有人/无人机协同作战效能智能评估方法

doi:10.7527/S1000-6893.2025.32887

集群智能与协同控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

有人/无人机协同作战效能智能评估方法

赵子俊¹^,²^,³, 陈士涛¹^,²^,³(), 贺维艳⁴, 刘龙浩¹^,²^,³, 张政浩¹^,²^,³

^1.空军工程大学装备管理与无人机工程学院，西安 710051
^2.无人飞行器技术全国重点实验室，西安 710051
^3.陕西高校青年创新团队，西安 710051
^4.中国人民解放军95972部队，酒泉 735000

收稿日期:2025-10-10 修回日期:2025-10-28 接受日期:2025-11-19 出版日期:2025-12-16 发布日期:2025-11-25
通讯作者: 陈士涛 E-mail:chenshitao311@163.com
基金资助:
国家自然科学基金(72203166);军事类研究生资助课题(JY2024C115)

Intelligent assessment method for MAV/UAV collaborative combat effectiveness

Zijun ZHAO¹^,²^,³, Shitao CHEN¹^,²^,³(), Weiyan HE⁴, Longhao LIU¹^,²^,³, Zhenghao ZHANG¹^,²^,³

^1.School of Equipment Management and UAV Engineering，Air Force Engineering University，Xi’an 710051，China
^2.National Key Laboratory of Unmanned Aerial Vehicle Technology，Xi’an 710051，China
^3.The Youth Innovation Team of Shaanxi University，Xi’an 710051，China
^4.Unit 95972 of PLA，Jiuquan 735000，China

Received:2025-10-10 Revised:2025-10-28 Accepted:2025-11-19 Online:2025-12-16 Published:2025-11-25
Contact: Shitao CHEN E-mail:chenshitao311@163.com
Supported by:
National Natural Science Foundation of China(72203166);Military Graduate Student Research Funding Program(JY2024C115)

摘要/Abstract

摘要：

随着现代战争智能化、信息化、体系化程度提升，对未来作战提出了作战效能实时评估和方案高效决策的需求。针对有人/无人机协同空面作战效能评估问题，提出基于作战仿真推演和人工神经网络的智能评估方法。依托仿真推演平台，通过构建作战效能评估指标体系、设计作战推演流程、综合评估结果，获取推演评估数据，采用反向传播（BP）神经网络对数据进行训练并检验训练效果，通过实例分析对方法的可行性进行验证，并通过灵敏度分析研究各方案关键指标及其影响。提出的方法能够为有人/无人机协同作战效能评估、装备研究改进以及作战方案快速决策提供技术参考。

关键词: 有人/无人机协同作战, 仿真推演, 效能评估, BP神经网络, 灵敏度分析

Abstract:

With the increasing intelligence， informatization， and systematization of modern warfare， future operations demand real-time combat effectiveness evaluation and efficient decision-making. To address the effectiveness evaluation problem in Manned Aerial Vehicle （MAV）/Unmanned Aerial Vehicle （UAV） cooperative air-to-ground combat， an intelligent assessment method based on combat simulation deduction and artificial neural networks is proposed. Supported by the simulation deduction system， evaluation data are obtained through constructing a combat effectiveness evaluation index system， designing simulation deduction processes， and synthesizing evaluation results. BP neural network is employed to train the data and verify the training effectiveness. Case analysis is used to validate the feasibility of the method， while sensitivity analysis investigates key indicators of various schemes and their impacts. The proposed method provides technical references for effectiveness evaluation of MAV/UAV cooperative combat， equipment improvement research， and rapid operational decision-making.

Key words: MAV/UAV cooperative combat, simulation deduction, effectiveness evaluation, BP neural network, sensitivity analysis

中图分类号:

赵子俊, 陈士涛, 贺维艳, 刘龙浩, 张政浩. 有人/无人机协同作战效能智能评估方法[J]. 航空学报, 2026, 47(S1): 732887.

Zijun ZHAO, Shitao CHEN, Weiyan HE, Longhao LIU, Zhenghao ZHANG. Intelligent assessment method for MAV/UAV collaborative combat effectiveness[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(S1): 732887.

图/表 13

图 1

图 2

图 3

表1

表2

符号与含义对照表

符号	含义	符号	含义
$T T h r e s h o l d$	任务完成时间	$w T$	$T$ 权重
$L T h r e s h o l d$	损伤率	$w L$	$L$ 权重
$A T h r e s h o l d$	弹药消耗率	$w A$	$A$ 权重
$D T h r e s h o l d$	目标毁伤率	$w D$	$D$ 权重
$S T h r e s h o l d$	关键节点存活率	$w S$	$S$ 权重
$T$	$T T h r e s h o l d$ 归一化	$n e t j l$	神经网络输入
$L$	$L T h r e s h o l d$ 归一化	$h j l$	神经网络输出
$A$	$A T h r e s h o l d$ 归一化	MSE	均方误差
$D$	$D T h r e s h o l d$ 归一化	MAPE	平均百分比误差
$S$	$S T h r e s h o l d$ 归一化	$R 2$	拟合优度

表2

图 4

图 5

图 6

图 7

表3

图 8

图 9

图 10

参考文献 20

[1]	张宏宏，李文华，郑家毅，等. 有人/无人机协同作战：概念、技术与挑战［J］. 航空学报， 2024， 45（15）： 160-186.
	ZHANG H H， LI W H， ZHENG J Y， et al. Manned/unmanned aerial vehicle cooperative combat system： Concepts， technologies， and challenges［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（15）： 160-186 （in Chinese）.
[2]	熊威，张栋，任智，等. 面向有人/无人机协同打击的智能决策方法研究［J］. 系统工程与电子技术， 2025， 47（4）： 1285-1299.
	XIONG W， ZHANG D， REN Z， et al. Research on intelligent decision-making methods for coordinated attack by manned aerial vehicles and unmanned aerial vehicles［J］. Systems Engineering and Electronics， 2025， 47（4）： 1285-1299 （in Chinese）.
[3]	王晓悦，王珣，王永贞，等. 基于仿真的蜂群体系对抗效能评估方法［J］. 航空学报， 2022， 43（）： 110-118.
	WANG X Y， WANG X， WANG Y Z， et al. Evaluation method for combat effectiveness of task-based simulated UAV swarm system［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（Sup 1）： 110-118 （in Chinese）.
[4]	杨松，王维平，李小波，等. 无人集群体系设计与仿真评估方法［J］. 国防科技大学学报， 2024， 46（3）： 126-136.
	YANG S， WANG W P， LI X B， et al. Design， simulation and evaluation method for unmanned swarm system-of-system［J］. Journal of National University of Defense Technology， 2024， 46（3）： 126-136 （in Chinese）.
[5]	魏武臣，徐硕，何晓夫，等. 基于作战仿真推演的空-地制导弹药效能评估［J］. 兵工学报， 2022， 43（）： 107-114.
	WEI W C， XU S， HE X F， et al. Effectiveness evaluation of air-ground guided ammunition based on combat simulation［J］. Acta Armamentarii， 2022， 43（Sup 1）： 107-114 （in Chinese）.
[6]	胡杰，陈化良，刘亮，等. 无人机蜂群作战效能评估研究［J］. 火力与指挥控制， 2022， 47（4）： 164-168.
	HU J， CHEN H L， LIU L， et al. Research on operational effectiveness evaluation of UAV swarm［J］. Fire Control & Command Control， 2022， 47（4）： 164-168 （in Chinese）.
[7]	ZHAO J， PAN J F， QIU R S. Effectiveness evaluation of smart equipment support information system based on Entropy-Revised G1 method［J］. Journal of Physics： Conference Series， 2021（1）： 012124.
[8]	常会振，秦大国，孙盛智，等. 基于ADC模型优化的海上无人机作战效能评估［J］. 兵器装备工程学报， 2023， 44（9）： 58-68.
	CHANG H Z， QIN D G， SUN S Z， et al. Operational effectiveness evaluation of marine unmanned aerial vehicle based on ADC model optimization［J］. Journal of Ordnance Equipment Engineering， 2023， 44（9）： 58-68 （in Chinese）.
[9]	刘登攀，寇昆湖，王超，等. 基于改进ADC法的侦察无人机作战效能评估［J］. 电光与控制， 2024， 31（4）： 121-127.
	LIU D P， KOU K H， WANG C， et al. Operational effectiveness assessment of reconnaissance UAS based on improved ADC method［J］. Electronics Optics & Control， 2024， 31（4）： 121-127 （in Chinese）.
[10]	LIANG Q W， LUO M Y， WANG Y D， et al. Multi-attacks effectiveness evaluation of UUV based on wake guidance［J］. Ocean Engineering， 2022， 266： 112654.
[11]	邓力源，杨萍，刘卫东，等. 基于证据理论层次分析法的云贝叶斯网络在预警雷达毁伤效果评估中的应用［J］. 兵工学报， 2022， 43（4）： 814-825.
	DENG L Y， YANG P， LIU W D， et al. Application in damage effect evaluation of early warning radar of cloudy Bayesian network based on dempster-shafer/analytic hierarchy process method［J］. Acta Armamentarii， 2022， 43（4）： 814-825 （in Chinese）.
[12]	孔刚鹏. 基于AHP-模糊综合评定的炮兵连作战试验能力评价方法研究［J］. 兵工自动化， 2024， 43（11）： 52-56.
	KONG G P. Research on evaluation method of artillery company operational test capability based on AHP-fuzzy comprehensive evaluation［J］. Ordnance Industry Automation， 2024， 43（11）： 52-56 （in Chinese）.
[13]	袁彰求，杨朝旭，荣海军. 面向定性与定量指标的轻量化高空飞艇效能评估方法［J］. 系统工程与电子技术， 2025， 47（3）： 817-826.
	YUAN Z Q， YANG Z X， RONG H J. Lightweight effectiveness evaluation method for high altitude airships for both qualitative and quantitative indicators［J］. Systems Engineering and Electronics， 2025， 47（3）： 817-826 （in Chinese）.
[14]	高俊吉，王司霖，朱雪莲. 舰艇磁性对抗能力综合评估模型［J］. 哈尔滨工程大学学报， 2024， 45（8）： 1559-1563.
	GAO J J， WANG S L， ZHU X L. Comprehensive evaluation model for the magnetic confrontation capability of ships［J］. Journal of Harbin Engineering University， 2024， 45（8）： 1559-1563 （in Chinese）.
[15]	王光源，李浩民，祝大程，等. 基于熵权法-灰色关联法的海面目标威胁度评估［J］. 指挥控制与仿真， 2023， 45（4）： 57-61.
	WANG G Y， LI H M， ZHU D C， et al. Threat evaluation of targets at sea based on entropy weight-grey correlation method［J］. Command Control & Simulation， 2023， 45（4）： 57-61 （in Chinese）.
[16]	WANG X Y， YANG Z， CHAI S Y， et al. Integrated threat assessment method of beyond-visual-range air combat［J］. Journal of Systems Engineering and Electronics， 2025， 36（1）： 176-193.
[17]	邵明军，刘树光，严惊涛. 基于ADC-BP模型的对地攻击无人机自主作战效能评估［J］. 空军工程大学学报， 2023， 24（6）： 112-119.
	SHAO M J， LIU S G， YAN J T. Assessment of autonomous combat effectiveness of ground-attack UAV based on ADC-BP model［J］. Journal of Air Force Engineering University， 2023， 24（6）： 112-119 （in Chinese）.
[18]	尹浩，魏急波，赵海涛，等. 面向有人/无人协同的智能通信与组网关键技术：现状与趋势［J］. 通信学报， 2024， 45（1）： 1-17.
	YIN H， WEI J B， ZHAO H T， et al. Intelligent communication and networking key technologies for manned/unmanned cooperation： states-of-the-art and trends［J］. Journal on Communications， 2024， 45（1）： 1-17 （in Chinese）.
[19]	徐向前，豆亚杰，钱立炜，等. 作战体系能力需求敏捷开发方法研究［J］. 系统工程与电子技术， 2023， 45（10）： 3139-3148.
	XU X Q， DOU Y J， QIAN L W， et al. Research on agile development method-of-combat system-of-systems capability requirements［J］. Systems Engineering and Electronics， 2023， 45（10）： 3139-3148 （in Chinese）.
[20]	WANG S， DU Y H， ZHAO S J， et al. Research on the construction of weaponry indicator system and intelligent evaluation methods［J］. Scientific Reports， 2023， 13： 19370.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

参数类别	具体参数	设定值
有人/无人机作战能力指标值	根据评估指标体系进行设置	根据方案设置
有人机初始状态	初始高度，速度，姿态等	8 km，650 km/h，水平平飞
无人机初始状态	初始高度，速度，姿态等	7 km（攻击型）、9 km（侦察/干扰型），450 km/h，跟随编队姿态
战场环境	气象条件	晴天，能见度≥15 km
	电磁环境	中等干扰强度
	地形类型	平原
仿真推演参数	仿真步长	1 s
	蒙特卡洛次数	10
	仿真时长	单次≤1 200 s

一级指标	二级指标	三级指标	类型	方案1	方案2	方案3	方案4	方案5
A1	B1	C1	+	340	510	630	550	500
		C2	+	8 700	10 400	9 400	7 200	7 800
		C3	+	1 500	1 400	1 600	1 400	1 500
		C4	+	25	23	20	24	20
	B2	C5	+	0.47	0.76	0.71	0.56	0.61
	B2	C6	+	0.58	0.78	0.53	0.61	0.64
A2	B3	C7	+	85	104	80	125	106
		C8	+	7.3	15.8	12.7	17.6	10.0
		C9	-	2.3	4.5	4.1	3.2	5.8
	B4	C10	+	2.0	3.0	3.4	1.8	4.6
	B4	C11	+	6.5	6.8	3.9	6.3	4.4
A3	B5	C12	+	70	85	90	75	75
	B5	C13	+	3 800	1 600	4 400	3 400	2 300
	B6	C14	+	160	230	210	230	160
	B6	C15	+	220	200	250	200	250
A4	B7	C16	+	0.5	0.7	0.5	0.6	0.7
		C17	+	3.5	2.0	3.0	2.7	2.1
		C18	+	6.2	7.2	5.7	5.5	5.0
	B8	C19	-	45	41	43	46	37
		C20	-	1.6	1.3	2.9	1.6	1.6
		C21	+	130	132	100	160	150
A5	B9	C22	+	5	3	2	5	4
	B9	C23	+	2.2	3.8	2.6	4.0	3.0
	B10	C24	+	0.50	0.52	0.60	0.70	0.50
		C25	+	0.50	0.53	0.65	0.40	0.50
		C26	+	0.55	0.50	0.60	0.65	0.65

有人/无人机协同作战效能智能评估方法

Intelligent assessment method for MAV/UAV collaborative combat effectiveness

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价

[1]	牟浩蕾, 张贾, 冯振宇, 白春玉. 基于WOA-BP-LSTM自编码器的CFRP薄壁C柱轴压响应预测[J]. 航空学报, 2026, 47(4): 232349-232349.
[2]	郑礼雄, 陈喆, 王鑫, 招启军. 融合数据自适应BPNN的倾转旋翼机回转颤振边界预测[J]. 航空学报, 2025, 46(S1): 732159-732159.
[3]	张钰倩, 李永歌, 刘小川, 许勇. 数字孪生驱动的飞机起降系统可靠域分析[J]. 航空学报, 2025, 46(24): 632256-632256.
[4]	逯宇斌, 聂小华, 吴振. 基于可解释性机器学习算法的碳纤维增强复合材料剩余刚度预测方法[J]. 航空学报, 2025, 46(21): 532249-532249.
[5]	关山月, 田正雨, 谢文佳, 付黔粤, 褚雨航, 朱家俊. 高超声速再入钝头体飞行走廊等离子体化学反应分析[J]. 航空学报, 2025, 46(18): 131735-131735.
[6]	刘昌昊, 曹义华, 梅晓萌, 汪茂胜, 张广林. 高速直升机运输效能评估[J]. 航空学报, 2024, 45(9): 530182-530182.
[7]	宋海浪, 张建东, 史国庆, 杨啟明, 张耀中. 航空火控系统试飞综合评估技术与方法探讨[J]. 航空学报, 2024, 45(5): 529687-529687.
[8]	马菲, 张琼, 赖培军, 岳一笛. 基于BP神经网络的试飞训练安全性量化模型[J]. 航空学报, 2024, 45(5): 529957-529957.
[9]	罗清发, 喻琴, 李刚, 王栋. 振动试验控制传感器位置优化设计[J]. 航空学报, 2024, 45(18): 0-229843-.
[10]	张宏宏, 李文华, 郑家毅, 刘宏斌, 张鹏, 高鹏, 甘旭升. 有人/无人机协同作战：概念、技术与挑战[J]. 航空学报, 2024, 45(15): 29653-029653.
[11]	朱嘉兴, 李奕宁, 牛世勇, 田一松, 李頔, 解一鸣. 基于CFD计算域分区耦合技术的航空微型溢流阀流固耦合全域数值计算[J]. 航空学报, 2024, 45(15): 630202-630202.
[12]	刘伟, 张琳, 王代强, 孟宪良, 张搏. 激光武器反无人机集群作战运用及关键技术[J]. 航空学报, 2024, 45(12): 329457-329457.
[13]	陈志闯, 葛声宏, 张卓磊, 朱玉川. 滑阀副零位内泄漏量分布模型与参数灵敏度分析[J]. 航空学报, 2023, 44(6): 427004-427004.
[14]	刘冠杉, 刘杰, 王新远. 反跨介质导弹攻击拦截策略[J]. 航空学报, 2023, 44(21): 528873-528873.
[15]	梁益铭, 李广宁, 徐敏. 基于机器学习的智能控制数值虚拟飞行方法[J]. 航空学报, 2023, 44(17): 128098-81280986.