1 引 言

随着人们对自然界中蜂群、鸟群、鱼群、狼群等群体仿生研究的深入，一种通过将大量作战平台组成集群，利用群体的一致性协同行为涌现出倍增效应，从而提升作战效能的集群协同作战概念逐步被挖掘出来［1］。同时，得益于通信技术、微电子技术、人工智能技术的蓬勃发展，一系列新型集群协同类武器装备正逐渐走进现代战场。

集群协同类武器装备是指多个体基于集群网络和人工智能技术，进行多平台、多武器系统之间的信息共享、决策协调与任务执行，从而具备高度自主性和智能化的作战集群，具有环境适应性强、作战效费比高、作战用途广等特征。集群协同类武器装备在多传感信息融合、数据实时共享、协同打击、毁伤评估等几个方面相比单一武器装备有明显优势，具有更强的战场态势感知能力、决策能力和毁伤能力，对敌方造成多维度、多层次的威慑和打击，是提升战斗力的重要手段。正因如此，美、俄、中、英等世界主要军事强国纷纷加大对集群协同领域的研发投入，相继开展多源感知融合、群体自主决策等协同关键技术布局［2］。其中，美国格外注重集群协同类武器装备的研发，先后开展了“小精灵”（Gremlins）项目、“拒止环境中协同作战”（Collaborative Operations in Denied Environments，CODE）项目等多个智能化集群导弹，并开展了多个系统性验证试验。本文以集群协同类武器装备为主线，针对其发展情况、关键技术以及作战运用进行了深入分析。

2 集群协同类武器装备发展情况分析图片

目前，集群协同作战武器受到多国广泛关注，其中，美国在集群协同作战方面处于领先阶段，已经部署了多个项目，例如CODE项目、“进攻性集群战术”（Offensive Swarm-Enabled Tactics，OFFSET）项目、“低成本无人机集群”（Low-Cost UAV Swarm Technology，LOCUST）项目、“体系集成技术与试验”（System of Systems Integration Technology and Experimentation，SoSITE）项目、“对敌防空压制/摧毁蜂群作战”（Suppression/Destruction of Enemy Air Defenses，SEAD/DEAD）项目、“小精灵”项目等［3-7］，项目情况简介及相关核心关键技术见表1所示。

▼ 表1 美国相关项目实施情况

▼ Table 1 Implementation status of relevant projects in the United S

近几年，美国结合各类试验和演习，对集群协同技术能力进行进一步挖掘。同时，更专注于可消耗型集群类武器装备的研发，以适应未来潜在的大国竞争。

2022年，美海军开展“无人系统综合战斗问题21”演习，利用“阿利伯克级”导弹驱逐舰作为海上指控中心，指挥控制无人机、无人艇及无人潜航器完成海上预警探测、目标指示与引导攻击、跨域有人无人协同行动等行动任务，该演习验证了海上跨域无人系统协作和有人无人协同能力，推动了跨域无人装备的列装使用。2023年，美海军开展“综合作战问题2023”演习和“海王星打击行动23.1”演习。两次演习分别开展了MQ-9无人机和MH-60R直升机和E-2D预警机的有人无人协同作战实操演练；美海军陆战队则完成了XQ-58A“女武神”无人机首飞测试，验证了利用其成为美海军陆战队空中有人无人协同作战任务平台的巨大潜力。

2023年，美国开展“复制者”计划，该计划由美国国防部牵头开展，计划在18~24个月内生产并部署数千个具有“小型、智能、低成本和多样化”特点的可消耗型无人自主平台，从而以大量小型智能低成本自主平台来应对大国竞争对手的规模化和多样化反介入/区域拒止能力。其中自主平台包括高空长航时无人机、无人车、蜂群无人机等。在此计划的基础上，美国又提出更倾向于实战化的“地狱景观”计划，由西太平洋地区广泛部署的潜艇、水面舰艇、飞机和陆基车辆发射的数千个无人系统构成。通过大量无人装备的协同作战，在复杂的战场环境中执行侦察、打击和电子战等任务，提升集群协同立体作战能力。

此外，俄罗斯在2020年宣布了代号为“格罗姆”的无人机集群项目，并计划到2025年实现同时发射100多架无人机，形成自组网、网络化协同攻击的作战规模［8］；英国在2021年启动了“蚊子”项目，开发用于电子对抗战的无人集群，进行自杀式饱和攻击，用于突破防空系统等。

3 集群协同特点与关键技术分析图片

3.1　集群协同类武器装备特点

集群协同类武器装备具有以下几方面的特点：

（1）功能分布

集群协同作战可将单个完备作战平台所具备的各项能力分散到大量低成本、功能单一的作战平台中，例如集群中武器可携带异构传感器，进行声、光、电等多维探测，通过信息共享，建立完备战场态势，提高整体战场认知能力。还可根据任务功能，携带通信、毁伤、干扰、探测等多类载荷，集成通信中继、火力打击、突防对抗、侦察感知等多元任务能力。将单个完备作战平台所具备的各项能力分散到大量低成本、功能单一的作战平台中，实现功能分布、能力聚合，在投入有限的情况下提升作战能力。

（2）作战效能高

集群协同武器采用多个作战单元组网成群、协同作战，不同于单一平台，集群中的每个单元可以根据任务需求进行灵活分配和合作，多平台在统一调度下进行作战任务。例如通过集群协同探测，实现全局态势感知，可辅助指挥官更好地理解战场动态，及时做出正确决策，并通过集群快速响应，实施针对性打击，提高作战效率。同时，集群作为一个协同体，系统的抗毁能力强，当其中某些单元受到损害时，整体作战能力不会降级，战场适应能力更强，作战效能更高。

（3）群体智能

集群协同类武器装备通过集体行为和信息共享实现任务能力，集群中每个个体既彼此自治又高度连接，通过简单个体的交互过程实现集群智能效应，类似自然界中蜜蜂蜂群可以通过个体简单的规则完成群体复杂的工作，涌现出了自组织的群体行为模式。通过引入适当的进化机制，集群能够不断优化其行为和策略，学习和适应新的战场环境与任务需求。这种动态学习能力使得集群在持续作战中能够不断提升其作战效能。在复杂多变的战场环境中，集群协同类武器装备可根据战场态势的变化灵活调整作战策略，以应对不同的战斗场景和敌方威胁，提高了整体的作战能力。

3.2　协同关键技术分析

集群协同类武器装备协同关键技术可分为多源感知信息融合技术、集群组网通信技术、自主决策与规划技术、协同导航定位技术及协同制导技术，如图1所示，本节针对各项技术进行具体分析。

▲ 图1 集群协同关键技术体系

▲ Fig.1 Technology system for cluster collaboration

（1）多源感知信息融合技术

多源感知信息融合技术，即融合不同传感器的数据，形成多视角、多维度的侦察探测信息，构建战场整体态势，为集群任务决策提供依据。多源感知信息融合按照数据抽象的层次，可划分为三个层次的融合，即信号级融合、特征级融合和决策级融合［9］。

信号级融合是指直接对原始传感器数据进行处理和整合，针对多传感器获得空间、波形、频率、结构、极化等多维度探测信息进行匹配融合，从信号层面实现对目标的联合检测、识别、抗干扰等。这种融合处理方式数据量损失较少，可以提供其它融合层次所不能提供的原始信息，所以精度较高［10］。这种数据融合使用的是传感器最底层的信息，考虑到传感器信息的不确定性、不完全性和不稳定性对融合系统的影响，要求融合算法需有较高的纠错处理能力。特征级融合是提取各个传感器数据的特征信息并进行融合，每个传感器经过处理得到目标的特征信息，包含目标的边缘、方向和速度等，集群系统对多传感器的特征信息进行融合处理。具体数学方法有卡尔曼滤波理论、联合概率数据关联、多假设法、交互多模型法和序贯处理理论等。其中卡尔曼滤波是当前最为常用的融合方法，卡尔曼滤波是一种用于估计系统状态的递归算法，基于系统的动态模型和测量数据，通过融合先验信息和测量信息来估计最优状态。决策级融合是在各个传感器独立决策的基础上进行综合决策。特征级融合不要求采用同质传感器，且算法处理所需要的计算资源较低。常见的算法有贝叶斯推断、Dempster-Shafer证据理论法、专家系统、模糊集理论等。

目前受限于视场及平台能力等原因，不同感知设备侦察到的信息可能会存在难以融合的情况。例如当战场中目标较多时，在不同视角下，可能会存在探测目标数量不一致、部分目标被其他目标遮挡或探测特征变化等情况，造成目标难以关联。对于雷达导引头，不同进入方向下的目标散射特征变化十分明显，关联难度更大。在进行关联融合时，除目标的外形尺寸、雷达散射、红外辐射等特性外，需引入运动特征、编队特征等更多维度信息进行辅助关联，同时综合运用深度学习、强化学习等手段，利用先验知识提升融合识别能力。

（2）集群组网通信技术

集群作战的节点规模大、实时数据交互多等特征要求集群间通信网络必须具备较高的灵活性、鲁棒性以及传输效率，以支持指挥控制、武器协同、情报侦察等各类战术信息的实时流转。同时，还需应对多节点移动所带来的拓扑变化以及受干扰导致信道条件恶劣造成的链接不稳定情况。

目前，集群组网通信主要有星型组网、网状组网和分层混合组网等模式［11］，如图2、图3所示。星型组网有中心节点，其他为终端节点，所有终端节点直接链接到中心节点，实现中心站与所有网络节点间直通，结构比较稳定，能源消耗低，适合小规模集群；网状组网中，所有节点设备功能相同，都具备节点和路由功能，当节点不能一跳连接到中心节点时，可通过多跳路由到中心节点，实现全网所有节点的互联互通，网状组网传输速度更快，负载均衡，拥有高度可靠性；分层混合组网采用多层形式，由顶层中心节点与下层网状终端节点，更适合通信频繁、信息量庞大、网络拓扑多变的情况，分层结构的网络拓扑结构快速完成节点的退出或增加，快速实现网络重构。

▲ 图2 星型组网（左）与网状组网（右）示意图

▲ Fig.2 Schematic diagram of star networking (left) and mesh networking (right)

▲ 图3 分层混合组网示意图

▲ Fig.3 Schematic diagram of layered hybrid networking

集群组网通信技术主要包括动态拓扑控制、数据链路管理等。动态拓扑控制技术根据战场环境变化，实时调整网络结构，根据节点位置动态改变且支持结点的加入或退出，任何节点损毁或消失不会导致系统崩溃，整个系统具有良好的扩展性、灵活性、抗毁性和自愈性。弹群动态组网的关键在于对协议层的设计，主要侧重于物理层的基础，需要根据高动态物理层通信的特点，选择适当的频段、信号波形，设计与之相适应的网络控制和管理协议，主要涉及射频链路、接入控制、路由协议、管理控制以及其他网络上层的应用，用以对通信资源进行有效的管理［12］。数据链路管理技术针对节点不同数据需求，对集群各节点的带宽、功率等资源进行分配和优化，以实现整体网络性能最优，通过优化数据链路，可减少延迟和数据丢失，提高传输效率，保证集群内各武器装备的实时协同。此外，5G、6G技术的发展，为实现大规模集群跨域高速数据传输和低延迟通信提供了技术支撑［13］，已有研究基于异构网络的典型特征，结合使能技术，提出了一种基于6G的通信网络的“空天地海”一体化网络架构，具有动态自适应和服务融合管理等性能［14］。

（3）自主决策与规划技术

出于战场信息处理和协同任务组织的需求，自主决策与规划是实现集群协同的必要支撑技术，主要分为自主决策技术和在线任务规划技术。

自主决策以态势构建为基础，利用战场观测信息，动态生成和调整战术策略，为集群提供战术指导。目前自主决策技术研究方法主要包括四个方面：一是基于专家知识的自主决策，即建立作战规则知识库，决策系统将战场态势信息与知识库中的作战规则进行匹配，找到相应的规则作为决策；二是基于智能优化算法的自主决策，即建立决策函数模型，通过遗传算法、粒子群算法、蚁群算法等智能优化算法，优化得到最优决策解；三是基于强化学习的智能自主决策，利用在线强化学习的奖惩回报机制，集群武器不断与环境进行交互和学习，通过正向反馈积累逐渐训练得到决策生成网络；四是基于博弈论的自主决策，充分考虑双方在激烈对抗下做出的最优策略而得到的决策结果，能够在复杂激烈对抗下得到整体最优的策略，合理分配资源实施协同对抗。目前群体自主决策方面，受限于平台资源，为提升海量、多维、异构的协同数据的利用率，主要方向是基于神经网络和强化学习，通过信息提取和知识映射方法、任务自组织在线生成方法、自适应任务规划决策方法［15］等方式，简化复杂模型计算过程，实现综合态势构建，对目标威胁、目标价值进行准确评估，在高动态条件下，进行快速决策。

在线任务规划指在任务执行过程中，根据战场环境和任务变化，实时改变攻击目标和运动航迹，包括任务调度和路径规划。任务调度一般采用分布式整数规划方法和基于市场机制的方法。其中，分布式整数规划方法不仅需要关注问题建模方式、计算效率，还需保证分布式算法的收敛性和一致性；基于市场机制的方法易于分布式实现，通过内部协调机制的设计能够快速获得大规模问题的可行次优解，是当前集群任务调度广泛应用的一类方法。路径规划是指使集群整体和个体在规定范围内寻找到从任务起点到任务终点的合理路径，个体路径规划方法主要包括启发式搜索、数学规划、人工势场法等，集群整体路径规划还需通过集群网络进行个体间路径的时空协同规划［16］。

目前，在新型集群协同类项目高速发展的背景下，自主决策与规划技术向着跨域异构集群协同类武器装备任务规划和控制技术发展。跨域任务协同规划需要处理武器系统的复杂性、异构性、实时性等，跨域协同控制需要确保系统的稳定性与鲁棒性、任务执行的一致性等。

（4）协同导航定位技术

集群协同类武器装备执行协同运动、协同打击等任务时，往往需要满足一定构型约束，需通过导航定位手段得到集群或个体相对位置或绝对位置信息。在强对抗环境下，传统惯性导航+卫星导航等方式较难满足精确定位要求，为提高定位精度，需要进行协同导航定位，即通过直接或间接相对观测和信息交换、融合处理，获得比单体导航更优的综合导航性能。协同导航按架构划分可分为集中式、分层式和分布式，按测量方式可分为数据链测量、超宽带（Ultra-Wideband，UWB）测量和视觉测量等［17］。

目前国内外已开展多项集群协同导航技术研究，主要包括基于优化理论的协同导航算法、基于图论的协同导航算法和基于贝叶斯滤波框架的协同导航算法三大类［18］。

基于优化理论的协同导航算法将集群导航问题转化为复杂的多约束多目标优化问题，通过多种数理优化方法，对协同导航信息进行推导，从而获得最优导航定位信息；基于图论理论的集群协同导航算法将协同定位问题抽象为测量图模型，用图论表达节点之间的拓扑关系［19］，分析集群节点间的相互约束条件，求解集群编队的定位导航问题。基于贝叶斯滤波框架的协同导航算法，按照滤波方式的不同可以分为卡尔曼滤波、粒子滤波等，针对高斯线性系统和弱非线性系统可以采用拓展卡尔曼滤波方法，强非线性系统可以采用无迹卡尔曼滤波进行求解；粒子滤波基于蒙特卡洛思想，不受系统线性与否的影响，适用于任何能用状态空间模型表示的系统，能够近似测量完整的非高斯概率分布［16］。

（5）协同制导技术

协同制导是指多集群中多飞行器在时间上或空间上相互配合，通过调整攻击角度和到达时间，按照预定期望对目标实施协同精确打击，是实现精准毁伤的重要手段。协同制导从技术路线上主要有开环协同制导和闭环协同制导两部分［20］。

开环协同制导需要事先设定各协同个体的期望攻击时间，在任务过程中，个体间不存在通信交流，实质上是单个体带有攻击时间约束或带有攻击角度约束的制导律的拓展。目前，针对带有攻击时间约束的协同制导主要基于传统比例导引、现代控制理论、Lyapunov稳定性原理、微分对策等方法［21］。

闭环协同制导无需事先设定期望的攻击时间，各成员在飞行过程中进行信息交互，协商确定期望的攻击时间，可进一步分为集中式协同制导和分布式协同制导。集中式协同制导指集群中存在一个或多个成员能够与其他成员进行信息交互，而分布式协同制导的特点是指编队中成员仅能与具有信息通信的其他若干成员相互交流。目前，针对集中式协同制导主要采用双层协同制导架构的协同制导律、经典比例导引律设计时变的比例导引系数、利用领弹从弹协同制导架构设计协同制导律等方法［22-24］。分布式协同制导研究方向主要分为分布式双层协同制导和分布式领弹从弹协同制导［25-26］等，同时多智能体协同控制理论在协同制导领域也进行了广泛应用。

4 集群协同类武器装备作战运用样式分析图片

当前，集群协同作战已在战场中得到了初步应用，交战方利用大量无人机/无人艇等装备进行协同作战，逐步衍生出了包含协同侦察探测、协同突防对抗、协同毁伤在内的多种协同样式，提升了作战效能，提高了任务成功率。

（1）协同侦察探测

情报信息是战场决胜的关键因素，针对战场环境复杂、常规侦察手段难以长时存在等问题，可采用携带探测感知设备的无人集群战场区域进行组网侦察，获取实时情报信息，为其他各类作战行动提供情报支撑。

2019年9月，也门战争中，胡赛武装对位于沙特阿拉伯东部的世界最大原油净化工厂和沙特第二大油田实施空袭。在空袭前，胡赛武装出动大量长航时无人机，对目标实施侦察，构建出相对完整的态势信息，精准定位工厂车间、储油罐、电力系统等主要建筑的坐标，针对性开展预先航路规划设计，成功完成精确打击［27］；2020年9月，在纳卡冲突中，阿塞拜疆军队在一次打击地面防空系统任务中利用“赫尔墨斯”“TB-2”等无人机进行协同抵进侦察，获取在不同视角下的目标阵地侦察信息，将目标位置、目标类型等数据实时传回地面指挥所，引导地面火力对阵地中的导弹发射车实施打击［28］，打击情况如图4所示。

图片

▲ 图4 无人机引导打击地面目标

▲ Fig.4 Drone guidance for striking ground targets

未来随着武器装备自主作战能力提升，将呈现出更高层次的协同探测样式，即利用多平台分布式协同的方式，集群携带主被动雷达、红外、光电等多型传感器设备，通过多平台灵活编组、协同工作，构建分布式侦察网络，充分利用集群武器多视角、多体制传感器探测下干扰与目标在时间和空间上的特征差异性，构建出战场态势，实现战场透明。

（2）协同突防对抗

在实施打击任务时，目前单装武器尤其是亚声速导弹或末段无机动的传统弹道导弹，在面对爱国者PAC-3先进防空系统时生存能力较弱，利用集群武器装备通过多机协同战术诱骗的方式可大幅提升突防对抗效率。

纳卡冲突中，阿塞拜疆部队在一次打击亚美尼亚部队防空系统的任务中，派出大量“安-2”无人机作为诱饵，吸引亚美尼亚防空系统开机工作，诱使防空系统暴露其位置、工作状态和电磁特征等信息，同时消耗亚军防空导弹，之后采用无人机、火箭弹等装备实施精确打击，实现高效费比打击［28］。2022年10月，俄乌冲突中，乌军出动9架无人机和7艘无人艇对俄黑海舰队基地塞瓦斯托波尔发动海空突袭。期间，乌军利用无人机集群实施战术诱骗，吸引俄军防空力量，随后通过隐蔽型半潜式无人艇集群对俄水面舰艇实施袭击，俄军虽拦截摧毁了乌军大部分无人机和无人艇，但还是有1艘扫雷舰被击中［29］，证明了集群协同作战的有效性。

除诱骗外，未来还可通过协同干扰进行突防，集群内部携带对抗载荷的集群，在距目标特定的距离和方位上组建协同干扰阵型，精确控制干扰波束指向、干扰功率/频率、干扰释放时机等，对敌方各类雷达实施压制欺骗，形成敌方探测弱区，构建安全突防通道。

（3）协同毁伤

利用单装制导武器分波次精确打击易出现分散目标“欠毁伤”、时敏目标“难毁伤”的情况，通过大量集群武器进行协同毁伤，可大幅提升毁伤效果，支撑杀伤链在有效积累“量变”中实现向杀伤网的质变跃升。

2024年8月，乌克兰发动超过400架无人机袭击莫斯科，目标覆盖克里姆林宫、俄罗斯国防部、联邦安全局等政府机关，以及多个重要的军事基地。此次任务中，乌军采用了轻型侦察无人机和重型攻击无人机组成的混合编队，其中轻型侦察无人机在攻击发起前就已潜入莫斯科上空，侦察俄军防空部署和重要目标位置，重型攻击无人机则携带高爆炸药，对目标实施自杀式攻击，对于其中防护等级高的军事目标，则采用多弹饱和攻击的模式进行瘫毁。最终约30%的无人机成功突防，对目标造成了不同程度的损毁，达到了预期作战效果。

伴随装备能力不断升级，未来可通过在线时序匹配，实现多弹真正意义上秒级同时到达，短时间内饱和拦截方防御资源，真正实现过饱和突防和系统性瘫毁。除规模打击外，协同毁伤还可引申出多类作战样式，如在协同探测基础上，进行目标关键部位精准识别，实施点穴打击与失能性打击，实现一击必中，并可降低附带损伤。又如对于遗漏目标或动态目标，后序武器进行战场评估，在前序武器打击的基础上，实施补充打击，快速完成杀伤链闭合，更适合高动态战场环境。

5 结束语

集群协同类武器装备在作战效费比、战场适应性、作战能力上都优于传统单装武器，随着战场作战环境日益复杂，敌我态势变化逐渐加快，集群协同类武器装备必将成为未来各类战场的主力装备，通过集群协同作战，代替传统单装武器，提高作战效能，降低风险，以适应更加智能化、复杂化、动态化的战场需求。