一种基于ABMS的对地攻击无人机自主能力SEM评估方法

一种基于abms的对地攻击无人机自主能力sem评估方法
技术领域
1.本发明涉及无人机自主能力评估领域技术，具体涉及一种基于智能体的建模与仿真(agent based modeling and simulation，abms)的结构方程(structural equation modeling，sem)评估方法在对地攻击无人机自主能力评估领域的应用。


背景技术：

2.对地攻击无人机作为航空领域典型的无人作战装备，其作战时空、使命任务和作战样式不断拓展，决定了对地攻击无人机必须具备很高的自主能力，自主能力很大程度决定着无人机作战使用的上限。如何评估作战任务条件下的对地攻击无人机自主能力，对无人机装备研制、论证以及复杂场景下作战使用具有重要的军事意义。
3.传统评估方法无法刻画复杂系统内部的非线性关系，仅从无人机装备性能出发，利用底层指标对自主能力进行评估，并未系统考虑作战过程对自主能力的影响。这样导致评估过程与作战任务严重脱钩，评估结果及优化建议不能满足实际任务需求。


技术实现要素：

4.本发明所解决的问题是，针对上述现有技术的不足，提供一种基于abms的对地攻击无人机自主能力sem评估方法，具体包括下列步骤：
5.step 1.构建agent仿真架构
6.将agent模型结构分为任务行为层、功能模块层、性能参数层三层架构，其中，任务行为层是根据对地攻击无人机使命任务进行分解得到的，描述基本任务进程；功能模块层分为基础功能和任务功能，支持无人机任务执行；性能参数层作为仿真结构的底层输入，支持功能模块的运转；
7.step 2建立进攻方agent模型
8.从任务行为层、功能模块层和性能参数层三个方面建立进攻方agent模型；
9.任务行为层采用状态机进行构建，具体行为过程为：无人机从基地起飞，按照预设航线飞抵任务区域，完成突防、搜索、攻击任务；当无人机被摧毁、弹药耗尽、摧毁全部目标、超过最大续航时间四个条件满足其中任何一个时，代表任务完成或终止；
10.功能模块层描述无人机在执行任务过程中所需基本功能，包括侦察模块、决策模块、运动模块、通信模块、管理模块、攻击模块、生存力模块；其中侦察模块包括可见光侦察模型和合成孔径雷达模型，决策模块包括目标识别模型、战术推理模型和任务分配模型，运动模块包括飞行状态模型和飞行控制模型，通信模块包括通信模型，管理模块包括状态管理模型，攻击模块包括导弹运动模型和目标毁伤模型，生存力模块包括敏感性模型和易损性模型；
11.性能参数层对应典型对地攻击无人机装备参数，既包括无人机自身平台和载荷参数，又包括与其他agent及外部环境交互得到的信息；
12.step 3.建立防御方agent模型
13.防御方agent模型结构分为任务行为层、功能模块层和性能参数层；
14.任务行为层描述防空系统的扫描、跟踪、引导三种工作模式；在扫描状态下，雷达以ts秒为扫描频率，更新目标状态信息并计算探测概率，若在一定时间内，探测目标为真的次数超过额定次数，则雷达进入跟踪模式；在跟踪状态下，雷达解算目标航迹并发送给导弹，若在导弹射程内，则发送攻击指令，否则雷达以t
t
为更新时间继续跟踪目标，若连续丢失目标次数累计超过额定次数，则雷达返回扫描模式；在持续跟踪一段时间之后，雷达进入引导模式，将跟踪目标信息传递给指挥控制站；地空导弹接受到发射指令后，以一定的初始速度按照比例导引律拦截目标，先后经过初制导、中制导和末制导，在满足引信条件时起爆，若目标丢失、截获失败、超过最大工作时间三者满足其中之一时，导弹agent自毁并退出仿真程序；
15.功能模块层包括探测模块、决策模块、通信模块、导引模块、攻击模块、生存力模块；其中，在通信模块中，雷达和地空导弹之间的通信通过仿真软件的“消息”进行实现；在探测模块中，用平均恒虚警算法计算雷达探测概率；在导引模块中，通过解算目标和导弹状态，计算得到指令过载，进而控制导弹飞向目标；在攻击模块中，采用质点运动模型，攻击武器发射后按比例导引以一定速度向目标飞行，满足引信启动条件时起爆；生存力模块包括易损性模型和敏感性模型；
16.性能参数层作为仿真结构的底层输入，支持功能模块的运转；
17.step 4.基于结构方程的自主能力评估方法
18.sem模型结构分为结构模型和测量模型，其中测量模型描述潜变量和显变量之间的关系，测量方程为：
19.x＝λ
x
ξ+δ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
20.y＝λyη+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
21.式中，x、y分别为外生显变量和内生显变量，ξ、η分别为外生潜变量和内生潜变量，λ
x
、λy为影响矩阵，δ、ε为测量误差；
22.结构模型刻画内生潜变量和外生潜变量之间的关系，结构方程为：
23.η＝bη+γξ+ζ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
24.式中，b为η间的相关系数矩阵，γ表示ξ对η的影响，ζ为结构方程的残差；
25.根据sem基本原理，建立表2所示的对地攻击无人机自主能力评估指标体系；其中，感知探测能力、安全管理能力、规划决策能力、作战执行能力不能被直接测量，将其确定为潜变量，潜变量又分为若干可以直接测量的显变量；
26.表2 自主能力评估sem变量划分
[0027][0028][0029]
需要对内生潜变量(η1、η2)和外生潜变量(ξ1、ξ2)的关联关系进行分析；分别建立线性和非线性sem评估模型；
[0030]
在线性sem中，感知探测能力、安全管理能力与规划决策能力、作战执行能力之间为线性关系，自主能力线性sem评估模型的测量方程为：
[0031]
[0032][0033]
式中，分别为x
1 x5与ξ1的路径系数，分别为x6、x7与ξ2的路径系数，δ
1 δ7为x
1 x7的误差参数，分别为y
1 y3与η1的路径系数，分别为y
4 y7与η2的路径系数，ε
1 ε7为y
1 y7的误差参数；
[0034]
模型结构方程为
[0035]
η1＝γ
11
ξ1+γ
12
ξ2+ζ1ꢀꢀꢀꢀꢀꢀꢀ
(23)
[0036]
η2＝γ
21
ξ1+γ
22
ξ2+β
21
η1+ζ2ꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0037]
式中，γ
11
、γ
12
为ξ1、ξ2与η1之间的路径系数，γ
21
、γ
22
为ξ1、ξ2与η2之间的路径系数，ζ1、ζ2分别为η1、η2的残差；
[0038]
在感知探测能力与安全管理能力、规划决策能力与作战执行能力的线性关系的基础上，加入交互效应的非线性项，建立对地攻击无人机自主能力非线性sem，自主能力非线性sem评估模型的测量方程为
[0039][0040]
在sem中，假设外生显变量和内生显变量的数量分别为p、q，则产生个协方差和方差，即得到个含未知参数的方程；根据t准则，需要估计的未知参数，即路径系数和误差参数的个数t需要小于方程数量，sem模型才能识别，即：
[0041][0042]
参数检验的目的在于最小化样本数据的协方差矩阵为c和理论模型的协方差矩阵为c
*
；拟合指标统计量包括χ2、近似误差均方根rmsea、标准拟合指数nfi、比较拟合指数cfi、拟合优度指数gfi，其评价标准如表2所示；
[0043]
表2 拟合指标评价标准
[0044][0045][0046]
将偏差χ2、近似误差均方根rmsea、标准拟合指数nfi、比较拟合指数cfi、拟合优度指数gfi结合表2数据进行对比，获得评估结果。
[0047]
在本发明的一个实施例中，功能模块层对无人机运动、侦察、决策、攻击、生存力等模块进行建模；
[0048]
(1)无人机运动模块
[0049]
对地攻击无人机agent可视为质点，其运动模块采用三自由度动力学方程组来描述，以指令过载控制无人机运动；
[0050][0051]
式中：x、y和z为地面坐标系下agent的坐标；v、χ和γ分别为agent的速度、俯仰角和偏航角；g为重力加速度；n
x
，ny，nz分别为x、y和z方向上的指令过载；
[0052]
(2)无人机侦察模块
[0053]
综合考虑合成孔径雷达sar和可见光雷达ccd两种设备，无人机成功探测到敌方目标的概率pd为：
[0054][0055]
式中，为sar探测目标概率，为ccd探测目标概率；
[0056]
(3)无人机决策模块
[0057]
从目标识别、战术推理、任务分配三个方面建立无人机决策模块；
[0058]
目标识别模块采用传感器对目标的识别概率来表示，根据识别目标在传感器上的可分辨线数量进行计算；
[0059][0060]
式中，p(n)为传感器对目标的识别概率，n
50
为在识别概率为50％的情况下所需的可分辨对数的数量，n
50
的具体取值由表1给出，n为穿过目标特征尺寸的可分辨线对数的数量，计算公式如下：
[0061][0062][0063][0064]
式中，dc为目标在传感器中成像的特征尺寸，r
fpa
为传感器分辨率，d
t
为目标的真实特征尺寸，f为传感器焦距，r为传感器和目标的距离，w
t
、h
t
分别为摄像机观测方向上目标宽度和高度；
[0065]
表1 不同识别等级下的n
50
经验值
[0066][0067]
战术推理模型和任务分配模型采用逻辑关系进行描述；
[0068]
战术推理模型采用专家决策系统进行建模，包括决策因素、推理规则、战术策略，战术推理过程为：将外界的态势信息转化为决策因素，专家系统推理机根据决策因素和推理规则得到战术策略，并对决策因素进行更新；其中，决策因素包括目标类型、目标分布、威胁等级、天气状况这些目标信息和环境因素；战术策略包括攻击方式选择、攻击武器选择、攻击队形确定；推理规则由专家系统确定；
[0069]
(4)无人机攻击模块
[0070]
对地攻击无人机的攻击武器为空地导弹，空地导弹采用质点运动模型，其对目标的毁伤程度以杀伤概率来表征，单发空地导弹对目标的杀伤概率为：
[0071]
pk＝phpsꢀꢀꢀꢀꢀꢀ
(7)
[0072]
式中，ph为空地导弹命中概率，ps为导弹命中目标后对目标的毁伤概率；
[0073]
假设目标为矩形单元，单发空地导弹的命中概率计算模型为：
[0074][0075]
[0076]
式中，a、b分别为矩形单元的边长，π为圆周率，为衡量单位，无特殊含义，cep为导弹的圆概率偏差；
[0077]
空地导弹杀伤力考虑命中精度和杀伤半径两大要素：
[0078][0079]
式中，r
ag
为空地导弹杀伤半径，ah为空地导弹命中精度；
[0080]
(5)无人机生存力模块
[0081]
生存力模块包括易损性模型和敏感性模型；
[0082]
采用被破片击穿毁伤概率来描述无人机易损性；无人机被单个破片毁伤概率p
bd
是破片比动能与无人机机体平均厚度之比的函数：
[0083][0084]
式中，em为破片比动能；
[0085]
采用被防空火力打击的命中概率ph来表征敏感性；无人机生存概率p
sur
为：
[0086]
p
sur
＝1-p
bd
·
phꢀꢀꢀꢀꢀꢀꢀꢀ
(12)；
[0087]
在本发明的另一个实施例中，在无人机决策模块中，任务分配模型的具体流程为：
[0088]
step1：获取战术策略，确定攻击目标；
[0089]
step2：若目标未被攻击，判断是否有可用无人机，若有可用无人机，则按照最短攻击路线将攻击任务分配无人机；若无可用无人机，则结束任务分配流程；
[0090]
step3：无人机进入攻击航线后，判断是否满足攻击条件，若满足条件，则无人机生成攻击航线、装订导弹参数，执行攻击任务，攻击后根据目标毁伤效果判断是否再次打击；否则结束此次任务分配流程；
[0091]
在本发明的又一个实施例中，在step 3中，功能模块层各模块具体如下：
[0092]
(1)通信模块
[0093]
在通信模块中，假设消息传递过程不受其他因素干扰，传输率为100％；
[0094]
(2)探测模块
[0095]
采用雷达作为探测设备，信噪比是影响雷达探测概率的主要参数，对于特定的雷达系统，若已知距离r0处的目标，其雷达散射截面积rcs为σ0、信噪比为snr0，则距离为re、rcs为σ的目标，其信噪比snr为：
[0096][0097]
在无干扰情况下，雷达对目标的探测概率为：
[0098][0099]
式中，为恒虚警处理常数，p
fa
为虚警率，m为参考窗口内样本个数；
[0100]
(3)导引模块
[0101]
具体为：
[0102]
目标视线转动角速度ω为：
[0103][0104]
式中：vr为导弹和目标的相对速度；rr为导弹和目标的相对距离；
[0105]
采用比例式导引法，其指令加速度为
[0106]
a＝kω
×vm
ꢀꢀꢀꢀꢀꢀ
(16)
[0107]
式中：k为比例导引系数；vm为导弹速度；a为地面坐标系下的指令加速度；
[0108]
(4)攻击模块
[0109]
攻击武器为地空导弹，单发地空导弹对目标的杀伤概率p
ki
为：
[0110]
p
ki
＝p
hi
p
k/h
ꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0111]
式中，p
hi
为地空导弹的命中概率；p
k/h
为地空导弹命中目标后对目标的毁伤概率；
[0112]
(5)生存力模块
[0113]
易损性表征在遭受敌方火力打击时对损伤作用的敏感程度，指在被敌方火力击中时倾向于严重损失和毁坏的程度，用防空系统被威胁命中后损伤的概率p
k/h
来表征；敏感性指防空系统被威胁命中的可能性，用防空系统被威胁机理命中的概率ph来表征。
[0114]
本发明优点如下：
[0115]
(1)从任务行为层、功能模块层、性能参数层建立agent模型架构，采用自底向上的方法描述复杂系统的动态演化过程，降低了模型建立的难度；
[0116]
(2)基于agent的仿真模型具备良好的扩展性和通用性，能够根据能力需求和作战想定变更或修改模块及参数，相较于传统方法，更能表征复杂作战系统内部特性；
[0117]
(3)基于非线性sem的自主能力评估模型能够有效地反映自主能力因素之间的协同交互关系，表征自主能力的整体涌现性，符合作战任务实际。
[0118]
本发明基于agent建模方法，建立无人机攻防对抗仿真模型，利用结构方程实现对地攻击无人机自主能力评估，并通过实例分析验证所提方法，本发明相较于现有技术具有显著优势。
附图说明
[0119]
图1为智能体(agent)结构；
[0120]
图2为基于agent的仿真建模框架；
[0121]
图3进攻方agent模型结构图；
[0122]
图4为无人机agent状态图；
[0123]
图5为战术推理模型结构图；
[0124]
图6为任务分配逻辑关系图；
[0125]
图7为防御方agent结构；
[0126]
图8为防御方agent状态图，其中图8(a)示出雷达agent状态图，图8(b)示出地空导弹agent状态图；
[0127]
图9为自主能力线性sem；
[0128]
图10为自主能力线性度量sem仿真模型；
[0129]
图11为自主能力非线性sem；
[0130]
图12为自主能力非线性度量sem仿真模型。
具体实施方式
[0131]
现结合实例和附图对本发明做进一步说明。
[0132]
本发明综合abms和sem实现对地攻击无人机自主能力评估。具体思路为：基于abms建模思想，从任务行为层、功能模块层、性能参数层三个方面构建agent模型架构；基于所提agent模型架构，分别构建进攻方agent和防御方agent仿真模型；基于结构方程理论，提出一种对地攻击无人机自主能力sem评估方法。
[0133]
step 1.构建agent仿真架构
[0134]
agent是指在一定环境中，能够感知周围环境信息并能做出一定反应，与环境中的其他智能体能够进行通信，完成特定目标的独立个体。agent具有自主性、社会性、反应性和预动性等特征(padgham l，winikoff m.developing intelligent agent systems：a practical guide[m].john wiley&sons，2005.)。本发明根据agent概念和特征进行仿真建模，将agent视为仿真模型中的组成单元。图1为agent结构，每一个agent都是一个独立的单元，能够完成感知、决策、通信、运动、执行等动作。每个agent可视为一组具有特定规则的程序，并且能够嵌入到仿真系统中。在仿真环境中，agent与agent之间能够直接或者间接进行通信。仿真模型运行时，agent通过传感器感知环境的变化，又将这种变化通过执行器作用于环境，这样agent与agent、agent与仿真环境之间形成了闭环结构，不断推动仿真模拟进程。
[0135]
基于agent理论，并借鉴文献(刘文金，裴扬，葛玉雪，等.基于abms的对地攻击型无人机体系贡献率评估[j].航空学报，2022，43(09)：436-449.)的研究思路，自底向上构建仿真模型，将agent模型结构分为任务行为层、功能模块层、性能参数层三层架构，如图2所示。任务行为层是根据对地攻击无人机使命任务进行分解得到的，描述基本任务进程，例如，无人机执行常规战略打击、隐蔽突击、压制防空任务，其任务过程包括任务准备、起飞航行、突防、侦察搜索、攻击、返航着陆。功能模块层包括基础功能和任务功能，支持无人机任务执行，功能模块分为任务功能和基础功能，任务功能包括侦察、规划、决策模块，基础功能包括通信、运动、生存模块。性能参数层作为仿真结构的底层输入，支持功能模块的运转，例如，速度、高度、尺寸等平台参数以及传感器焦距、特征尺寸、分辨率等载荷参数。
[0136]
step 2.建立进攻方agent模型
[0137]
根据agent模型仿真架构，从任务行为层、功能模块层和性能参数层三个方面建立进攻方(对地攻击无人机)agent模型，如图3所示。
[0138]
任务行为层的具体行为过程为：无人机从基地起飞，按照预设航线飞抵任务区域，无人机搜索目标并对多源信息进行信息融合，进入攻击航线后，判断是否满足攻击条件，若不满足，则重新规划航线，若满足条件，则进行攻击决策并将指令数据装载给武器系统，武器系统进行火控解算，完成攻击任务，最后无人机返航着陆。任务行为层采用状态机(郧奇佳，宋笔锋，裴扬，等.基于agent建模的机载激光武器系统作战效能影响因素分析[j].系统工程与电子技术，2020，42(04)：826-835.)进行构建，例如，无人机通过感知、规划、行动实现上述任务过程，当无人机被摧毁、弹药耗尽、摧毁全部目标(任务达成)、超过最大续航时间四个条件满足其中任何一个时，代表任务完成或终止，如图4所示。
[0139]
功能模块层描述无人机在执行任务过程中所需基本功能，包括侦察、决策、运动、通信、管理、攻击、生存力模块，其中侦察模块包括可见光侦察模型和合成孔径雷达模型，决
策模块包括目标识别模型、战术推理模型和任务分配模型，运动模块包括飞行状态模型和飞行控制模型，通信模块包括通信模型，管理模块包括状态管理模型，攻击模块包括导弹运动模型和目标毁伤模型，生存力模块包括敏感性模型和易损性模型。
[0140]
性能参数层对应典型对地攻击无人机装备参数，既包括无人机自身平台和载荷参数，又包括与其他agent及外部环境交互得到的信息，例如，平均发射功率、雷达分辨率、工作范围、传感器焦距、传感器特征尺寸、虚警率、通信距离等性能参数，如图3所示。
[0141]
由于任务行为层能够通过agent仿真软件的内嵌底层逻辑实现(molina m，carrasco s，martin j.agent-based modeling and simulation for the design of the future european air traffic management system：the experience of assiopeia[c]//international conference on practical applications of agents and multi-agent systems.springer，cham，2014：22-33.)，性能参数层仅作为底层输入，其实现过程并不复杂(刘文金，裴扬，葛玉雪，等.基于abms的对地攻击型无人机体系贡献率评估[j].航空学报，2022，43(09)：436-449.)，因此本发明仅介绍功能模块层的实现。
[0142]
功能模块层对无人机运动、侦察、决策、攻击、生存力等模块进行建模。通信模块和管理模块较为简单，在通信模块中，无人机通过数据链与地面站进行通信，该功能通过仿真软件的“消息”进行实现(黄建新.基于abms的体系效能仿真评估方法研究[d].长沙：国防科学技术大学，2011.)，并且假设消息传递过程不受其他因素干扰，传输率为100％。在管理模块中，无人机感知并更新自身状态，在接收到被击毁的消息时，该无人机agent销毁并退出仿真程序。
[0143]
下面对其他模块进行介绍：
[0144]
(1)无人机运动模块。无人机运动模块是解算无人机运动参数的基础模块，控制无人机完成平飞、转弯、加速等动作。对地攻击无人机agent可视为质点，其运动模块采用三自由度动力学方程组来描述，以指令过载控制无人机运动。
[0145][0146]
式中：x、y和z为地面坐标系下agent的坐标；v、χ和γ分别为agent的速度、俯仰角和偏航角；g为重力加速度；n
x
，ny，nz分别为x、y和z方向上的指令过载。
[0147]
(2)无人机侦察模块。根据作战任务需要，对地攻击无人机需要具备在复杂气象条件下全天候、全天时作战能力，并针对气象条件及目标特点采取不同的侦察方式。因此，综合考虑合成孔径雷达(sar)和可见光雷达(ccd)两种设备，无人机成功探测到敌方目标的概
率pd为：
[0148][0149]
式中，为sar探测目标概率，为ccd探测目标概率。
[0150]
(3)无人机决策模块，无人机在遂行对地攻击作战任务过程中，需要对目标信息进行识别判断，经过推理决策后，在战术和行为上做出一定程度的自主决策，并进行任务分配。因此，从目标识别、战术推理、任务分配三个方面建立无人机决策模块。
[0151]
目标识别模块采用传感器对目标的识别概率来表示，根据识别目标在传感器上的可分辨线数量进行计算。
[0152][0153]
式中，p(n)为传感器对目标的识别概率，n
50
为在识别概率为50％的情况下所需的可分辨对数的数量，n
50
的具体取值由表1给出，n为穿过目标特征尺寸的可分辨线对数的数量，计算公式如下：
[0154][0155][0156][0157]
式中，dc为目标在传感器中成像的特征尺寸，r
fpa
为传感器分辨率，d
t
为目标的真实特征尺寸，f为传感器焦距，r为传感器和目标的距离，w
t
、h
t
分别为摄像机观测方向上目标宽度和高度。
[0158]
表1 不同识别等级下的n
50
经验值
[0159][0160]
战术推理模型和任务分配模型采用逻辑关系进行描述。
[0161]
战术推理模型采用专家决策系统进行建模，包括决策因素、推理规则、战术策略，战术推理过程为：将外界的态势信息转化为决策因素，专家系统推理机根据决策因素和推理规则得到战术策略，并对决策因素进行更新，如图5所示。其中，决策因素包括目标类型、目标分布、威胁等级、天气状况等目标信息和环境因素；战术策略包括攻击方式选择、攻击武器选择、攻击队形确定等；推理规则由专家系统确定。
[0162]
任务分配的具体流程为：
[0163]
step1：获取战术策略，确定攻击目标。
[0164]
step2：若目标未被攻击，判断是否有可用无人机，若有可用无人机，则按照最短攻
击路线将攻击任务分配无人机；若无可用无人机，则结束任务分配流程。
[0165]
step3：无人机进入攻击航线后，判断是否满足攻击条件，若满足条件，则无人机生成攻击航线、装订导弹参数，执行攻击任务，攻击后根据目标毁伤效果判断是否再次打击；否则结束此次任务分配流程。如图6所示。
[0166]
(4)无人机攻击模块，对地攻击无人机的攻击武器为空地导弹，空地导弹采用质点运动模型，其对目标的毁伤程度以杀伤概率来表征，单发空地导弹对目标的杀伤概率为：
[0167]
pk＝phpsꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0168]
式中，ph为空地导弹命中概率，ps为导弹命中目标后对目标的毁伤概率。
[0169]
假设目标为矩形单元，单发空地导弹的命中概率计算模型为：
[0170][0171][0172]
式中，a、b分别为矩形单元的边长，π为圆周率，为衡量单位，无特殊含义，cep为导弹的圆概率偏差。
[0173]
空地导弹杀伤力考虑命中精度和杀伤半径两大要素：
[0174][0175]
式中，r
ag
为空地导弹杀伤半径，ah为空地导弹命中精度。
[0176]
(5)无人机生存力模块，生存力模块包括易损性模型和敏感性模型。
[0177]
易损性表征无人机在遭受敌方火力打击时对损伤作用的敏感程度，与无人机结构、外形、布局以及杀伤模式有关，无人机被破片击穿关键易损部件而引起功能损伤，是对地攻击无人机常见的毁伤情形，因此采用被破片击穿毁伤概率来描述无人机易损性。无人机被单个破片毁伤概率p
bd
是破片比动能与无人机机体平均厚度之比的函数：
[0178][0179]
式中，em为破片比动能。
[0180]
敏感性是指无人机被敌方火力击中的可能性，采用被防空火力打击的命中概率ph来表征。因此，无人机生存概率p
sur
为：
[0181]
p
sur
＝1-p
bd
·
phꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0182]
3.建立防御方agent模型
[0183]
防御方agent模型结构如图7所示，包括任务行为层、功能模块层和性能参数层。
[0184]
任务行为层描述防空系统(雷达和地空导弹)的扫描、跟踪、引导三种工作模式，在扫描工作模式下，雷达完成目标搜索并上报目标信息，在跟踪模式下，雷达根据目标信息进行任务规划，并将指令下发给地空导弹，在引导模式下，地空导弹接收指令并执行该指令。其中，雷达的状态图如图8(a)所示，雷达以ts秒为扫描频率，更新目标状态信息并计算探测概率pd，若在一定时间内，pd为真的次数超过额定次数，则雷达进入跟踪模式。在跟踪状态下，雷达解算目标航迹并发送给导弹，若在导弹射程内，则发送攻击指令，否则雷达以t
t
为更新时间继续跟踪目标，若连续丢失目标次数累计超过额定次数，则雷达返回扫描模式。在持续跟踪一段时间之后，雷达进入引导模式，将跟踪目标信息传递给指挥控制站。地空导弹
状态图如图8(b)所示，导弹接受到发射指令后，以一定的初始速度按照比例导引律(cho n，lee s，shin h s，et al.three-dimensional biased proportional navigation guidance based on spatial rotation of predicted final velocity[j].ieee transactions on aerospace and electronic systems，2022.)拦截目标，先后经过初制导、中制导和末制导，在满足引信条件时起爆，若目标丢失、截获失败、超过最大工作时间三者满足其中之一时，导弹agent自毁并退出仿真程序。
[0185]
功能模块层包括探测模块、决策模块、通信模块、导引模块、攻击模块、生存力模块。功能模块的建模机理与无人机模型基本相似。
[0186]
如上所述，性能参数层作为仿真结构的底层输入，支持功能模块的运转，例如，速度、高度、尺寸等平台参数以及传感器焦距、特征尺寸、分辨率等载荷参数。在具体实施时，性能参数层实际是底层数据，作为功能模块层的输入。
[0187]
(1)通信模块。在通信模块中，雷达和地空导弹之间的通信通过仿真软件的“消息”进行实现(黄建新.基于abms的体系效能仿真评估方法研究[d].长沙：国防科学技术大学，2011.)，并且假设消息传递过程不受其他因素干扰，传输率为100％。
[0188]
(2)探测模块，雷达是防空系统的重要探测设备，雷达探测模块常用平均恒虚警算法计算雷达探测概率。信噪比是影响雷达探测概率的主要参数，对于特定的雷达系统，若已知距离r0处的目标，其雷达散射截面积rcs为σ0、信噪比为snr0，则距离为re、rcs为σ的目标，其信噪比snr为：
[0189][0190]
在无干扰情况下，雷达对目标的探测概率为：
[0191][0192]
式中，为恒虚警处理常数，p
fa
为虚警率，m为参考窗口内样本个数。
[0193]
(3)导引模块，通过解算目标和导弹状态，计算得到指令过载，进而控制导弹飞向目标。比例导引法是导弹制导中常用一种的方法，其基本原理是使得导弹速度矢量的转动角速度和目标线的转动角速度成比例。
[0194]
目标视线转动角速度ω为：
[0195][0196]
式中：vr为导弹和目标的相对速度；rr为导弹和目标的相对距离。
[0197]
采用比例式导引法，其指令加速度为
[0198]
a＝kω
×vm
ꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0199]
式中：k为比例导引系数；vm为导弹速度；a为地面坐标系下的指令加速度。
[0200]
(4)攻击模块，防空系统使用的攻击武器为地空导弹，采用质点运动模型，发射后按比例导引以一定速度向目标飞行，满足引信启动条件时起爆。单发地空导弹对目标的杀伤概率p
ki
为：
[0201]
p
ki
＝p
hi
p
k/h
ꢀꢀꢀꢀꢀꢀ
(17)
[0202]
式中，p
hi
为地空导弹的命中概率；p
k/h
为地空导弹命中目标后对目标的毁伤概率。
[0203]
(5)生存力模块，生存力模块包括易损性模型和敏感性模型。
[0204]
易损性表征在遭受敌方火力打击时对损伤作用的敏感程度，是指在被敌方火力击中时倾向于严重损失和毁坏的程度，通常用防空系统被威胁命中后损伤的概率p
k/h
来表征。敏感性是指防空系统被威胁命中的可能性，通常用防空系统被威胁机理命中的概率ph来表征。
[0205]
4.基于结构方程的自主能力评估方法
[0206]
结构方程模型是一种新型多元统计分析方法，其基本思想是通过显变量的实际观测数据建立显变量和潜变量之间的定量关系模型，并对该模型进行参数估计和模型修正，直到模型符合一定的拟合标准为止(韩驰，熊伟，刘文文，等.基于结构方程模型的天基信息系统效能评估[j].系统仿真学报，2022，34(08)：1799-1810.doi：10.16182/j.issn1004731x.joss.21-0361.)。其中，显变量是指能够直接观测或测量的变量，通常可由专家评分、仿真模拟和数据统计等方法获取。潜变量是指无法直接观测的变量，需要通过显变量来体现。
[0207]
此外，sem变量还可分为外生变量和内生变量。在假设的关联模型中，外生变量能够影响其他变量而不受任何变量的影响，又称自变量；内生变量则受到其他变量的影响但不能影响或说明其他变量，又称因变量。因此，sem变量可分为四类：外生显变量、外生潜变量、内生显变量、内生潜变量。
[0208]
sem模型结构可分为测量模型和结构模型，其中测量模型描述潜变量和显变量之间的关系，测量方程为：
[0209]
x＝λ
x
ξ+δ
ꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0210]
y＝λyη+ε
ꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0211]
式中，x、y分别为外生显变量和内生显变量，ξ、η分别为外生潜变量和内生潜变量，λ
x
、λy分别为外生影响矩阵和内生影响矩阵，δ、ε分别为外生测量误差和内生测量误差。
[0212]
结构模型刻画内生潜变量和外生潜变量之间的关系，结构方程为：
[0213]
η＝bη+γξ+ζ
ꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
[0214]
式中，b为内生潜变量η间的相关系数矩阵，γ表示外生潜变量ξ对内生潜变量η的影响，ζ为结构方程的残差。
[0215]
根据sem基本原理(chi h，wei x，wenwen l，et al.effectiveness evaluation method of space-based information systems based on sem[j].journal of system simulation，2022，34(08)：1799.)，构建如表2所示的对地攻击无人机自主能力评估sem变量，其中感知探测能力、安全管理能力、规划决策能力、作战执行能力不能被直接测量，将其确定为潜变量，潜变量又分为若干可以直接测量的显变量，例如感知探测能力包括目标发现概率、目标识别概率、目标跟踪概率、传输速率、传输误码率五个显变量。
[0216]
表2 自主能力评估sem变量划分
[0217][0218]
由于自主能力的涌现性等非线性特征，需要对内生潜变量(规划决策能力η1、作战执行能力η2)和外生潜变量(感知探测能力ξ1、安全管理能力ξ2)的关联关系进行分析。自主能力影响因素繁多，其变量之间同时存在线性和非线性关联关系。因此，本发明分别建立线性和非线性sem评估模型。在建立模型后，需要进行可识别判断和参数检验。假设外生显变量和内生显变量的数量分别为p、q，则产生个协方差和方差，即得到个含未知参数的方程，c表示排列组合符号，表示从m个方案中选择n种的个数。根据t准则(刘学星.基于结构方程模型的装备体系评估方法研究[d].西安：西安电子科技大学，2020.)，需要估计的未知参数(路径系数和误差参数)的个数t需要小于方程数量，sem模型才能识别，即：
[0219][0220]
参数检验的目的在于检验假设模型能否较好拟合样本数据，即最小化样本数据的协方差矩阵为c和理论模型的协方差矩阵为c
*
。常用的拟合指标统计量有偏差χ2(即为统计
样本的实际观测值和理论推测值之间的偏离程度)、近似误差均方根(rmsea)、标准拟合指数(nfi)、比较拟合指数(cfi)、拟合优度指数(gfi)等(yaxu y.comprehensive evaluation of logistics enterprise competitiveness based on sem model[j].journal of intelligent&fuzzy systems，2021，40(04)：6469-6479.)，其评价标准如表3所示。
[0221]
表3 拟合指标评价标准
[0222][0223]
在线性sem中，感知探测能力、安全管理能力与规划决策能力、作战执行能力之间为线性关系，建立对地攻击无人机自主能力线性sem，如图9所示。
[0224]
其中，分别为x
1 x5与ξ1的路径系数，分别为x6、x7与ξ2间的路径系数，分别为y
1 y3与η1之间的路径系数，分别为y
4 y7与η2之间的路径系数，γ
11
、γ
12
为ξ1、ξ2与η1之间的路径系数，γ
21
、γ
22
为ξ1、ξ2与η2之间的路径系数，φ
12
为ξ1与ξ2间的相关系数，δ
1 δ7为x
1 x7的误差参数，ε
1 ε7为y
1 y7的误差参数，ζ1、ζ2分别为η1、η2的残差，β
12
为η1与η2之间的路径系数。
[0225]
自主能力线性sem评估模型的测量方程为
[0226][0227]
[0228]
模型结构方程为
[0229]
η1＝γ
11
ξ1+γ
12
ξ2+ζ1ꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0230]
η2＝γ
21
ξ1+γ
22
ξ2+β
12
η1+ζ2ꢀꢀꢀꢀꢀꢀꢀꢀ
(25)
[0231]
线性sem(线性sem指的是方程(22)和方程(23))可识别判断：在自主能力线性sem中，内生显变量个数p＝7，外生显变量个数q＝7，未知参数个数t＝36。经检验，满足可识别判断条件故线性sem是可识别的。
[0232]
假设num架对地攻击无人机执行对地打击作战任务，每架无人机携带两枚空地导弹，对敌重要房屋设施进行攻击，防御方包括三组防空雷达系统，每组雷达配备两枚地空导弹。根据无人机传感器类型、传感器参数、攻击武器类型，设定27组对地攻击任务方案，如表4所示。
[0233]
表4 对地攻击任务方案
[0234][0235]
根据上述构建的攻防对抗agent仿真模型，基于表4所示的任务编配方案，采用anylogic软件进行仿真实现(muravev d，hu h，rakhmangulov a，et al.multi-agent optimization of the intermodal terminal main parameters by using anylogic simulation platform：case study on the ningbo-zhoushan port[j].international journal of information management，2021，57：102133.)，获取不同方案下显变量对应的指标数据，如表5所示。
[0236]
表5 不同方案下的指标数据值
[0237][0238]
基于图9，自主能力线性sem标准化的基础模型如图10所示，线性参数统计结果如表6所示，主要拟合指数如表7所示，经检验拟合指标均满足表3中的拟合指标评价标准，因
此模型和参数估计结果是可接受的。
[0239]
表6 线性sem参数估计值
[0240][0241]
表7 线性sem主要拟合指数
[0242][0243]
根据模型参数方程式(22)～(25)，得到对地攻击无人机的感知探测能力模型为：
[0244][0245]
安全管理能力模型为：
[0246][0247]
规划决策能力模型为：
[0248][0249]
作战执行能力模型为：
[0250]
η2＝γ
21
ξ1+γ
22
ξ2+β
12
η1+ζ2ꢀꢀꢀꢀꢀꢀꢀꢀ
(29)
[0251]
将表6中的参数估计值代入式(26)～(29)得到：
[0252]
ξ1＝0.250x1+0.282x2+0.290x3+0.267x4+0.244x
5-0.755
ꢀꢀꢀꢀꢀꢀ
(30)
[0253]
ξ2＝0.549x6+0.617x
7-0.852
ꢀꢀꢀꢀꢀꢀꢀꢀ
(31)
[0254]
η1＝0.412y1+0.483y2+0.469y
3-0.734
ꢀꢀꢀꢀꢀꢀ
(32)
[0255]
η2＝0.21ξ1+0.24ξ2+0.28η1+0.38
ꢀꢀꢀꢀꢀꢀꢀꢀ
(33)
[0256]
由于能力指标存在耦合的关联关系，即涌现性现象，对地攻击无人机涌现的自主能力比子系统的能力因素总和更为复杂。因此，对地攻击无人机整体的自主效能大于部分之和，并非各个能力指标之间的简单线性叠加。例如，增加无人机编队数量能够形成规模优势；同时提升感知探测能力和安全性能，能够提升无人机规划决策系统的决策周期和精度。
[0257]
为了更为准确描述自主能力因素之间的相互作用关系，在感知探测能力与安全管理能力、规划决策能力与作战执行能力的线性关系的基础上，加入交互效应的非线性项(karl g.a general method for estimating a linear structural equation system[j].psychometrika，1970，1970(02)，1-41.)，建立对地攻击无人机自主能力非线性sem，如图11所示。
[0258]
自主能力非线性sem评估模型的测量方程为：
[0259][0260]
式中，分别为x1x
6 x5x7与ξ1ξ2的路径系数，δ
16 δ
57
分别为x1x
6 x5x7的误差参数。
[0261]
结构方程为：
[0262]
η1＝γ
11
ξ1+γ
12
ξ2+ζ1ꢀꢀꢀꢀꢀꢀꢀꢀ
(35)
[0263]
η2＝γ
21
ξ1+γ
22
ξ2+γ
23
ξ1ξ2+β
12
η1+ζ2ꢀꢀꢀꢀꢀꢀ
(36)
[0264]
式中，γ
23
为ξ1ξ2与η2之间的路径系数。
[0265]
非线性sem可识别判断：在自主能力非线性sem中，内生显变量个数p＝7，外生显变量个数q＝17，未知参数个数t＝57，满足可识别判断条件，非线性sem也是可识别的。
[0266]
自主能力线性sem标准化的基础模型如图12所示，线性主效应评估模型为：
[0267][0268][0269]
感知探测和安全管理交互能力评估模型为：
[0270][0271]
规划决策能力模型为：
[0272][0273]
η2＝γ
21
ξ1+γ
22
ξ2+γ
23
ξ1ξ2+β
21
η1+ζ2ꢀꢀꢀꢀꢀꢀ
(41)
[0274]
根据上述模型，在amos软件(李浈浈.基于amos模型的快递员失信行为研究[j].物流科技，2022，45(04)：37-39+49.)中构建仿真程序，将表6中不同方案下的指标数据作为程序输入，运行仿真程序，得到如图12所示的输出结果。将图12中的数值代入(37)～(41)得到：
[0275]
ξ1＝0.250x1+0.286x2+0.290x3+0.263x4+0.247x
5-0.757
ꢀꢀꢀꢀꢀꢀ
(42)
[0276]
ξ2＝0.562x6+0.610x
7-0.858
ꢀꢀꢀꢀꢀꢀꢀ
(43)
[0277][0278]
η1＝0.417y1+0.483y2+0.469y
3-0.737
ꢀꢀꢀꢀꢀꢀꢀꢀ
(45)
[0279]
η2＝0.40ξ1+0.42ξ
2-0.41ξ1ξ2+0.12η1+0.80
ꢀꢀꢀꢀꢀꢀꢀꢀ
(46)
[0280]
将27组方案的样本数据分别代入线性和非线性sem自主能力评估解析模型，计算得到不同方案下的自主能力指标值，选取5组代表性方案进行比较，结果如表8所示。
[0281]
表8 自主能力sem评估结果
[0282][0283]
通过分析表8，得到如下结论：
[0284]
(1)分析表中对地攻击无人机作战执行能力评估结果可知，除第8组评估结果外，
其余几组方案在非线性模型中的评估结果是高于线性模型的。这是由于在非线性涌现模型中，考虑了感知探测能力和安全管理能力之间的交互效应，这种非线性作用表现了自主能力的涌现性。
[0285]
(2)表中第8、14组交互项的能力值出现负值，原因在于感知探测能力和安全管理能力在能力聚合过程中发生了趋同效应，因素之间的相互影响呈现负向涌现，阻碍了作战执行能力的发挥。
[0286]
(3)方案27为最优方案，虽然该方案的感知探测能力、安全管理能力和规划决策能力在所有方案中不是最优的，但是各项能力指标较为均衡，作战执行能力发挥了最大效果。
[0287]
(4)第14组在交互效应为负的情况下，其非线性模型的整体作战能力仍高于线性模型，这是因为在能力指标聚合过程中，感知探测能力和规划决策能力涌现的正向能力值大于系统的负向能力值，使得整体能力呈现正向涌现。第8、19、27组的规划决策能力较高，即使第8组的交互效应为负的情况下，整体作战能力仍然较高。

技术特征：
1.一种基于abms的对地攻击无人机自主能力sem评估方法，其特征在于，具体包括下列步骤：step 1.构建agent仿真架构将agent模型结构分为任务行为层、功能模块层、性能参数层三层架构，其中，任务行为层是根据对地攻击无人机使命任务进行分解得到的，描述基本任务进程；功能模块层分为基础功能和任务功能，支持无人机任务执行；性能参数层作为仿真结构的底层输入，支持功能模块的运转；step 2建立进攻方agent模型从任务行为层、功能模块层和性能参数层三个方面建立进攻方agent模型；任务行为层采用状态机进行构建，具体行为过程为：无人机从基地起飞，按照预设航线飞抵任务区域，完成突防、搜索、攻击任务；当无人机被摧毁、弹药耗尽、摧毁全部目标、超过最大续航时间四个条件满足其中任何一个时，代表任务完成或终止；功能模块层描述无人机在执行任务过程中所需基本功能，包括侦察模块、决策模块、运动模块、通信模块、管理模块、攻击模块、生存力模块；其中侦察模块包括可见光侦察模型和合成孔径雷达模型，决策模块包括目标识别模型、战术推理模型和任务分配模型，运动模块包括飞行状态模型和飞行控制模型，通信模块包括通信模型，管理模块包括状态管理模型，攻击模块包括导弹运动模型和目标毁伤模型，生存力模块包括敏感性模型和易损性模型；性能参数层对应典型对地攻击无人机装备参数，既包括无人机自身平台和载荷参数，又包括与其他agent及外部环境交互得到的信息；step 3.建立防御方agent模型防御方agent模型结构分为任务行为层、功能模块层和性能参数层；任务行为层描述防空系统的扫描、跟踪、引导三种工作模式；在扫描状态下，雷达以t
s
秒为扫描频率，更新目标状态信息并计算探测概率，若在一定时间内，探测目标为真的次数超过额定次数，则雷达进入跟踪模式；在跟踪状态下，雷达解算目标航迹并发送给导弹，若在导弹射程内，则发送攻击指令，否则雷达以t
t
为更新时间继续跟踪目标，若连续丢失目标次数累计超过额定次数，则雷达返回扫描模式；在持续跟踪一段时间之后，雷达进入引导模式，将跟踪目标信息传递给指挥控制站；地空导弹接受到发射指令后，以一定的初始速度按照比例导引律拦截目标，先后经过初制导、中制导和末制导，在满足引信条件时起爆，若目标丢失、截获失败、超过最大工作时间三者满足其中之一时，导弹agent自毁并退出仿真程序；功能模块层包括探测模块、决策模块、通信模块、导引模块、攻击模块、生存力模块；其中，在通信模块中，雷达和地空导弹之间的通信通过仿真软件的“消息”进行实现；在探测模块中，用平均恒虚警算法计算雷达探测概率；在导引模块中，通过解算目标和导弹状态，计算得到指令过载，进而控制导弹飞向目标；在攻击模块中，采用质点运动模型，攻击武器发射后按比例导引以一定速度向目标飞行，满足引信启动条件时起爆；生存力模块包括易损性模型和敏感性模型；性能参数层作为仿真结构的底层输入，支持功能模块的运转；step 4.基于结构方程的自主能力评估方法sem模型结构分为结构模型和测量模型，其中测量模型描述潜变量和显变量之间的关
系，测量方程为：x＝λ
x
ξ+δ
ꢀꢀ
(17)y＝λ
y
η+ε
ꢀꢀ
(18)式中，x、y分别为外生显变量和内生显变量，ξ、η分别为外生潜变量和内生潜变量，λ
x
、λ
y
为影响矩阵，δ、ε为测量误差；结构模型刻画内生潜变量和外生潜变量之间的关系，结构方程为：η＝bη+γξ+ζ
ꢀꢀꢀ
(19)式中，b为η间的相关系数矩阵，γ表示ξ对η的影响，ζ为结构方程的残差；根据sem基本原理，建立表2所示的对地攻击无人机自主能力评估指标体系；其中，感知探测能力、安全管理能力、规划决策能力、作战执行能力不能被直接测量，将其确定为潜变量，潜变量又分为若干可以直接测量的显变量；表2 自主能力评估sem变量划分
需要对内生潜变量(η1、η2)和外生潜变量(ξ1、ξ2)的关联关系进行分析；分别建立线性和非线性sem评估模型；在线性sem中，感知探测能力、安全管理能力与规划决策能力、作战执行能力之间为线性关系，自主能力线性sem评估模型的测量方程为：性关系，自主能力线性sem评估模型的测量方程为：式中，分别为x
1 x5与ξ1的路径系数，分别为x6、x7与ξ2的路径系数，δ
1 δ7为x
1 x7的误差参数，分别为y
1 y3与η1的路径系数，分别为y
4 y7与η2的路径系数，ε
1 ε7为y
1 y7的误差参数；模型结构方程为η1＝γ
11
ξ1+γ
12
ξ2+ζ1ꢀꢀꢀ
(23)η2＝γ
21
ξ1+γ
22
ξ2+β
21
η1+ζ2ꢀꢀꢀ
(24)式中，γ
11
、γ
12
为ξ1、ξ2与η1之间的路径系数，γ
21
、γ
22
为ξ1、ξ2与η2之间的路径系数，ζ1、ζ2分别为η1、η2的残差；在感知探测能力与安全管理能力、规划决策能力与作战执行能力的线性关系的基础上，加入交互效应的非线性项，建立对地攻击无人机自主能力非线性sem，自主能力非线性sem评估模型的测量方程为
在sem中，假设外生显变量和内生显变量的数量分别为p、q，则产生个协方差和方差，即得到个含未知参数的方程；根据t准则，需要估计的未知参数，即路径系数和误差参数的个数t需要小于方程数量，sem模型才能识别，即：参数检验的目的在于最小化样本数据的协方差矩阵为c和理论模型的协方差矩阵为c
*
；拟合指标统计量包括χ2、近似误差均方根rmsea、标准拟合指数nfi、比较拟合指数cfi、拟合优度指数gfi，其评价标准如表3所示；表3 拟合指标评价标准将偏差χ2、近似误差均方根rmsea、标准拟合指数nfi、比较拟合指数cfi、拟合优度指数gfi结合表2数据进行对比，获得评估结果。2.如权利要求1所述的基于abms的对地攻击无人机自主能力sem评估方法，其特征在于，功能模块层对无人机运动、侦察、决策、攻击、生存力等模块进行建模；(1)无人机运动模块对地攻击无人机agent可视为质点，其运动模块采用三自由度动力学方程组来描述，以指令过载控制无人机运动；
式中：x、y和z为地面坐标系下agent的坐标；v、χ和γ分别为agent的速度、俯仰角和偏航角；g为重力加速度；n
x
，n
y
，n
z
分别为x、y和z方向上的指令过载；(2)无人机侦察模块综合考虑合成孔径雷达sar和可见光雷达ccd两种设备，无人机成功探测到敌方目标的概率p
d
为：式中，为sar探测目标概率，为ccd探测目标概率；(3)无人机决策模块从目标识别、战术推理、任务分配三个方面建立无人机决策模块；目标识别模块采用传感器对目标的识别概率来表示，根据识别目标在传感器上的可分辨线数量进行计算；式中，p(n)为传感器对目标的识别概率，n
50
为在识别概率为50％的情况下所需的可分辨对数的数量，n
50
的具体取值由表1给出，n为穿过目标特征尺寸的可分辨线对数的数量，计算公式如下：算公式如下：算公式如下：式中，d
c
为目标在传感器中成像的特征尺寸，r
fpa
为传感器分辨率，d
t
为目标的真实特征尺寸，f为传感器焦距，r为传感器和目标的距离，w
t
、h
t
分别为摄像机观测方向上目标宽度和高度；表1 不同识别等级下的n
50
经验值
战术推理模型和任务分配模型采用逻辑关系进行描述；战术推理模型采用专家决策系统进行建模，包括决策因素、推理规则、战术策略，战术推理过程为：将外界的态势信息转化为决策因素，专家系统推理机根据决策因素和推理规则得到战术策略，并对决策因素进行更新；其中，决策因素包括目标类型、目标分布、威胁等级、天气状况这些目标信息和环境因素；战术策略包括攻击方式选择、攻击武器选择、攻击队形确定；推理规则由专家系统确定；(4)无人机攻击模块对地攻击无人机的攻击武器为空地导弹，空地导弹采用质点运动模型，其对目标的毁伤程度以杀伤概率来表征，单发空地导弹对目标的杀伤概率为：p
k
＝p
h
p
s
ꢀꢀꢀ
(7)式中，p
h
为空地导弹命中概率，p
s
为导弹命中目标后对目标的毁伤概率；假设目标为矩形单元，单发空地导弹的命中概率计算模型为：假设目标为矩形单元，单发空地导弹的命中概率计算模型为：式中，a、b分别为矩形单元的边长，π为圆周率，为衡量单位，无特殊含义，cep为导弹的圆概率偏差；空地导弹杀伤力考虑命中精度和杀伤半径两大要素：式中，r
ag
为空地导弹杀伤半径，a
h
为空地导弹命中精度；(5)无人机生存力模块生存力模块包括易损性模型和敏感性模型；采用被破片击穿毁伤概率来描述无人机易损性；无人机被单个破片毁伤概率p
bd
是破片比动能与无人机机体平均厚度之比的函数：式中，e
m
为破片比动能；采用被防空火力打击的命中概率p
h
来表征敏感性；无人机生存概率p
sur
为：p
sur
＝1-p
bd
·
p
h
ꢀꢀꢀ
(12)。3.如权利要求2所述的基于abms的对地攻击无人机自主能力sem评估方法，其特征在
于，在无人机决策模块中，任务分配模型的具体流程为：step1：获取战术策略，确定攻击目标；step2：若目标未被攻击，判断是否有可用无人机，若有可用无人机，则按照最短攻击路线将攻击任务分配无人机；若无可用无人机，则结束任务分配流程；step3：无人机进入攻击航线后，判断是否满足攻击条件，若满足条件，则无人机生成攻击航线、装订导弹参数，执行攻击任务，攻击后根据目标毁伤效果判断是否再次打击；否则结束此次任务分配流程。4.如权利要求1所述的基于abms的对地攻击无人机自主能力sem评估方法，其特征在于，在step 3中，功能模块层各模块具体如下：(1)通信模块在通信模块中，假设消息传递过程不受其他因素干扰，传输率为100％；(2)探测模块采用雷达作为探测设备，信噪比是影响雷达探测概率的主要参数，对于特定的雷达系统，若已知距离r0处的目标，其雷达散射截面积rcs为σ0、信噪比为snr0，则距离为r
e
、rcs为σ的目标，其信噪比snr为：在无干扰情况下，雷达对目标的探测概率为：式中，为恒虚警处理常数，p
fa
为虚警率，m为参考窗口内样本个数；(3)导引模块具体为：目标视线转动角速度ω为：式中：v
r
为导弹和目标的相对速度；r
r
为导弹和目标的相对距离；采用比例式导引法，其指令加速度为a＝kω
×vm
ꢀꢀꢀ
(16)式中：k为比例导引系数；v
m
为导弹速度；a为地面坐标系下的指令加速度；(4)攻击模块攻击武器为地空导弹，单发地空导弹对目标的杀伤概率p
ki
为：p
ki
＝p
hi
p
k/h
ꢀꢀꢀ
(17)式中，p
hi
为地空导弹的命中概率；p
k/h
为地空导弹命中目标后对目标的毁伤概率；(5)生存力模块易损性表征在遭受敌方火力打击时对损伤作用的敏感程度，指在被敌方火力击中时倾向于严重损失和毁坏的程度，用防空系统被威胁命中后损伤的概率p
k/h
来表征；敏感性指防空系统被威胁命中的可能性，用防空系统被威胁机理命中的概率p
h
来表征。

技术总结
为解决动态对抗条件下自主能力评估的非线性、涌现性问题，提供一种基于ABMS和SEM进行自主能力仿真评估方法，包括以下步骤：构建Agent仿真架构；建立进攻方Agent模型；建立防御方Agent模型；基于结构方程的自主能力评估方法。以对地攻击无人机执行对地打击任务为例，对基于ABMS和SEM的自主能力评估方法进行仿真验证，仿真结果表明：基于Agent的仿真方法具备一定的可扩展性和通用性，根据能力需求和作战想定变更或修改模块及其参数，相较于传统方法，能够表征复杂作战系统内部特性；基于SEM的自主能力评估方法能够反映自主能力因素之间的协同交互关系，表征自主能力的整体涌现性，符合作战任务实际。符合作战任务实际。符合作战任务实际。


技术研发人员：刘树光 严惊涛
受保护的技术使用者：中国人民解放军空军工程大学
技术研发日：2023.02.02
技术公布日：2023/7/12