前言
轻量化、小型化无人机单价远低于大型轮式起降无人机，结合人工智能、数据挖掘和深度学习等技术，使数十，甚至成百上千架规模的自组织无人机集群作战成为可能。在探索研究阶段，采用仿真推演方法，以较低时间和经济成本，是对智能型无人机蜂群作战模式、自主控制、任务协同、动态作战规划算法研究的可行途径。本文将在CMANO系统中，从作战样式、智能控制两个方面，探索使用无人机蜂群对海上大规模目标实施侦察与跟踪。文中相关想定纯属虚构，仅作为CMANO研究之用，不代表本公众号认同任何一方观点或做法;所有资料数据均为互联网公开内容，不涉及任何国家或地区军事政治秘密。
一、相关背景
智能无人机集群是将大量无人系统基于开放式体系架构进行综合集成，以通信网络信息为中心，以系统群智涌现能力为核心，以平台间的协同交互能力为基础，以单平台节点作战能力为支撑，构建具有抗毁性、低成本、功能分布化等优势和智能特征的作战体系。无人集群作战系统可填补战术与战略之间的空白，以多元化投送方式快速投送到目标区域遂行多样化军事任务，包括与其他武器平台协同攻击海上、空中、地面目标及ISR等，实现对热点地区战略威慑、战役对抗、战术行动。
2016年4月，美军发布了《小型无人机(SUAS)系统路线图2016-2036》。该路线图由分管情报侦察监视(ISR)的副参谋长Robert P. Otto中将签署并发布，凸显了小型无人系统及其集群对于ISR的重要意义。将SUAS集成到美国空军的情报监视侦察资产组合中，帮助美国空军满足未来战士们在宽松和强对抗环境中的需求，并在首页标注“填补战术与战略之间的空白”，意指该领域大有可为。美军已开始研制试验的几种典型智能型无人机蜂群如表1所示。
二、智能型无人机蜂群对海面大型目标作战模式
(一)侦察探测模式
对海面大型目标的搜索发现、定位跟踪无异于“大海捞针”，利用外部手段(例如天基探测)实现目标概略定位后，通过无人机蜂群完成大面积覆盖式扫描探测与跟踪是未来一种典型作战模式。在该模式中，利用重构宽频带天线、超宽带低噪复用信道等技术，实现侦察、干扰、探测、通信4种功能在系统架构、天线设计、信道复用、数据处理、信息融合等层面的一体化，解决蜂群无人机在有限载重下的载荷复用问题。同时，蜂群内部各无人机之间通过位置共享、探测信息共享，多源/多模信息融合可高效实现蜂群整体对目标的多基线测量、交叉定位、信号特征增强、交叉印证，最终实现对目标的发现、识别、跟踪。
(二)攻击模式
无人机蜂群通过自主规划能力、编队协同、人机接口和开放式架构，适应带宽限制和通信干扰，减少任务指挥官的认知负担，支撑拒止环境下协同作战(如图1)。由于自身平台限制，无法携带常规杀伤武器，因此在目标打击阶段可行的方式有以下几种：一是智能精确打击模式，蜂群内部互相协作，自主选择目标、攻击形式、编队形式，通过多点、多次、快速打击，以小火力实现对重点目标、关键部位的精确打击，起到“四两拨千斤”的效果;二是超高速攻击模式，将无人机平台自身转化为动能武器，以大于5马赫，甚至达到20马赫的高速攻击，使得传统防御系统面临“清零”危险;三是电磁干扰压制模式，即不采用传统的杀伤性武器系统，利用自身携带的多功能侦察干扰一体化载荷，对目标实施电磁干扰压制，例如DARPA的“小精灵”无人机蜂群(如图2)。
图1 拒止环境协同作战模式(CODE)
图2 “小精灵”无人机集群执行电磁干扰压制任务
三、CMANO场景设计及实现
在CMANO系统中，从两个角度开展无人机蜂群应用研究：一是作战模式与作战流程推演，利用CMANO“人在回路”推演，对无人机蜂群参与作战过程推演提供步进式、可干预的闭环回路仿真;二是在任务控制阶段通过脚本接入人工智能协同指挥算法、协同态势感知与评估、协同路径规划、协同语义交互技术等外部AI控制算法，实现无人机集群内部、无人机集群与有人作战系统之间的高度协同。
(一)想定背景
蓝方某国近年来长期在某海域干涉地区国家之间事务，并派驻水面舰艇编队在相关海域巡逻，对红方在该区域经贸商船航行安全造成示威型干扰。
(二)红方想定
红方通过天基探测手段发现蓝方水面舰艇编队通过某海峡进入相关区域，初步确定其当前概略航行范围在一个矩形海域内，从左上方开始，顺时针方向4个位置点分别为：(N17°10′07″，E114°02′30″)，(N17°09′57″，E114°49′15″)，(N16°38′50″，E114°50′18″)，(N16°37′48″，E114°02′36″)。为精确掌握蓝方水面舰艇编队动态，为后续应对行动提供情报支援，红方方向联合指挥机构下达作战指令。
任务简报：
红方空军第×飞行团，由××机场出动大型运输机1架，每架搭载10架小规模无人机蜂群前出相关海域，在搜索任务区域内，完成对蓝方大型水面舰艇编队的发现、定位，并实现持续时间不小于30分钟的持续跟踪监视，同时将目标航行信息实时上报联合指挥机构。
(三)CMANO场景实现
第一步：在CMANO系统中设置红蓝;并在蓝方添加水面舰艇编队，设置其航行路线。在红方××机场添加大型运输机1架，分配巡逻侦察任务。
第二步：设置事件触发机制，当红方1架运输机飞抵任务区域后，释放10架微小无人机，每架无人机搭载电子、光电侦察载荷，并通过内嵌自组织、协同规划算法开始对任务区域进行搜索。整体场景如图3所示。本想定中，设定运输机搭载的蜂群无人机平台为瑞典研制生产的Sperwer侦察无人机，搭载1副CCD相机、1副红外侦察相机以及1副激光雷达(如图4)。
图3 想定整体场景
图4 Sperwer无人机平台及搭载侦察载荷
(四)蜂群无人机集群控制的实现
从CMANO1.13版本开始，系统脚本语言LUA由1.0升级至2.0版本，开放并提供给用户的应用函数接口达到数百个，通过脚本语言LUA可以实现之前版本必须通过手动操作实现的想定编辑以及作战单元的精细化控制(如对每个作战单元部署位置的精细化控制);通过脚本接口函数，可以实现外部AI控制程序的接入。此次想定中，通过LUA脚本，初步设计了对小规模蜂群无人机的协同侦察任务与路径规划的简单AI算法。想定中，将释放无人机设置为事件触发，触发开关为“PLAN Y8 Remains in Area”，即运输机平台进入搜索区域(如图5)。后续研究中，还可以扩展蜂群无人机协同指挥控制、数据融合、协同态势融合与评估等其它AI算法。本想定中，通过LUA脚本语言实现在想定中，红方大型运输机释放10架小型无人机的事件编辑脚本函数CreateUAVFromTriggerUnit(triggerUnit)如图6所示。
图5 设置释放无人机触发事件
图6 释放无人机蜂群事件脚本函数
在该函数中，triggerUnit表示触发事件的作战单元，“mission”为新释放的无人机需要执行的任务，函数“ScenEdit_GetMission()”为LUA接口函数，即获取想定中相关任务，参数1为想定某一方名称，参数2为任务名称;函数“ScenEdit_AddUnit( )”为在想定中添加作战单元的接口函数，参数依次为单元类型、名称、数据库装备ID、作战方、位置经纬度等信息;函数ScenEdit_AssignUnitToMission( )为给指定任务分配作战单元的接口函数。
四、推演过程与结果分析
(一)无人机集群释放过程
图7 运输机进入搜索区域后释放10架无人机集群
由于想定中设置运输机载机进入指定区域后释放无人机集群，在图7所示场景中，已完成10架小型无人机的释放，将按照集群内部自主控制模式开始指定区域搜索侦察任务。
(二)无人机集群协同侦察探测过程
本次想定推演中，设定2种无人机搜索控制模式，一是平行推进扫描搜索;二是自主协同区域分配搜索。在想定推演中，2种模式的运行过程分别如图8、9所示。
图8 无人机集群平行推进扫描
图9 无人机集群自主协同区域分配搜索模式
(三)侦察结果
方式1中，在时刻2:01:03，进入搜索区域的蓝方舰艇被7号和8号无人机同时发现：“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，在时刻2:15:06，进入搜索区域的蓝方舰艇被10号无人机发现：“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)”。
对比两种方式结果，由于方式1使用的平行推进扫描覆盖面积大于方式2，因此较快实现了对目标的发现。
五、结论
无人机蜂群的作战应用模式和内部控制模式非常复杂，目前国内相关研究基本都处于起步阶段。本文此次设计的想定功能较为简单，旨在抛砖引玉，通过人在回路的推演仿真验证无人机集群作战模式，通过LUA语言实现集群自组织控制模式;验证在CMANO平台中开展作战模式研究和算法试验两种模式研究的可行性，今后对CMANO平台的研究和使用中将蜂群无人机的应用仿真、推演验证作为一个主要方向，请大家持续关注。
