潜艇与智能无人水下航行器协同系统控制体系及决策研究

王圣洁， 康凤举， 韩翃

(1.西北工业大学 航海学院, 陕西 西安 710072; 2.西北工业大学 水下信息与控制国家重点实验室, 陕西 西安 710072)

潜艇与智能无人水下航行器协同系统控制体系及决策研究

王圣洁1,2， 康凤举1,2， 韩翃1,2

(1.西北工业大学 航海学院, 陕西 西安 710072; 2.西北工业大学 水下信息与控制国家重点实验室, 陕西 西安 710072)

无人作战是未来战争发展的必然趋势，然而，当下无人水下航行器(UUV)的智能水平有限，造成UUV编队在水下网络中心战(UWNCW)中的应用具有局限性。针对以上问题，将人的智能引入智能UUV编队，形成一种潜艇与智能UUV结合的协同系统，分析了系统的优点及复杂性，并对系统的控制体系结构及决策问题等关键技术进行了研究。对系统在突发威胁情况下的航迹规划过程进行了仿真，仿真结果表明潜艇与智能UUV协同系统能够有效地实现避障并能躲避突发威胁，提升了整个系统的应急能力。

兵器科学与技术； 潜艇； 智能无人水下航行器； 协同； 决策

0 引言

以多智能无人水下航行器(UUV)系统为主要作战平台的无人水下网络中心战(UWNCW)满足“零伤亡”、“非接触”的战争理念，是UUV编队在UWNCW发展的方向与目标[1]。但是从目前的使用情况来看，其发挥突出优势的同时，由于智能UUV的智能化水平不足，自主决策能力较差，在缺乏指挥人员直接参与作战行动的情况下，多智能UUV系统虽然能进行路径规划、避障避碰、编队航行等简单智能行为，但是由于战场态势以及作战规则的复杂多变，智能UUV很难迅速采取有针对性的措施，作战灵活性较差，不足以实现自主作战；且智能UUV通过自主学习进化的过程比较缓慢，无法快速适应瞬息万变的战场环境。

因此，虽然智能UUV具有诸多优点和多种能力，其在UWNCW中的应用仍具有局限性。人工智能技术和智能指控系统的发展现状还不能实现UUV的完全自主作战指挥控制，智能UUV还不能完全代替有人航行器实现无人作战，在当前和今后很长一段时间内，只能是有人航行器的一个有效的补充。本文从两方面阐述了潜艇与智能UUV结合对作战系统带来的优势，分析了其复杂性，并对系统进行了关键技术及仿真应用研究。

1 系统分析

在潜艇与智能UUV协同作战过程中，潜艇最主要的任务是作为指挥员的工作平台，将人的决策引入战场环境中，它的工作重心在于实现对智能UUV编队的顶层指挥，而不是对其进行操纵控制，其主要功能如下：

1)态势感知功能：通过自身传感器以及智能UUV回传的信息感知战场环境，作出战场态势威胁评估；

2)辅助决策功能：通过对战场态势威胁信息以及自身条件等数据进行处理、融合与评估，进行决策，给出初步方案供指挥人员进行参考；

3)人机交互功能：提供人机显示界面及操纵机构，向指挥员显示态势图像，提供辅助决策方案，为指挥员进行战场态势监视和智能UUV指挥控制提供直观信息；

4)通讯功能：发送命令给智能UUV、接收来自智能UUV的状态信息，用于整个体系对抗条件下对潜艇与智能UUV编队的指挥控制以及智能UUV探测信息的收发处理；

5)任务规划管理：在战略层高度上为智能UUV制定满足任务要求和相关约束的任务计划，或者接收智能UUV自主规划结果进行评估，监控任务计划的执行情况并对应急情况做出反应，在必要的时候对任务计划进行适当修改。

与多智能UUV系统相结合，增强了潜艇的战场感知度和作战环境透明度，提高了潜艇的作战效能。从潜艇的角度看，与智能UUV结合对其作战的影响包括[2-4]：

1)智能UUV可作为潜艇远距离航行时的通信中继站，从而提高潜艇的隐蔽性、增强其网络通信能力；

2)多智能UUV系统可充当潜艇的水下远程侦察预警系统，实现侦察监视、威胁预警、目标指示，从而使潜艇及时掌握战场态势，争取作战主动权；

3)在作战过程中，智能UUV可作为潜艇自卫和进攻的手段，实现反水雷、跟踪和攻击敌潜艇、作诱饵将敌潜艇诱至埋伏区等危险任务，从而降低指挥人员的生命危险，提高潜艇的战场生存率。

智能UUV在协同作战过程中能实现如下功能：

1)对指定作战区域进行地形勘测、情报获取、目标侦察监视和跟踪，对敌方实施电子干扰等；

2)实现与潜艇、编队内其他智能UUV之间的通信，将所获得的战场情报、自身状态、任务情况等传送出去，接收指挥员的控制指令，与编队内其他智能UUV进行协同作战；

3)进行路径规划，并根据规划结果生成最优航迹，在航行过程中实现多智能UUV队形控制、避障避碰，并能够在出现突发威胁的情况下，对航迹进行快速修正；

4)实现对目标的攻击任务，按照作战计划完成武器系统的管理与发射控制。

从智能UUV角度看，与潜艇结合形成潜艇与智能UUV编队执行作战任务，带来以下两点优势：

1)在复杂作战环境中，将人类决策引入到智能UUV编队指挥控制系统中，充分发挥人类决策的优势，从更高的层次上对智能UUV编队进行管理控制，弥补目前智能UUV智能性和自主水平较低的不足，使人的智慧与智能UUV自动控制技术的优势相结合，产生更佳的指控效果，增强作战系统应对突发威胁的能力，更好地完成作战任务；

2)人为干涉可以加快智能UUV学习的过程，完善智能UUV知识库，为未来智能UUV完全自主作战奠定基础。

在UWNCW条件下，潜艇与智能UUV协同作战系统具有作战环境动态性强、参战实体数量多、传感器信息和通信信息不确定等特征，复杂性作为其本质属性之一，除了传统的环境复杂性、信息复杂性、交互复杂性、任务复杂性、涌现性、自适应性、非平衡性等[5-6]，还存在：

1)指控结构复杂性：从全局看，作战双方均具有层次型的指挥控制结构，且该结构会随着战局的发展而演化；单看我方系统的指挥控制功能，也是具有层次的，并不是由潜艇集中完成，而是在潜艇具有有限的中央控制权的前提下由潜艇和智能UUV协同完成，且存在协同过程中指控权的分配等问题，增加了系统的复杂性；

2)人的参与：潜艇与智能UUV编队指挥控制系统是一个人机结合的智能系统，指挥人员的参与也增加了系统的复杂性。

潜艇与智能UUV协同作战，将指挥员的智能与智能UUV的人工智能相结合，提高了智能UUV的作战效果、扩展了潜艇的活动范围并降低了指挥人员安全威胁，能够充分发挥二者在作战指挥控制领域的优势，降低系统的开发成本，还能够增加系统的稳定性和可靠性。

2 系统控制体系结构

2.1 控制体系结构分类

在潜艇与智能UUV协同作战系统中，控制体系结构是存在于实体之间的信息和控制关系模式，是实体之间实现有效合作的基本元素之一[7]。各参战实体根据控制关系严格地组织在一起，彼此进行交互，动态地调整自身的目标和行为，相互协同、相互服务以实现共同的目标。每个实体的行为都既体现了其自主性，也体现了编队作战的整体组织性。

根据系统中是否具有集中管理服务提供者以及各实体之间的相互控制关系，传统的控制体系结构主要有以下3种基本形式[8-10]：

2.1.1 集中式

该体系结构的特点是存在唯一的中央控制结点负责对组内所有实体的任务和资源进行统一协调和管理。系统中各智能UUV将传感器探测到的信息和系统的状态信息发送给潜艇，经过潜艇分析决策、集中计算与统一规划后，将求解结果以控制指令的形式发送给各智能UUV执行。在集中式体系结构中，指挥控制功能集中在潜艇，智能UUV仅具有底层控制功能。如图1所示。

图1 集中式组织结构Fig.1 Centralized organization structure

在集中式组织模式下，潜艇具有极强的决策能力和权威，拥有相关联的智能UUV成员以及环境的知识和信息，控制着全局数据的一致性，与其他智能UUV之间存在着一种主从关系，是组内公共资源和行为的协调者。它负责确定智能UUV的全局目标，根据各智能UUV的能力以及其他相关的环境因素分解任务，并分配给各智能UUV成员。但是，组内被管理的智能UUV成员并非完全受控，它们具有一定的自主权限和自主能力，在执行任务过程中，智能UUV将对自身的行为进行规划和控制。

集中式体系结构网络结构简单易于实现，中央集权度高，能够从全局对问题进行求解和优化，降低了系统的复杂性、减少了实体间由协商产生的通信开销，且智能UUV之间的耦合度低，相互影响较小，便于故障隔离。但在实际作战应用中存在以下不足：

1)智能UUV需要不断将自身状态与探测到的信息传送给潜艇，对通信依赖性大,对通信带宽要求高，而这在水下战场环境中常常难以得到满足；

2)智能UUV与潜艇之间的通信延迟，以及潜艇集中求解的计算复杂性，导致智能UUV难以实现对战场态势变化的快速反应；

3)所有的计算集中在唯一的中央结点，对中央控制单元的存储和计算能力要求很高。如果系统中实体的数目比较多，或各实体的行为比较复杂，则很难得出一个全局最优解；

4)作战过程中智能UUV往往具有更精确的局部信息，但潜艇仍会将其基于粗略的全局信息所规划出的计划强制下发；

5)系统缺乏鲁棒性，潜艇是整个系统的瓶颈，如果该结点出现故障、受到干扰或遭到损毁，将导致整个系统陷于瘫痪。同时某一智能UUV失效或者发现新的任务目标，在原有基础上的再分配也是相当复杂的。

因此集中式的方法主要适用于系统规模不大、外围节点较少，系统环境相对明确的环境，或在动态、开放的环境下进行作战任务预先规划，以及当战场态势发生重大变化时在较粗的时间粒度和控制粒度上对任务进行全局性调整。

2.1.2 分布式

这种组织结构的特点是采用各成员自治和协作的方法来解决全局控制问题，所有成员都是独立自治的，不存在相互管理和控制关系。将任务分解为能够由系统中各个结点解决的子任务，然后由各结点进行联合求解。如图2所示。

图2 分散式UUV组织结构Fig.2 Distributed organization structure

各实体由局部通信网络互相联结，在可能的社会规则和共享资源管理策略的基础上，通过彼此的相互作用和对所处环境的感知，运用其自身的知识进行合理地判断、推理、自主决策来实现系统的整体控制和全局决策的制定。智能UUV具有充分的自治权，在大部分时间里按照自己的任务目标和控制策略自主控制，只在必要的时候通过信息交换与相互协商实现任务分配和任务协调，系统可扩展性强，可以充分发挥各智能UUV的自治能力。

与集中式体系结构相比，分布式体系结构具有以下优点：

1)智能UUV能够快速访问传感器获取的环境信息和自身状态信息，通过自主决策与控制实现对局部态势变化的快速反应，实时性强；

2)充分发挥智能UUV的自治能力，每个智能UUV的计算量与计算的复杂度小，无需具备复杂的计算能力；

3)系统具有更强的鲁棒性，任何一个结点出现故障或功能丧失，都不会对系统整体性能产生太大的影响，抗干扰能力强，且系统可扩展性强。

然而，分布式结构具有以下不足：通信频繁、通信量比较大，且将随着系统内智能UUV的数量呈指数增长；对智能UUV的自适应能力要求比较高，各智能UUV之间耦合度升高，系统的控制算法复杂度增加；缺乏对分散的数据和资源有效的分配和管理，容易发生冲突。因此，该组织结构适用于智能UUV具有一定处理能力、通信基础设施和技术容易实现的系统。

2.1.3 集散式

集中式结构经过长期的发展积累了大量的研究成果，其中很多方法具有较好的规划效果，然而分布式结构才是未来智能UUV编队指挥控制的发展方向。但是，分布式结构要求智能UUV具有较高的智能性，而现阶段智能UUV在态势评估、任务决策等方面的智能水平和指挥员还相去甚远，人依然是指挥决策中的关键因素。

通过比较集中式和分布式两种方法可知，分布式方法实时性较强，能快速对任务信息进行采集和分析，得到解决任务分配问题的具体方案，但得到的方案往往不是全局最优的；而集中式方法恰恰相反，实时性相对较差，但是由于所有信息都要返回中央节点进行汇总，所以能进行全面而详细的规划，获得的方案一般都是全局最优方案。在许多情况下，分布式结构的性能优于集中式结构，但是当智能UUV执行约束性强的任务时，集中式结构往往具有更好的性能。将两种方法进行整合，得到了集散式方法，结构图如图3所示。

图3 集散式Agent组Fig.3 Collected-distributed organization structure

在集散式体系结构中，由智能UUV构成分布式体系结构，再通过潜艇与各智能UUV之间建立集中式结构。潜艇实时监控各智能UUV，对智能UUV返回的信息进行归纳和分析，可以随时对智能UUV发布指令，进行操控，在没有接收到指令情况下，智能UUV在分布式体系结构下工作。这样既提高了实时性，又大大减小了潜艇的任务量，得到的任务分配方案也是相对合理的。

然而，虽然集散式体系结构采纳了集中式和分布式体系结构的优点，但其并没有完全摒除以上两种体系的不足之处，如各智能UUV之间的通信量并没有减少，反而增加了，所以此体系结构并没有将上述两种体系结构有机的结合起来，只是简单的进行了融合。

2.2 军阶标识的有限中央控制层级组织结构

在潜艇与智能UUV协同作战条件下，每个实体都具有独立的作战能力。各实体之间针对不同的作战任务，其装载的设备、弹药都有可能不同，因此是一个异构系统，各实体需要通过协作才能完成复杂的作战任务。

潜艇与智能UUV协同作战系统具有一个重要特点，就是层次性：

1)战场指挥控制关系具有层次性，要求系统形成层次关系，上一层次的作战实体对下一层次受控作战实体拥有部分的控制能力，上级实体可以统筹规划、调度下级实体，从而高效地完成集群任务，例如编队航路规划、协同攻击等；同时下级实体之间通过局部协作，可以完成上级委派的任务，或者通过自主行为应对突发情况，例如避障等；当局部的合作完成不了任务时，下级实体还可通过上级实体向其他实体发出协作请求，共同完成任务，例如围捕等攻击行为或者战场环境信息收集等。

2)作战任务也具有层次性，一个总体任务可以层层划分为子任务，直至可直接执行的任务为止。例如协同作战系统作出对潜攻击决策，这就是系统的总体任务，该任务可划分为对潜观察和对潜攻击等子任务，其中对潜观察子任务又可划分为对潜搜索、对潜跟踪、接敌机动等子子任务，类似的子子任务还可以继续划分，直至划分为可以直接执行的原任务。

而且，由于水下特殊的通信环境，实体间直接通信的距离不宜过长，通信负载不宜过大，编队比较适合采用分层式通信结构。

另外，在编队协同作战过程中，系统的组织结构具有一定的动态性和开放性。在系统运行过程中，实体随着自身状态的变化会动态地退出或加入系统，且各成员之间的关系也可能随着运行时任务或环境的变化而发生改变，从而促使组织结构发生变化。所以需要采取措施保证系统的稳定性。

通过上述分析，可以得出潜艇与智能UUV人机协同系统体系结构需要具有自主性、协作性、层次性和稳定性等特征。针对这些特征，结合目前UUV智能技术发展水平，为了充分发挥潜艇指挥员的全局指挥决策能力和智能UUV的自治性，提高系统对战场态势变化的反应能力，增强系统的容错性和鲁棒性，减少系统通信量，更自然、真实地模拟作战的过程，本文对集散式结构进行改进，提出一种通过军阶进行标识的有限中央控制下的层级分布式结构来描述潜艇与智能UUV协同作战体系结构。

设有n枚智能UUV，将它们尽可能平均地分成i组，每一组成员之间构成分布式组织结构。从每组成员中随机选取一枚智能UUV作为该组的组长，各组长之间又构成分布式组织结构。作战开始时，首先由潜艇通过预分配为智能UUV编队分配一个初始的作战任务，当战场态势发生变化时，最高级别智能UUV与潜艇进行决策分配，各小组中的智能UUV互相通信进行协同决策，从而对局部态势做出迅速的反应。

以潜艇携带13个智能UUV为例，形成一个3层作战系统，其中士兵级9个，班长级智能UUV 3个，排长级智能UUV 1个，根据以上设想，建立如图4所示的有限中央控制下的层级分布式结构。将士兵级智能UUV分为3组，小组内成员之间可以任意交互，呈分布式组织结构，通过上一级的班长进行有限中央控制；小组之间通过班长进行交互形成高一层次的分布式组织结构，再通过排长进行有限中央控制，最终由潜艇进行集中控制。

图4 有限中央控制的层级分布式组织结构Fig.4 Limited central control hierarchical organization structure

在有限中央控制的层级网络组织结构中，潜艇根据作战目标预先规划制定智能UUV编队的初始作战任务，在任务执行过程中潜艇只对智能UUV编队进行高层次的指挥控制，负责做出全局决策。而智能UUV编队的战术级指挥控制主要由最高级别的排长级别智能UUV完成，根据编队的作战任务、成员状态信息和战场态势信息，进行局部决策。小组内智能UUV通过传感器实时获取、融合后获得战场态势，采用分布式组织结构协同完成任务，并将战场态势数据发送给最高级智能UUV. 在整个作战过程中，潜艇指挥员始终监视智能UUV编队执行任务的情况并保留随时干预的权利，但潜艇只是在必要的时候向智能UUV发布指控命令，因此其工作负荷大为减轻，使一艘潜艇控制多枚智能UUV执行任务成为可能。

在完成任务过程中，智能UUV由于毁伤等因素会造成组织结构的变化，智能UUV之间的合作方式以及动态组织结构重组过程如图5所示。

图5 智能UUV组织重构过程Fig.5 Restructuring procedure of intelligent UUV organization

该组织结构通过建立层次使实体之间的分工更明确，简化了对智能UUV的管理和协调策略，且智能UUV小组间的信息处理过程对外屏蔽，上层不必关心下层的执行细节，简化了信息流，降低通信量、提高通信效率，可以有效解决智能UUV数目大带来的通信量剧增问题。

3 潜艇与智能UUV协同系统决策问题

3.1 潜艇与智能UUV协同系统决策分配

在潜艇与智能UUV协同作战的过程中，系统作战决策不仅可以由潜艇或者智能UUV单独作出，还可以由潜艇与智能UUV协同给出。

为了充分发挥潜艇与智能UUV的优势，需要将决策功能进行分配。

确定决策分配等级的过程分为两个大的部分，首先通过潜艇与智能UUV的优势评判比较得到可能度，从而确定自动化等级范围；其次对在范围内的多个等级进行多属性决策排优，得到的最优等级就是决策分配的等级。

潜艇与智能UUV之间的优势综合评估主要是人的智能与UUV的人工智能之间的能力优势的比较，二者的优势集合如表1所示[11]。

表1 潜艇与智能UUV能力优势集合

自动化等级化分的方法采用文献[12]中Parasuraman等提出的自动化等级划分原则，如表2所示。

表2 自动化等级

具体步骤及方法介绍如下：

1)采用5级标度法，根据表1的优势集合，由专家分别给出潜艇和智能UUV优势的重要性比值，进而得到权重ws、wUUV；

2)由专家给出每个优势对决策的影响程度，并分别对潜艇和智能UUV的优势进行综合评估；

3)计算评估结果之间的可能度，根据规则[11]确定决策功能决策分配等级范围；

4)对等级范围内的数个方案进行多属性决策，最终确定决策分配等级。

在对等级范围内方案进行决策的过程中，文献[11]使用不确定性语言型多属性决策方法，将所有指标都看做语言值，通过多个专家分别对各个方案的指标作出语言评估，只考虑了自然语言描述的定性指标，具有很强的主观性。

在实际评估过程中，存在如系统费用等可以用实数或区间数衡量的定性指标，为了降低评估的主观性，可以直接采用实际数据进行评估。针对原方法无法对定性和定量指标直接进行分析评估，需要对所有指标进行专家评估，主观性强的缺点，采用一种混合信息的多属性决策方法，将实数型和不确定型语言属性转化为区间型，从而将混合属性统一到区间属性值框架下，将问题转化为区间数多属性决策问题进行求解。

当aL=aU时区间数退化为实数，即实数为区间数的特例，所以实数r转化为区间数为

r=[r,r],

(1)

设不确定语言E={ei|i∈{0,1,…,(L/2)-1,L/2,(L/2)+1,…,L}}，其中ei为第i个有序语言标签，L+1为标签个数，L一般为偶数，则E转化为区间数[13]为

(2)

(3)

(4)

(5)

(6)

3.2 智能UUV决策及UUV群决策问题

为了适应潜艇与智能UUV协同系统的控制体系结构，以混合Agent体系结构为基础，设计了智能UUV的组织结构如图6所示。

图6 智能UUV组织结构Fig.6 Intelligent UUV organization structure

传感器用于感知外部环境状态的变化，并将执行效果反馈至学习模块处理；将环境状态信息通过自信度判断器进行选择，以决定下一步是由UUV决策模块产生行为驱动指令还是请求群体协作。

影响自信度Conf(M)的因素有环境状态更新程度、任务评估、是否曾执行过该种任务或类似的任务等：

Conf(M)=UpState(T)×Sim×
Est(UUVState(B,W),Threat),

(7)

其中：

1)UpState(T)为环境状态更新函数。如果智能UUV在当前的仿真周期中更新了环境信息，则取值1，否则将在现在的值基础上减少k，可以表述为

UpState(T)∈[0,1]∧(PT∨PF)，
PT:Update(T)=True→UpState(T)=1，
PF:Update(T)=False→UpState(T)=
UpState(T)-k,

(8)

式中：Update(T)∈[True,False]表示UUV在当前仿真周期内是否更新了环境信息；k表示自信度维持因子，受智能UUV自身能力影响(如探测范围等)，智能UUV能力越大，环境信息更新对其影响越小，则k取值越小。

2)Sim∈[0,1]表示曾经完成的任务与此次任务的相似程度，1为完成过同样的任务，0为完成过的任务与本次任务毫无相似点。

3)Est(UUVState(B,W),Threat)∈[0,1]，表示对完成当前任务的难易程度的评估，值越接近1表示越容易完成。其中：UUVState(B,W)表示UUV当前仿真周期内的状态，B为自身状态，如正常、故障、毁伤；W为武器系统的状态，涉及携带武器的射程、毁伤力等；Threat表示对敌方的威胁度评估。

如果自信度函数值高于阈值Thr，意味着UUV有精确的环境状态信息，动作执行的成功率也较高，则UUV可以直接作出决策，自己完成任务；如果自信度低于阈值，则通过群协作模块采用合同网机制请求其他智能UUV协作完成任务；由于战场环境的动态性，智能UUV自主决策是有时间限制的，超过时限则判定自主决策失败，智能UUV寻求协作。其中阈值Thr的大小与UUV的谨慎程度有关，越谨慎的UUV阈值越低。

智能UUV之间还能通过学习交流经验，并通过更新数据库记录学到的知识，再次遇到相同情况就可以自主决策完成任务。

如果决策权分配给潜艇，潜艇可以通过通信模块直接将指控命令传递给智能UUV.

4 仿真应用及分析

以潜艇与智能UUV协同系统防潜对抗为应用实例，进行了仿真运行。

潜艇作为仿真中的主要实体，其人机界面由两部分组成，如图7、图8所示。

图7 潜艇态势视图界面Fig.7 Submarine situation interface

图8 潜艇决策视图界面Fig.8 Submarine decision-making interface

态势界面：如图7所示，右侧显示各传感器探测结果及数据融合结果动态数据，融合结果以图标方式在左侧的传感器全局态势图中直观反映出来。

决策界面：如图8所示，为各指控命令的发布操作界面，左上侧列表框内动态显示探测到的目标，其具体的信息可以在相邻的信息栏中显示；右上侧表格中显示我方潜艇的运动信息及武器装备情况，以供决策时参考。

潜艇与智能UUV协同系统将人的智慧、经验与综合判断能力和智能UUV的人工智能算法相结合，充分利用人的智慧和经验弥补智能算法的不足，以突发情况下智能UUV路径规划为例进行仿真，系统仿真过程中的决策流程图如图9所示。

图9 系统决策流程图Fig.9 Flowchart of system decision-making process

仿真开始由潜艇根据态势及任务对系统航行路径进行全局规划。在航行过程中发生突发威胁情况，根据系统与威胁范围的关系，通过决策分配实现潜艇与智能UUV路径规划问题的快速求解，重规划出满足系统航行要求的航迹。仿真过程分为以下两种情况：

1)系统不在突发威胁覆盖范围内，但是预规划航迹在。此时，通过对综合态势与威胁程度进行评估，决策分配等级为1，即由潜艇完成所有决策，操纵智能UUV完成任务，系统运行轨迹如图10所示。智能UUV获得的目标信息通过数据链能及时传给潜艇，潜艇具有更好的战场态势感知度，能快速对综合态势与威胁程度进行评估、决策，帮助智能UUV重规划航迹、规避威胁。

图10 系统不在威胁范围仿真轨迹图Fig.10 Simulation trajectory chart when system is not in threat area

2)系统已经接近威胁覆盖范围。通过决策分配，结果为7，即智能UUV自动执行，仅在必要时通知潜艇，系统运行轨迹如图11所示。此时，如果智能UUV自信度高于阈值，则迅速启动应急程序，根据态势信息快速进行局部路径规划，如果低于阈值，则通过群协作实现局部路径重规划。在规避威胁后再与潜艇联系，避免了等待潜艇规划路径的延迟等造成反应不及时。

图11 系统接近威胁范围仿真轨迹图Fig.11 Simulation trajectory chart when system is near the threat area

系统不在突发威胁覆盖范围内，且预规划航迹也不在，则按预规划航迹继续航行。仿真结果表明潜艇与智能UUV协同系统能够有效地实现避障、地形跟随、威胁回避，并能躲避突发威胁。

5 结论

为了适应智能UUV智能性不足的现状，作为未来无人UWNCW的过渡模式，将人的智慧引入智能UUV编队作战系统，根据潜艇与智能UUV协同作战系统的特征提出一种能够适应其层次性以及动态性的组织结构；引入人的智能，又要充分发挥UUV的智能，就需要判断潜艇与智能UUV之间如何决策，研究了系统决策分配模型并给出了分配步骤并进行改进；最后通过对系统遇到突发威胁情况下航迹规划过程进行仿真，验证了系统算法的有效性。研究结果对有人机与无人机相结合这种新兴的作战模式研究奠定了基础。

References)

[1] 薛春祥, 黄孝鹏, 朱咸军, 等. 外军无人系统现状与发展趋势[J]. 雷达与对抗, 2016, 36 (1): 1-5. XUE Chun-xiang, HUANG Xiao-peng, ZHU Xian-jun, et al. Status and development trends of foreign military’s unmanned systems[J]. Radar & ECM, 2016, 36(1): 1-5. (in Chinese)

[2] 赵良明, 刘卫东. 水下网络中心战概念与框架研究[J]. 声学技术, 2009, 28(6): 136-139. ZHAO Liang-ming, LIU Wei-dong. Research on concept and frame architecture for underwater network centric warfare[J]. Technical Acoustics,, 2009, 28(6): 136-139. (in Chinese)

[3] 太禄东, 汤晓迪, 甘怀锦. 无人水下航行器在海军网络中心战中的应用[J]. 舰船电子工程, 2009, 29(6): 33-35. TAI Lu-dong, TANG Xiao-di, GAN Huai-jin. Application of UUV in naval network central war[J]. Ship Electronic Engineering, 2009, 29(6): 33-35. (in Chinese)

[4] 蒋荣华. 潜载UUV的作战使用分析[J]. 舰船电子工程，2015, 35(10): 17-20. JIANG Rong-Hua. Application analysis of submarine UUV[J]. Ship Electronic Engineering, 2015, 35(10): 17-20. (in Chinese)

[5] 姜晓平, 朱奕, 伞冶. 基于复杂系统的信息化作战仿真研究进展[J]. 计算机仿真, 2014, 31(2): 8-13. JIANG Xiao-ping, ZHU Yi, SAN Ye. Survey of information based combat simulation using complex system theory[J]. Computer Simulation, 2014, 31(2): 8-13. (in Chinese)

[6] 胡晓峰. 战争复杂性与复杂体系仿真问题[J]. 军事运筹与系统工程, 2010, 24(3): 27-34. HU Xiao-feng. War complexity and the problem of complex system simulation[J]. Military Operations Research and Systems Engineering, 2010, 24(3): 27-34. (in Chinese)

[7] Andersonl C, Franks N R. Teamwork in animals, robots, and humans[J]. Advances in the Study of Behavior, 2003, 33(3): l-48.

[8] Bessemer W G. Transitioning to unmanned combat aerial vehicles[D]. Monterey, CA: Naval Postgraduate School, 2006.

[9] 杨颖, 武健, 魏鹏. 基于多智能体和合同网的巡航导弹自主任务分配[J]. 战术导弹技术, 2014 (1): 63-66. YANG Ying, WU Jian, WEI Peng. Autonomous task assignment of cruise missile based on multi-agent and CNP[J]. Tactical Missile Technology, 2014(1): 63-66. (in Chinese)

[10] 赵晓哲, 王超. 基于MAS的编队协同作战仿真系统建模研究[J]. 系统仿真学报, 2009, 21(8): 2381-2385. ZHAO Xiao-zhe, WANG Chao. Research on modeling of formation cooperative combat simulation system based on multi-agent system[J]. Journal of System Simulation, 2009, 21(8): 2381-2385. (in Chinese)

[11] 刘跃峰, 陈哨东, 孔繁峨. 基于ULMADM的智能指挥控制系统决策分配方法[J]. 系统工程理论与实践, 2014, 34(5): 1339-1344. LIU Yue-feng, CHEN Shao-dong, KONG Fan-e. Decision allocation method of intelligent command and control system based on ULMADM[J]. System Engineering Theory & Practice, 2014, 34(5): 1339-1344. (in Chinese)

[12] Parasuraman R, Sheridan T B, Wickens C D. A model for types and levels of human interaction with automation[J]. IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans, 2000, 30(3): 286-297.

[13] 张卓. 混合信息的多属性决策研究[J]. 计算机与数字工程, 2014, 42(12): 2433-2438. ZHANG Zhuo. Multiple attribute decision-making for hybrid information[J]. Computer and Digital Engineering, 2014, 42(12): 2433-2438. (in Chinese)

[14] 徐泽水, 达庆利. 区间型多属性决策的一种新方法[J].东南大学学报:自然科学版, 2003, 33(4): 498-501. XU Ze-shui, DA Qing-li. New method for interval multi-attribute decision-making[J]. Journal of Southeast University: Natural Science Edition, 2003, 33(4): 498-501. (in Chinese)

Research on Control and Decision-making of Submarine and Intelligent UUV Cooperative System

WANG Sheng-jie1,2， KANG Feng-ju1,2， HAN Hong1,2

(1.School of Marine Science and Technology，Northwestern Polytechnical University, Xi’an 710072, Shaanxi, China;2.State Key Laboratory of Underwater Information and Control, Northwestern Polytechnical University, Xi’an 710072, Shaanxi, China)

The unmanned battle is a development tendency of the future war, but the intelligent level of unmanned underwater vehicle (UUV) is limited, thus leading to the limitation in the application of UUV formation in the underwater network centric warfare. For the above-mentioned issue, human intelligent is introduced into the intelligent UUV formation to form a cooperative-combat system combining submarine and intelligent UUV, and the advantages and complexity of the system are analyzed. The key technologies of organization structure and decision-making of the system are researched. And finally, the system is simulated to test and verify its effectiveness. The simulation of path planning in the presence of emerging threat is carried out, and the result indicates that the submarine and intelligent UUVs cooperative system is able to realize obstacle avoidance and threat avoidance effectively,and the system’s emergency response capability is improved.

ordnance science and technology; submarine; intelligent UUV; cooperation; decision-making

2016-05-19

王圣洁(1985—)， 女， 博士研究生。 E-mail： xxm1960@126.com

康凤举(1947—), 男, 教授, 博士生导师。 E-mail: kangfengju@nwpu.edu.cn

N945.13

A

1000-1093(2017)02-0335-10

10.3969/j.issn.1000-1093.2017.02.018