В статье изложены основные результаты исследования, направленного на выработку инженерно-технических решений по совершенствованию систем управления комплексов противовоздушной обороны. Перечислены принципы и способы применения средств воздушно-космического нападения. Определены задачи системы искусственного интеллекта при реализации процесса целераспределения. Показаны возможности и проблемные аспекты проектирования и построения интеллектуальных систем на основе нейронных сетей для комплексов противовоздушной обороны.
Ключевые слова: средства воздушно-космического нападения (СВКН), противовоздушная оборона (ПВО), целераспределение. система искусственного интеллекта (СИИ), воздушная цель.
Обзор информационных материалов о крупных войсковых учениях и операциях вооружённых сил США и НАТО (в странах Европы, Ближнего Востока, Северной Африки, Центральной Азии) свидетельствует о том, что начальным этапом является организация и ведение обзорной и детальной разведки на сухопутных театрах (участках) и проведение воздушной или воздушно-наземной операции с применением беспилотной и пилотируемой авиации, крылатых и баллистических ракет. Разведывательные и огневые задачи планируются и ставятся, как правило, по направлениям заранее, а их выполнение координируется из центра военного управления (штаба) с охватом всей территории отдельного государства или группы государств — признаки сетецентрической войны.
Для сбора и обработки данных о противнике используются технические средства космической, воздушной и наземной разведки, стационарные и подвижные станции дальнего обнаружения. Они функционируют в контурах информационно-разведывательных комплексов и автоматизированных телекоммуникационных систем управления и связи. Боевые действия охватывают не только наземное и воздушное пространство, но и космическую сферу. Особую угрозу представляют современные средства воздушно-космического нападения.
Принципы и основные способы применения СВКН [1]:
— нанесение внезапного массированного удара по объектам инфраструктуры, крупным городам и населённым пунктам противника с использованием баллистических и крылатых ракет, бомбардировочной авиации;
— нанесение «разоружающего» удара по военно-промышленным и войсковым тыловым объектам противника, группировкам его войск (сил) при выдвижении из мест постоянной дислокации, районов сосредоточения;
— подготовка и нанесение скоротечных массированных и сосредоточенных ракетных и авиационных ударов по важным военным объектам противника (нормативное время от принятия решения до момента нанесения ударов может составлять не более 60 минут);
— нанесение сосредоточенных и одиночных ударов по центрам и пунктам управления систем противовоздушной и противоракетной обороны противника, находящихся на дежурстве;
— нанесение групповых, сосредоточенных и одиночных ударов по боевым порядкам сил и средств противника с использованием баллистических и крылатых ракет, пилотируемых самолётов и вертолётов, разведывательных и ударных беспилотных летательных аппаратов.
Примером нанесения внезапного массированного огневого удара может служить запуск 60-ти крылатых ракет «Томагавк» Военно-морскими силами США по сирийской авиабазе Эш-Шайрат в 2017 году [2].
Военные специалисты отмечают, что задача полного отражения таких ударов средствами (боезапасом) только одного комплекса ПВО может оказаться невыполнимой. Зенитный ракетный комплекс (ЗРК) дальнего действия С-400 способен одновременно обстрелять до 36 воздушных целей, а зенитный ракетно-пушечный комплекс (ЗРПК) ближнего действия «Панцирь-С1» — до 24 воздушных целей. Достичь высокую эффективность отражения массированных ударов возможно путём объединения различных по дальности и назначению комплексов ПВО в единой организационно-технической системе (формировании). Важную роль при этом будут играть управленческие факторы, прежде всего — решение задач целераспределения в органах и пунктах управления.
Большинство современных отечественных и зарубежных зенитных ракетных и пушечных комплексов могут реализовывать боевые задачи в полуавтоматическом режиме, то есть обнаруживать и сопровождать цели, осуществлять целеуказание, наведение и пуски ракет, открытие огня при участии людей-операторов [1].
Анализ состава и тактико-технических характеристик комплексов ПВО показывает, что существующие и используемые приборы и алгоритмы целераспределения не в полной мере отвечают требованиям обеспечения надёжности и эффективности выполнения задач идентификации, выбора и назначения разнородных воздушных целей для средств поражения. Информационно-аналитические и расчётные алгоритмы работают обособленно, в контурах одного комплекса ПВО, то есть без возможности автоматической переадресации задач поражения целей каким-либо другим зенитным комплексам или средствам. Кроме того, существует высокая вероятность отработки задач целеуказания по ложным целям при устойчивом их сопровождении, так как в алгоритмах не предусмотрены сравнительная оценка текущих параметров полёта аппаратов и идентификация их по признаку «ложная цель — реальная цель» (хотя бы по аналогии с принципами «свой — чужой»). Также ложные цели могут иметь отличительные, завышенные параметры полёта, значения которых в алгоритмах распознавания образов и целераспределения определяются и позиционируются в качестве приоритетных для выбора средств поражения.
В этой связи возникает необходимость постановки и решения важной проблемы системного инжиниринга — разработать предложения по усовершенствованию средств и алгоритмов целераспределения для повышения эффективности функционирования комплексов ПВО.
Одним из путей решения проблемы является разработка, создание и внедрение в контуры управления комплексов ПВО систем с искусственным интеллектом.
Искусственный интеллект (ИИ) — англ. artificial intelligence (AI) — способность системы правильно интерпретировать внешние данные, извлекать уроки из таких данных и использовать полученные знания для достижения конкретных целей и задач при помощи гибкой адаптации [3].
Система искусственного интеллекта или интеллектуальная система — есть совокупность технических или аппаратно-программных средств, способных решать задачи, традиционно считающиеся творческими в конкретной предметной области, знания о которой хранятся в устройстве памяти и циркулируют в замкнутом функциональном контуре. Структура интеллектуальной системы включает три основных блока — база (накопитель) знаний, генератор решений, интерфейс.
Главным свойством интеллектуальной систем ы является возможность выполнять творческие и управленческие функции, которые традиционно считаются прерогативой человека [4].
Одной из важных задач, стоящих перед заказчиками и разработчиками комплексов ПВО, является обеспечение возможности их группового применения. В состав группы могут входить комплексы, модули и средства различного назначения и конструктивно-технического исполнения. Это предопределяет необходимость построения и включения в состав комплексов «умных» систем управления с соответствующими подсистемами и каналами связи, управления радиолокационными и оптико-электронными приборами, вычислительно-аналитическими устройствами, программными средствами и алгоритмами. Они должны удовлетворять требованиям ведения мониторинга в реальном масштабе времени: анализ параметров, фиксирования фактов обнаружения, сопровождения, идентификации крупноразмерных, малогабаритных и миниатюрных воздушных целей.
Такие задачи реализуются в системах с искусственным интеллектом. Алгоритмы целераспределения в СИИ должны обеспечивать самообучение, адаптацию, выбор режимов функционирования с учётом изменений обстановки, самостоятельно контролировать действия бортовых устройств, используя только входные данные. Проблемным аспектом является оценка результатов поражения атакуемых целей. Немаловажное значение имеет разработка алгоритмов воздействия по малоразмерным и миниатюрным воздушным целям — летательным аппаратам (дронам, коптерам), которые могут совершать полёты стаями и роем [5].
При разработке моделей и методик для изучения возможностей комплексов вооружения и военной техники, в частности комплексов ПВО с СИИ их целесообразно представлять (ассоциировать, рассматривать) в виде многоагентных систем. При этом могут использоваться методы системного инжиниринга, экспертных оценок, логистики построения организационно-технических систем, теорий вероятностей, прогнозирования событий, эффективности стрельбы, массового обслуживания, математического моделирования, линейного и динамического программирования и др.
Многоагентная система представляет собой совокупность динамических объектов с сетевой структурой, функционирующих и взаимодействующих на основе принципов самодостаточности, эффективного реагирования, роботизации, самоорганизации, адаптации, экономичности. Агентами могут выступать автономные комплексы или отдельные боевые единицы — объекты, способные самостоятельно выполнять поставленные задачи с последующей оценкой результатов своих действий.
Объекты в многоагентной системе, как правило, взаимосвязаны и взаимообусловлены — детерминированы. Они имеют качественные и количественные показатели. В совокупности или в каком-нибудь определённом отношении (сочетании) оценочные показатели могут характеризовать возможности выполнения задач в целом, а также составляющих их структурно-функциональных элементов и событий, в частности, — объектов и процессов целераспределения. В качестве показателей и критериев могут выступать оценки полноты и (или) эффективности выполнения задач за заданное время.
В военно-научной и технической литературе целераспределение рассматривается как сложный процесс. Он позиционируется в виде одной из основных функций органов (пунктов) управления войсками и оружием. Для описания и изучения (декомпозиции, детализации) реального или прогнозируемого процесса целераспределения применительно к комплексам ПВО с СИИ могут быть использованы следующие показатели и обозначения:
W(T) = F (X i , У j ; T) ,
где W — показатель полноты или эффективности выполнения задач в процессе целеуказания; Т — продолжительность процесса; F — целевая функция (интегральный или иного вида закон распределения величин); X i — характеристики или показатели типа боевой единицы, средства ПВО; Y j — характеристики или показатели типа, класса, вида воздушной цели, СВКН.
Сущность процесса целеуказания заключается в решении следующих аналитических задач:
— определение общего количества целей времени нахождения их в зонах ответственности на основе результатов оценки воздушной обстановки, удаления, эшелонирования, высоты и скорости полёта целей (СВКН);
— определение опасных целей — признаков, образов, вида, класса, типа, параметров полёта, энергетических и других характеристик;
— ранжирование целей по опасности и важности и выявление ложных целей;
— определение факта или вероятности вхождения j-ой цели в зону поражения i-ой боевой единицы;
— оценка эффективности воздействия i-ой боевой единицы по j-ой цели с учётом показателей досягаемости, точности, вероятности поражения (уничтожения);
— определение состояния, боеготовности, количества боеприпасов (боекомплекта, боезапаса) i-ой боевой единицы к определённому времени t ( 0 < t ≤ Т );
— целезакрепление i-ой боевой единицы за j-ой целью;
— выбор вооружения и определение потребного количества (наряда) средств i-ой боевой единицы для поражения (уничтожения) обнаруженных и сопровождаемых j-х целей;
— точечное указание целей — подача команды, сигналов на средства управления или огневые модули i-х боевых единиц, выбранных для осуществления пусков ракет, ведения стрельбы;
— оценка результатов пусков ракет, ведения стрельбы, воздействия по целям;
— перенацеливание — выбор следующей или другой цели при необходимости их поражения (уничтожения).
Перечисленные задачи определяют содержание основных этапов (фаз) процесса целераспредления, протекающего в системе «обнаруженные воздушные цели — средства распределения целей — средства воздействия по целям».
Отметим, что в формированиях (группах) ПВО с различными типами боевых единиц (объектов-агентов с СИИ) — процесс целераспределения может носить боле сложный и динамичный характер. Случайная алгоритмическая или программная ошибка может сразу же привести к игнорированию j-ой воздушной цели какой-либо i-ой боевой единицей, к сбою, нарушению последовательности действий и необходимости перестроения работы всей СИИ. Своевременное и адекватное реагирование на изменения зависят от ряда факторов: достоверности и быстроты обработки информации, ситуационной осведомленности системы и её элементов, возможностей по обучаемости и групповому поведению объектов-агентов. Главными задачами СИИ в таких случаях, возможно, будут такие, как обеспечение сетевой циркуляции больших объёмов информации, отслеживание и синхронизация действий элементов системы на всех её иерархических уровнях, включение и использование резервных каналов управления для восстановления алгоритмов и обеспечения нормального функционирования системы.
СВКН имеют общие и отличительные классификационные признаки, по которым они могут быть закреплены за конкретными боевыми единицами в многоагентной системе. Решение задачи выбора «эффективной» i-ой боевой единицы для поражения j-ой цели может быть организовано на основе метода интеллектуальной классификации. Точность определения класса цели напрямую зависит от количества признаков цели: чем больше признаков, тем выше точность и надёжность работы СИИ [6].
Современные радиолокационные станции позволяют обнаруживать воздушные цели (СВКН) и распознавать их на большом удалении. Каждая потенциальная цель имеет характерные физические признаки, определённую конфигурацию, геометрические размеры, материалы корпуса, параметры полёта. Например, крылатые ракеты и малогабаритные БЛА имеют небольшую скорость и высоту полёта, обладают малой и сверхмалой радиолокационной заметностью (эффективная поверхность рассеяния составляет 0,1–0,01 м 2 ). При электромагнитном облучении целей и обработке отражённых поляризованных сигналов могут быть получены их индивидуальные поляризационные портреты [7].
Построение нейронных сетей по распознаванию поляризационных портретов и их объединение в СИИ имеют ряд сложностей технологического характера. Это связано с тем, что воздушные цели могут иметь множество различных поляризационных портретов. Проблемными аспектами являются: формирование и актуализация базы исходных данных, алгоритмизация процессов распознавания символов, обучение «дорисовывать» наброски предметов, то ест составлять по имеющимся плоскостным или объёмным проекциям образов изображения для сравнения с эталонными фотоснимками. Возникает необходимость создания специальных нейронных сетей, способных роботизировать процессы обнаружения, идентификации целей (СВКН), выявления ложных объектов, выбора рациональных средств борьбы с ними и контроля результатов воздействия по целям.
Таким образом, в настоящее время возможности по проектированию, созданию и внедрению систем искусственного интеллекта военного назначения значительно ограничены. Решение исследовательских, конструкторских, инженерно-технических задач по совершенствованию комплексов ПВО требует системного подхода, использования достижений в областях микроэлектроники, создания квантовых компьютеров, систем с искусственным интеллектом на основе нейронных сетей.
Литература:
- Ю. В. Сиротенко. О совершенствовании противовоздушной обороны Сухопутных войск / Военная мысль. — 2019. — Вып. № 4. — С. 32–41.
- П. Румянцев. “Уроки” ракетного удара США по территории Сирии или как бороться с крылатыми ракетами. [Электронный ресурс]. URL: https://dfnc.ru/c106-technika/uroki-raketnogo-udara-ssha-po-territorii-sirii-ili-kak-borotsya-s-krylatymi-raketami/ (дата обращения: 23.04.2017).
- Andreas Kaplan; Michael Haenlein (2019) Siri, Siri in my Hand, who’s the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1). — https://www.sciencedirect.com/science/article/pii/ (дата обращения: 10.11.2020).
- А.Н.Аверкин, М. Г. Гаазе-Рапопорт, Д. А. Поспелов. Толковый словарь по искусственному интеллекту. — М.: Радио и связь, 1992. — 256 с.
- В. Э. Карпов. От роевой робототехники к социуму роботов // Программа конференции: «Искусственный интеллект: Проблемы и пути решения». — 2018. — С. 122–130.
- В. М. Курейчик, И. Б. Сафроненкова. Интеллектуальная классификация в условиях шума // Программа конференции «Искусственный интеллект: Проблемы и пути решения». — 2018. — С. 59–64.
- Д. В. Кваснов, Д. Г. Фандеев. Опыт создания искусственных нейронных сетей для распознавания наземных объектов по поляризационным портретам // Вестник воздушно-космической обороны. — 2020. — Вып. № 1 (25). — С. 109–114.
