《人工智能算法在 F-16 飞机中的潜在应用》

波兰陆军航空兵广泛使用的 F-16 飞机需要根据人工智能（AI）算法进行改装，以提高其作战能力和性能。本研究旨在通过首先描述 F-16 系统并对人工智能算法进行分类，从而为此制定全面的指导方针。研究回顾了机器学习、深度学习、模糊逻辑、进化算法和蜂群智能在现代飞机中的潜在应用。随后，确定了适用于 F-16 系统的特定算法，并根据系统特征就其适用性得出结论。分析结果为潜在的 F-16 改装提供了信息，并预测了未来人工智能在军用飞机中的应用，为新算法的开发提供了指导，并为类似飞机类型提供了益处。此外，还为未来的研发工作指明了方向。

人工智能算法在 F-16 中的可能应用

假定 F-16 飞机为基线作战平台，可在该平台上应用一套特定的人工智能算法。选择 F-16 飞机的原因是空军有大量现役飞机，这为算法提供了必要的输入。此外，在运行过程中收集的有关 F-16 飞机的知识、制造商对已实现改装的了解以及 DARPA 进行的实验室测试也很重要。表 9 列出了 F-16 飞机功能与配备人工智能算法的系统的比较。表 10 详细说明了在特定情况下可采用的算法。

根据为 F-16 飞机编制的人工智能算法列表，进行了矩阵分析--分析代表 F-16 飞机系统的列和代表特征的行。分析的主要结果如下：

• 航空电子和数字设备、电气和电子装置等系统是关键的基础设施。这些系统的人工智能算法在 F-16 飞机的各项功能中发挥着重要作用。这两个系统相互关联，其各个功能的可靠性对 F-16 飞机的运行至关重要，例如：电气或电子设备的任何组件出现故障，都会导致负责特定功能（特性）的算法无法正确运行。反过来，航空电子和数字设备领域的算法故障也会导致特定功能失灵，从而损坏电气和电子系统的某个组件，例如：算法为某个组件设定的激活值不正确，可能会导致电气或电子装置超过安全限制。

• 系统激活和系统监控功能以及人工智能算法对 F-16 飞机上所有系统的可靠性和运行至关重要。在系统激活功能方面，来自强化学习小组的机器学习算法尤为重要，而在深度学习方面，来自监督深度学习小组的算法也尤为重要。模糊逻辑、进化和群集智能也同样适用。在系统监控功能方面，所有有监督和无监督的机器学习算法，以及所有深度学习的有监督或判别算法都是有区别的。它们适用于动力单元、电气和电子装置、液压系统/伺服驱动器、控制系统、安全系统、燃油系统、航空电子设备和数字设备等系统。需要注意的是，这两种功能是相互关联的。负责监控的算法可以使负责激活系统的算法正常工作。

• 空气动力学和飞行力学、保持安全距离：地面、地面上的物体和空中的物体等功能在编译过程中发挥着关键作用。这些功能与 9 个配备人工智能算法的系统中的 7 个相关。就 “空气动力学和飞行力学 ”功能而言，各系统中的强化学习算法可分为：值函数、蒙特卡洛法、时差学习、REINFORCE 和组合算法。有监督和无监督机器学习算法也发挥着重要作用。而在深度学习算法组中，如卷积神经网络和递归神经网络。模糊逻辑算法也同样适用。另一方面，对于保持安全距离的功能，强化机器学习的所有算法都适用。在深度学习方面，监督式深度学习的所有算法都适用。模糊逻辑、进化和群集智能也适用。需要注意的是，这两种功能是相互关联的。特别是在编队飞行和中近距离作战等情况下，系统中这两种功能的算法同时正确运行非常重要。

• 在武器功能的使用方面，所有强化机器学习算法都很突出，但也有一些选定的监督机器学习算法，如支持向量机、决策树等： 支持向量机、决策树、随机森林、天真贝叶斯分类器、神经网络。在无监督机器学习算法中，以下算法最为突出： 层次聚类分析、新颖性和离群点检测算法、可视化和降维及可视化算法以及独立成分分析算法。此外，还应用了模糊逻辑、进化和群集智能算法。