CN111063230A - 一种模拟训练仿真系统动作过滤器 - Google Patents
一种模拟训练仿真系统动作过滤器 Download PDFInfo
- Publication number
- CN111063230A CN111063230A CN201911289149.5A CN201911289149A CN111063230A CN 111063230 A CN111063230 A CN 111063230A CN 201911289149 A CN201911289149 A CN 201911289149A CN 111063230 A CN111063230 A CN 111063230A
- Authority
- CN
- China
- Prior art keywords
- filter
- state
- judgment
- equipment
- logic
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/003—Simulators for teaching or training purposes for military purposes and tactics
Abstract
本发明公开了一种模拟训练仿真系统动作过滤器。该动作过滤器得到或经过多条操作路径得到可分为操作链和状态链,设计了逻辑判别表达式算法,针对装备操作中的特殊情况,动作过滤器模块采用特殊机制进行处理。因此本发明能够不针对装备型号,更具有普适性、有效性和鲁棒性,对未来模拟训练仿真系统的设计和实现具有重要借鉴意义。
Description
技术领域
本发明涉及仿真技术领域,具体而言,涉及一种模拟训练仿真系统动作过滤器。
背景技术
军事智能化发展正成为重塑世界格局、创造人类未来的主导力量。打赢信息化战争逐渐向无人化发展,但是人的主导地位永远不会变,即“平台无人,系统有人;战场无人,后台有人”。这一发展迁移对人的素质提出了更高的要求。因此,院校教育不能单纯依靠理论教学,而应更加重视实战化教学。但是用于教学的实装资源匮乏、训练开销大且长时间的训练会直接影响飞机的作战寿命。另外,一些训练科目的操作危险性大,易造成训练事故。所以要达到预期训练效果研究模拟训练仿真系统具有一定的理论价值和实用价值。
现代模拟仿真技术的发展,为解决以上矛盾提供了可能。目前,各国军队已不断增加装备训练的模拟以及虚拟仿真的参与力度,尽力实现对实装装备的高度逼真模拟。例如,美国空军已经研制多套专用于地勤训练模拟设备,如桌面训练器、程序训练器等,可以在不接触实装的情况下完成理论学习、操作程序。
目前,模拟训练仿真系统已经成为一种集成化的学习平台,具有教学、学习、训练、考核等多种功能。其中训练和考核都需要对人员操作做出实时判决,且判决机制的设计和实现才是系统的核心。针对这一迫切需求,发明一种能够对人员的操作行为进行实时管控的机制和方法,命名为“动作过滤器”。
为了解决上述现有技术中的问题,本发明提供一种不依赖于装备型号的模拟训练仿真系统动作过滤器模块,实现系统在训练、考核时实时判别人员操作。该设计方法具有普适性、实时性、准确性、鲁棒性等特点。
发明内容
本发明旨在解决现有技术中不能对人员的操作行为进行实时管控的问题。本发明提供一种模拟训练仿真系统动作过滤器,包括:该动作过滤器设置在装备上但不依赖于装备型号,该动作过滤器设置用于在训练、考核科目时实时判别人员操作。因此本发明能够解决现有技术的不能对人员的操作行为进行实时管控的问题。本发明提供的不依赖于装备型号的模拟训练仿真系统动作过滤器模块,实现系统在训练、考核时实时判别人员操作。该设计方法具有普适性、实时性、准确性、鲁棒性等特点。
为了解决上述技术问题,本发明第一方面提出一种模拟训练仿真系统动作过滤器,包括:
所述动作过滤器设置在装备上但不依赖于装备型号,所述动作过滤器设置用于在训练、考核科目时实时判别人员操作;
所述装备中涉及的操作根据当前状态是由上一状态经过唯一操作路径得到或经过多条操作路径得到可分为操作链和状态链;其中,
所述操作链,是指完成一个或部分训练科目执行有序操作的行为集合,所述操作链上的每一步操作都是有序的,必须使上一状态按序到达,才能转移到当前状态;
所述状态链,是指完成一个或部分训练科目执行无序操作后达到的状态集合,所述状态链从上一状态到当前状态可由多条路径到达,且状态转移过程中的操作无顺序;
所述动作过滤器模块遵循一定的逻辑判别表达式算法,所述逻辑判别表达式算法分为有序判别和无序判别两种;所述有序判别是“与”逻辑,对判别表达式中的逻辑判别元依次判别,直至遍历所有逻辑判别元的结果都为正确时,该表达式为正确;所述无序判别是“或”逻辑,对判别表达式中的逻辑判别元的顺序没有要求,只要判别表达式正确即可,表达式也比较灵活;
所述动作过滤器模块需同时支持有序判别和无序判别,所述动作过滤器模块设置为前置过滤器和后置过滤器;所述科目中的步骤判别由前置过滤器和后置过滤器判别的结果共同决定;所述前置过滤器,是对人员操作直接进行判别;所述后置过滤器,是在符合前置过滤器判别条件的基础上,依据装备当前状态做出最后的判别;所述前置过滤器和所述后置过滤器判别的最小单位是逻辑判别元,由所述逻辑判别元组成判别表达式,进而实现复杂状态的判别;所述逻辑判别元执行的判别有“>”,“<”,“==”,“!=”,“<=”和“>=”,涵盖了装备操作的普遍逻辑判别形式;所述判别表达式由“与逻辑(&&)”和“或逻辑(||)”将不同逻辑判别元连接起来形成复杂的表达式;
各型号装备的训练、考核科目含有操作链和/或状态链;
所述动作过滤器模块的设计原理为,假设前置过滤器使能结果为C,前置过滤器判别结果为A,后置过滤器判别结果为B,对于标准步骤的判别必须是A&(B|C)的结果,若是A&C表达式成立,则经过前置判别;若是A&B表达式成立,则先经过前置判别,然后经过后置判别,所述表达式既涵盖了装备操作的有序操作,也涵盖了达到某一状态时的无序操作;
针对所述装备操作中的特殊情况,动作过滤器模块采用特殊机制进行处理,包括以下特殊机制,
机制一,执行“操作区域”概念,为了避免系统在完成复杂操作时的状态逻辑不能按照预期状态转移的问题,所述训练或所述考核科目的每一步操作设置一个允许操作区域,在判别时若符合该操作区域,则做出进一步判别,否则,直接报错。
机制二,“阻断延迟”机制,采用“阻断延迟”机制,在每步操作之后延迟极短时间,系统从一个状态到另一个状态需要短暂的延迟操作,用户操作待状态稳定后再做判别;
机制三,“错误操作恢复”组件,在所述动作过滤器模块中设计“错误操作恢复”组件,在所述科目初始加载以及步骤判别正确后,记录装备中所有不可复位开关的位置状态作为判别依据,若某一步操作在允许操作区域内且动作过滤器判别错误,则从错误操作恢复组件中获取不可复位开关集合以及开关对应的状态,然后语音或文本逐一提示用户恢复;若错误操作在非操作区域内或在阻断延迟有效期内,则操作指令并不下传到子系统;系统在训练、考核时,若操作了不可复位开关,只需提示复位开关即可,而不需要恢复操作关联的状态。
可选地,所述动作过滤器模块包括外部激励,核心处理组件和系统响应;
可选地,所述外部激励包括,科目数据、装备初始状态、第三方系统和装备操作;
所述核心处理组件包括,错误操作恢复、阻断延迟、前置过滤器和后置过滤器;
所述系统响应包括,子系统、显控、操作记录和语音、文本提示。
可选地,若系统处于训练状态,科目数据应从数据库实时加载;
若处于考核状态则由服务器端统一下发;
装备初始状态加载,在训练、考核前从数据库加载,目的是判断装备初始状态是否符合预期;
第三方系统和装备操作都向外实时传递数据。
可选地,所述前置过滤器、所述后置过滤器含有丰富的逻辑处理表达式,用于判别操作步骤的正确性,特点是不针对装备型号,更具有普适性;
所述错误操作恢复组件用于拦截非预期操作并恢复上一步正确状态;
所述阻断延迟机制可避免非有效操作。
可选地,所述子系统完成激励源数据的实时处理,显控、操作记录和语音、文本提示完成友好人机交互。
通过以上设置,动作过滤器模块得到或经过多条操作路径得到可分为操作链和状态链,设计了逻辑判别表达式算法,针对装备操作中的特殊情况,动作过滤器模块采用特殊机制进行处理。因此本发明能够不依赖于装备型号的模拟训练仿真系统动作过滤器模块,实现系统在训练、考核时实时判别人员操作。该设计方法具有普适性、实时性、准确性、鲁棒性等特点。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是示出了根据本发明实施例的一种模拟训练仿真系统动作过滤器系统结构示意图。
图2是示出了根据本发明实施例的一种模拟训练仿真系统动作过滤器的工作原理图。
图3是示出了根据本发明实施例的一种操作链设计图。
图4是示出了根据本发明实施例的一种状态链图。
图5是示出了根据本发明实施例的动作过滤器模块的设计原理图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例,虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
图1是示出了根据本发明实施例的一种模拟训练仿真系统动作过滤器系统结构示意图。
一种模拟训练仿真系统动作过滤器,包括:
所述动作过滤器设置在装备上但不依赖于装备型号,所述动作过滤器设置用于在训练、考核科目时实时判别人员操作。图2是示出了根据本发明实施例的一种模拟训练仿真系统动作过滤器的工作原理图。如图2所示,用户操控通过链式集合来控制装备状态,达到维护项目的目的。
所述装备中涉及的操作根据当前状态是由上一状态经过唯一操作路径得到或经过多条操作路径得到可分为操作链和状态链。特别的,所述操作链,是指完成一个或部分训练科目执行有序操作的行为集合,所述操作链上的每一步操作都是有序的,必须使上一状态按序到达,才能转移到当前状态。如图3所示,操作链步骤。即人员操作和装备状态是一一对应的,且操作有序。
所述状态链,是指完成一个或部分训练科目执行无序操作后达到的状态集合,所述状态链从上一状态到当前状态可由多条路径到达,且状态转移过程中的操作无顺序。如图4所示,状态链步骤。假设状态链步骤的初始状态是State_INIT,预期状态是staten,从初始状态到预期状态可能有多条路径,即对标准状态序列做插值或抽取得到的路径,插值可能是复杂操作序列,而抽取可能是快捷操作序列。
所述动作过滤器模块遵循一定的逻辑判别表达式算法,所述逻辑判别表达式算法分为有序判别和无序判别两种;所述有序判别是“与”逻辑,对判别表达式中的逻辑判别元依次判别,直至遍历所有逻辑判别元的结果都为正确时,该表达式为正确;所述无序判别是“或”逻辑,对判别表达式中的逻辑判别元的顺序没有要求,只要判别表达式正确即可,表达式也比较灵活。
如图4所示,状态链设计图。动作过滤器模块具有科目数据加载、装备初始状态加载、错误操作恢复、阻断延迟、前置过滤器、后置过滤器等功能。其中,科目数据、装备初始状态、第三方系统和装备操作属于外部激励;错误操作恢复、阻断延迟、前置过滤器和后置过滤器属于核心处理组件;子系统、显控、操作记录和语音、文本提示属于系统响应。具体实现过程描述如下:
Step1:加载装备初始状态。如果初始状态不符合预期,进入“错误操作恢复”组件,提示用户逐一恢复不可复位键;
Step2:加载科目数据。从数据库加载科目步骤,作为判别依据;
Step3:接收装备和第三方系统的操作数据。装备操作的科目步骤有操作链步骤和状态链步骤。若是操作链步骤,即前置过滤器使能(结果为C),并执行该步的阻断延迟操作,同时判断是否需要错误操作恢复。然后,经过前置过滤器判别,得到判别结果A,如果操作正确显控和子系统做出相应响应,否则语音、文本提示“错误”。若是状态链步骤,仍然要经过错误恢复操作过滤,目的是判断是否在允许操作区域范围内,如果不在操作区域内经过前置过滤器会直接报错;否则,将子系统和显控处理后的状态数据经过后置过滤器判别,得到判别结果B,该步骤的最终判别是A&B。所以,状态链的操作步骤由前置过滤器和后置过滤器共同决定。注意,状态链的操作步骤执行后仍然要完成阻断延迟操作,避免操作过快越过正确状态;第三方系统的操作是与装备协同工作的,信息交互仅为简单参数信息,因此直接由前置过滤器判别即可。
Step4:转入下一步操作。如果当前步骤操作正确,直接进入下一步操作。
前置过滤器和后置过滤器是动作过滤器的核心组件,含有丰富的逻辑处理算法。但是,对于特殊情况需单独处理。具体如下:
前置过滤器的特殊情况处理说明。
若用户操作了非允许操作区域的按键开关,则会在错误操作恢复组件中被过滤,因此到达前置过滤器的操作都在允许操作区域内;
若用户在允许操作区域操作了非预期开关或按钮,前置过滤器判别为错误,步骤判别结果也为错误;
前置过滤器对任意操作区域的模拟量旋钮都不做操作限制,仅当该旋钮操作出现在步骤要求时,若状态量发生变化即判别正确,随后操作会下传到子系统和显控,等待后置过滤器的判别。
后置过滤器的特殊情况处理说明。
后置过滤器主要进行状态类参数的无序判别,所以只要前置过滤器的操作区域正确,后置过滤器判别时若没有达到该步的预期状态,则允许用户一直操作,且不给予操作错误提示。
所述动作过滤器模块需同时支持有序判别和无序判别,所述动作过滤器模块设置为前置过滤器和后置过滤器;所述科目中的步骤判别由前置过滤器和后置过滤器判别的结果共同决定;所述前置过滤器,是对人员操作直接进行判别;所述后置过滤器,是在符合前置过滤器判别条件的基础上,依据装备当前状态做出最后的判别;所述前置过滤器和所述后置过滤器判别的最小单位是逻辑判别元,由所述逻辑判别元组成判别表达式,进而实现复杂状态的判别;所述逻辑判别元执行的判别有“>”,“<”,“==”,“!=”,“<=”和“>=”,涵盖了装备操作的普遍逻辑判别形式;所述判别表达式由“与逻辑(&&)”和“或逻辑(||)”将不同逻辑判别元连接起来形成复杂的表达式;
各型号装备的训练、考核科目含有操作链和/或状态链;
图5是示出了根据本发明实施例的动作过滤器模块的设计原理图。如图5所示,步骤判别的最终结果是由前置过滤器和后置过滤器共同决定,其输出表达式为:A&(B|C),若当前步骤判别正确时,加载科目下一步操作。若前置过滤器和后置过滤器结果未全部正确时,继续进行当前步骤,直至步骤判别正确。
对于仅有操作判别无状态判别的步骤,设置C=True,步骤判别结果为A&(B|C)=A。
对于既有操作判别也有状态判别的步骤,设置C=False,步骤判别结果为A&(B|C)=A&B。
步骤判别结果为正确,同样要执行阻断延迟操作,防止由于误操作影响下一步操作的判别。
所述动作过滤器模块的设计原理为,假设前置过滤器使能结果为C,前置过滤器判别结果为A,后置过滤器判别结果为B,对于标准步骤的判别必须是A&(B|C)的结果,若是A&C表达式成立,则经过前置判别;若是A&B表达式成立,则先经过前置判别,然后经过后置判别,所述表达式既涵盖了装备操作的有序操作,也涵盖了达到某一状态时的无序操作。
针对所述装备操作中的特殊情况,动作过滤器模块采用特殊机制进行处理,包括以下特殊机制,
机制一,执行“操作区域”概念,为了避免系统在完成复杂操作时的状态逻辑不能按照预期状态转移的问题,所述训练或所述考核科目的每一步操作设置一个允许操作区域,在判别时若符合该操作区域,则做出进一步判别,否则,直接报错。
机制二,“阻断延迟”机制,采用“阻断延迟”机制,在每步操作之后延迟极短时间,系统从一个状态到另一个状态需要短暂的延迟操作,用户操作待状态稳定后再做判别;
机制三,“错误操作恢复”组件,在所述动作过滤器模块中设计“错误操作恢复”组件,在所述科目初始加载以及步骤判别正确后,记录装备中所有不可复位开关的位置状态作为判别依据,若某一步操作在允许操作区域内且动作过滤器判别错误,则从错误操作恢复组件中获取不可复位开关集合以及开关对应的状态,然后语音或文本逐一提示用户恢复;若错误操作在非操作区域内或在阻断延迟有效期内,则操作指令并不下传到子系统;系统在训练、考核时,若操作了不可复位开关,只需提示复位开关即可,而不需要恢复操作关联的状态。
可选地,所述动作过滤器模块包括外部激励,核心处理组件和系统响应。
可选地,所述外部激励包括,科目数据、装备初始状态、第三方系统和装备操作;
所述核心处理组件包括,错误操作恢复、阻断延迟、前置过滤器和后置过滤器;
所述系统响应包括,子系统、显控、操作记录和语音、文本提示。
可选地,若系统处于训练状态,科目数据应从数据库实时加载;
若处于考核状态则由服务器端统一下发;
装备初始状态加载,在训练、考核前从数据库加载,目的是判断装备初始状态是否符合预期;
第三方系统和装备操作都向外实时传递数据。
可选地,所述前置过滤器、所述后置过滤器含有丰富的逻辑处理表达式,用于判别操作步骤的正确性,特点是不针对装备型号,更具有普适性;
所述错误操作恢复组件用于拦截非预期操作并恢复上一步正确状态;
所述阻断延迟机制可避免非有效操作。
可选地,所述子系统完成激励源数据的实时处理,显控、操作记录和语音、文本提示完成友好人机交互。
与现有技术相比,本发明的有益效果为:
针对模拟训练仿真系统在训练、考核时无实时判别机制的问题,提出一种模拟训练仿真系统动作过滤器模块的设计方法。由于装备中的无线电设备较多,经过的子系统较多,动作过滤器模块的设计需依赖相应的判别算法。本发明以逻辑判别元为单位组成逻辑表达式对复杂操作进行判别。系统训练、考核达到某一状态经历的路径可能唯一也可能不唯一,本发明构建含有操作链和状态链的混合链科目模型,其中操作链满足有序操作,状态链满足无序操作,同时设计前置过滤器、后置过滤器和错误操作恢复组件实现混合链判别。该设计方法不针对装备型号,更具有普适性、有效性和鲁棒性,对未来模拟训练仿真系统的设计和实现具有重要借鉴意义。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种模拟训练仿真系统动作过滤器,包括:
所述动作过滤器设置在装备上但不依赖于装备型号,所述动作过滤器设置用于在训练、考核科目时实时判别人员操作;
所述装备中涉及的操作根据当前状态是由上一状态经过唯一操作路径得到或经过多条操作路径得到可分为操作链和状态链;其中,
所述操作链,是指完成一个或部分训练科目执行有序操作的行为集合,所述操作链上的每一步操作都是有序的,必须使上一状态按序到达,才能转移到当前状态;
所述状态链,是指完成一个或部分训练科目执行无序操作后达到的状态集合,所述状态链从上一状态到当前状态可由多条路径到达,且状态转移过程中的操作无顺序;
所述动作过滤器遵循一定的逻辑判别表达式算法,所述逻辑判别表达式算法分为有序判别和无序判别两种;所述有序判别是“与”逻辑,对判别表达式中的逻辑判别元依次判别,直至遍历所有逻辑判别元的结果都为正确时,该表达式为正确;所述无序判别是“或”逻辑,对判别表达式中的逻辑判别元的顺序没有要求,只要判别表达式正确即可,表达式也比较灵活;
所述动作过滤器需同时支持有序判别和无序判别,所述动作过滤器模块设置为前置过滤器和后置过滤器;所述科目中的步骤判别由前置过滤器和后置过滤器判别的结果共同决定;所述前置过滤器,是对人员操作直接进行判别;所述后置过滤器,是在符合前置过滤器判别条件的基础上,依据装备当前状态做出最后的判别;所述前置过滤器和所述后置过滤器判别的最小单位是逻辑判别元,由所述逻辑判别元组成判别表达式,进而实现复杂状态的判别;所述逻辑判别元执行的判别有“>”,“<”,“==”,“!=”,“<=”和“>=”,涵盖了装备操作的普遍逻辑判别形式;所述判别表达式由“与逻辑(&&)”和“或逻辑(||)”将不同逻辑判别元连接起来形成复杂的表达式;
各型号装备的训练、考核科目含有操作链和/或状态链;
所述动作过滤器的设计原理为,假设前置过滤器使能结果为C,前置过滤器判别结果为A,后置过滤器判别结果为B,对于标准步骤的判别必须是A&(B|C)的结果,若是A&C表达式成立,则经过前置判别;若是A&B表达式成立,则先经过前置判别,然后经过后置判别,所述表达式既涵盖了装备操作的有序操作,也涵盖了达到某一状态时的无序操作;
针对所述装备操作中的特殊情况,动作过滤器模块采用特殊机制进行处理,包括以下特殊机制,
机制一,执行“操作区域”概念,为了避免系统在完成复杂操作时的状态逻辑不能按照预期状态转移的问题,所述训练或所述考核科目的每一步操作设置一个允许操作区域,在判别时若符合该操作区域,则做出进一步判别,否则,直接报错;
机制二,“阻断延迟”机制,采用“阻断延迟”机制,在每步操作之后延迟极短时间,系统从一个状态到另一个状态需要短暂的延迟操作,用户操作待状态稳定后再做判别;
机制三,“错误操作恢复”组件,在所述动作过滤器模块中设计“错误操作恢复”组件,在所述科目初始加载以及步骤判别正确后,记录装备中所有不可复位开关的位置状态作为判别依据,若某一步操作在允许操作区域内且动作过滤器判别错误,则从错误操作恢复组件中获取不可复位开关集合以及开关对应的状态,然后语音或文本逐一提示用户恢复;若错误操作在非操作区域内或在阻断延迟有效期内,则操作指令并不下传到子系统;系统在训练、考核时,若操作了不可复位开关,只需提示复位开关即可,而不需要恢复操作关联的状态。
2.如权利要求1所述的动作过滤器,其特征在于:
所述动作过滤器包括外部激励,核心处理组件和系统响应;其中,
所述外部激励包括,科目数据、装备初始状态、第三方系统和装备操作;
所述核心处理组件包括,错误操作恢复、阻断延迟、前置过滤器和后置过滤器;
所述系统响应包括,子系统、显控、操作记录和语音、文本提示。
3.如权利要求2所述的动作过滤器,其特征在于:
若系统处于训练状态,科目数据应从数据库实时加载;
若处于考核状态则由服务器端统一下发;
装备初始状态加载,在训练、考核前从数据库加载,目的是判断装备初始状态是否符合预期;
第三方系统和装备操作都向外实时传递数据。
4.如权利要求2所述的动作过滤器,其特征在于:
所述前置过滤器、所述后置过滤器含有丰富的逻辑处理表达式,用于判别操作步骤的正确性,特点是不针对装备型号,更具有普适性;
所述错误操作恢复组件用于拦截非预期操作并恢复上一步正确状态;
所述阻断延迟机制可避免非有效操作。
5.如权利要求2所述的动作过滤器,其特征在于:
所述子系统完成激励源数据的实时处理,显控、操作记录和语音、文本提示完成友好人机交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911289149.5A CN111063230B (zh) | 2019-12-13 | 2019-12-13 | 一种模拟训练仿真系统动作过滤器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911289149.5A CN111063230B (zh) | 2019-12-13 | 2019-12-13 | 一种模拟训练仿真系统动作过滤器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111063230A true CN111063230A (zh) | 2020-04-24 |
CN111063230B CN111063230B (zh) | 2021-09-10 |
Family
ID=70301735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911289149.5A Active CN111063230B (zh) | 2019-12-13 | 2019-12-13 | 一种模拟训练仿真系统动作过滤器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111063230B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1424663A (zh) * | 2001-12-11 | 2003-06-18 | 微软公司 | 网络过滤驱动器的构造和运行环境 |
US6807535B2 (en) * | 2000-03-08 | 2004-10-19 | Lnk Corporation | Intelligent tutoring system |
CN101719157A (zh) * | 2009-12-01 | 2010-06-02 | 山东中创软件工程股份有限公司 | 数据过滤方法、系统和用于该系统的数据处理装置 |
CN104008204A (zh) * | 2014-06-17 | 2014-08-27 | 南京大学 | 一种动态的多维情境感知电影推荐系统及其实现方法 |
CN106095099A (zh) * | 2016-06-12 | 2016-11-09 | 南京邮电大学 | 一种用户行为动作检测识别方法 |
CN107180569A (zh) * | 2017-06-26 | 2017-09-19 | 广东电网有限责任公司惠州供电局 | 一种面向主网电力系统的智能仿真培训系统和方法 |
CN108809342A (zh) * | 2018-06-11 | 2018-11-13 | 中国人民解放军空军工程大学 | 一种具有快速信号处理的信号处理系统 |
CN109167180A (zh) * | 2018-09-03 | 2019-01-08 | 中国人民解放军空军工程大学 | 空间极化滤波器 |
CN109388468A (zh) * | 2018-10-09 | 2019-02-26 | 威创集团股份有限公司 | 多程序窗口管理方法及装置 |
CN109426700A (zh) * | 2017-08-28 | 2019-03-05 | 腾讯科技(北京)有限公司 | 数据处理方法、装置、存储介质和电子装置 |
CN109753819A (zh) * | 2018-12-26 | 2019-05-14 | 北京天融信网络安全技术有限公司 | 一种访问控制策略的处理方法和装置 |
WO2019121573A1 (en) * | 2017-12-22 | 2019-06-27 | General Electric Company | Method, apparatus, system and computer program product relating to filtration process |
CN109960905A (zh) * | 2017-12-14 | 2019-07-02 | 北京京东尚科信息技术有限公司 | 信息处理方法、系统、介质和电子设备 |
CN110469147A (zh) * | 2019-07-25 | 2019-11-19 | 北京方能机电有限公司 | 一种空调机房的装配式施工方法 |
-
2019
- 2019-12-13 CN CN201911289149.5A patent/CN111063230B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6807535B2 (en) * | 2000-03-08 | 2004-10-19 | Lnk Corporation | Intelligent tutoring system |
CN1424663A (zh) * | 2001-12-11 | 2003-06-18 | 微软公司 | 网络过滤驱动器的构造和运行环境 |
CN101719157A (zh) * | 2009-12-01 | 2010-06-02 | 山东中创软件工程股份有限公司 | 数据过滤方法、系统和用于该系统的数据处理装置 |
CN104008204A (zh) * | 2014-06-17 | 2014-08-27 | 南京大学 | 一种动态的多维情境感知电影推荐系统及其实现方法 |
CN106095099A (zh) * | 2016-06-12 | 2016-11-09 | 南京邮电大学 | 一种用户行为动作检测识别方法 |
CN107180569A (zh) * | 2017-06-26 | 2017-09-19 | 广东电网有限责任公司惠州供电局 | 一种面向主网电力系统的智能仿真培训系统和方法 |
CN109426700A (zh) * | 2017-08-28 | 2019-03-05 | 腾讯科技(北京)有限公司 | 数据处理方法、装置、存储介质和电子装置 |
CN109960905A (zh) * | 2017-12-14 | 2019-07-02 | 北京京东尚科信息技术有限公司 | 信息处理方法、系统、介质和电子设备 |
WO2019121573A1 (en) * | 2017-12-22 | 2019-06-27 | General Electric Company | Method, apparatus, system and computer program product relating to filtration process |
CN108809342A (zh) * | 2018-06-11 | 2018-11-13 | 中国人民解放军空军工程大学 | 一种具有快速信号处理的信号处理系统 |
CN109167180A (zh) * | 2018-09-03 | 2019-01-08 | 中国人民解放军空军工程大学 | 空间极化滤波器 |
CN109388468A (zh) * | 2018-10-09 | 2019-02-26 | 威创集团股份有限公司 | 多程序窗口管理方法及装置 |
CN109753819A (zh) * | 2018-12-26 | 2019-05-14 | 北京天融信网络安全技术有限公司 | 一种访问控制策略的处理方法和装置 |
CN110469147A (zh) * | 2019-07-25 | 2019-11-19 | 北京方能机电有限公司 | 一种空调机房的装配式施工方法 |
Non-Patent Citations (3)
Title |
---|
YUAN LIANG等: "《Novel Modulation Recognition for WFRFT-Based System Using 4th-Order Cumulants》", 《IEEE ACCESS》 * |
张婧怡等: "《无线通信系统频谱分配策略优化研究》", 《计算机仿真》 * |
蒋宗礼等: "《支持过滤器的REST模型研究与实现》", 《电子测试》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111063230B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Segura et al. | Metamorphic testing: Testing the untestable | |
JP2016207211A (ja) | メカトロニクスシステムをテストする方法およびシステム | |
CN106502890A (zh) | 测试用例生成方法及系统 | |
Henke et al. | The remote lab cloud" GOLDi-labs. net" | |
Knauss et al. | Software-related challenges of testing automated vehicles | |
De Giacomo et al. | Restraining bolts for reinforcement learning agents | |
CN111063230B (zh) | 一种模拟训练仿真系统动作过滤器 | |
US20200126442A1 (en) | System, server, user device including a user interface and road control device that are used for training vehicle maintenance technicians by simulating faults in the electronic communication system of the vehicle | |
Kardan et al. | The usefulness of log based clustering in a complex simulation environment | |
US10762268B2 (en) | Apparatus and method for testing a circuit | |
Khan et al. | Crowd sourced testing through end users for Mobile Learning application in the context of Bring Your Own Device | |
Buchholz et al. | SHPbench–a smart hybrid prototyping based environment for early testing, verification and (user based) validation of advanced driver assistant systems of cars | |
Korečko et al. | A toolset for support of teaching formal software development | |
Soto et al. | An educational tool for implementing reactive systems following a goal‐driven approach | |
Ogata et al. | SMart-Learning: State machine simulators for developing thinking skills | |
Schwamb et al. | Working with ModSAF: Interfaces for programs and users | |
CN111090269B (zh) | 基于生成对抗网络的传感器模拟方法、装置和存储介质 | |
CN110648119A (zh) | 培训方法及装置、存储介质及电子设备 | |
Spichkova et al. | Towards quality-oriented architecture: Integration in a global context | |
Turo et al. | Creation of a Multinational Centre of Excellence on Vetronics to support NATO GVA | |
KR102449985B1 (ko) | 오퍼레이터 통합 훈련 시뮬레이션 방법 및 이를 이용한 훈련 시뮬레이터 | |
US11722379B2 (en) | Systems and methods for a resilient infrastructure simulation environment | |
CN112000318B (zh) | 光电对抗装备教学训练系统通用架构方法、设备及介质 | |
Ko | Preserving non-programmers' motivation with error-prevention and debugging support tools | |
Ishikawa et al. | What top-level software engineers tackle after learning formal methods: experiences from the Top SE project |
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 |