王辉雄，洪东跑，刘宸宁，朴美兰

(中国运载火箭技术研究院，北京 100076)

0 引 言

随着战争由信息化时代向智能化时代迈进，战争形态的演化加速了装备保障的一体化融合，进而促使装备保障的内容、模式乃至机理发生了革命性的变化。装备保障以作战任务和行动为核心，为装备作战目的的达成发挥辅助和支撑作用，因此武器装备保障和作战行动在使用对象和组织实施等方面既相对独立，又相互交叉[1]。在信息化战争形态下，围绕观察、判断、决策和行动的作战环(简称OODA环)中各个环节的作战需求，作战样式实现了向非线式多维立体作战的飞跃，战场空间的拓展对武器装备作战应用与保障能力提出了更高要求，如何通过智能、高效的装备保障，实现装备效能的最大发挥，确保装备的升级和演进转化为战场对抗优势，成为了新时期装备建设的重大发展问题。

本文面向武器装备智能化保障的工程需求，分析总结了国内外武器装备效能评估技术的研究现状和存在问题，对作战OODA闭环要求下的武器装备智能保障模式进行了特征分析，构建了面向OODA闭环的武器装备智能保障系统，基于DoDAF建立了武器装备智能保障系统高层概念、能力和活动模型，并基于网络分析法(Analytic network process，ANP)对传统装备保障系统和装备智能保障系统的效能进行了对比评估。

1 国内外装备智能保障技术研究现状

1.1 装备智能保障

装备保障是指为使装备处于战备完好状态并持续完成作战任务所需的保障工作，主要包括部署、贮存、使用、训练、维修保障和作战支持等。在体系作战背景下，各作战力量、作战单元、作战要素通过信息系统将包括保障在内的诸多作战要素融合为一体[2]，而智能保障，就是在此背景下，广泛运用现代信息技术，全面融合通信保障、作战规划、行动支持、人员训练、测试维修等保障要素，和智能装备综合为一体化、高效率的装备作战与保障系统，打通指挥控制链路，融合行动链路，闭环杀伤链路，使武器装备整体作战效能得以充分发挥。

以美国为首的世界各军事强国在长期的装备发展与实战应用过程中，根据其作战使命任务和具体作战能力需求，实施了智能保障技术的研发和实践。自2014年提出“第三次抵消战略”以来，美国启动了大量有关智能保障技术的军事研究项目[3]，以提高作战部队在整个OODA作战行动循环反复过程中的保障效率；2016年，美军提出“作战云”构想，构建了情报、监视、打击、机动和保障一体化的作战体系架构，基于多维作战空间开发用于数据分发和信息共享的作战保障网络[4]；2019年，美军又提出“联合全域作战”概念，实施新形势下的联合保障和协同保障，推进新技术概念在装备保障中落地，支撑陆、海、空、天、电和网等其他作战领域的作战保障要素深度融合。

1.2 装备保障效能评估

装备效能评估是伴随军事运筹学的发展而产生与生长的，并由于系统工程的形成而逐步完善[5]。通常，开展装备系统评估的目的包括：分析武器装备的发展规划与计划；明确武器系统的性能要求；评价武器系统的建设方案；为武器装备系统运用提供措施建议。装备效能评估早在20世纪50年代末就已受到各军事强国的重视，美国将效能评估提高至“新武器装备研究没有效能指标，不予立项”的地位，并在武器论证和研制中陆续开展了系统效能的研究工作。目前，国内不少单位根据自己的实际情况，引进、探讨并应用了一些效能评估方法，如Delphi方法、层次分析法(Analytic hierarchy proc-ess，AHP)、综合指数法、模型模拟法、综合模糊评判、灰色模糊评判法、ADC评估法、多目标评价法，还有简单评价法、评分法、技术经济评价法、密切值法、集对分析、人工智能、专家系统、协同评价等方法[6]。

随着武器装备运行过程日益复杂，各装备保障运行流程高度交织，使得装备的保障资源、条件和费用急剧增加。在目前的装备研制过程中，装备作战保障方面的差距已远远超过了装备本身的战术技术性能差距，主要表现在装备可靠性差、战备完好率低、备件需求量大、备件种类过多、寿命周期费用显著增加等方面[7]。装备保障效能评估是装备保障管理过程的关键支持技术，是装备保障管理的重要依据，在装备保障的不同阶段，对相应的决策环节进行论证分析，为实现宏观层次的科学管理提供咨询建议。利用保障效能分析方法、技术和环境，可以建立各种重大装备保障效能分析与预测模型，支撑装备系统研制过程各个阶段,对装备保障的流程、模式、相关系统论证和设计提供重要参考，对装备保障项目立项论证、研制进度、技术风险等进行综合分析与比较，优选装备保障发展方案，为装备保障发展决策提供可靠的技术支撑，提高管理决策科学化水平。

1.3 信息化作战条件下装备保障的现存问题

立足于当前武器装备智能化、体系化发展的实际，聚焦于装备实战应用中急需解决的问题，装备保障存在的问题如图1所示，主要包括以下方面：

图1 装备保障的现存问题Fig.1 Existing problems of equipment support

(1)装备实战化保障设计技术不完善

武器装备建设不仅要考虑主战装备的战术技术性能指标，而且要考虑实战条件下的作战适用性。目前装备保障在装备研制生产中正逐步得到重视，但仍普遍存在落后于装备研制、落后于装备应用的现象[8]。发展基于保障流程仿真、作战推演的武器装备保障流程设计与验证方法，从作战保障需求响应、决策调度、执行等环节紧跟装备作战应用模式演进，通过装备作战模式与保障需求分解、装备保障模式与保障资源论证、装备保障系统与装备同步设计，提升保障系统和装备的实战化保障能力，从而实现保障能力与装备战技术指标同步发展。

(2)装备保障状态认知判断不准确

随着作战保障流程涉及要素日益增多，战场复杂程度的不断提高，装备测试诊断、战场状态感知、作战态势认知等活动也日益复杂化[9]。一方面，装备本身组成的复杂性加大了装备状态认知的复杂化，提高了对装备进行健康管理、故障诊断和评估的复杂程度；另一方面，更复杂的装备作战使用流程使各装备、各作战使用环节的精确保障更加容易影响整体作战效能的发挥。当前，装备智能状态感知、认知、判断和决策技术，末端数据的采集汇集，状态数据的智能分析应用并未覆盖各装备保障环节，需要通过智能测试技术、健康管理技术实现装备作战与保障的融合认知、准确判断和实时决策。

(3)装备保障缺乏智能化决策手段

体系化作战情形下的作战协同决策是军事技术发展的一大重点，是影响未来作战指挥控制模式、作战行动组织的重要因素[10]。而目前装备保障方面还缺乏智能化手段，对大规模联合作战行动下的保障资源拆借、保障组织重构和信息融合等问题尚未形成智能决策和执行的智能解决方案，导致装备的保障决策和调度在作战体系整合、保障资源综合方面还未形成有效的支撑。因此，必须提高各装备保障手段的智能决策能力，从而跳出保障尾随战争的传统模式，实现装备保障战争的“预实践”目标。

(4)装备保障行动评估的实时性不足

装备作战手段的不断进步使战场环境日益复杂，敌方威胁的方式和机制呈现敏捷性、爆发性和不可预见性，使装备保障“实时评估、实时决策、实时反应”的需求日益突出。作为战场态势感知、作战行动决策等关键作战环节的支撑输入，作战保障行动评估在目前也由于装备保障需求解算方法落后、装备状态综合判别方法缺失等问题而受到制约，无法对装备保障的行动过程和执行效果进行全面、实时的掌握[11]，从而使保障过程的实时规划和特情处置等智能保障调控功能无法顺利实现，限制了武器装备智能保障的全过程管控和执行能力。

2 武器装备智能保障系统建模与评估方法

2.1 基于DoDAF的系统结构建模

针对武器装备认知判断、智能决策、实时评估等需求，结合武器装备作战使用流程及模式，基于美国国防部体系框架(Department of Defense architec-ture framework，DoDAF)[12]建立武器装备作战与保障高层概念，并围绕各作战环节提供智能保障能力，分解保障功能和活动流程，构建武器装备智能保障系统模型。针对智能保障系统的建模需求，基于DoDAF的智能保障系统模型各视图关系如图2所示。

图2 智能保障系统DoDAF模型各视图关系Fig.2 Relationship between viewpoints of DoDAF model for intelligent support system

其中，高层概念视图OV-1通常用于描述系统的场景、任务，描述系统的主要作战概念和特征，包含主要的系统成员、任务活动关系和作战环境的概述，描述系统架构及环境和外部系统间的关系，其统领了各个系统模型所需遵循的基本规则、要素范围和任务活动；任务活动视图OV-5b描述完成特定作战任务或业务目标所需执行的作战活动流程，包括作战活动流程的具体步骤、输入/输出流及与其他作战活动流程的交互活动；能力分类视图CV-2描述系统能力层次分类，概括了系统在一定作战使命下完成任务所需的能力及能力要素，可由作战任务活动视图分析得到，并与高层概念视图中描述的系统使命目标一致，能够支撑系统能力需求识别、能力规划、差距分析和能力评估等。

2.2 基于ANP的系统效能评估

从体系高层概念出发，可分解得到完成装备智能保障体系使命任务所需的具体任务活动过程。在DoDAF体系结构建模中，作战活动的各个环节可生成底层效能指标，可作为装备智能保障体系的底层效能度量，这种对应关系构成了效能分析中的活动-效能指标映射，其模型如图3所示。通过这种分析方法得到的效能指标集合保证了使命任务需求的丰富性与完整性，使得最终获取的效能指标具有更高的准确度和可识别度。活动-效能指标映射规则的具体步骤包括：将作战使命分解为若干作战任务；将作战任务描述为流程，进而分解为若干任务活动；

图3 装备智能保障系统使命-任务-效能指标映射模型Fig.3 Mapping model of mission-task-efficiency measurement for intelligent equipment support system

由各任务活动导出相应的单项效能指标；对效能指标进行归类、分层，形成相应的能力分类结构，并实例化为相应的各级保障效能指标。

装备智能保障系统成员间的强耦合、强交互关系使其效能评估的过程具有特殊性，其能力和子能力间并无严格的从属关系，而在各个能力分类下的子能力之间存在复杂的相互影响。因此，本文利用网络分析法(Analytic network process，ANP)对装备智能保障系统的效能进行评估。ANP是由AHP延伸发展得到的复杂系统评估决策方法。与AHP不同，ANP支持构建网状结构的评估模型，不受AHP中指标单向性、独立性等准则的限制，适用于指标之间存在相互影响及反馈关系的复杂系统，已在复杂系统多属性决策问题中得到广泛应用[13]。该方法的步骤包括：

(1)建立指标集对指标的判断矩阵J

通过专家打分法，建立关于各个指标的指标集判断矩阵。逐个选取底层指标和指标集，按照指标集中各指标对该指标的重要程度，采用九度标注法，依据指标的影响程度进行优势度评分，构造以系统效能为准则(P准则)的判断矩阵，以指标集D1中的指标S1为目标，指标集D2中各指标的判断矩阵J12可写作：

(1)

对任意判断矩阵Jpq，其特征向量：

(2)

(2)构造指标集判断矩阵W

分别对指标集D1的各指标按其对指标集D2中的各个指标的影响力大小进行间接优势度比较，构造判断矩阵并进行一致性检验后获得特征向量，并利用求得的各特征向量中的元素构造矩阵W12，其列向量代表了两个指标集中各指标对应的相互影响：

(3)

(3)效能指标权重求解

遍历所有指标集，利用所有矩阵Wij的元素可构造P准则下的超矩阵W：

(4)

此时，超矩阵W的子块Wij是归一化的，但W却不是归一化的，需要在P准则下对各指标集的重要性进行比较，构造加权矩阵A：

(5)

利用A对W加权，得到W′：

(6)

矩阵W′中的元素w′ij实际体现了指标Di对指标Dj的一步优势度，当

(7)

存在时，W的第j列就是装备智能保障系统效能P准则下各指标对指标Dj的排序权重向量，W∞即为超极限矩阵，且W∞中各列向量记为各效能指标的权重，可得到系统效能的评估值。

3 案例分析

3.1 面向智能保障的装备系统结构建模

按照2.1节中的DoDAF系统建模方法，对系统组织结构和能力活动依赖关系等视图进行裁剪，选取高层概念视图OV-1、能力分类视图CV-2以及活动视图OV-5b构建面向智能保障的装备系统结构模型。装备系统由任务指挥机构、情报信息系统、任务执行单元和装备智能保障系统组成，其高层概念如图4所示。各系统间通过作战指令、保障行动、作战行动进行相互交互，完成作战指挥控制、装备保障、人员保障及作战打击任务。其中，智能保障系统以数据工程为中枢，完成联结装备训练、保障任务规划、装备健康管理等装备作战及保障业务，各功能单元之间通过信息交互组成保障功能，支撑任务指挥机构和任务执行单元完成作战任务。

图4 装备智能保障系统高层概念视图Fig.4 High-level operational concept viewpoint of intelligent equipment support system

3.2 智能保障系统任务建模

(1)作战训练任务建模

作战训练任务以新装备交付、新学员报到、新训练计划下达为起点，开展训练任务筹划工作，如图5所示。按照训练类别，建立实装-虚拟-构造(Live, virtual & constructive, LVC)联合仿真训练环境或原理示教环境，为LVC联合仿真训练提供作战装备、智能兵棋推演、指挥装备等训练环境支撑，为学员提供实装实兵、虚装实兵、构造虚兵等多种形式灵活配置的训练方式，支撑多种情形下的装备操作及作战指挥训练。对原理示教训练，以提供装备原理教学为目标，进行知识推送、原理实验器材、虚拟实验器材(装备)及交互式电子技术手册(Interactive electronic technical manual, IETM)等多种训练教学方式。经过一定学习阶段后，及时开展训练考核评估，并基于受训数据挖掘进行训练需求分析，完成训练计划迭代与优化。

图5 作战训练任务流程建模Fig.5 Process modeling for operation training mission

对于作战训练任务，主要评估指标为受训人员对作战技能、装备操作、原理知识的熟练度，可利用智能训练技术中的考核评估系统对岗位人员进行基于虚拟环境演练、模拟装备操作或实装操作的岗位考核，可采用加权评估法进行评估。如完成某一作战任务共需要i个岗位，第j(j=1,2,…,i)个岗位在作战流程中的重要度为kj，技能熟练度为h1j，权重为w1，操作熟练度为h2j，权重为w2，原理知识熟练度为h3j，权重为w3，(w1+w2+w3=1)，则作战训练任务的总效能可表示为X：

(8)

式(8)表明，作战训练任务的效果最终体现为各作战岗位人员的技能、操作和原理的熟练程度。通过科学的训练筹划和考核评估，能够提高训练科目和内容的组织效率，配合拟真的联合仿真训练环境和原理示教环境，实现受训人员快速掌握岗位知识和操作，提高岗位人员的作战能力。

(2)装备健康管理任务建模

装备健康管理任务由装备交付部队为起点，是包含装备贮存、使用、定检维护、故障维修等阶段的健康管理任务[14]，如图6所示。贮存阶段，进行贮存期的装备定检数据采集，实施健康评分，提供装备选用辅助决策；使用阶段，进行装备运行状态数据在线采集，并根据状态评估结果进行装备故障/剩余寿命预测；定检维护阶段，进行全运行阶段数据集中采集和深度健康评估，提供装备维护计划；故障维修阶段，进行基于健康数据和先验知识的故障快速定位和检修策略生成，输出最优维修路线。

图6 装备健康管理任务流程建模Fig.6 Process modeling of equipment health management mission

对于装备健康管理任务，其任务效能取决于贮存、使用、定检、维修等健康管理环节的实际效能，最终直接体现在装备的使用可靠性上，即装备在一定作战使用环境和维修维护条件中表现出的完成任务的能力。如完成某一作战任务共需要m个装备参与，将各装备在任务过程中保持无故障状态的概率记为RHM(tn) (n=1,2,…,m)，系统的使用可靠度为R，则有：

对于单个装备，其RHM(tn)由装备健康管理各环节的效能决定，其中Rz表示贮存和待机阶段的可靠度，Rt表示在装备发生故障时能够准确检测和定位故障的概率，Rm表示在正确定位故障后能够及时修复并满足任务要求的概率，则该装备的可靠度可表示为：

RHM(tn)=Rz+(1-Rz)RtRm

(9)

按照装备系统的组成结构和任务执行过程中的任务组织关系，装备系统的可靠性模型主要可分为三种情况。对于由p个单元组成的串联系统，其可靠度为：

(10)

对于p个单元的并联系统，其可靠度为：

(11)

对于由p个单元组成的q/p冗余系统，各系统的可靠度记为Rx，其可靠度为：

(12)

此外，对于复杂装备系统，还可根据装备的具体故障逻辑建立故障树模型、马尔科夫模型、Petri网等可靠性模型，计算系统的可靠度。式(12)表明，装备系统的可靠度主要受健康管理效能的影响，通过有效的健康管理，可提高装备故障提前预知、准确定位和快速修复的能力，对装备保持战备完好性具有重大意义。

(3)保障任务规划建模

装备保障任务规划以产生装备保障任务需求为起点，利用战场数据、装备数据进行战场态势感知和装备状态认知，通过生成保障策略和分配保障行动输出规划结果[15]。如图7所示，通过保障过程推演结果对任务规划进行评价和迭代，并按照最终的任务规划结果执行保障任务。在保障任务执行完成后，进行保障行动评估并开展保障任务迭代，直至保障行动结果符合保障任务需求。

图7 装备保障任务规划流程建模Fig.7 Process model of equipment support mission planning

对装备保障任务规划，其最终目的是通过合理的资源规划和调度，使装备能够在任务周期内保持可执行任务的状态，即提高装备的可用度。如一个作战任务共需要m个装备参与，第n个装备的任务可用度记为An，则：

(13)

式中：T(BF)n表示第n个装备的平均故障间隔时间；T(TR)n表示第n个装备的平均修复时间，包括修复性及预防性维修、使用保障和保障延误所耗费的时间。

则系统的可用度可由完成作战任务所必须的b个装备的可用度和完成任务可选的m-b个装备的可用度两部分组成，表示为：

(14)

式中：vj表示第j个可选装备在作战任务中的重要度。

式(13)～(14)表明，在系统固有可靠度不变时，其可用度主要受维修保障和延误时间的影响。因此，可通过智能保障任务规划，使维修和保障的资源提前、精准地到达需求部位，减少资源等待、延误的时间，通过保障任务推演对保障流程进行优化，提高装备保障运行效率。

3.3 智能保障系统效能建模

通过3.1节中的高层概念图可知，装备智能保障系统承担人员训练、维修保障、作战指挥、作战支持和信息支援活动。按照装备保障任务分类，装备智能保障能力可分为训练保障、维修保障、信息支援和行动支援四个方面，如图8所示。在装备智能作战与保障场景中，训练保障包括训练筹划、数据应用、多形式训练、知识覆盖四方面能力；维修保障包括故障预知、检测、规划和资源补给四方面能力；信息支援包括数据引接、态势感知、装备认知、作战及保障任务规划和推演分析五方面能力；行动支持包括行军路线规划、威胁感知、处置和通信支援四个方面。

3.4 装备智能保障系统效能评估

根据图8的装备智能保障能力模型，以装备智能保障系统效能为决策准则P建立控制层，以四类效能指标作为指标集构建网络层，搭建ANP效能评估模型，如图9所示。选取网络层中维修保障能力指标集D1中的相关指标，以控制层装备智能保障系统效能P为准则，根据网络层中训练保障能力指标集D2中的数据挖掘能力I5影响力大小进行间接优势度比较，构造准则P下的判断矩阵，得到关于D2中的I5的D1指标集判断矩阵J11：

图8 装备智能保障能力模型Fig.8 Ability model of intelligent equipment support

图9 装备智能保障系统效能ANP评估模型Fig.9 ANP analysis model of intelligent equipment support ability

(15)

其特征向量：

P11=[0.865,0.838,0.838,0.925]T

(16)

以此类推，分别求出指标集D1中的各指标,按其对指标集D2中的各个指标的影响力大小进行间接优势度比较并构造判断矩阵J12，J13，J14，并进行一致性检验后获得特征向量P12，P13，P14，利用各特征向量中的元素构造矩阵W12，其列向量代表了指标集D1中各指标对应指标集D2中各指标的影响：

(17)

以此类推，得到准则P下的超矩阵W：

(18)

在准则P下对各指标集的重要性进行比较，构造加权矩阵A：

(19)

利用A对W加权，得到W′：

(20)

求解超限矩阵W∞=limi→∞Wi，其各列向量即为各效能指标的权重，可计算得到装备智能保障系统效能的评估值。

利用专家评分法对传统装备保障系统和装备智能保障系统的效能指标S1，S2分别进行评分，并利用W∞得到的权重进行加权评分，评分情况如表1所示。

表1的结果表明，相比于传统装备保障系统，装备智能保障系统的整体效能更高，主要表现在其具有更优的信息支援能力和训练保障能力。装备数据工程、数字孪生技术的应用，有助于提高体系作战背景下装备保障系统的信息透明程度和可达程度，从而提高装备训练保障、维修保障任务的各个环节的效率。从各项顶层效能指标看，装备智能保障系统的维修保障能力和训练保障能力优势大于信息支援能力和行动支持能力，表明装备智能保障系统具有一定的技术涌现性，提高系统的信息和行动支持能力能够获得更大的整体效能提升。

表1 装备保障系统效能评估结果Table 1 Results of efficiency evaluation for equipment support system

4 结 论

本文从体系化、信息化战争形态下的装备发展需求出发，分析了装备智能保障的概念内涵及特点，介绍了国外装备智能保障技术研究和发展的现状，并对国内现有装备保障模式存在的问题进行了分析，指出了装备保障智能化所需攻克和发展的技术要素。按照OODA作战环的分析思路，构想了智能保障技术发展模式，构建了智能保障系统模型，对智能保障系统的高层概念、能力分类和典型任务流程进行了建模。在此基础上，提出了基于ANP的装备智能保障系统效能评估模型，从维修保障、训练保障、信息支援和行动支持能力四个方面对传统装备保障系统和装备智能保障系统的效能进行了对比。本文为装备智能保障系统的构建和验证提供了一套可行的设计和评估方法，为装备的作战应用水平、保障能力和装备本身战技术指标的同步发展和提升奠定了基础。

未来装备的作战应用势必朝着无人作战、远程投送、快速响应、多域全维的方向发展，智能保障技术将在未来作战中提供全要素集成、全场景覆盖、具备突发异常情况的快速响应和处置能力的装备、人员及作战行动保障[16]。因此，以装备系统数字孪生为基础，通过智能保障使能技术及其系统的统筹构建，开发装备保障效能实时评估方法和工具，实现智能保障规划、执行和评估过程的一体化，是下一阶段的重点研究内容。