刘建生，程晓敏，丁 帅，宋丽琼，侯宇辰

（北方自动控制技术研究所，太原 030006）

0 引言

随着无人技术、人工智能技术、大数据技术的发展，战场感知越来越泛在化、集群作战越来越自主化和协同化、作战体系越来越云态化。传统的防空火力控制技术已经难以满足新形势下的作战需求［1］。

在传统武器装备设计中，防空火力控制技术的实现方式主要是依据先验知识，建立一系列数学模型在探测跟踪、运动假定、时空配准、目标分配、决策生成、协同控制等方面进行预测、控制、评价，其整个控制过程是时不变参数、时不变结构，不具备有效利用大量在线数据、离线数据进行挖掘分析、关联规则形成自学习、自修正的能力。这种能力缺失导致传统火力控制技术存在诸多不足，主要体现在：目标运动假定模型单一，只涵盖有限几种经典运动方程，对临空攻顶、无人机蜂群、高机动等目标缺乏有效状态空间模型；信息融合与传感器紧耦合，不能有效处理信息的多样性和不确定性；决策分析没有真正的集数据、模型、知识于一体，只是运用模型和数据库进行局部推理，缺少知识的提取、归纳、管理，不具备人工智能的基因；效能评估指标体系的构建还是基于专家系统，影响它的完备性、客观性、时效性［2-5］。

综上所述，通过引入大数据思想，有效利用历史数据、仿真数据、实时在线数据，针对传统火力控制技术中时敏目标状态空间模型构建、大闭环校射、协同信息处理、控制决策、效能评估等薄弱环节，运用数据挖掘、深度学习、神经网络等技术，提升火控系统自修正、自学习能力，推动火力控制技术的创新升级，为武器装备向无人化智能化方向发展提供技术支撑［6-7］。……