段玉保

(解放军91336部队，河北 秦皇岛 066326)

0 引 言

作战能力评估是评价联合作战力量完成任务并进行衡量的重要环节。当前联合作战演习中的分析评估条件建设还不够完善，缺乏演习全过程的精细化评估支撑手段，缺少自动化的数据处理、分析和评估工具。分析评估主要依赖人工开展，对作战关键环节关联分析深度不够、评估效率不高，严重影响对作战能力的评估和演习效益的充分发挥。

1 需求分析

联合作战演习中，导演部、红/蓝指挥所、各兵力群指、各作战平台不同部位在评估阶段关注的侧重点和技术要素各不相同，指挥员重点关注指挥体系和链路的运转情况、典型作战平台场景运用、任务的完成率及军事效费比，装备指挥人员比较关注装备的作战性能、协同运用、信息通联等。

系统综合利用各种演习数据对预警探测、指挥控制、火力打击和信息对抗等方面开展全系统全流程全要素评估，对演习数据深度挖掘分析、多维度多要素关联处理，通过可视化方式直观展示作战过程，暴露方案设计、战术战法、兵力行动、装备操作以及装备性能等方面的主要问题，为指挥流程、装备运用方面的优化提供建议，为部队立足现有装备打仗提供数据支撑[1]。

2 系统设计

2.1 系统结构设计

联合作战评估系统的组成架构如图1所示。该系统主要包括底层数据引擎服务以及数据整编分系统、数据展示分系统、仿真模型计算分系统、分析评估分系统、回放控制分系统等5个分系统。

图1 联合作战评估系统的组成架构

2.2 系统的实现

根据联合作战中现有装备数据以及需求，系统需具备以下功能:

(1) 数据引擎服务：提供规范的军事模型框架和作战流程框架，驱动各领域模块。通过时间管理、事件管理、战场管理和环境管理等模块的协作配合，调度模型运行和交互,完成作战过程的仿真回放，实现对采集到的多源数据融合处理，具备数据订阅分发功能，满足评估对象对不同平台、目标的数据需求[2]。

(2) 数据整编功能：实现对雷达探测数据，通信数据，信息对抗数据，测控设备数据以及音视频等数据的系统导入和数据清洗、数据集成、数据归约、数据变换等数据预处理功能，确保数据的准确性、完整性、一致性、时效性和可信性。

(3) 数据展示功能：实现对演习过程整体态势、单平台作战视景、组网建链拓扑、指挥杀伤链路运转、作战关键事件推进、信息对抗过程的可视化显示[3]。

(4) 仿真模型计算功能：对水面舰艇、潜艇、飞机、导弹、无人机、岸基雷达、信息对抗装备等作战平台实体进行建模，通过演习数据实时驱动平台运动轨迹、平台装备的信息对抗效果、毁伤效果。比对仿真计算效果和真实对抗效果，不断修正完善仿真数据模型。

(5) 分析评估功能：包括定性分析、定量评估以及定性和定量相结合的综合评估。实现对包括作战指挥链路与作战任务需求的契合度、杀伤链路实际能力、兵力编成合理性等的定性分析，对包括通信能力、指挥能力、机动能力、防护能力、打击能力、效费比评估等的定量评估[4]。

(6) 回放控制功能：用于控制回放过程，包括演习科目数据选择、运行/暂停、加速/减速、AB循环、跳转(按时刻/事件节点)等操作。

系统工作的过程如图2所示。

图2 系统工作过程

3 系统关键技术

3.1 多源数据时空一致性融合

多源数据时空一致性融合模块是数据引擎服务的重要组成部分，包括对雷达数据、通信数据、电子对抗数据、装备工作日志及人工数据的融合处理和数据库数据的加载调度，对数据的调度处理采用时间序列为基准，融合处理后的数据采用总线通信机制分发至各终端台位[5]。信息处理流程如图3所示。

图3 信息处理流程示意图

将采集到的雷达探测数据、通信数据、对抗数据通过信息去重、信息融合处理，与敌我识别数据进行关联融合，完成综合目标识别，同时加载任务海区地图数据及军事模型，形成动态的联合作战演习态势。自动采集设备任务开始前需系统内时统设备授时并保持时间同步，确保时间精度，保证多源航迹数据融合的完整性与正确性[6]。系统在对多源数据融合的同时保留不同情报来源的原始信息，可与融合信息或者其他情报源进行比对，完成后期的装备定位精度对比、兵力行动准确性、任务完成率等评估内容[7]。

装备工作数据和状态数据一般采用自动记录和人工记录相结合的方式，记录时间上有一定的误差，融合处理时要设定适当的阈值。

3.2 基于层次分析法(AHP)-Fuzzy的评估

针对联合作战中不同的训练对象和检验内容，采用不同的评估手段、评枯标准和评估模型，进行真实有效与客观公正的评估，是提高训练效果的关键所在，解决的基本途径是：

(1) 根据分析评估工作要求，从贴近实战评估的实际需要出发，采取分解与综合、实时与事后、定量与定性、人工与自动相结合的评估方法，从任务完成率、武器装备作战能力、战术战法应用、联合作战编组能力四个大的方面，科学合理地确定出相应的评估手段、评估标准和评估模型，真实有效、客观公正地对作战过程各个环节进行评估。

(2) 首先可基于层次分析方法(AHP)建立完整的评估指标体系，然后根据指标体系间的内在关系建立相应的评估数学模型集，按不同目的、不同类别的评估要求，实现对单装、单平台、作战编队的多重评估。其中，对能够量化的指标可直接进行量化计算；而对目前难于统一度量的指标，则应用模糊综合评价方法对演习情况进行考核评估[8]。

在考核评估指标体系确定以后，结合层次分析法、模糊综合评价方法建立考核评估数学模型的步骤如下:

(1) 确定评估体系中各评估指标间重要程度权重

基于分层分级的联合作战能力评估指标层次结构如图4所示[9]。

图4 基于分层分级的联合作战能力评估指标层次结构图

矩阵判断准则，两两比较2个元素哪个重要，重要多少，每次取2个因子Xi和Xj，以aij表示Xi和Xj对目标层的影响大小之比，全部比较结果用矩阵X=(aij)n×n表示，称为成对比较判断矩阵。

XX1X2…XnX11a12…a1nX21/a121…a2n………1…Xn1/a1n1/a2n…1

式中：aij的值一般采用1～9及其倒数的标度方法。

当相互比较因素的重要性能用具有实际意义的比值说明时，判断矩阵相应元素的值则取这个比值。

构造基于分层分级的联合作战能力判断矩阵X:

XX1X2X3X4X111/311/3X23131X311/311/3X43131

构造侦察预警能力判断矩阵X1:

X1X11X12X13X11132X121/311/2X131/221

构造打击能力判断矩阵X2：

X2X21X22X23X24X211342X221/3121/2X231/41/211/3X241/2231

构造防御能力判断矩阵X3:

X3X31X32X33X34X3111/41/51/4X32411/21X335212X34411/21

由此得出作战能力X=0.125·(X11·0.539 61+X12·0.163 42+X13·0.296 96)+0.375·(X21·0.467 3+X22·0.160 09+X23·0.277 18+X24·0.277 18)+0.125·(X31·0.069 57+X32·0.245 56+X33·0.439 31+X34·0.245 56)+0.375·X4

(2) 确定各评估指标的评价集V

将不能量化的指标层的指标划分为4个等级，各等级的分数构成的向量即为评价集V，V=(4，3，2，1)。

(3) 构建模糊关系矩阵R

在构造了等级模糊子集后，要逐个对被评事物从每个因素ui(i=1,2,…,p)上进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度(R|ui)，进而得到模糊关系矩阵。

u={u1,u2,……,up}={规范，准确，及时}

(1)

(2)

矩阵R中第i行第j列元素rij，表示某个被评事物从因素ui来看对vj等级模糊子集的隶属度。一个被评事物在某个因素ui方面的表现，是通过模糊向量(R|ui)=(ri1,ri2,……,rim)来刻画的，而在其他评价方法中多是由1个指标实际值来刻画的，因此，从这个角度讲模糊综合评价要求更多的信息。

(4) 合成模糊综合评价结果向量B

B=A·R=(0.333 3,0.333 3,0.333 3)·

(3)

4 结束语

新形势下军队各级大抓军事训练，而在联合作战演习中，评估武器装备作战效能、检验战术战法应用效益是演习后期非常重要的一个阶段。本文针对基于分层分级的联合作战评估系统，给出了一种设计与实现方式。当前针对演习中采集到的海量多源异构数据，系统融合能力还不够，多维数据之间的关联分析与数据挖掘能力还比较薄弱，分析评估能力也有限，回放展示的内容与部队需求尚有一定差距。后续将通过对系统的进一步应用和改进，深度分析武器装备的作战能力、战术运用与实战的差距，为优化部队作战流程、掌握装备能力底数提供数据支撑。