内置于高能激光(HEL)战斗系统中的杀伤力评估系统将为美国海军提供一种方法,利用高能激光效应器有效地对付威胁,改进武器调度功能,并帮助管理舰艇有限的动力资源。近乎实时的战损评估(BDA)和停留时间判定构成了新的杀伤评估系统,简称为 BDA 系统。该系统是提高舰艇生存能力的关键力量倍增器,它将所有 HEL 目标的交战时间限制在减轻威胁所需的最短停留时间内,同时为战斗系统提供任务杀伤界面,以计算出重新交战同一威胁或交战下一个指定目标的决策点。

为验证系统总体效率和性能的预期提高,对用于舰载 HEL 战斗系统的这一新 BDA 系统概念进行了分析。威胁交战效率的最低预期提高率被设定为 25%。为本项目开发的概念验证模型显示,在 HEL 战斗系统中增加 BDA 系统功能会使系统的效率超过这一临界值。

美国海军评估 HEL 作战系统杀伤效果的能力有限。舰载传感器(如雷达、摄像机和人员)以及舰外传感器(如直升机、战斗空中巡逻和责任区(AOR)内的其他战舰)提供了海军当前的杀伤评估能力。这些传感器结合在一起可提供用于态势感知的 "共同行动图像"(COP),该图像囊括了威胁杀伤评估数据。在这种情况下,像 "蜂群 "攻击这样的非对称威胁可能会压垮舰艇的有机传感器,这意味着舰艇可能无法保持防御舰艇所需的近乎实时的态势感知能力。兰德公司将不对称战争定义为 "拥有不同军事能力和战略的国家或团体之间的冲突"(兰德,2015 年)。此外,蜂群描述了一种 "小型分布式单元和机动火力迅速向特定目标汇聚 "的战术,这种 "机动方案涉及五个(或更多)半自主(或自主)单元对目标部队的汇聚攻击"(Edwards 2000, 1-2)。五种或更多威胁同时向一艘舰艇快速聚集,这对作战管理系统来说是一个具有挑战性的问题。使用近程武器系统(CIWS)和 HEL 等舰载武器对付蜂群攻击的挑战又增加了一项挑战,因为海军战舰可用来对付来袭威胁的动力和弹药资源是有限的。对这一问题的理解发展成一种愿望,即最大限度地利用有限的武器资源,以最大限度地提高战斗管理系统的杀伤数量。

为了最大限度地提高 HEL 在蜂群攻击中的杀伤数量,需要对激光武器系统的设计和方程式进行系统工程分析。通过计算 HEL 光束照射目标所需的时间来限制交战时间或 "停留时间",从而利用杀伤概率和致命通量击败威胁,这种战损评估能力似乎是可行的。

这一概念与任务杀伤的定义相结合,可提高赫尔辛基激光雷达威胁交战的杀伤效果。利用战斗损伤评估提供一种控制机制,以限制 HEL 在任务杀伤中的停留时间,这一愿望成为该项目的概念开发和系统工程(SE)分析的重点,这种新的杀伤评估能力旨在用于打击非对称威胁的行动。这种控制机制有可能提高作战系统的交战性能,从而提高舰艇的生存能力。

为了更好地了解 BDA 系统是否是解决蜂群威胁能力缺口的解决方案,以下关键研究问题成为系统工程调查的重点: 在给定一个或多个威胁场景的情况下,配备 BDA 系统的 HEL 战斗系统是否比不配备 BDA 系统的 HEL 战斗系统提供更多的杀伤?

这个研究问题需要量身定制的 SE 和系统分析方法,以便在 9 个月的项目时间表内得出答案。所选择的 SE 流程是 Vitech 的自顶向下基于模型的系统工程 (MBSE) 方法,国防部架构框架 (DODAF) 是创建系统架构的标准。SE 操作概念(CONOPS)为系统需求、架构和模型提供了基础。通过建模与仿真(M&S)开发的 BDA 系统概念并非为特定的舰船平台而设计。这种方法旨在将项目解决方案和建议应用于任何舰载战斗系统。

BDA 系统分析和概念验证使用了 BOE 和 ExtendSim M&S 工具。M&S 方法包括选定的作战场景和开放源数据,以建立威胁和舰载武器数据。通过备选方案分析 (AoA),选择了威胁类型和舰载武器类型。由于系统复杂性和项目进度,基准舰载武器被缩小到一种 HEL 和一种 CIWS。为情景选择的四种非对称蜂群威胁类型是快速攻击艇 (FAC)、无人机 (UAV)、无人战斗机 (UCAV) 和反舰导弹 (ASM)。该模型选择的主要威胁情景是所有威胁的蜂群攻击,以给系统造成压力。

为 M&S 方法选择的主要工具是 Microsoft Excel 中的 BOE 模型。ExtendSim 被选为开发软件模型以检查 BOE 数据的工具。舰载 HEL 2011 毕业设计团队开发了一个 HEL ExtendSim 模型,作为本项目 M&S 工作的起点。

BOE 分析明确支持集成 BDA 功能的建议。八种不同的场景各运行 1000 次,以生成足够的分析样本。50 个随机威胁被用作四个独特情景的输入。情景 1 和 2 包含一个 HEL 和一个 CIWS,情景 3 和 4 包含两个 HEL 和两个 CIWS。情景 2 和 4 从威胁集中删除了导弹。带有 BDA 的 HEL 战斗系统的平均杀伤力提高了 33%,超过了 25% 的提高临界值。这一概念验证为美国海军提供了一个可靠的起点和方法,以便利用更强大的系统接口模型进行进一步的系统性能分析。

成为VIP会员查看完整内容
25

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《重新设计海空指挥和控制系统》美国海军陆战队大学
专知会员服务
49+阅读 · 2023年10月16日
《大规模作战行动中的任务式指挥训练》51页
专知会员服务
79+阅读 · 2023年10月11日
《分布式海战中的无人系统》133页报告
专知会员服务
140+阅读 · 2023年9月20日
《美国国防部定向能武器》38页报告
专知会员服务
44+阅读 · 2023年7月3日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
322+阅读 · 2023年3月31日
Arxiv
14+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员