CN109541960B - 一种用于飞行器数字化战场对抗的系统和方法 - Google Patents
一种用于飞行器数字化战场对抗的系统和方法 Download PDFInfo
- Publication number
- CN109541960B CN109541960B CN201710859017.6A CN201710859017A CN109541960B CN 109541960 B CN109541960 B CN 109541960B CN 201710859017 A CN201710859017 A CN 201710859017A CN 109541960 B CN109541960 B CN 109541960B
- Authority
- CN
- China
- Prior art keywords
- data
- battlefield
- radar
- threat
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于飞行器数字化战场对抗的系统和方法,该方法包括:采集控制信息,并进行初始化控制、选择数据激励方式和激励策略;获取战场脚本数据;生成战术执行数据并根据战场态势数据修改战术执行数据;生成初始化战场环境数据,进行战场态势更新生成实时战场态势数据。该系统包括:顶层控制模、战场脚本输入模块、第一方规划控制模块、第二方规划控制模块、以及数据化战场平台模块。该系统和方法的自动化和智能程度高、效能评估与分析准确、实时性强,且系统架构灵活性高,易于根据实际战场态势进行扩展和延拓,能够通过飞行器航线和作战能力的准确规划,实现飞行器之间的高精确度对抗模拟。
Description
技术领域
本发明涉及计算机信息技术领域,尤其涉及一种用于飞行器数字化战场对抗的系统和方法。
背景技术
以信息技术为主的高新技术发展对军事领域产生了深远的影响,推动着军队建设由机械化军队向信息化军队转型、战争形态由机械化战争向信息化战争转变。现代信息技术的应用,使得各战场空间上孤立的作战单元得以互联互通、实现态势共享、并最终形成一个有机整体,从而使得战场上的对抗从传统的平台对抗转向为体系对抗。以体系对抗为特征的现代军事实兵训练需要调用各军种、以及大量的军事装备,耗费大量的资金和时间。因此,利用计算机仿真技术设计和实现的对抗模拟系统在现代军事训练中具有重要的作用,而以平台对抗模拟训练为目的传统对抗模拟系统和方法不能满足体系对抗模拟训练中各种复杂作战平台的建模仿真需求。
申请公布号为CN105243216A的中国发明专利申请公开了一种基于态势动态干预的体系对抗模拟方法及系统,所述方法包括事件调度、态势处理、态势订阅和态势查询。其主要通过人在回路操作台来仿真导调人员,以将人工干预指令发送给动态事件调度系统,对任务想定中设定的任务事件进行修改或者新增操作,从而实现在模拟训练过程中进行人工态势干预。然而,该方法和系统的重点在于人为的参与,缺少战场推演、智能对抗、态势分析、任务感知等部分,存在低智能性、低自动化性、低实效性等问题。而且,该系统架构设计较为单一,突出某一部分功能特点,缺少对战场其他因子的支持性,其延拓性能较为匮乏,使其特点局限于人在环控制,人在环参与战场运动仿真控制等,因此其灵活度较低,无法根据实际战场进行持续拓展和外延。而且,现有仿真对抗模拟系统并没有针对飞行器对抗进行拓展,无法实现飞行器之间的精确对抗模拟。
发明内容
本发明的目的之一至少在于,针对如何克服上述现有技术存在的问题,提供一种用于飞行器数字化战场对抗的系统和方法,其自动化和智能程度高、效能评估与分析准确、实时性强,且系统架构灵活性高,易于根据实际战场态势进行扩展和延拓,能够通过飞行器航线和作战能力的准确规划,实现飞行器之间的高精确度对抗模拟。
为了实现上述目的,本发明采用的技术方案包括以下各方面。
一种用于飞行器数字化战场对抗的系统,其包括:顶层控制模、战场脚本输入模块、第一方规划控制模块、第二方规划控制模块、以及数据化战场平台模块;
其中,所述顶层控制模块具有人机交互界面,用于通过其采集控制信息,并选择数据激励方式和激励策略;战场脚本输入模块用于根据顶层控制模确定的数据激励方式获取战场脚本数据,并分别发送给第一方规划控制模块和第二方规划控制模块;第二方规划控制模块与第一方规划控制模块分别用于根据战场脚本数据来生成战术执行数据并根据战场态势数据修改战术执行数据;
所述数字化战场平台模块包括战场环境动态更新组件和战场态势动态更新组件,其中,战场环境动态更新组件用于根据战场脚本数据进行战场环境初始化以生成初始化战场环境数据,战场态势动态更新组件用于在初始化战场环境数据的基础上根据第二方规划控制模块与第一方规划控制模块各自输出的作战航路数据和战术执行数据进行战场态势更新,以生成实时战场态势数据。
优选的,所述第一方规划控制模块和第二方规划控制模块各自包括任务感知单元、战场态势分析单元、任务规划单元、效能分析单元、航路规划单元、以及战术规划单元;
其中,任务感知单元用于根据从战场脚本输入模块获取的战场脚本数据提取战场感知数据;战场态势分析单元用于对战场脚本数据进行兵力分析、火力分析以及势力分析以获取战场分析数据;任务规划单元用于根据战场感知数据和战场分析数据生成作战任务数据;效能分析单元用于根据战场感知数据对作战任务数据进行战术效能分析、任务效能分析和武器效能分析;航路规划单元用于根据作战任务数据效能值最高的作战任务进行航路规划来生成作战航路数据;战术规划单元用于根据作战航路数据和战场感知数据来生成战术执行数据并根据战场态势数据修改战术执行数据。
优选的,所述航路规划单元进一步用于在生成作战航路数据之后将其发送给外部设备,并获取外部设备的第一在环响应数据;所述战术规划单元进一步用于在生成战术执行数据之后将其发送给外部设备,并获取外部设备的第二在环响应数据;
所述战术规划单元进一步用于根据第一在环响应数据和/或第二在环响应数据修改作战航路数据,以提高作战航路数据和战术执行数据的拟合度。
优选的,所述航路规划单元包括:航点编码器、种群生成器、基因突变模拟器、种群分离器、个体分离器、碰撞检测器、引导点生成器、引导点存储器、目标函数计算器、目标筛选器、以及引导点组装器。
优选的,所述航点编码器用于从作战任务中提取航路的航点数据并进行编码,以获取飞行次序编码;其中,航点数据包括起始点、工作点和终止点及其各自对应的经度、维度和高度;
种群生成器用于为多条航线中的航点重新生成对应的编码,并根据生成的编码来调整航点编号的次序以形成具有多条航线的种群;
基因突变模拟器包括具有预定交叉概率的交叉互换组件和/或预定变异概率的基因突变组件,用于对种群中的一个或者多个航线个体进行模拟基因突变处理,以获取新的航线种群。
优选的,所述碰撞检测器用于根据数字地形数据库和战场环境数据建立威胁区模型,并判断航线中两个航点之间的直线飞行区域是否位于威胁区内;其中,威胁区模型包括地形、高程、威胁类型、威胁范围、以及威胁程度数据。
优选的,所述引导点生成器用于在两个航点之间的直线飞行区域位于威胁区之内时,采用A-Star算法、元胞自动机算法、蚁群算法、以及粒子群算法中的一种或者多种,生成一个或者多能够能避开威胁区的中继引导点。
优选的,所述目标函数计算器用于根据飞行器性能数据、载荷数据以及威胁区数据,对两个航点之间的航线进行包括路程计算、耗油量计算、生存系数计算、以及耗时计算的目标函数计算;其中,两个航点之间的航线包括位于威胁区之外的直线航线以及经由中继引导点的航线;飞行器性能数据包括飞行器最大最小速度、升限、最小转弯半径、最大爬升率、航时、以及航程;载荷数据包括飞行器的载荷类型和载荷有效作用距离。
优选的,所述目标筛选器用于对航线的目标函数计算结果进行路径筛选、生存系数筛选、耗时筛选、以及战损量筛选,以获取高于预设阈值的目标航点数据;
引导点组装器用于根据所获取的目标航点数据获取单飞行器目标航线数据,并进一步对多个飞行器的目标航线数据进行协调,以获取多飞行器之间协同的作战航路数据作为输出量,并发送给数据化战场平台模块。
一种用于飞行器数字化战场对抗的方法,其包括以下步骤:
采集控制信息,并进行初始化控制、选择数据激励方式和激励策略;根据数据激励方式从外部数据文件获取战场脚本数据,并分别发送给第一方规划控制模块和第二方规划控制模块;第二方规划控制模块与第一方规划控制模块分别根据战场脚本数据来生成战术执行数据并根据战场态势数据修改战术执行数据;
根据战场脚本数据进行战场环境初始化以生成初始化战场环境数据,在初始化战场环境数据的基础上根据第二方规划控制模块与第一方规划控制模块各自输出的作战航路数据和战术执行数据进行战场态势更新生成实时战场态势数据。
综上所述,由于采用了上述技术方案,本发明至少具有以下有益效果:
本发明通过战场脚本、任务感知、智能分析、任务规划、航路规划、战术规划、效能分析、数字化战场平台、战场态势显示等内容,综合沉寂式交互、人工智能规划、装备效能评估与分析、战损计算等多方面技术,协同解决传统红蓝对抗系统的低智能性、低自动化性、低实效性,同时从系统架构上增强系统的拓展性、外延性能与灵活性。并且,能够生成高精度的基于经度、纬度、高度、耗时、耗油量等的有序时列的3D航线,并不断升级航路规划和作战能力以提高规划准确度,实现飞行器之间的高精确度对抗模拟。
附图说明
图1是根据本发明一实施例的用于数字化战场对抗的系统的结构示意图。
图2是根据本发明一实施例的第一方规划控制模块的结构示意图。
图3是根据本发明一实施例的航路规划单元的结构示意图。
图4是根据本发明一实施例的用于数字化战场对抗的方法的流程图。
具体实施方式
下面结合附图及实施例,对本发明进行进一步详细说明,以使本发明的目的、技术方案及优点更加清楚明白。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,根据本发明一实施例的用于数字化战场对抗的系统100包括:顶层控制模101、战场脚本输入模块103、第一方规划控制模块104、第二方规划控制模块105、以及数据化战场平台模块106。
其中,顶层控制模101具有人机交互界面,用于通过其采集控制信息,并进行初始化控制,例如选择数据激励方式和激励策略,同时启动控制数据记录单元,进行系统的同一化控制。
战场脚本输入模块103用于根据顶层控制模101确定的数据激励方式从外部数据文件108获取战场脚本数据或者从数字化战场平台模块107获取已经加载的战场脚本数据,并分别发送给第一方规划控制模块104和第二方规划控制模块105。在进一步的实施例中,本系统可以分别包括多个第一方规划控制模块 104和第二方规划控制模块105以实现多方对抗。
如图2所示,第一方规划控制模块104包括任务感知单元201、战场态势分析单元202、任务规划单元203、效能分析单元204、航路规划单元205、以及战术规划单元206。其中,任务感知单元201用于根据从战场脚本输入模块103 获取的战场脚本数据提取战场感知数据,战场态势分析单元202用于对战场脚本数据进行兵力分析、火力分析以及势力分析以获取战场分析数据,任务规划单元203用于根据战场感知数据和战场分析数据生成作战任务数据,效能分析单元204用于根据战场感知数据对作战任务数据进行战术效能分析、任务效能分析和武器效能分析;航路规划单元205用于根据作战任务数据效能值最高的作战任务进行航路规划来生成作战航路数据;战术规划单元206用于根据作战航路数据和战场感知数据来生成战术执行数据并根据战场态势数据修改战术执行数据。
第二方规划控制模块105的结构与第一方规划控制模块104基本相同,均用于根据战场脚本数据来生成战术执行数据并根据战场态势数据修改战术执行数据。在优选的实施例中,第二方规划控制模块105和第一方规划控制模块104 中的一者或者二者的航路规划单元在生成作战航路数据以及战术规划单元生成战术执行数据之后,可以进一步将其发送给外部设备,并获取外部设备在环响应数据109,战术规划单元206用于根据在环响应数据109在修改修改作战航路数据,从而提高作战航路数据和战术执行数据的拟合度。
数字化战场平台模块106包括战场环境动态更新组件和战场态势动态更新组件,其中,战场环境动态更新组件用于根据战场脚本数据进行战场环境初始化以生成初始化战场环境数据(例如,可以包括战场的地形、天气、时间等空间和时间动态数据),战场态势动态更新组件用于在初始化战场环境数据的基础上根据第二方规划控制模块105与第一方规划控制模块104各自输出的作战航路数据和战术执行数据进行战场态势更新,以生成实时战场态势数据。
进一步地,该对抗系统还可以包括战场态势视景显示模块107,例如多屏全景显示系统,用于根据实时战场态势数据构建和渲染指定视角(例如,参与对战的第一方、第二方视角、以及演练教学视角等)的战场视景图像。
图3示出根据本发明一实施例的航路规划单元,下文结合图3对本对战系统中的航路规划单元进行详细说明。该航路规划单元主要通过基于自然选择原理和自然遗传机制的搜索(寻优)算法,例如遗传算法(Genetic Algorithms,简称GA)来模拟自然界中的生命进化机制,在本对抗系统中根据作战任务数据效能值最高的作战任务进行航路规划以实现作战航线的最优解或准最优解。其主要原理包括:(1)根据如何实现作战航路最优的问题确定可行解域,确定编码方法,用数值串或字符串表示可行解域的每一解。(2)对每一解设置一个度量好坏的依据,例如用适应度函数来表示,适应度函数应为非负函数。(3)确定进化参数群体规模M、交叉概率Pc、变异概率Pm、以及进化终止条件。
如图3所示,该航路规划单元包括:航点编码器501、种群生成器502、基因突变模拟器503、种群分离器504、个体分离器505、碰撞检测器506、引导点生成器507、引导点存储器508、目标函数计算器509、目标筛选器510、以及引导点组装器511。
其中,航点编码器501用于从作战任务中提取航路的航点数据并进行编码,以获取飞行次序编码。其中,航点数据包括起始点、工作点和终止点及其各自对应的经度、维度和高度,其形式如表1所示:
表1
其中,xq为起始的经度,yq为起始的维度,hq为起始的高度;x1,x2…为工作点的经度,y1,y2…为工作点的维度,h1,h2…为工作点的高度;xz为终止点的经度,yz为终止点的维度,hz为终止点的高度。
对航点数据进行编码的一实施例包括:首先对航点数据进行编号,如表2 所示。
表2
采用十进制编码,用随机数列ω1 ω2…ωn作为染色体,其中 0<ωi<1(i=1,2,…,n),ωq=0,ωq=1;每一个随机序列都和种群中的一个个体相对应,例如当n=9,生成一组随机数为:
[0.23,0.82,0.45,0.74,0.87,0.11,0.56,0.69,0.78]
将生成的组随机数组与航点编号对应以获取航点编码,如表3所示:
表3
对编码进行从小到大排列,且编号、经度、纬度、高度随编码而移动:
[0,0.11,0.23,0.45,0.56,0.69,0.74,0.78,0.82,0.87,1],可以获取如表4所示的编码序列。
表4
编号 | 经度 | 纬度 | 高度 | 编码 |
q | x<sub>q</sub> | y<sub>q</sub> | h<sub>q</sub> | 0 |
6 | x<sub>6</sub> | y<sub>6</sub> | h<sub>6</sub> | 0.11 |
1 | x<sub>1</sub> | y<sub>1</sub> | h<sub>1</sub> | 0.23 |
3 | x<sub>3</sub> | y<sub>3</sub> | h<sub>3</sub> | 0.45 |
7 | x<sub>7</sub> | y<sub>7</sub> | h<sub>7</sub> | 0.56 |
8 | x<sub>8</sub> | y<sub>8</sub> | h<sub>8</sub> | 0.69 |
4 | x<sub>4</sub> | y<sub>4</sub> | h<sub>4</sub> | 0.74 |
9 | x<sub>9</sub> | y<sub>9</sub> | h<sub>9</sub> | 0.78 |
2 | x<sub>2</sub> | y<sub>2</sub> | h<sub>2</sub> | 0.82 |
5 | x<sub>5</sub> | y<sub>5</sub> | h<sub>5</sub> | 0.87 |
z | x<sub>z</sub> | y<sub>z</sub> | h<sub>z</sub> | 1 |
从编码序列可以获取对应编号的航点的飞行次序: [q,6,1,3,7,8,4,9,2,5,z],根据飞行次序中的航点编号可以确定一条航线。
当编码列中有某两个或多个编码相同时,按照相同编码所对应的编号的大小排列次序。例如,对于如表5所示的编码,获取的航点飞行次序为: [q,6,1,9,3,7,8,4,2,5,z]
表5
编号 | 经度 | 纬度 | 高度 | 编码 |
q | x<sub>q</sub> | y<sub>q</sub> | h<sub>q</sub> | 0 |
6 | x<sub>6</sub> | y<sub>6</sub> | h<sub>6</sub> | 0.11 |
1 | x<sub>1</sub> | y<sub>1</sub> | h<sub>1</sub> | 0.23 |
9 | x<sub>9</sub> | y<sub>9</sub> | h<sub>9</sub> | 0.23 |
3 | x<sub>3</sub> | y<sub>3</sub> | h<sub>3</sub> | 0.45 |
7 | x<sub>7</sub> | y<sub>7</sub> | h<sub>7</sub> | 0.56 |
8 | x<sub>8</sub> | y<sub>8</sub> | h<sub>8</sub> | 0.69 |
4 | x<sub>4</sub> | y<sub>4</sub> | h<sub>4</sub> | 0.74 |
2 | x<sub>2</sub> | y<sub>2</sub> | h<sub>2</sub> | 0.82 |
5 | x<sub>5</sub> | y<sub>5</sub> | h<sub>5</sub> | 0.87 |
z | x<sub>z</sub> | y<sub>z</sub> | h<sub>z</sub> | 1 |
种群生成器502,用于为多条航线中的航点重新生成对应的编码,并根据生成的编码来调整航点编号的次序,从而形成具有多条航线的种群,种群中具有多条航线(即种群的个体)以及航线个体对应的多个航点。其中,航线的数量和航点的数量来确定种群的群体规模M。
基因突变模拟器503,用于对种群中的一个或者多个航线个体进行模拟基因突变处理,以获取新的航线种群。具体地,基因突变模拟器503包括具有预定交叉概率Pc的交叉互换组件和预定变异概率Pm的基因突变组件,从而保证在预定的收敛和控制的前提下获取全局最优的航线。
交叉互换组件的实施例包括:根据交叉概率Pc随机选取两个航线个体,其编码分别为:
[0.23,0.82,0.45,0.74,0.87,0.11,0.56,0.69,0.78]
[0.49,0.66,0.18,0.70,0.46,0.09,0.75,0.34,0.52]
随机生成一个交叉互换位点pa=5:
[0.23,0.82,0.45,0.74,0.87,|0.11,0.56,0.69,0.78]
[0.49,0.66,0.18,0.70,0.46,|0.09,0.75,0.34,0.52]
交换为:
[0.23,0.82,0.45,0.74,0.87,0.09,0.75,0.34,0.52]
[0.49,0.66,0.18,0.70,0.46,0.11,0.56,0.69,0.78]
从而获取两个新的航线个体,其编号为:
[6,1,8,3,9,4,7,2,5]
[6,3,5,1,7,2,8,4,9]
基因突变组件的一种实施方式为进行基因逆转变异,例如,将航线个体 [6,3,5,1,7,2,8,4,9]的编码[0.49,0.66,|0.18,0.70,0.46,0.11,0.56|,0.69,0.78]中的第3~7号位点的编码逆转顺序为[0.49,0.66,0.56,0.11,0.46,0.70,0.18,0.69,0.78],从获取新的航线个体[4,7,5,1,3,2,8,6,9]。
基因突变组件的另一种实施方式为进行基因位点突变,例如,将航线个体编码[0.49,0.66,0.56,0.11,0.46,0.70,0.18,0.69,0.78]的第五号位点的编码0.46随机改变为0.79,对应编号改变为 [4,7,5,1,3,2,8,6,9]→[4,7,1,3,2,8,6,9,5],从而获取新的航线个体。
种群分离器504,用于对经过基因突变处理后获取的新航线种群进行分离,获取其中的单个航线个体数据。
个体分离器505,用于根据航线个体数据获取航点数据。
碰撞检测器506,用于根据数字地形数据库和战场环境数据建立威胁区模型,并判断航线中两个航点之间的直线飞行区域是否位于威胁区内。威胁区包括敌方雷达探测区域、敌方防空火力网防御范围、气象限制不可飞行区域、政治限制禁飞区、以及地形限制不可飞行区域等。在优选的实施例中,基于检测速度和准确度的平衡,主要考虑由地方雷达探测区域、敌防空火力网防御范围、地形限制三个因素所形成的威胁区,并对其进行建模。
传统威胁区建模方法,一般通过拟合方法将威胁源简化成一个点,以作用距离为半径,形成一个半球体,叠加到地形中,以此实现威胁区建模。然而,这种威胁区模型形成的威胁空间,与实际的威胁空间差别较大,难以满足航路规划的需求。本实施例综合利用空间几何学、概率学等知识,结合雷达物理特性、地空导弹物理特性、高炮物理特性等,形成具有威胁盲区、生存系数的威胁区模型。
依照雷达探测的工作原理,在不考虑地形、电子对抗、地球曲率的条件下,雷达探测范围将是一个半球体,圆心即为雷达所在位置,探测半径即为雷达的最大作用距离,依照雷达最大作用距离Rfmax同目标散射截面σ的关系式:
由上式可知,当其他参数一定时,雷达最大作用距离随目标散射截面的增大而增大,即Rfmax可简化为:
由上式可确定某飞行器相对某型雷达的最大探测距离,即为某型雷达探测威胁区相对某飞行器的最大作用距离。
在上式之外,受到雷达的地形遮蔽角的影响,目标的发现距离与目标飞行高度h关系式为:
式中:εk为雷达天线遮蔽角,R′g考虑正常大气折射率的地球半径,D目标发现距离。随着飞行高度的增加,雷达发现目标的距离正比例的增大,当雷达的作用距离大于目标的直视距离时,则说明地球曲率限制了雷达最大探测距离,因此,雷达有效作用距离为:
Rmax=min{Rfmax,D}
雷达波在空间行进过程中,被地形起伏区域遮挡,形成雷达威胁盲区。威胁盲区的建模,可以利用雷达射线方程:
式中:hf飞行器飞行高度,P(θ,n)极坐标系中的飞行器位置坐标,P(θ,0)极坐标系中的雷达位置坐标。
并进一步根据敌方雷达探测区域、敌方雷达威胁盲区、敌方防空火力网防御范围、气象限制不可飞行区域、以及地形限制不可飞行区域来确定两个航点之间的直线飞行区域内任意点的生存系数,进而建立两个航点之间的威胁区模型,其包括地形、高程、威胁类型、威胁范围、以及威胁程度等各项威胁区数据。
碰撞检测器506根据建立的威胁区模型来判断航线中两个航点之间的直线飞行区域是否位于威胁区内,若某飞行器在两个航点之间的直线飞行区域未处于威胁区内,则飞行器被发现的概率为0,可以飞行;如果处于威胁区之内,则飞行器被发现的概率为1,不能在两个航点之间的直线飞行。
引导点生成器507,用于在两个航点之间的直线飞行区域位于威胁区之内时,生成一个或者多能够能避开威胁区的中继引导点,从而实现该航线的通畅飞行。根据本发明优选实施例的引导点生成器507,其可以采用A-Star算法、元胞自动机算法、蚁群算法、以及粒子群算法中的一种或者多种来生成中继引导点,该过程能够快速收敛且生成的中继航点所形成的航线最短。进一步地,引导点生成器507,将成功生成的中继引导点发送给引导点存储器508,而对于未能成功生成中继引导点的两个航点,则发送给基于突变模拟器503来循环生成新的种群。
引导点存储器508,用于存储成功生成的中继引导点,并分别发送给目标函数计算器509和引导点组装器511。
目标函数计算器509,用于根据飞行器性能数据、载荷数据以及威胁区数据,对两个航点之间的航线进行包括路程计算、耗油量计算、生存系数计算、以及耗时计算的目标函数计算。其中,两个航点之间的航线包括位于威胁区之外的直线航线以及经由中继引导点的航线。飞行器性能数据包括飞行器最大最小速度、升限、最小转弯半径、最大爬升率、航时、航程等。载荷数据包括飞行器的载荷类型、载荷有效作用距离等。
则P点在地球坐标系下的坐标计算公式为:
则P与P*的夹角计算式为:
则地球表面两点的球面直线距离为:
若设航点a1的高度为h1,航点a2的高度为h2,则计算情况为以下两种:
两个航点之间的路程计算的另一种实施方式包括直接计算两点之间的距离 D:
目标函数计算器509完成两个航点之间的路程计算、耗油量计算、生存系数计算、以及耗时计算之后,判断航线个体和种群是否都已经完全循环,如果种群中的每条航线个体中的所有航点之间已经完成目标函数计算,则将获取的计算结果发送给目标筛选器510;否则,将航点数据分别发送给种群分离器504 或者个体分离器505以生成新的航点和航线。
目标筛选器510,用于对航线的目标函数计算结果进行路径筛选、生存系数筛选、耗时筛选、以及战损量筛选,以获取高于预设阈值的目标航点数据。例如,对于一个具有四个航线个体的航线种群,通过目标函数计算器509确定每个航线个体内任意相邻两个航点之间的距离为其中“r”表示第r个航线个体,“i(i+1)”表示第i点与第i+1间的距离,zr表示为第r个个体的总路程长度:则最短路程目标筛选为:minZτ=min(zq…zz)。
引导点组装器511,用于根据所获取的目标航点数据获取单飞行器目标航线数据,并进一步对多个飞行器的目标航线数据进行协调,以获取多飞行器之间协同的作战航路数据作为输出量,并发送给数据化战场平台模块106。
图4示出了根据本发明一实施例的用于飞行器数字化战场对抗的方法的流程图,其包括通过上述实施例的系统执行如下各步骤。其中,各步骤的执行顺序可以进行重新组合而与下述实例并不相同。
步骤401:采集控制信息,进行初始化控制
具体地,可以通过顶层控制模块的人机交互界面来采集控制信息,并进行初始化控制,以选择数据激励方式和激励策略。数据激励方式包括是否从外部数据文件注入,而激励策略包括一次载入全部战场脚本数据、根据战场态势逐步载入战场脚本数据。
步骤402:获取战场脚本数据,并分别发送给第一方规划控制模块和第二方规划控制模块
其中,战场脚本输入模块可以根据顶层控制模确定的数据激励方式从外部数据文件获取战场脚本数据,也可以从数字化战场平台模块获取已经加载的战场脚本数据,并分别发送给第一方规划控制模块和第二方规划控制模块。
步骤403:生成战术执行数据并根据战场态势数据修改战术执行数据
在双方对抗中,第二方规划控制模块与第一方规划控制模块可以分别独立地根据战场脚本数据来生成各自的战术执行数据,并根据各自的战场态势数据修改战术执行数据。
步骤404:生成实时战场态势数据
其中,战场环境动态更新组件首先根据战场脚本数据进行战场环境初始化以生成初始化战场环境数据,战场态势动态更新组件在初始化战场环境数据的基础上根据第二方规划控制模块与第一方规划控制模块各自输出的作战航路数据和战术执行数据进行战场态势更新,以生成实时战场态势数据。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的,例如,所述模块、组件、单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元、模块、器件、组件等可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各单元、模块、器件、组件等可以全部集成在一个单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的的各种数据、文件、以及指令可以采用的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储数据或程序代码的介质。
当本发明上述集成的单元以软件功能单元的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等) 执行本发明各个实施例所述方法的全部或部分。
上述实施例中,系统架构采用层次架构与并行架构相结合的设计方法,在宏观层面采用层次结构,主要表达计算流程的逻辑性,先读取战场脚本,设定好战场环境,然后并行化,进行多方战场一系列计算,在这期间敌对的各方计算并不相互影响,最后在数字化战场平台中进行呈现与相互影响,从而使得数据化战场平台成为公平裁判,由于该系统拟合了实际战场中的相互干涉的层级关系,从顶层架构上充分模拟现实状态,在红蓝双方的具体计算中,同时也采用的是并行与串行相结合,将任务感知独立出来,便于随着不同国家不同军制而适应性的改变任务下达方法、任务生成方法、胜负判定方式,在分析模块、效能分析模块、任务规划、航路规划、战术规划等方面,采用的是独立模块式设计,方便算法迭代更新时融入到本系统中,因此能够从系统架构上增强系统的拓展性、外延性能与灵活性。
以上所述,仅为本发明具体实施方式的详细说明,而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下,做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。
Claims (9)
1.一种用于飞行器数字化战场对抗的系统,其特征在于,所述系统包括:顶层控制模块、战场脚本输入模块、第一方规划控制模块、第二方规划控制模块、以及数据化战场平台模块;
其中,所述顶层控制模块具有人机交互界面,用于通过其采集控制信息,并选择数据激励方式和激励策略;战场脚本输入模块用于根据顶层控制模块确定的数据激励方式获取战场脚本数据,并分别发送给第一方规划控制模块和第二方规划控制模块;第二方规划控制模块与第一方规划控制模块分别用于根据战场脚本数据来生成战术执行数据并根据战场态势数据修改战术执行数据;
所述数字化战场平台模块包括战场环境动态更新组件和战场态势动态更新组件,其中,战场环境动态更新组件用于根据战场脚本数据进行战场环境初始化以生成初始化战场环境数据,战场态势动态更新组件用于在初始化战场环境数据的基础上根据第二方规划控制模块与第一方规划控制模块各自输出的作战航路数据和战术执行数据进行战场态势更新,以生成实时战场态势数据;
其中,所述第一方规划控制模块和第二方规划控制模块包括:航路规划单元,所述航路规划单元用于根据作战任务数据效能值最高的作战任务进行航路规划来生成作战航路数据;所述航路规划单元包括:碰撞检测器;
所述碰撞检测器用于根据数字地形数据库和战场环境数据建立威胁区模型,并判断航线中两个航点之间的直线飞行区域是否位于威胁区内;其中,威胁区模型包括地形、高程、威胁类型、威胁范围、以及威胁程度数据;
其中,通过以下步骤建立所述威胁区模型:
依照雷达探测的工作原理,在不考虑地形、电子对抗、地球曲率的条件下,雷达探测范围将是一个半球体,圆心即为雷达所在位置,探测半径即为雷达的最大作用距离,依照雷达最大作用距离Rfmax同目标散射截面σ的关系式:
由上式可知,当其他参数一定时,雷达最大作用距离随目标散射截面的增大而增大,即Rfmax可简化为:
由上式可确定某飞行器相对某型雷达的最大探测距离,即为某型雷达探测威胁区相对某飞行器的最大作用距离;
在上式之外,受到雷达的地形遮蔽角的影响,目标的发现距离与目标飞行高度h关系式为:
式中:εk为雷达天线遮蔽角,R'g考虑正常大气折射率的地球半径,D目标发现距离,随着飞行高度的增加,雷达发现目标的距离正比例的增大,当雷达的作用距离大于目标的直视距离时,则说明地球曲率限制了雷达最大探测距离,因此,雷达有效作用距离为:
Rmax=min{Rfmax,D}
雷达波在空间行进过程中,被地形起伏区域遮挡,形成雷达威胁盲区;威胁盲区的建模,可以利用雷达射线方程:
式中:hf飞行器飞行高度,P(θ,n)极坐标系中的飞行器位置坐标,P(θ,0)极坐标系中的雷达位置坐标;
2.根据权利要求1所述的系统,其特征在于,所述第一方规划控制模块和第二方规划控制模块各自包括任务感知单元、战场态势分析单元、任务规划单元、效能分析单元、航路规划单元、以及战术规划单元;
其中,任务感知单元用于根据从战场脚本输入模块获取的战场脚本数据提取战场感知数据;战场态势分析单元用于对战场脚本数据进行兵力分析、火力分析以及势力分析以获取战场分析数据;任务规划单元用于根据战场感知数据和战场分析数据生成作战任务数据;效能分析单元用于根据战场感知数据对作战任务数据进行战术效能分析、任务效能分析和武器效能分析;航路规划单元用于根据作战任务数据效能值最高的作战任务进行航路规划来生成作战航路数据;战术规划单元用于根据作战航路数据和战场感知数据来生成战术执行数据并根据战场态势数据修改战术执行数据。
3.根据权利要求2所述的系统,其特征在于,所述航路规划单元进一步用于在生成作战航路数据之后将其发送给外部设备,并获取外部设备的第一在环响应数据;所述战术规划单元进一步用于在生成战术执行数据之后将其发送给外部设备,并获取外部设备的第二在环响应数据;
所述战术规划单元进一步用于根据第一在环响应数据和/或第二在环响应数据修改作战航路数据,以提高作战航路数据和战术执行数据的拟合度。
4.根据权利要求2所述的系统,其特征在于,所述航路规划单元包括:航点编码器、种群生成器、基因突变模拟器、种群分离器、个体分离器、碰撞检测器、引导点生成器、引导点存储器、目标函数计算器、目标筛选器、以及引导点组装器。
5.根据权利要求4所述的系统,其特征在于,所述航点编码器用于从作战任务中提取航路的航点数据并进行编码,以获取飞行次序编码;其中,航点数据包括起始点、工作点和终止点及其各自对应的经度、维度和高度;
种群生成器用于为多条航线中的航点重新生成对应的编码,并根据生成的编码来调整航点编号的次序以形成具有多条航线的种群;
基因突变模拟器包括具有预定交叉概率的交叉互换组件和/或预定变异概率的基因突变组件,用于对种群中的一个或者多个航线个体进行模拟基因突变处理,以获取新的航线种群。
6.根据权利要求5所述的系统,其特征在于,所述引导点生成器用于在两个航点之间的直线飞行区域位于威胁区之内时,采用A-Star算法、元胞自动机算法、蚁群算法、以及粒子群算法中的一种或者多种,生成一个或者多个能够能避开威胁区的中继引导点。
7.根据权利要求4所述的系统,其特征在于,所述目标函数计算器用于根据飞行器性能数据、载荷数据以及威胁区数据,对两个航点之间的航线进行包括路程计算、耗油量计算、生存系数计算、以及耗时计算的目标函数计算;其中,两个航点之间的航线包括位于威胁区之外的直线航线以及经由中继引导点的航线;飞行器性能数据包括飞行器最大最小速度、升限、最小转弯半径、最大爬升率、航时、以及航程;载荷数据包括飞行器的载荷类型和载荷有效作用距离。
8.根据权利要求7所述的系统,其特征在于,所述目标筛选器用于对航线的目标函数计算结果进行路径筛选、生存系数筛选、耗时筛选、以及战损量筛选,以获取高于预设阈值的目标航点数据;
引导点组装器用于根据所获取的目标航点数据获取单飞行器目标航线数据,并进一步对多个飞行器的目标航线数据进行协调,以获取多飞行器之间协同的作战航路数据作为输出量,并发送给数据化战场平台模块。
9.一种用于飞行器数字化战场对抗的方法,其特征在于,所述方法包括以下步骤:
采集控制信息,并进行初始化控制、选择数据激励方式和激励策略;根据数据激励方式从外部数据文件获取战场脚本数据,并分别发送给第一方规划控制模块和第二方规划控制模块;第二方规划控制模块与第一方规划控制模块分别根据战场脚本数据来生成战术执行数据并根据战场态势数据修改战术执行数据;
根据战场脚本数据进行战场环境初始化以生成初始化战场环境数据,在初始化战场环境数据的基础上根据第二方规划控制模块与第一方规划控制模块各自输出的作战航路数据和战术执行数据进行战场态势更新生成实时战场态势数据;其中,所述第一方规划控制模块和第二方规划控制模块包括:航路规划单元,所述航路规划单元用于根据作战任务数据效能值最高的作战任务进行航路规划来生成作战航路数据;所述航路规划单元包括:碰撞检测器;
所述碰撞检测器用于根据数字地形数据库和战场环境数据建立威胁区模型,并判断航线中两个航点之间的直线飞行区域是否位于威胁区内;其中,威胁区模型包括地形、高程、威胁类型、威胁范围、以及威胁程度数据;
其中,通过以下步骤建立所述威胁区模型:
依照雷达探测的工作原理,在不考虑地形、电子对抗、地球曲率的条件下,雷达探测范围将是一个半球体,圆心即为雷达所在位置,探测半径即为雷达的最大作用距离,依照雷达最大作用距离Rfmax同目标散射截面σ的关系式:
由上式可知,当其他参数一定时,雷达最大作用距离随目标散射截面的增大而增大,即Rfmax可简化为:
由上式可确定某飞行器相对某型雷达的最大探测距离,即为某型雷达探测威胁区相对某飞行器的最大作用距离;
在上式之外,受到雷达的地形遮蔽角的影响,目标的发现距离与目标飞行高度h关系式为:
式中:εk为雷达天线遮蔽角,R'g考虑正常大气折射率的地球半径,D目标发现距离,随着飞行高度的增加,雷达发现目标的距离正比例的增大,当雷达的作用距离大于目标的直视距离时,则说明地球曲率限制了雷达最大探测距离,因此,雷达有效作用距离为:
Rmax=min{Rfmax,D}
雷达波在空间行进过程中,被地形起伏区域遮挡,形成雷达威胁盲区;威胁盲区的建模,可以利用雷达射线方程:
式中:hf飞行器飞行高度,P(θ,n)极坐标系中的飞行器位置坐标,P(θ,0)极坐标系中的雷达位置坐标;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710859017.6A CN109541960B (zh) | 2017-09-21 | 2017-09-21 | 一种用于飞行器数字化战场对抗的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710859017.6A CN109541960B (zh) | 2017-09-21 | 2017-09-21 | 一种用于飞行器数字化战场对抗的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109541960A CN109541960A (zh) | 2019-03-29 |
CN109541960B true CN109541960B (zh) | 2022-06-10 |
Family
ID=65822976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710859017.6A Active CN109541960B (zh) | 2017-09-21 | 2017-09-21 | 一种用于飞行器数字化战场对抗的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109541960B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113268900B (zh) * | 2021-04-02 | 2022-09-16 | 中国人民解放军战略支援部队信息工程大学 | 面向任务的空降场选址方法及装置 |
CN113393082B (zh) * | 2021-05-11 | 2024-01-09 | 北京机电工程研究所 | 面向复杂场景敏捷响应的作战控制方法 |
CN113722910B (zh) * | 2021-08-31 | 2024-02-09 | 中国电子科技集团公司第二十八研究所 | 一种面向机场终端区的宏观仿真方法 |
CN113988301B (zh) * | 2021-12-13 | 2022-06-21 | 中国科学院自动化研究所 | 战术策略生成方法、装置、电子设备及存储介质 |
CN114722585B (zh) * | 2022-03-21 | 2022-12-02 | 北京华如科技股份有限公司 | 一种用于方案推演分析的数据处理方法及装置 |
CN118036346A (zh) * | 2024-04-11 | 2024-05-14 | 四川天中星航空科技有限公司 | 一种空中战场环境构设系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819439A (zh) * | 2010-03-16 | 2010-09-01 | 清华大学 | 一种无中心环境下无人机协同模拟平台的控制方法及系统 |
CN101964019A (zh) * | 2010-09-10 | 2011-02-02 | 北京航空航天大学 | 基于Agent技术的对抗行为建模仿真平台及仿真方法 |
CN102436604A (zh) * | 2011-09-08 | 2012-05-02 | 哈尔滨工程大学 | 一种基于多目标进化方法的多弹协同航路计算方法 |
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
KR101557092B1 (ko) * | 2015-05-12 | 2015-11-19 | 대한민국(방위사업청장) | 워게임을 위한 무인기 시뮬레이션 시스템 |
CN105929848A (zh) * | 2016-06-28 | 2016-09-07 | 南京邮电大学 | 一种三维环境中的多无人机系统的航迹规划方法 |
CN106530897A (zh) * | 2016-12-28 | 2017-03-22 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞行模拟训练装置 |
CN106774425A (zh) * | 2017-03-13 | 2017-05-31 | 南昌航空大学 | 一种无人机飞行导航的方法及系统 |
CN106844980A (zh) * | 2017-01-24 | 2017-06-13 | 南京仁谷系统集成有限公司 | 一种支持系统功能动态重组的调度系统及其调度方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104406589B (zh) * | 2014-11-13 | 2017-05-24 | 中国测绘科学研究院 | 一种飞行器穿越雷达区的飞行方法 |
CN105841703A (zh) * | 2016-03-15 | 2016-08-10 | 电子科技大学 | 一种威胁环境下目标定位的无人机最优航路计算方法 |
CN107063255B (zh) * | 2017-01-09 | 2020-10-30 | 北京工业大学 | 一种基于改进果蝇优化算法的三维航路规划方法 |
-
2017
- 2017-09-21 CN CN201710859017.6A patent/CN109541960B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819439A (zh) * | 2010-03-16 | 2010-09-01 | 清华大学 | 一种无中心环境下无人机协同模拟平台的控制方法及系统 |
CN101964019A (zh) * | 2010-09-10 | 2011-02-02 | 北京航空航天大学 | 基于Agent技术的对抗行为建模仿真平台及仿真方法 |
CN102436604A (zh) * | 2011-09-08 | 2012-05-02 | 哈尔滨工程大学 | 一种基于多目标进化方法的多弹协同航路计算方法 |
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
KR101557092B1 (ko) * | 2015-05-12 | 2015-11-19 | 대한민국(방위사업청장) | 워게임을 위한 무인기 시뮬레이션 시스템 |
CN105929848A (zh) * | 2016-06-28 | 2016-09-07 | 南京邮电大学 | 一种三维环境中的多无人机系统的航迹规划方法 |
CN106530897A (zh) * | 2016-12-28 | 2017-03-22 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞行模拟训练装置 |
CN106844980A (zh) * | 2017-01-24 | 2017-06-13 | 南京仁谷系统集成有限公司 | 一种支持系统功能动态重组的调度系统及其调度方法 |
CN106774425A (zh) * | 2017-03-13 | 2017-05-31 | 南昌航空大学 | 一种无人机飞行导航的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109541960A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109541960B (zh) | 一种用于飞行器数字化战场对抗的系统和方法 | |
CN108364138B (zh) | 基于对抗视角的武器装备发展规划建模与求解方法 | |
CN110119773B (zh) | 战略博弈系统的全局态势评估方法、系统和装置 | |
CN112329348A (zh) | 一种面向非完全信息条件下军事对抗博弈的智能决策方法 | |
CN112783209B (zh) | 一种基于鸽群智能竞争学习的无人机集群对抗控制方法 | |
Duan et al. | Multiple UCAVs cooperative air combat simulation platform based on PSO, ACO, and game theory | |
CN108549402A (zh) | 基于量子乌鸦群搜索机制的无人机群任务分配方法 | |
CN109917815A (zh) | 基于全局最优头脑风暴算法的无人机三维路径设计方法 | |
CN113791634A (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN106779210A (zh) | 基于蚁群算法的火力分配方法 | |
CN113723013A (zh) | 一种用于连续空间兵棋推演的多智能体决策方法 | |
CN111121784A (zh) | 一种无人侦察机航路规划方法 | |
CN115903896A (zh) | 一种基于代理模型优化的多无人机路径规划方法 | |
CN115420294A (zh) | 一种基于改进人工蜂群算法的无人机路径规划方法及系统 | |
CN117313561B (zh) | 无人机智能决策模型训练方法及无人机智能决策方法 | |
CN109544082A (zh) | 一种用于数字化战场对抗的系统和方法 | |
Ilachinski | Towards a science of experimental complexity: An artificial-life approach to modeling warfare | |
CN115617071A (zh) | 一种量子雪豹机制的多无人机任务规划方法 | |
CN114330093A (zh) | 基于dqn的航空兵多平台协同智能对抗决策方法 | |
Hu et al. | A Neural Network-Based Intelligent Decision-Making in the Air-Offensive Campaign with Simulation | |
Lihua et al. | Multi-platform fire control strike track planning method based on deep enhance learning | |
Cai | Exploring characteristics of an effective mix of precision and volume indirect fire in urban operations using agent-based simulation | |
CN117690330B (zh) | 智能化军事行动策略模拟训练系统及方法 | |
Lahti | Model-based learning interventions to enhance decision-making of master fighter controllers | |
Kim | Feasibility analysis of UAV technology to improve tactical surveillance in South Korea's rear area operations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |