前言
輕量化、小型化無人機單價遠低于大型輪式起降無人機，結合人工智能、數據挖掘和深度學習等技術，使數十，甚至成百上千架規模的自組織無人機集群作戰成為可能。在探索研究階段，采用仿真推演方法，以較低時間和經濟成本，是對智能型無人機蜂群作戰模式、自主控制、任務協同、動態作戰規劃算法研究的可行途徑。本文將在CMANO系統中，從作戰樣式、智能控制兩個方面，探索使用無人機蜂群對海上大規模目標實施偵察與跟蹤。文中相關想定純屬虛構，僅作為CMANO研究之用，不代表本公眾號認同任何一方觀點或做法;所有資料數據均為互聯網公開內容，不涉及任何國家或地區軍事政治秘密。
一、相關背景
智能無人機集群是將大量無人系統基于開放式體系架構進行綜合集成，以通信網絡信息為中心，以系統群智涌現能力為核心，以平臺間的協同交互能力為基礎，以單平臺節點作戰能力為支撐，構建具有抗毀性、低成本、功能分布化等優勢和智能特征的作戰體系。無人集群作戰系統可填補戰術與戰略之間的空白，以多元化投送方式快速投送到目標區域遂行多樣化軍事任務，包括與其他武器平臺協同攻擊海上、空中、地面目標及ISR等，實現對熱點地區戰略威懾、戰役對抗、戰術行動。
2016年4月，美軍發布了《小型無人機(SUAS)系統路線圖2016-2036》。該路線圖由分管情報偵察監視(ISR)的副參謀長Robert P. Otto中將簽署并發布，凸顯了小型無人系統及其集群對于ISR的重要意義。將SUAS集成到美國空軍的情報監視偵察資產組合中，幫助美國空軍滿足未來戰士們在寬松和強對抗環境中的需求，并在首頁標注“填補戰術與戰略之間的空白”，意指該領域大有可為。美軍已開始研制試驗的幾種典型智能型無人機蜂群如表1所示。
二、智能型無人機蜂群對海面大型目標作戰模式
(一)偵察探測模式
對海面大型目標的搜索發現、定位跟蹤無異于“大海撈針”，利用外部手段(例如天基探測)實現目標概略定位后，通過無人機蜂群完成大面積覆蓋式掃描探測與跟蹤是未來一種典型作戰模式。在該模式中，利用重構寬頻帶天線、超寬帶低噪復用信道等技術，實現偵察、干擾、探測、通信4種功能在系統架構、天線設計、信道復用、數據處理、信息融合等層面的一體化，解決蜂群無人機在有限載重下的載荷復用問題。同時，蜂群內部各無人機之間通過位置共享、探測信息共享，多源/多模信息融合可高效實現蜂群整體對目標的多基線測量、交叉定位、信號特征增強、交叉印證，最終實現對目標的發現、識別、跟蹤。
(二)攻擊模式
無人機蜂群通過自主規劃能力、編隊協同、人機接口和開放式架構，適應帶寬限制和通信干擾，減少任務指揮官的認知負擔，支撐拒止環境下協同作戰(如圖1)。由于自身平臺限制，無法攜帶常規殺傷武器，因此在目標打擊階段可行的方式有以下幾種：一是智能精確打擊模式，蜂群內部互相協作，自主選擇目標、攻擊形式、編隊形式，通過多點、多次、快速打擊，以小火力實現對重點目標、關鍵部位的精確打擊，起到“四兩撥千斤”的效果;二是超高速攻擊模式，將無人機平臺自身轉化為動能武器，以大于5馬赫，甚至達到20馬赫的高速攻擊，使得傳統防御系統面臨“清零”危險;三是電磁干擾壓制模式，即不采用傳統的殺傷性武器系統，利用自身攜帶的多功能偵察干擾一體化載荷，對目標實施電磁干擾壓制，例如DARPA的“小精靈”無人機蜂群(如圖2)。
圖1 拒止環境協同作戰模式(CODE)
圖2 “小精靈”無人機集群執行電磁干擾壓制任務
三、CMANO場景設計及實現
在CMANO系統中，從兩個角度開展無人機蜂群應用研究：一是作戰模式與作戰流程推演，利用CMANO“人在回路”推演，對無人機蜂群參與作戰過程推演提供步進式、可干預的閉環回路仿真;二是在任務控制階段通過腳本接入人工智能協同指揮算法、協同態勢感知與評估、協同路徑規劃、協同語義交互技術等外部AI控制算法，實現無人機集群內部、無人機集群與有人作戰系統之間的高度協同。
(一)想定背景
藍方某國近年來長期在某海域干涉地區國家之間事務，并派駐水面艦艇編隊在相關海域巡邏，對紅方在該區域經貿商船航行安全造成示威型干擾。
(二)紅方想定
紅方通過天基探測手段發現藍方水面艦艇編隊通過某海峽進入相關區域，初步確定其當前概略航行范圍在一個矩形海域內，從左上方開始，順時針方向4個位置點分別為：(N17°10′07″，E114°02′30″)，(N17°09′57″，E114°49′15″)，(N16°38′50″，E114°50′18″)，(N16°37′48″，E114°02′36″)。為精確掌握藍方水面艦艇編隊動態，為后續應對行動提供情報支援，紅方方向聯合指揮機構下達作戰指令。
任務簡報：
紅方空軍第×飛行團，由××機場出動大型運輸機1架，每架搭載10架小規模無人機蜂群前出相關海域，在搜索任務區域內，完成對藍方大型水面艦艇編隊的發現、定位，并實現持續時間不小于30分鐘的持續跟蹤監視，同時將目標航行信息實時上報聯合指揮機構。
(三)CMANO場景實現
第一步：在CMANO系統中設置紅藍;并在藍方添加水面艦艇編隊，設置其航行路線。在紅方××機場添加大型運輸機1架，分配巡邏偵察任務。
第二步：設置事件觸發機制，當紅方1架運輸機飛抵任務區域后，釋放10架微小無人機，每架無人機搭載電子、光電偵察載荷，并通過內嵌自組織、協同規劃算法開始對任務區域進行搜索。整體場景如圖3所示。本想定中，設定運輸機搭載的蜂群無人機平臺為瑞典研制生產的Sperwer偵察無人機，搭載1副CCD相機、1副紅外偵察相機以及1副激光雷達(如圖4)。
圖3 想定整體場景
圖4 Sperwer無人機平臺及搭載偵察載荷
(四)蜂群無人機集群控制的實現
從CMANO1.13版本開始，系統腳本語言LUA由1.0升級至2.0版本，開放并提供給用戶的應用函數接口達到數百個，通過腳本語言LUA可以實現之前版本必須通過手動操作實現的想定編輯以及作戰單元的精細化控制(如對每個作戰單元部署位置的精細化控制);通過腳本接口函數，可以實現外部AI控制程序的接入。此次想定中，通過LUA腳本，初步設計了對小規模蜂群無人機的協同偵察任務與路徑規劃的簡單AI算法。想定中，將釋放無人機設置為事件觸發，觸發開關為“PLAN Y8 Remains in Area”，即運輸機平臺進入搜索區域(如圖5)。后續研究中，還可以擴展蜂群無人機協同指揮控制、數據融合、協同態勢融合與評估等其它AI算法。本想定中，通過LUA腳本語言實現在想定中，紅方大型運輸機釋放10架小型無人機的事件編輯腳本函數CreateUAVFromTriggerUnit(triggerUnit)如圖6所示。
圖5 設置釋放無人機觸發事件
圖6 釋放無人機蜂群事件腳本函數
在該函數中，triggerUnit表示觸發事件的作戰單元，“mission”為新釋放的無人機需要執行的任務，函數“ScenEdit_GetMission()”為LUA接口函數，即獲取想定中相關任務，參數1為想定某一方名稱，參數2為任務名稱;函數“ScenEdit_AddUnit( )”為在想定中添加作戰單元的接口函數，參數依次為單元類型、名稱、數據庫裝備ID、作戰方、位置經緯度等信息;函數ScenEdit_AssignUnitToMission( )為給指定任務分配作戰單元的接口函數。
四、推演過程與結果分析
(一)無人機集群釋放過程
圖7 運輸機進入搜索區域后釋放10架無人機集群
由于想定中設置運輸機載機進入指定區域后釋放無人機集群，在圖7所示場景中，已完成10架小型無人機的釋放，將按照集群內部自主控制模式開始指定區域搜索偵察任務。
(二)無人機集群協同偵察探測過程
本次想定推演中，設定2種無人機搜索控制模式，一是平行推進掃描搜索;二是自主協同區域分配搜索。在想定推演中，2種模式的運行過程分別如圖8、9所示。
圖8 無人機集群平行推進掃描
圖9 無人機集群自主協同區域分配搜索模式
(三)偵察結果
方式1中，在時刻2:01:03，進入搜索區域的藍方艦艇被7號和8號無人機同時發現：“Contact: SKUNK #6 has been classified as: WPB 1338 Grand Isle [Island C-Series] - Determined as: Hostile (Classification by: UAV7 (UAV 01 Ugglan [Sperwer] UAV) [Sensor: Euroflir [FLIR]] at 27.9 nm)”。
方式2中，在時刻2:15:06，進入搜索區域的藍方艦艇被10號無人機發現：“Contact: WPB 1338 Grand Isle [Island C-Series] #5 has been positively identified as: WPB 1338 Grand Isle [Island C-Series] - Determined as: Hostile (ID by: UAV10 (UAV 01 Ugglan [Sperwer] UAV) [Sensor: Euroflir [CCD]] at 29.9 nm)”。
對比兩種方式結果，由于方式1使用的平行推進掃描覆蓋面積大于方式2，因此較快實現了對目標的發現。
五、結論
無人機蜂群的作戰應用模式和內部控制模式非常復雜，目前國內相關研究基本都處于起步階段。本文此次設計的想定功能較為簡單，旨在拋磚引玉，通過人在回路的推演仿真驗證無人機集群作戰模式，通過LUA語言實現集群自組織控制模式;驗證在CMANO平臺中開展作戰模式研究和算法試驗兩種模式研究的可行性，今后對CMANO平臺的研究和使用中將蜂群無人機的應用仿真、推演驗證作為一個主要方向，請大家持續關注。
?