基于电子战推理知识库研究

许波 韩梅 陈根余 乔小斐 秦博

编者按：为了能更好地研究现代的电子战决策，需要对决策产生一定的先验条件，通过各种离散的先验条件来进行智能决策，现代的电子设备有着数据类型多、数据量大、多级装备判断条件多以及推理的属性多样化等特点，在多样化、离散化的情况下对推理的算法知识管理尤为重要，设计一款可控、多变、实时生效的维护性和使用性强的知识库是一种必要的手段。

引言

目前电子战决策涉及多种装备、平台、数据，每一次的侦察获取到的信息都是海量级，对大量的设备信息进行归类、迭代和管理是一种很常见的需求，对特殊的电子战场景以及多装备参战进行推理，并对多样离散的信息进行归类，产生联动，还能进行实时的调试把各种推理要素进行复用，设计一份推理知识库为未来的战争决策提供一份强有力的推理结果作为研究数据支撑，知识库的出现为决策支持系统的发展开辟了一个新的发展方向，知识库系统是管理和维护知识的系统，其主要功能是实现知识的推理、学习和获取等[1]，推理知识库对电子战的预测和决策来说是重要的基础数据库角色。

建立研究模型

电子战模拟平台

基于电子战平台，需要建立一个模拟实时仿真系统对模型进行作战仿真计算，把所有的计算结果进行线性化建立一个模型可视化的推演系统，推演系统用于用户的人机交互使用。电子战模拟系统框架图如图1所示。

模拟实时仿真系统：主要工作是加载各种不同的模型平台数据，根据一定的步长进行模拟计算所有场景模型的动作数据，每一步计算完毕后下发最新的模型数据。

模型可视化推演系统：进行场景和模型的展示，展示各个模型的行为和数据，进行人机交互功能。

推理系统：对现有的数据模型进行推理计算和存储。

系统计算流程

在推演系统中，首先加载模型数据并上报到仿真系统，仿真系统根据仿真步长进行模型仿真计算，计算结果发送到推演系统进行展示，推演系统再转发到推理系统，对模型数据进行各种推理计算，在计算的过程中会记录模型时刻数据和推演数据，整个仿真流程完毕后再结合模型实时数据和推理数据进行对比，对比完成后再次修复推理知识库规则属性，修改完毕后可再次进行推演，如此循环得到当前研究模型的最优推演参数值，推演知识库完成了人在回路的参数优化流程，提高了推演知识库的准确性，具体推演计算设计流程图如图2所示。

推理知识库

电子战涉及到装备信息多样化、离散化、差异化，推理知识库其目的在于解决非结构化和半结构化的问题[2]，进行衍生属性的推理则需要建立一个可以随时进行修改、保存、复用和运行为一体的推理知识库。根据需要解决的难题，推理知识库设计为两个部分：知识库和推理引擎。

1.知识库

知识库需要有包容多变的特性，以及良好的可视化交互，利用规则确定性推理构建知识库[3]，其设计的功能如下：

（1）知识表示是为了描述世界所作的一组约定‚是知识的符号化过程‚即是将关于世界的事实、关系、过程等编码成为一种合适的数据结构[4]。我们在此设计定义推理规则的结构为“RULE ‘name’ IF <LHS> THEN <RHS> END ELSE <RHS> END”，其中name说明规则的名称，LHS表示规则的前件，由一个或多个条件组成，RHS表示规则的后件，即推理的行为结果。

（2）提供图文化式管理推理规则，完成推理条件或行为的新增、删除、查询、修改，构建推理规则。

（3）提供推理知识库所有规则的管理功能，能够按照名称、类型、条件、行为进行规则的查询，提供列表形式展现推理知识条目，提供推理知识的详情展示和图形化形式展现单条推理知识。

（4）提供推理知识库的存储和删除功能，方便维护知识库。

推理知识库的功能如图3所示。

这样设计可以直接提供友好的界面规则编辑功能，直观地展示出推理知识库内容，并且可以直接把修改好的推理规则推送到推理引擎参与推理，最终得到的推理规则保存起来，可以直接应用于后续的决策和装备性能等研究领域。

2.推理引擎

根据推理知识库存储的推理规则，建立规则解析，最终多决策信息源进行解析、映射、重构，使之成为知识，并且处置主体提供了更加准确的知识[5]。根据知识库的规则数据我们选择进行key-value模式的分类存储，外部调用接口则对存储的k-v模式进行匹配，匹配失败则返回默认值，否则匹配成功则跳出匹配返回匹配结果值。这样就与知识库数据建立起了逻辑联系，并可以外置逻辑更新接口，收到更新接口后对k-v模式进行重新解析，可以很方便地在推理模块调用推理知识库存储的规则，并且还能在运行中实时进行数据更新，修改后只需要进行规则更新，数据解析，刷新到内存，下次推理过程就能使用修改后的推理参数和结论，以可视化方式提供推理规则的优化、适配，通过人在回路的学习过程提升推理知识的有效性。通过数据参数的回流，知识库中内容包括己经获取的先验知识和通过不断训练学习获得的知识[6]，这样才能不断地打造适合多模型多场景的推理算法模型。

仿真实验系统实现

想定仿真场景，场景里设置红蓝双方势力，蓝方对红方要地进行电子侦察和干扰。

设计推理规则

根据想定仿真场景设计了如下推理规则：

规则1、蓝方平台位置预测

在以当前点为站心的站心（东北天）球角坐标系中，根据平台的惯性飞行进行推理计算，预测下一个时刻平台的经纬高位置，属于常规基础属性推理。

规则2、蓝方平台对红方要地威胁预测

此条规则则是利用了规则1推理信息，间接地推理出威胁要素，要地威胁预测算法流程图如图5所示。获取场景装备数据后，再次获取要地装备信息，收到平台装备信息后，对设定的预测时间内的装备进行位置预测，再结合预测位置进行过滤，过滤出要地的蓝方平台并且被红方装备侦察。根据蓝方距离红方要地的距离D1以及蓝方装备的干扰距离D2进行比较，如果两者差d1=（D1-D2）<0，则预测蓝方平台为威胁状态，且威胁类型为干扰威胁;否则预测蓝方平台为无威胁状态，此时继续根据蓝方距离红方要地的距离D1以及蓝方装备的侦察距离D3进行比较，如果两者差d2=（D1-D3）<0，则预测蓝方平台为威胁状态，且威胁类型为占察威胁;否则预测蓝方平台为无威胁状态。

规则3、蓝方平台对要地的威胁置信度

本条规则则是根据规则2的推理结果进行置信度评分，当前选取了蓝方平台接近率（m/s）和蓝方距离红方要地的距离（km）两个参数进行匹配规则得到置信度值。

通过以上3条规则，我们可以建立起平台在一定预测的时间内，推理蓝方平台飞行距离，根据距离和其他属性建立威胁度的推理，根据当前威胁度和蓝方平台属性得到一个置信度的评价推理，可见推理知识库可以兼容电子平台装备自身基础属性的推理，也可以推理出决策衍生属性，还能对推理衍生出评分推理，可以很好地完成多方面、离散、融合的推理任务。

结果分析

根据仿真结果，得到推理数据和仿真数据，通过对比两份数据差异进行调整合理推理参数后，再进行仿真对比，如此反复多次，可以初步得到较优推理参数，从而得到一份在该想定场景下的一份推理知识库算法规则集合。

结论

通过推理知识库的多次模拟运行，可以得到符合特定装备和场景的特定参数值，通过推理实时数据，还可以为后续做机器学习打下数据和评分基础。可以看出，该电子战推理知识库策可以有效地解决离散化的装备属性推理，可以很好地解决推理处理的结果作为条件衍生出更多的推理属性，达到推理模块化、降低耦合度、推理关联指标本的目的。

参考文献：

[1] 杨善林，傅为忠，董军.智能决策支持系统增量式知识库系统的研究[J].合肥工业大学学报（自然科学版），2004（04）：339-343.

[2] 李國昌，李志.智能决策支持系统知识库体系结构的研究[J].河北科技大学学报， 2002（01）： 48-50+63.

[3] 朱钒，孙建芳，谢小鹏.多品种离散生产制造决策支持系统的构建[J].机械与电子， 2009（03）： 69-71.

[4] 于卫红，贾传荧.基于XML的海上搜救智能决策支持系统知识库[J].大连海事大学学报，2005（04）：32-34.

[5] 蒋勋，苏新宁，刘喜文.突发事件驱动的应急决策知识库结构研究[J].情报资料工作， 2015（01）： 25-29.

[6] 穆世恒. 高速列车转向架故障诊断智能决策方法研究[D]. 西南交通大学， 2017.