2) 功能特性。车辆目标的功能毁伤是车辆受打击后其行动能力或作战能力等功能丧失的程度,主要由人员的伤亡情况、车辆的机动性和武器装备的完好程度等共同决定。

3 基于贝叶斯网络的车辆目标功能毁伤评估模型的建立

车辆目标的功能毁伤评估通常可以分两步进行,第一步是在对车辆目标物理毁伤分析的基础上,运用侦察情报体系获取的目标毁伤图像,对目标进行物理毁伤评估。第二步是在物理毁伤评估的基础上,结合毁伤意图,通过分析目标物理毁伤与功能毁伤之间的内在联系,开展目标的功能毁伤评估研究。

贝叶斯网络可以利用历史数据或从军事行动中获得的数据来修正网络的条件概率分布,从不确定性的初始证据出发,以概率的方式表达并动态地融合各种不确定性证据,可以从不完全、不精确或不确定的知识或信息中做出推理,最终推出具有一定不确定性但却合理或近乎合理的评估结论,从而能够有效地提高评估质量,增强评估结果的准确性和可信度,减少作战决策的不确定性。

3.1 贝叶斯网的建模流程

贝叶斯网由网络拓扑结构S(代表变量的结点及连接这些结点的有向弧线)和局部概率分布(每个变量结点的条件概率表)组成。假设随机变量X={X1,X2,…,Xn},贝叶斯网中的n个结点与每个随机变量Xi一一对应。结点变量是任何问题的抽象,如测试值、观测现象、意见征询等。结点间的有向弧线代表了结点间的相互关系,结点之间缺省弧线则表示条件独立。如果存在从Xj指向Xi的有向弧线,则称Xj为Xi的父结点,用P(Xi|Xj)表示联结强度。显然Xi的父结点为一结点集,用Pa(Xi)表示S中Xi的父结点集合。在贝叶斯网中,结点只依赖于它的父结点集,而和它的非父结点(集)是条件独立的。除条件独立性外,每个结点还关联一个概率表。如果结点Xi没有父结点,则表中只包含先验概率P(Xi);如果结点Xi只有一个父结点Xj,则表中包含条件概率P(Xi|Xj);如果结点Xi有多个父结点Pa(Xi),则表中包含条件概率P(Xi|Pa(Xi))。于是X的联合概率分布可以表示为[2]

构建一个指定领域的贝叶斯网络包括以下三项内容[3]:

1) 确定为建立模型有关的领域变量以及它们的可能值和解释。主要包括三方面内容:确定模型的目标,即确定相关问题的解释;确定与问题有关的很多可能的观测值,并确定其中建立模型的子集;将这些观测值组成互不相容的而且可以穷尽所有状态的变量,这样做的结果不是唯一的。

2) 标识变量间的依赖关系,并以图形化的方式表示出来,即建立一个条件独立断言的有向无环图。对于由n个节点构成的贝叶斯网络来说,n个节点所构成的所有的有向无环图都可能作为贝叶斯网络的结构。

3) 学习变量间的分布参数,获得局部概率分布表。在离散的情形,需要为每一个变量xi的各个父节点的状态指派一个分布。

由上可知,贝叶斯网络的建立没有现成的规矩,只能根据实际问题,依靠相关领域专家确定贝叶斯网络的结点,其后的主要任务就是学习它的结构和参数。目前常见的参数学习算法有Bayesian法、MLE法、EM算法等。相对于训练样本数据集完整和不完整的情况,参数学习算法也不相同。

3.2 贝叶斯网络拓扑结构的建立

在分析车辆目标功能毁伤评估的结构层次的基础上,依据构建贝叶斯网的基本思路,首先建立毁伤评估贝叶斯网络模型的拓扑结构,包括确定模型所包含的节点和确定节点之间的连接关系两方面内容。建立车辆目标的贝叶斯网络拓扑结构如图1所示。

图1 车辆目标功能毁伤评估贝叶斯模型

3.3 贝叶斯网络模型参数的确定

首先确定节点的状态:

功能毁伤等级(H):这里对目标的毁伤分为三个等级,即重度毁伤(H1)、中度毁伤(H2)和轻度毁伤(H3)。目标功能重度毁伤,是指目标的功能毁伤了60%以上;目标功能中度毁伤,是指目标的功能丧失30%～60%;目标功能轻度毁伤,是指目标的功能丧失30%以下。

· 物理毁伤等级(A):重度毁伤(A1)、中度毁伤(A2)和轻度毁伤(A3);

· 装甲防护(B):重装甲(B1)、轻装甲(B2)、无防护(B3);

· 弹种(C):穿甲弹(C1)、杀爆弹(C2);

· 机动性能(D):丧失(D1)、完好(D2);

· 结构毁伤(E):重度毁伤(E1)、中度毁伤(E2)和轻度毁伤(E3);

· 人员毁伤(F):重伤(F1)、轻伤(F2)、完好(F3);

· 武器装备毁伤(G):完全损坏(G1)、部分损坏(G2)、完好(G3)。

贝叶斯网络结构建立之后,要利用网络进行推理、毁伤评估就必须确定网络参数:节点的条件概率分布表CPT。贝叶斯网络模型条件概率的确定一般比较复杂,往往根据具体问题,由专家经验确定或由统计实验确定。根据毁伤信息收集手段的特点,结合运用专家经验与统计数据,针对各个节点性质的不同来选择不同方法以确定依附在各节点上的条件概率,以减少人为因素在其中的比重。

4 毁伤评估模型示例

使用152mm杀爆弹对非装甲车辆目标进行射击,通过无人机侦察提供的目标毁伤图像进行毁伤分析,计算毁伤参数,确定目标的物理毁伤等级为中度毁伤,机动性完好,运用贝叶斯网络模型进行功能毁伤评估的具体评估过程如下:

1) 建立贝叶斯网络毁伤评估模型

对该非装甲车辆目标的贝叶斯网络毁伤评估模型如图1所示。

2) 确定节点状态

各节点的状态表示参考3.3节建立。

3) 确定节点CPT

结构毁伤节点的条件概率表示为P(E|A,B,C),如表1所示。

人员毁伤节点的条件概率表示为P(F|C,E),如表2所示。

武器装备毁伤节点的条件概率表示为P(G|C,E),如表3所示。

功能毁伤节点的条件概率表示为P(H|D,F,G),如表4所示。

表1 结构毁伤节点(CPT)

表2 人员毁伤节点(CPT)

表3 武器装备毁伤节点(CPT)

表4 功能毁伤节点(CPT)

4) 贝叶斯网络模型推理计算

根据建筑目标功能毁伤评估的贝叶斯网络结构和节点CPT,对建筑目标功能毁伤程度进行计算。

P(H)=P(H|D,F,G)P(F|C,E)P(G|C,E)

P(E|A,B,C)P(A)P(B)P(C)P(D)

由于毁伤等级(A)为中度毁伤,装甲防护(B)为无防护,弹种(C)为152mm杀爆弹,机动性完好(D),所以:

P(A)=P(A2)=1,P(B)=P(B3)=1,

P(C)=P(C2)=1,P(D)=P(D2)=1

从表1可以得到:

P(E|A,B,C) =P(E|A2,B3,C2)

=(0.57 0.35 0.08)T

从表2可以得到:

从表3可以得到:

根据贝叶斯网络拓扑结构,先求取P(F)和P(G),后求取P(H)。

P(F) =P(F|C,E)P(E|A,B,C)P(A)P(B)P(C)

P(G) =P(G|C,E)P(E|A,B,C)P(A)P(B)P(C)

P(H) =P(H|D,F,G)P(D)P(F)P(G)

=P(H|D2,F,G)P(F)P(G)

当武器设备毁伤等级(G)取完全损坏时:P(H|D2,G1) =P(H|D2,F,G1)P(F)

当武器设备毁伤等级(G)取部分损坏时:P(H|D2,G2) =P(H|D2,F,G2)P(F)

当武器设备毁伤等级(G)取完好时:P(H|D2,G3) =P(H|D2,F,G3)P(F)

所以:

P(H) =P(H|D2,G)P(G)

由此可得,目标功能毁伤等级为严重毁伤的概率为0.57,中度毁伤的概率为0.15,轻度毁伤的概率为0.28。

5) 结果分析

贝叶斯网络模型评估的结果通常为各节点状态发生的概率,一般可以用毁伤等级发生概率最大的毁伤等级作为目标功能毁伤等级。因此,该非装甲车辆目标的功能毁伤等级为严重毁伤。

5 结语

利用贝叶斯网络对目标进行毁伤评估,可以充分利用目标毁伤信息,应用贝叶斯网络强大的推理功能,对目标的功能毁伤等级做出相对准确的评估。本文以车辆目标为例,在分析目标物理毁伤信息的基础上,利用贝叶斯网络对目标的功能毁伤评估模型进行了研究。

[1] 郑津生.联合战役陆军火力毁伤理论[M].北京:军事科技出版社,2005.

[2] 史建国,高晓光.动态贝叶斯网络及其在自主智能作战中的应用[M].兵器工业出版社,2008.

[3] 黄惠南.雷达装备战场损伤评估与修复专家系统研究[D].长沙:国防科学技术大学硕士论文,2005.

[4] 刘学军,徐洸.联合火力打击目标毁伤指标分析[J].火力与指挥控制,2004(5):38-40.

[5] 康中启,汪民乐,范明俊,等.基于贝叶斯网络的楼房建筑毁伤效果评估研究[J].战术导弹技术,2010(4):27-31.

[6] 许梅生,王瀛.基于贝叶斯网络的目标功能毁伤评估[J].四川兵工学报,2010(5):134-137.

[7] 胡汇洋.基于动态贝叶斯网络的目标毁伤等级评估[D].南京:南京理工大学,2009.

[8] 彭征明,李云芝,罗小明,等.基于贝叶斯网的作战效能评估方法研究[J].装备指挥技术学院学报,2007(2):105-109.

[9] 马志军,贾希胜,陈丽.基于贝叶斯网络的目标毁伤效果评估研究[J].兵工学报,2008(12):1509-1513.

[10] 王凤山,张宏军.基于贝叶斯网络的军事工程毁伤评估模型研究[J].计算机工程与应用,2011,47(12):242-246.

Assessment of Function Damage Effect to Vehicle Based on Bayesian Network

CHENG Hao LIU Junyou ZHAO Jin

(Army Officer Academy, Hefei 230031)

According to the analysis of damage characteristics on vehicle target and applying reasoning advantage with Bayesian network theory in resolving the uncertain events, the Bayesian network evaluation model is established. On the basis of the analysis of physic damage information, the building process of Bayesian network model are discussed and an example verifies the validity in damage assessment and reasoning with Bayesian network.

Bayesian network, function damage evaluation, damage characteristics

2015年1月3日,

2015年2月25日 作者简介:程浩,男,博士,讲师,研究方向:兵种作战计算。

TP391

10.3969/j.issn1672-9730.2015.07.016