论文标题：Recent Progress of AI-Based Intelligent Air-Confrontation Technology Test and Verification Framework

论文链接：https://www.mdpi.com/2226-4310/12/11/959

期刊名：Aerospace

期刊主页：https://www.mdpi.com/journal/aerospace

当前人工智能技术正突破计算机科学边界，深度融合数学、物理等多学科，在大数据、云计算技术支撑下，与各行业跨界整合加速推进。在航空领域，这一融合深刻重塑行业发展格局，推动传统空战对抗模式向智能化、自主化演进，但AI空战对抗技术多停留于试验验证阶段，缺乏试飞场景全面验证，且部分算法在复杂电磁、极端气象环境中适应性不足，模型通用性差，难以大规模部署，亟需可靠载体解决技术验证难题。在此背景下，中国飞行试验研究院王锋团队联合西北工业大学黄河源团队，开展“基于AI的智能空战技术测试验证框架”研究，相关研究成果以“Recent Progress of AI-Based Intelligent Air-Confrontation Technology Test and Verification Framework”发表在Aerospace期刊。作为牵头团队，王锋团队长期深耕航空装备飞行试验技术，此次研究首次构建AI技术—试验飞机平台—智能空战验证”完整理论链，以试验飞机平台为核心载体，系统梳理国内外智能空战领域技术进展，旨在为AI与航空领域深度融合提供理论支撑与工程路径，助力智能空战模式从“人在回路”向“自主博弈”转型，解决技术从实验室到试飞验证的工程转化问题。

图1.智能空战技术验证流程和试飞验证的核心作用

研究过程与成果

研究团队首先厘清试验飞机平台的技术定位与演进逻辑，明确其“空中实验室”的广义属性及变稳飞机的核心子类特征，对比中国BW-1、美国X-62A等变稳飞机与发动机测试机、电子测试机等广义试验飞机的功能差异，并梳理美国X系列（从X-1突破音障到X-62A的AI集成）、苏/俄图-154LL、中国歼-10B/C等典型平台发展历程，提炼出“机械性能验证—多系统集成—AI深度融合”三阶段演进路径。

在AI与试验平台融合实践中，团队重点剖析X-62A、X-37B等标杆案例：X-62A基于模块化开放系统架构（MOSA），实现模型跟踪算法（MFA）、仿真自主控制系统（SACS）等快速集成，在美军“空战演进”（ACE）项目中首次实现AI控制全尺寸战机复杂对抗机动并战胜人类飞行员，决策响应达到微秒级；X-37B通过生成对抗网络（GAN）优化空间观测数据处理，在OTV-7任务中完成高椭圆轨道自主变轨。同时，团队也推演了矢量验证机的技术价值，其通过国产矢量发动机与多模态传感器融合，为未来飞控算法优化提供数据支撑，“神鹰—1”系统则以“大规模仿真+平台联动”路径，形成中国特色验证模式。

图2.ACE项目和Alpha空战系统

通过分析美国ACE、中国“神鹰—1”、Alpha空战系统三大项目，团队总结试验飞机平台四大核心优势：高效迭代验证、降低验证风险、促进能力涌现、提供灵活载体。

图3.试验飞行平台在智能技术研究中的优势

最终基于中国现有试验机水平构建“需求分析—平台构建—地面验证—试验评估”全流程框架，涵盖多模态传感器阵列、深度强化学习（DRL）与蒙特卡洛树搜索（MCTS）融合决策等关键技术，使应用多模态融合技术使复杂环境目标识别精度提升35%。

研究总结

该研究在理论层面填补近十年智能空战对抗与试验飞机平台融合研究的系统性空白，统一平台分类标准与技术演进逻辑，纠正过往混淆变稳飞机与广义试验飞机的认知偏差；工程层面，提炼的四大优势为AI空战对抗技术工程化提供关键支撑，构建的全流程框架解决平台建设与需求脱节、关键技术遗漏等问题，为我国基于新一代飞机平台推进技术落地提供直接参考。未来，团队将进一步推动试验飞机与先进航空技术融合，拓展“空—天—地”跨域验证场景，构建AI算法加载接口规范、风险评估指标等行业标准，持续提升我国航空领域智能化水平与实际对抗效能，为航空智能转型提供核心技术保障。

Aerospace期刊介绍

主编：Konstantinos Kontis, University of Glasgow, Scotland, UK

Aerospace期刊致力于发表航空航天科学、工程和技术相关的创新研究，涵盖飞行器设计、推进系统、飞行控制、先进材料、空间科学、航空电子、无人机系统（UAS）、城市空中交通（UAM）、可持续航空、航空安全以及前沿技术等。鼓励跨学科研究，推动航空航天科技发展，欢迎实验、仿真与理论研究的原创成果及综述。