模拟仿真技术及其在训练领域的应用综述

源自：系统仿真学报

作者：邱志明, 李恒, 周玉芳, 卿杜政

摘

要

未来高技术武器装备和作战行动、战场环境日趋复杂，依托现有仿真技术条件和模拟训练资源，构建网络化、体系化、智能化的模拟训练装备与系统，开展体系对抗模拟训练，是缓解高技术装备训练耗费大与资源有限的有效途径，是提高训练质量和水平的主要途径。总结分析了联合训练领域重点关注的仿真体系架构、仿真建模、蓝军模拟、信息体系仿真等技术发展现状与趋势，初步剖析了上述技术在美海军常态化训练环境、“阿尔法”智能空战模拟训练系统等典型系统、美“大规模演习2021”中的应用情况与作用效能，围绕提高体系对抗条件下的实战化模拟训练能力水平，从技术趋势和工程实现的角度，提出了5个值得重点关注的研究方向，可为本领域工程技术人员提供参考借鉴。

关键词

模拟仿真 ; 训练系统 ; LVC(live virtual constructive) ; 体系架构

引 言

以美国为代表的西方发达国家一直高度重视建模与仿真技术在训练领域的应用，将其作为“军队和经费效益的倍增器”[1]和“影响国家安全及繁荣的关键技术之一”。20世纪70年代以来，美国国防部在模拟训练领域投入了大量人力、物力和财力，成立了专门的领导、管理和协调机构，建立了一大批作战实验室，制定了一系列建模与仿真标准规范[2]，特别是研制了数量庞大的仿真系统。经过近40年的持续投入、淘汰更新和不断完善，美国目前已形成了涵盖不同领域(陆、海、空、天、电、网)、不同层次(战略、战役、战术、技术)、不同手段(实兵/实装模拟、推演模拟、虚拟模拟)和不同用途相对完善的作战训练模拟体系，有力地促进了其军队转型建设和部队战斗力的提升。研究模拟仿真技术在训练领域的运用，是提高模拟训练效果、节约经费的有效手段。

1 模拟仿真技术发展情况

目前，联合训练领域重点关注的模拟仿真技术主要有仿真体系架构、仿真建模技术、蓝军模拟技术、信息体系仿真技术等。

1.1

 仿真体系架构

20世纪80年代中期到90年代前期，国外主要研究了仿真网络(SIMNET)、聚合仿真协议(aggregated level simulation protocol, ALSP)、分布交互仿真(distributed interactive simulation, DIS)等分布式仿真体系架构。1995年，在DIS的基础上，美国国防部发布了建模与仿真高层体系结构(high level architecture, HLA)。随着HLA应用的深入，它存在的一些问题也开始凸显，美国提出“试验与训练使能体系结构(test and training enabling architecture, TENA)”。2007年，美国国防部建模与仿真协调办公室提出实况–虚拟-构造相结合的LVC(live virtual constructive)体系结构[3]。

 1.1.1 

 分布交互仿真架构

分布交互仿真(DIS)是“采用协调一致的结构、标准、协议和数据库，通过局域网、广域网将分散在各地的仿真设备互联互通，并可由人参与交互的一种综合环境”[4]。DIS以TCP/UDP以太网络为基础，将分散在各地的人在回路仿真器、计算机生成兵力和其他仿真设备联接为一个整体，形成一个在时间和空间上一致的综合环境，实现平台(飞机、导弹、舰艇、坦克)与环境(地形、大气、海洋)之间、平台与平台之间、环境与环境之间的交互作用和相互影响，并通过航位推算(dead reckoning, DR)服务，实现参训节点间的训练态势时空一致[5]。DIS的早期阶段主要侧重于虚拟仿真研究。目前，美国采用DIS标准的训练系统包括美陆军综合战术训练器、海军联合战术作战系统、战斗兵力战术训练器，以及合成战场演练等。

 1.1.2 

 建模与仿真高层体系结构

为实现将基于DIS协议标准的平台级实时系统仿真器、基于ALSP标准的聚集级作战仿真系统、电子战仿真系统，以及真实的C4I系统等各类仿真系统集成到一个分布交互综合环境中，1995年美国防部提出了建模与仿真高层体系结构(HLA)[6]。该架构采用专用的RTI仿真运行中间件，提供联邦管理、声明管理、对象管理、所有权管理、时间管理、数据分发管理六大类服务，实现训练节点间的信息交互，并通过对象模型模板制定了交互接口的规范。HLA支持大规模的多对多的战术、战略原则开发和演练仿真，多武器系统的体系对抗攻防仿真和武器性能评估仿真，不同粒度、不同聚集度的对抗仿真和人员训练仿真[7]。

 1.1.3 

 试验与训练使能体系结构

由于HLA对更小粒度的仿真模型缺乏开发规范，并且在时间管理服务上难以满足实时的系统要求，美国防部在HLA架构基础上，推出了适用于作战试验与训练领域的“试验与训练使能体系结构(TENA)”[8]，其体系结构见图1。

图1   TENA体系结构

TENA对仿真运行中间件进行了优化，改进了通信机制、时间管理服务等，能够更好地支持实时系统的接入。同时，针对美国试验与训练增加了标准的雷达对象模型、GPS对象模型、平台对象模型、时间空间位置信息对象模型等，如图2所示，旨在提高在试验与训练中应用建模与仿真技术时的互操作性、可重用性、可组合性，全面支撑美国LVC演习和训练[9]。

图 2   TENA与HLA的关系

TENA已用于美国的联合任务环境试验能力、互操作性测试与评估能力项目、恒星飞船II 先进C2软件应用分布式测试环境等多个项目之中。

 1.1.4  

实况-虚拟-构造仿真体系

实况-虚拟-构造仿真体系(LVC)，LVC中L为实装设备构成的真实试验资源，V为人工生成的虚拟试验资源，C为真实和虚拟相结合的试验资源，LVC即仿真系统中同时具有实况-虚拟-构造3种仿真类型。2012年仿真互操作研讨会上提出的层次化仿真体系架构主张在DIS、HLA、TENA等原有体系架构的基础上，实现LVC仿真的互操作。当前DIS、HLA、TENA等几种体系架构是一种共存状态[10]。

总体来看，美国不断完善军事训练模拟仿真体系架构，不断演进用于支持多精度模型库及仿真工具集成、训练靶场设施间高效互操作、跨域的真实/虚拟/构造仿真互操作需求和能力，努力实现各类信息化装备和仿真资源深度融合，构建无缝的LVC仿真空间，为复杂体系的研究和开发提供支撑。

1.2 

仿真建模技术

仿真模型从构建方式上可以分为机理模型和实验模型，实验模型又可分为经验模型和数据模型等。机理模型是根据对象、流程的内部机制或物质流的传递机理建立起来的精确仿真模型，如雷达方程等，优点是具有相对较高的逼真度；经验模型是指利用经验公式对武器装备的关键特征进行模拟，如武器毁伤模型等，优点是运行效率高，能反映作战人员的经验知识；数据模型是指利用数据挖掘的方法，从实际数据中挖掘出的仿真模型，如雷达误差特性模型等，优点是逼真度高，贴近实战[11]。目前，在军事训练领域主要以机理建模和经验建模为主，数据建模运用较少。

随着智能化技术的发展，数据建模技术越来越受重视，数据模型一方面具有几乎贴近实战的逼真度[12]，另一方面具有较高的运行效率，在智能体训练、数字孪生、LVC仿真等领域具有很大的发展潜力。2020年，美国发布国防部数据战略[13]，将数据确定为战略资产，明确了联合全域作战决策支持、业务分析、高级领导决策支持是数据建模技术的三大应用方向，并安排了联合数据支持(joint data support, JDS)等一系列支撑项目，如图3所示。旨在利用在演习训练过程中形成的海量原始数据，形成可用于作战概念开发、装备智能化、军事业务分析等领域的高逼真模型和数据产品，以获取规模化作战优势和提高作战效率，助力军事智能化的发展和战斗力的加速形成。

图 3   联合数据支持系统

1.3

 蓝军模拟技术

随着在实践领域中的应用、改进和创新，蓝军模拟技术得到蓬勃发展，在顶层设计、构建方式和技术实现等方面均有突破，经历了萌芽期、深化发展期和应用高峰期3个阶段。

萌芽期，作为起步阶段，美国提出“顶炮”“红旗”等训练计划，建设专职的陆海空假想敌战术分队；苏、日也建立了各自的假想敌部队，制定稳健发展计划，相关标准、条令等。该阶段主要采用抽调建制部队专门充当假想敌、修建大批与实际战场类似的设施、实战中收集经验教训等方式来实现，属于实体模拟蓝军阶段。

深化发展期，随着激光交战、威胁评估、战场显控、军事仿真等技术日趋成熟，从对手的战术思想、战术动作、运用手段等方面构建假想部队成为主要手段。该阶段主要依托于计算机仿真技术，通过全要素、全流程地模拟假想敌的作战样式、战术规则和作战过程，为演习训练提供专业化的对手模型。

应用高峰期，随着技术的飞跃发展、非对称作战加剧、新型装备不断列装等，使各国假想敌部队建设发展势头迅猛，用知识推理、深度强化学习等人工智能手段来模拟对手已成为新趋势。美国基于JSBSim和开源FlightGear搭建博弈对抗(M&S)实验训练环境，构建了智能的空中飞机假想敌部队，在Alpha Dogfight 空中格斗虚拟空战竞赛中开展人机对抗训练，并以博弈环境的仿真结果来训练后续无人机和作战飞机的指控能力，取得非常好的效果[14]。

1.4

 信息体系仿真技术

在联合训练仿真模拟中，信息体系仿真通常指对指挥关系、补给关系、通信关系、信息流程等的模拟，是体系仿真的核心，其主要围绕OODA环来实现。OODA环即观察(Observation)、判断(Orientation)、决策(Decision)、行动(Action)的循环。大体上经历了单信息环仿真、多层信息环仿真和动态可组合信息环仿真3个阶段。

单信息环仿真主要面向单系统仿真应用，围绕独立的OODA环路，构建相应的感知、认知、决策和行动类的装备、平台模型，实现对某一个战术级效果链的仿真。

多层信息环仿真主要面向体系级仿真应用，围绕树状的指挥结构，自底向上模拟各级传感器、武器系统、武器等，自顶而下模拟各级指挥控制系统，能够反映装备与装备、平台与平台间的信息传递、数据聚散、态势融合的过程，可实现对联合作战中多层级指挥、多方面任务的模拟。

动态可组合信息环仿真主要面向决策中心战的未来战场模拟，瞄准作战要素自适应组合、打击链动态生成、高性能武器跨域协同下的复杂战场关系仿真[15]，如图4所示。随着无人化智能化技术的飞速发展，以及新型作战概念开发的迫切需求，动态可组合信息环仿真技术将是未来体系仿真技术的重要发展趋势。

图4   动态可组合信息环

2 国外典型训练系统运用情况

2.1

 海军常态化训练环境

美海军利用体系架构等相关技术建设了海军常态化训练环境[16](navy continuous training environment, NCTE)，把水面舰艇作战部队战术训练器(battle force tactical training, BFTT)、潜艇多使命团队训练器(submarine multi-mission team training, SMMTT)，飞机训练器FAST等集成起来，实现了舰队在驻泊地开展合同训练层次综合训练的能力；同时，NCTE在美国本土及海外基地构建了三级训练场，具备在全球范围内组织LVC等多形态兵力开展联网对抗训练的能力。

 2.1.1 

 体系架构

NCTE综合采用了HLA的联邦管理、声明管理、对象管理、所有权管理、数据分发管理服务和DIS的DR服务，基本实现了TENA体系架构效果，是一个典型的基于LVC理念的训练系统。其体系结构如图5所示，其中，联合虚拟兵力生成系统JSAF提供构造兵力(C)的模拟能力，水面舰艇、潜艇实装兵力(L)与飞机等模拟器兵力(V)通过仿真运行中间件接入系统，实现真实、虚拟、构造兵力在同一战场环境下的模拟训练。同时，NCTE作为海军训练系统，能够接入联合国家训练能力系统(joint national training capability，JNTC)[17]，与其他军兵种开展联合模拟训练。

图 5   美海军NCTE体系结构

NCTE采用DR解决异地分布的参训节点间训练态势时空一致问题，并结合DDM解决了大规模训练场景下数据通信流量控制问题。DR的技术原理如图6所示，在每个训练节点本地部署DR模型，实时评估外推结果与态势真值之间的偏差，当偏差超出设定的阈值时，及时向异地节点通报一次修正信息，异地节点对本地外推模型参数进行调整，并基于调整后的参数继续外推。采用该项技术，解决各节点间通信网络时延不一致引起的训练态势不同步问题。此外，由于参训节点之间不需要频繁的发送原始态势信息，仅在必要时发送一次态势同步(或修正参数)信息，能够有效降低网络通信流量。

图6   DR技术原理

NCTE通过BFTT接入真实水面舰艇兵力参与训练。BFTT充分利用作战系统实装，通过为传感器、指控系统、武器系统构建专用的舰载模拟训练环境，解决实装兵力虚实交互问题[18]，其系统结构如图7所示。

图7   美海军BFTT系统结构

 2.1.2 

 仿真建模技术

NCTE在借鉴实时平台参考联邦对象模型的基础上，采用基本对象模型思想和采用机理建模技术，形成了一套海军训练建模与仿真的基本对象模型集合，支撑各参训节点间互操作。基本对象模型集合包含仿真实体、发射器、敌我识别、飞机引导、水下声学、战术数据链、公用态势图、激光指示器、弹道导弹防御、海洋大气空间环境等31类模型。基于共享的实战数据，采用数据建模技术模拟陆、海、空等相关兵力装备，实现战场虚实兵力的交互，支持美海军各类作战行动的仿真[19]。

2.2

 “阿尔法”智能空战模拟训练系统

“阿尔法”(Alpha AI)是美国辛辛那提大学和空军实验室合作研发的一款智能空战模拟训练系统[20]。该系统大量运用了知识推理、深度强化学习等人工智能技术模拟对手，其核心是采用遗传模糊树方法，通过类人的模糊逻辑思维，生成超视距空战中主动攻击、机动规避等攻防态势下的飞机航路规划、导弹攻击、武器选择等战术策略，模拟红方对手。构建智能的空中飞机假想敌部队，在博弈仿真环境下训练飞行员战术应变能力[21]。其系统结构如图8所示。

图8   Alpha AI

2.3

 美“大规模演习2021”

2021-08-03—17，在美国防部统筹设计、强力推动下，美海军组织实施了“大规模演习2021”，涉及了美海军在全球17个时区内3个海军司令部和5个航母打击群，参演兵力含航母、两栖舰、潜艇等36艘大型舰艇，另有约50艘舰艇通过虚拟网络参加，人员达2.5万人规模[22]。演习首次大规模运用LVC仿真训练技术，构设了跨军种、跨战区、跨舰队、虚实结合的全球综合实战训练环境，开展了新型作战概念演练(含分布式海上作战、对抗环境下的近海作战、远征前进基地作战等)、盟军联合作战演练(含美英航母战斗群舰载机联合作战、美澳联合快打快收型远程精确打击等)，以及全球大规模高端作战场景演练(含中美南海军事对抗行动、俄罗斯突袭波罗的海地区北约盟友、中俄对美隐蔽实施大规模网络攻击等)，综合检验了美国新的军事战略、新的作战概念、新的作战力量、新的作战战法和新的后勤保障能力等。

从技术视角看，本次演习美海军充分利用LVC仿真技术架构，将跨地域的“实装系统”(美海军近百艘水面舰艇)、“虚拟系统”(70多个飞机模拟器)、“构造系统”(14个作战实验室构建的计算机生成兵力CGF)综合集成，构建了虚实结合的“最大范围、最复杂”战场环境，表明美国在大规模跨域虚实结合训练技术取得新的突破和发展[23]，具体表现在4个方面：

(1) LVC仿真技术框架和基础支撑技术

本次演习，美国基于NCTE将美本土、欧洲和亚太跨17个时区的LVC训练资源集成，构设了全球综合实战训练环境，并完成预定的演练任务，充分展示了美海军在LVC仿真技术和网络等信息基础设施方面扎实的能力，涉及的关键技术包括：可扩展LVC-IA架构、LVC仿真标准规范集、高性能跨广域网LVC仿真中间件、高安全高带宽的LVC仿真通信链路(含有线/无线网络)等。

(2) 高逼真度合成仿真环境生成技术

合成仿真环境生成技术是指采用虚实结合仿真技术，综合集成战场目标环境、自然环境和干扰环境等，使被测/被试/被训对象沉浸在近真实的复杂化体系作战环境中，实现在“所练即所战”环境中考核其实战能力[24-25]。合成仿真环境具有高逼真度、可扩展、通用化，以及成本低、效益高等特点，是美国在试验训练领域极力发展的新型综合技术，涉及关键技术包括：高逼真高密度复杂目标环境建模及其效应实时仿真技术、传感器多路/多通道虚实目标融合技术、支持“将实装搬到实验室”的时空环境虚实双向映射技术等[26]。

演习中分布式海上作战概念演习科目利用该技术，在位于美东部沿海的“圣哈辛托”号巡洋舰上，动态生成威胁态势，并实时注入到数千公里外挪威的“宙斯盾”舰上，引导其模拟作战，验证了美海军虚实目标环境生成和在试验中改变实装时空环境条件的能力。其他演练科目，例如，海上拒止、火箭炮快速渗透、陆基无人车试射、陆军机动作战等，均构建了虚拟目标环境，并通过虚实融合技术注入到美海军作战体系中，用于支撑高强度、高密度、贴近实战的跨地域大规模演习与训练。

与此类似，美国防部主导的联合合成环境(joint simulation environment, JSE)、陆军持续推进的合成训练环境(synthetic training environment, STE)，以及网军采用的持续网络训练环境(persistent cyber training environment, PCTE)等，也采用基于LVC技术的合成环境，以不断提升各自领域的军事能力[27]。

(3) 智能化博弈对抗建模技术

采用智能化博弈对抗建模、无人装备和集群智能化建模等技术，实现红方对手作战行为决策和智能化自主作战装备的高逼真度仿真，形成具备博弈对抗能力的智能化数字红方[28]。涉及的关键技术包括：红方智能作战筹划技术、红方作战行为决策建模仿真技术、无人装备单体/群体智能仿真技术[29]、智能化人机协同仿真技术等，构建符合典型对手的作战体系、作战样式、作战装备、作战行为的红方模型库。

本次演习中，美海军利用14个作战实验室强大的算力，构建智能化计算机生成兵力以模拟中俄等高端对手，实现对抗双方平等博弈，同时，美海军陆战队首次验证了无人反舰导弹发射车的快速部署能力、导弹发射能力，以及相关火控能力，验证了美国在智能化博弈对抗仿真和无人装备自主作战等领域的技术基础。

(4) 大规模分布式异构训练资源综合导调和管控技术

针对大规模演习中“参试装备类型多、数量大、涉及地域广、指挥关系复杂、通信链路多样”等问题，采用训练资源元数据建模和统一管理技术[30]，结合基于安全云的训练导调技术[31]等，实现内场实验室、靶场、LVC训练资源的联合管控和联合导调。涉及的关键技术包括：异构LVC资源统一管理技术、跨地域联合仿真训练规划技术[32]、实时战场态势快速引接与导调管控技术、跨域跨层级联合导调技术等。

高效训练管理始终是美国关注的重点技术领域之一，例如，在美陆军主导的STE系统中，基于云的训练仿真软件(TSS)和训练管理工具(TMT)是主要组件，支持训练环境的快速构建和跨地域同步训练。在本次大规模演习中，美海军运用跨地域的大规模LVC联合仿真技术，先后组织了分布式海上作战、对抗环境下近海作战、远征前进基地等新型作战概念演习，以及“海马斯”火箭炮快速渗透、“海上拒止”作战、快打快收型远程精确打击杀伤链和针对中俄的高端战争等十余次战略战役战术不同层级的演习[33]，构设了跨军种、跨战区、跨舰队的全球性综合实战训练环境，比较充分地展现了美国在组织大规模演习中强大的联合导调与综合管控能力。

3 结论

为提高体系对抗条件下实战化模拟训练能力水平，可重点关注以下研究方向：

(1) 深化基于TENA的分布式仿真体系架构研究，支撑联合训练LVC系统构建

在现有的体系架构运用基础上，加强基于TENA的分布式仿真体系架构研究，提升LVC模拟训练支撑能力。重点突出分布式仿真运行中间件技术、训练数据分发管理技术和异构训练系统互操作技术等内容。重点突破训练态势时空一致、航位推算技术、大规模训练通信网络数据流量控制、基于LVC的训练系统总体集成等关键技术。

(2) 加强基于数据挖掘的仿真建模技术研究，提升模型逼真度、贴近实战性及运行效率

利用军事训练数据，开展基于数据挖掘的仿真建模技术研究，提升模拟仿真的逼真度和模拟训练水平。重点突出战场作战数据体系构建技术、面向战场知识挖掘的多模态数据融合技术、基于军事训练数据的知识体系构建技术等内容。重点突破数据预处理与数据关联分析、基于特征标签的训练数据全局视图建模、训练数据质量评价指标与评估、基于训练数据挖掘的实验因子和水平设计、基于数据的目标特性建模、基于数据挖掘的测算知识建模等关键技术。

(3) 深化基于智能博弈的蓝军模拟技术研究

在高逼真度蓝军装备模拟基础上，开展蓝军作战样式、战术规则、作战过程等智能博弈行为的模拟研究，提升对蓝军作战能力与发展变化的模拟训练水平。重点突出蓝军体系仿真总体技术、蓝军指挥信息系统建模仿真技术、蓝军指挥决策建模技术、蓝军智能决策生成技术、蓝军信息系统资源管理建模技术等内容。重点突破可演进的蓝军仿真系统架构设计、作战流程建模、基于规则模板的深度强化学习决策算法、蓝军指挥决策空间构建、指挥决策约束设计、训练评价引导技术、面向任务的层次化武器管理建模等关键技术。

(4) 加强动态可组合的信息体系仿真技术研究，支撑新型作战概念推演

为适应新作战概念和作战中指挥信息体系的转变，以及无人化智能化装备运用中的复杂信息关系，应加快动态可组合的信息体系仿真技术研究。重点突出面向网状指挥控制关系的未来战场构建技术、智能化异构引擎集成驱动技术、基于体系化数据的孪生战场构建技术、面向决策中心的智能评估技术等内容。重点突破基于复杂网络的战场指挥关系建模、动态OODA环战场仿真调度、多异构引擎超实时联动运行、基于模型消长的算力网络动态生成与管理、智能算法自适应关联、面向决策中心的评估指标体系构建、面向决策中心的智能体系效果链智能评估等关键技术。

(5) 重视基于虚实结合的无人装备智能模拟训练技术研究，助推无人作战装备效能提升

为确保快速发展和逐步装备的无人作战力量能够在实战中协调一体行动，快速高效生成战斗力，通过虚兵和实装相结合的方式，针对单装使用、协同作战、模拟对抗等方面开展无人装备智能模拟训练技术研究，助推未来无人作战力量实际作战中发挥实战能力。重点突出虚实结合训练体系架构设计、无人装备虚实联合模拟训练环境构设、智能化训练评估、有/无人装备联合模拟训练支撑平台等内容。重点突破不同种类无人装备仿真建模、无人装备在线智能演进训练、虚实无人装备协同作战和对抗仿真模拟、人机协同智能仿真、模拟对抗训练数据分析评估等关键技术。

声明:公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨，并不意味着支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们删除。

“人工智能技术与咨询”  发布