4.4.1 双/多反潜巡逻机协同搜潜目标态势评估思路
双/多反潜巡逻机自主模式协同搜潜时,通常综合使用多种搜潜设备搜索潜艇,分别携带声呐浮标、磁探仪等,根据指令,反潜巡逻机进行指定海域搜索、反潜巡逻线搜索和应召搜索。反潜巡逻机按照3.2节的搜索队形布设浮标,或者在目标潜艇的可能驶离方向布设拦截阵,以断敌退路;反潜巡逻机进行搜索,在发现疑似目标后,就由携带磁探仪的反潜巡逻机进行精确定位和识别;反潜巡逻机之间通过数据链及其他通信保持实时联系,随时共享情报信息。反潜巡逻机自主模式协同搜潜,经过不停地计算、判断、决策,进行科学合理的调度、分配,最大化合理利用每架反潜巡逻机,并提高搜潜效率。
在双/多反潜巡逻机自主模式协同搜潜态势评估过程中,需要处理大量不确定性信息和因果推理。云贝叶斯网络是先验概率和不确定信息逻辑推理的不确定性推理模型,既有模糊性和随机性的知识表达能力,也有贝叶斯网络所具有的推理能力。因此,基于云贝叶斯网络在不确定性信息处理和因果推理上的优势,本节采用云贝叶斯网络研究反潜巡逻机协同搜潜的目标态势评估问题。主要研究思路如下:
(1)根据反潜巡逻机协同搜潜过程确定贝叶斯网络结构,确定节点和有向弧,即确定评估的指标要素及其内在的因果联系。
(2)由于连续型变量作为离散型变量的父节点会造成条件概率难以确定,因此采用云模型转换对连续型观测节点进行离散化处理,将其统一为离散型贝叶斯网络,并依据客观知识和专家经验来确定各节点的条件概率表。
(3)将从探测设备获得的证据信息(观测变量值)输入云贝叶斯网络,选择合适的推理算法,通过贝叶斯网络推理获得目标态势属于各个等级的概率。
(4)为消除目标信息的不确定性影响,进行多次重复推理,通过概率合成公式求得最终的态势概率。
基于云贝叶斯网络的反潜巡逻机协同搜潜目标态势评估流程如图4-11所示。
采用云贝叶斯网络方法进行目标态势评估,具体步骤如下:
第1步,选择相关态势评估指标作为观测节点,并总结建立对应的假设节点,按照节点间的因果联系构建贝叶斯有向无环图。
第2步,对贝叶斯网络中的连续型节点定义各节点的云族,并按照云族的特征和云发生器实现算法设计云发生器。
第3步,根据历史经验和专家知识,建立每个节点的条件概率表。
第4步,从探测设备获得节点变量的取值。对连续型节点变量进行云模型转换,根据确定度-概率转换公式将确定度转换为概率,作为节点的软证据(soft evidence)。对于离散型节点变量,若能给出确切的取值,则该取值可以作为节点的硬证据(hard evidence);若仅能给出节点的可能分布概率,则此分布概率也可以作为节点的软证据。经过转换,所有节点变量的取值均是离散的。
图4-11 基于云贝叶斯网络的反潜巡逻机协同搜潜目标态势评估流程
第5步,在云贝叶斯网络中代入目标指标值。
第6步,根据建立的云贝叶斯网络推理计算,获得态势等级节点属于各态势等级的概率。
第7步,多次重复第5步和第6步,并记录各次推理结果,根据概率合成公式计算得出最终态势等级属于各态势等级的概率。