《Defence Technology》：An Exterior-Ballistics-Informed Real-Time Parallel Servo-Fire-Control Method for Remote Weapon Systems in Counter-UAV Operations
编辑推荐：
低慢小（LSS）无人机（UAV）在近期区域冲突中构成严重不对称威胁，但现有遥控武器系统（RWS）普遍缺乏有效对抗措施。因此，为这些武器站配备高效反无人机能力成为紧迫问题。随着交战目标从准静止地面目标转向高机动空中目标，RWS在火控精度、实时计算以及伺服响应精度
低慢小（LSS）无人机（UAV）在近期区域冲突中构成严重不对称威胁，但现有遥控武器系统（RWS）普遍缺乏有效对抗措施。因此，为这些武器站配备高效反无人机能力成为紧迫问题。随着交战目标从准静止地面目标转向高机动空中目标，RWS在火控精度、实时计算以及伺服响应精度和速度方面面临更高要求。传统火控方法计算效率低、周期稳定性差，且对伺服误差和延迟考虑不足，从而限制了其对机动目标的有效性。为满足对LSS UAV的精确打击需求，本文提出一种融合外弹道学物理先验的高实时智能并行伺服火控方法。一种双层框架解决了精度与实时性的矛盾：数据驱动网络快速生成初始解，随后在弹道约束下精炼，以获得快速、精确的发射数据。为补偿伺服响应误差和延迟，在每个计算周期内形成由火控修正量和图像脱靶量组成的复合误差信号。该信号提供闭环伺服反馈，并实现计算与执行的一体化并行控制。仿真和实弹测试表明，所提方法显著提升了实时性和精度：单样本平均计算时间从270.27 ms降至13.31 ms，而方位角和仰角误差分别保持在0.04 mil和0.09 mil以下。在针对低空UAV目标的实弹拦截测试中，该方法表现出高命中精度和良好一致性，证实了其在工程应用中的高效性和可靠性。该方法在更广泛的参数空间内通过仿真评估，而实弹验证限于100–300 m内、目标速度低于20 m/s的代表性35 mm RWS交战；推广至其他口径、更远距离和更高速度目标需进一步验证。
在反无人机作战中，遥控武器系统（RWS）需应对低慢小（LSS）无人机带来的严重不对称威胁。现有RWS主要针对传统地面目标设计，缺乏对抗高机动空中目标的专用能力，且面临火控计算实时性差、周期不稳定以及伺服响应延迟与误差耦合等关键问题。为解决这些挑战，研究人员提出了一种融合外弹道学物理先验的高实时智能并行伺服火控方法，旨在实现精确拦截低空机动无人机。论文以《Defence Technology》发表，主要贡献包括：提出数据知识融合驱动的迭代火控计算方法，通过双层网络架构（弹道解算模块与环境修正模块）结合物理约束损失函数，在保持精度与传统方法相当的同时，将单样本计算时间从270.27 ms降至13.31 ms；建立固定周期复合误差迭代修正机制，利用火控修正量与光电脱靶量合成的复合误差信号驱动伺服系统闭环反馈，动态抑制延迟与误差累积；通过仿真和实弹测试验证了方法在典型交战场景下的有效性和工程实用性。
为开展研究，研究人员采用的关键技术方法包括：1）基于Kolmogorov-Arnold网络（KAN）构建双层火控计算网络，包含弹道解算模块（以目标位置和速度为输入，输出基线发射数据）和环境修正模块（以基线数据和风速、温度为输入，输出修正发射数据）；2）设计分阶段混合损失函数，融合数据拟合项与弹道物理约束（重力、风偏、温度）作为弱正则化项；3）采用网络初始化的固定迭代修正策略，结合高保真六自由度（6DOF）弹道模型进行有限次精化；4）基于目标运动学约束的异常输出约束方法，对连续采样间隔内的火控参数变化进行限幅；5）建立固定周期伺服火控并行误差控制框架，构建复合误差信号实现闭环迭代修正。
研究结果部分包括以下内容：
**射击诸元解算精度对比**：通过离散样本点静态解算和连续轨迹动态仿真，验证所提方法（Ours）在精度和实时性上的优势。静态测试中，基于1000组随机样本，Ours的方位角平均误差为0.0369 mil，仰角误差0.0824 mil，飞行时间误差0.0469 ms，较最优对比方法（Method 3）分别降低93.5%、88.2%和95.9%；单样本平均计算时间13.31 ms，仅为基线方法（270.27 ms）的约5%。动态仿真中，针对匀速直线运动目标，Ours的平均脱靶量为0.0643 m，较对比方法最优值（0.6323 m）降低89.8%。
**固定周期伺服火控并行误差控制验证**：基于RecurDyn和Simulink联合仿真平台，针对三种典型UAV运动轨迹（匀速直线、匀加速直线、含S形和Z形机动）进行闭环验证。结果显示，在5–20 s有效交战窗口内，三个案例的脱靶量均小于1.5 m的杀伤半径，仅当交战接近边界（22 s）时，Case 1和Case 2的脱靶量增至2.32 m和2.51 m；机动目标Case 3所有脱靶量低于0.5 m。该方法在有效窗口内保持了良好的命中性能。
**实弹验证**：采用35 mm榴弹发射器RWS原型，对速度10 m/s的往复机动UAV目标（斜距约160 m）进行20次实弹拦截试验。跟踪误差在多数时刻低于1 mil发射门限，冲击点方位角偏差0–87 cm，仰角偏差0–53 cm，圆概率误差（CEP）为0.60 m，全部落在弹药有效杀伤半径内，验证了方法的工程实用性。
在讨论部分，文章指出所提方法通过数据知识融合实现了火控计算的实时性与精度平衡，并通过固定周期复合误差反馈机制有效抑制了伺服延迟和跟踪残差的影响。仿真和实弹结果的一致性表明该方法在近距离交战包线内具有可靠硬杀伤能力。研究结论部分翻译如下：
为解决本研究考虑的交战包线内拦截机动LSS UAV时伺服响应、火控计算与目标跟踪之间的实时协调挑战，本文提出一种基于弹道学与人工智能的并行伺服火控方法。主要结论如下： (1) 提出一种数据知识融合驱动的迭代火控计算方法，在保持与传统方法相当精度的同时，将单样本计算时间（13.31 ms）降至基线方法（270.27 ms）的约5%，满足了高实时性与高精度双重需求。 (2) 为减轻伺服响应延迟和跟踪误差引起的命中误差，建立了火控计算周期、弹丸飞行时间与目标预测时间之间的显式关系模型，并设计了基于复合误差反馈的迭代修正策略，动态抑制误差累积并实现在线逐步精化瞄准方向。 (3) 仿真在更广泛的基于模型的参数空间内评估了鲁棒性，而实弹测试则证明了在代表性近距离UAV交战条件下的工程可行性。仿真结果表明，在典型机动轨迹下，该方法相比传统方法获得更宽的有效拦截窗口和显著更低的指向误差。实弹测试进一步确认，配备所提算法的RWS在160 m距离上对以10 m/s速度往复机动的UAV目标实现了稳定跟踪和有效摧毁，所有冲击偏差均落在弹药杀伤半径内，展现出良好的工程实用性和可靠性。
