前　言

随着来自目标潜艇的威胁不断加大,反潜巡逻机反潜越来越受重视。搜索潜艇是其重要任务,但现有的“单点单部”或者简单的“单点多部”等搜潜模式已落后于潜艇对抗反潜的要求,寻求新的搜潜模式——协同搜潜作战势在必行。然而,在协同搜潜过程中,搜潜手段多样且水声战场环境复杂,因此为指挥员选择最优搜潜方法提供辅助决策支持成为迫切之需。

本书分为7章。第1章为绪论。第2章,在分析海流、潮汐、海水水温、海水盐度等水文信息的基础上,给出了海洋噪声环境和声速梯度的影响,并建立了潜艇的位置散布模型和运动模型,以备后续构建决策模型使用。第3章,设计了双/多反潜巡逻机协同搜潜总体方案,其协同方案可分为自主模式和长机僚机模式。该研究基于自主模式,建立了反潜巡逻机协同搜潜发现潜艇的概率模型,以备后续构建决策模型使用。第4章,提出基于云贝叶斯网络的反潜巡逻机自主模式协同搜潜目标态势评估方法,该方法利用云理论的知识表示优势和贝叶斯网络的推理优势,建立了协同搜潜目标态势评估模型。该模型能识别目标类型、推断敌方作战意图、形成战场态势,为反潜巡逻机协同搜潜智能决策提供重要依据。第5章,提出基于模糊测度与模糊积分的反潜巡逻机协同搜潜的智能决策方法。在该研究中,根据潜艇的不同航行状态,组合了6种合理有效方案,选取搜索能力、隐蔽性、可操作性、经济性作为决策指标并构建指标模型;针对不确定条件下协同搜潜最优决策时决策指标的相关性问题,引入模糊测度与模糊积分理论,用gλ模糊测度对关联决策指标的重要程度进行建模,用Marichal熵算法计算gλ模糊测度,用Choquet积分实现决策结果,选出最优或近似最优方案。第6章,提出基于贝叶斯粗糙集和模糊测度、模糊积分理论的协同搜潜智能决策方法。该研究采用模糊测度构建决策指标重要程度模型,用Choquet积分实现最终最优或近似最优决策结果的基础上,针对决策指标的冗余问题,采用贝叶斯粗糙集的知识简约方法去掉不必要或不重要的指标,挑选出关键特征指标——发现目标潜艇概率、目标潜艇下潜深度、目标潜艇散布范围、浮标数量、隐蔽性、环境参数,以提高算法的收敛速度,从而提高算法的最优性和实时性。该方法解决了指标的冗余和相关性问题,选出的最优或近似最优方案更具有实际意义。第7章为总结与展望。

本书由91206部队孙永芹、海军航空大学马培蓓、海军航空大学青岛校区吴凌燕、海军潜艇学院潘爽撰写。本书中的相关研究得到了中国博士后科学基金一等资助项目(2014M562558)、国家自然科学基金项目(61305136)、山东省自然科学基金项目(ZR2019MF065)的支持。

在本书编写过程中,得到了海军潜艇学院的纪金耀教授、李东鑫讲师、初磊副教授、吴超副教授及海军研究院的肖汉华副研究员的指导和支持,在此表示衷心感谢。本书的出版得到了北京理工大学出版社的大力支持,特别是李炳泉副社长、曾仙编辑、刘琳琳编辑为本书做了大量细致的工作,在此一并表示感谢。

本书的使用对象主要是从事人工智能技术研究应用、决策系统研究的人员以及院校有关专业的师生。由于笔者水平有限,书中难免有欠妥之处,恳请读者批评指正。

孙永芹

2022年7月