CN112036019A - 一种作战体系概念模型到作战体系仿真模型的映射方法 - Google Patents
一种作战体系概念模型到作战体系仿真模型的映射方法 Download PDFInfo
- Publication number
- CN112036019A CN112036019A CN202010861089.6A CN202010861089A CN112036019A CN 112036019 A CN112036019 A CN 112036019A CN 202010861089 A CN202010861089 A CN 202010861089A CN 112036019 A CN112036019 A CN 112036019A
- Authority
- CN
- China
- Prior art keywords
- combat
- data
- model
- ontology
- knowledge base
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种作战体系概念模型到作战体系仿真模型的映射方法,是一种着重实现智能且自动化的映射方法,在保证映射可行性的基础上提升了映射的可靠性。通过搭建作战领域知识库,将作战领域中所涉及的领域概念相联系,利用武器装备性能参数和作战概念层次关系代替人工映射方法中的专家知识;基于作战领域知识库提出一种面向作战领域的语义相似度算法,能够将武器装备本体匹配为仿真平台已有模型中最为相似的武器装备模型,可以代替人工映射方法中的专家逻辑;在解决数据表现形式不一致的同时,可以极大减少传统人工映射方法中的人工成本和专家知识储备,不具备太多专业知识的普通体系工作人员也可完成映射操作。
Description
技术领域
本发明涉及作战仿真技术领域,尤其涉及一种作战体系概念模型到作战体系仿真模型的映射方法。
背景技术
目前,语义匹配技术已广泛应用于自然语言领域的词义消歧、信息检索等多个方面,但其在作战领域却鲜有应用。通过构建语义匹配算法所依赖的知识库,将语义匹配技术引入作战领域,应用于作战体系概念模型到作战体系仿真模型的映射环节,具有重要意义和前景。
随着武器装备智能化和信息化的程度越来越高,未来战场的军事行动将趋向于武器装备体系与体系之间的对抗。作战体系概念模型作为体系结构设计结果,记载着作战体系内部元素之间的组合与串联关系;作战体系仿真模型作为体系建模仿真的输入,规定作战体系仿真运行中的规则和结构。作战体系概念模型和作战体系仿真模型这两类文件都为XML格式文件,然而,由于作战体系概念模型和作战体系仿真模型这两类文件的数据表现形式不一致,导致二者之间相互割裂、衔接性不强,存在一定的数据壁垒和映射差距。
现有的作战体系概念模型到作战体系仿真模型的通用映射方法为体系仿真客户聘请既熟悉体系设计原则又通晓体系仿真流程的专家人员,专家在理解具体体系概念与设计思想后,操作想定编辑工具完成仿真模型设置,该方法下体系数据重用率高,但存在体系生命周期延长、体系开发成本增多等弊端。目前缺乏一种从作战体系概念模型到作战体系仿真模型的自动化映射方法。
发明内容
有鉴于此,本发明提供了一种作战体系概念模型到作战体系仿真模型的映射方法,用以提供一种智能且自动化的映射方法。
本发明提供的一种作战体系概念模型到作战体系仿真模型的映射方法,包括如下步骤:
S1:依据武器装备的性能参数和同义词,构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库;
S2:对照作战体系概念模型的描述范围与待生成作战体系仿真模型的描述范围,确定所述作战体系概念模型与所述待生成作战体系仿真模型之间存在可复用关系的作战概念数据范围,运用XML解析技术解析所述作战体系概念模型,提取作战概念数据;
S3:针对已建立的作战领域知识库,设计面向作战领域的语义匹配算法;
S4:依据仿真平台已有的仿真实体模型建立目标本体库,对提取出的作战概念数据进行智能匹配;
S5:按照仿真平台已有的作战体系仿真模型模板整合智能匹配后的作战概念数据,生成作战体系仿真模型。
在一种可能的实现方式中,在本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法中,步骤S1,依据武器装备的性能参数和同义词,构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库,具体包括如下步骤:
S11:规划作战领域概念本体树状知识结构,组织武器装备的性能参数数据,形成作战领域本体知识库,包括本体结构库、飞行器类知识库、船类知识库和潜艇类知识库;其中,所述本体结构库为五层结构,前四层结构中的本体均为概念本体,第五层结构中的本体为实际武器装备本体,第一层结构具有一个作战本体,第二层结构具有海军、空军和陆军三个本体,第三层结构具有飞机、船、潜艇和机场四个本体,第四层结构具有49个本体,包括巡逻船、登陆舰和运输船,第五层结构具有4064个本体,包括J-10、J-15和Y-8,第五层结构中本体的具体性能参数存储于飞行器类知识库、船类知识库和潜艇类知识库中;飞行器类知识库具有2148个飞行器本体,包括最大飞行速度、最小飞行速度、高度、长度、翼展、最大载荷、空重、最大重量、传感器探测距离、最大载油和载人数11维性能指标;船类知识库具有1642个船本体,包括最大航行速度、船宽、吃水深度、长度、满载排水量、空载排水量、传感器探测距离和载人数8维性能指标;潜艇类知识库具有274个潜艇本体,包括最大航行速度、最大下潜深度、船宽、吃水深度、长度、排水量、传感器探测距离和载人数8维性能指标;
S12:针对所述作战领域本体知识库中武器装备名称的同义词,形成作战领域同义词库。
在一种可能的实现方式中,在本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法中,步骤S2,对照作战体系概念模型的描述范围与待生成作战体系仿真模型的描述范围,确定所述作战体系概念模型与所述待生成作战体系仿真模型之间存在可复用关系的作战概念数据范围,运用XML解析技术解析所述作战体系概念模型,提取作战概念数据,具体包括如下步骤:
S21:根据待生成作战体系仿真模型描述范围的5W原则,结合仿真平台已有的作战体系仿真模型模板,确定所述待生成作战体系仿真模型中记载数据的类型和属性;
S22:根据DoDAF 2.0理论对各视点下不同模型描述范围和内容的规定,确定作战体系概念模型中数据的类型和属性;
S23:将所述作战体系概念模型中的数据与所述待生成作战体系仿真模型中的数据进行比对,确定所述作战体系概念模型中的作战概念数据范围;
S24:根据所述作战概念数据范围,确定作战概念数据的数据模式,包括XML标签及节点;
S25:以正则表达式设定目标数据的数据模式,包括XML标签及节点;其中,所述目标数据为在所述待生成作战体系仿真模型中可复用的数据;
S26:读取所述作战体系概念模型,在XML解析程序的内存空间中形成包含体系概念和体系数据的DOM树;
S27:使用Xpath语法和SelectNodes函数对所述DOM树进行数据查找和定位;
S28:根据所述作战概念数据的数据模式对经数据查找和定位获取的数据进行筛选,得到实际解析的作战概念数据。
在一种可能的实现方式中,在本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法中,步骤S3,针对已建立的作战领域知识库,设计面向作战领域的语义匹配算法,具体包括:
基于路径距离部分Simp、本体特征部分Simψ和特征参数值部分Simv,有如下语义匹配算法公式:
Sim(SE1,SE2)=α×Simp(SE1,SE2)+β×Simψ(SE,SE2)+μ×Simv(SE1,SE2) (1)
其中,α,β,μ为待定参数;Sim(SE1,SE2)表示本体SE1和本体SE2之间的语义相似度数值;
基于路径距离部分Simp,有如下算法公式:
其中,Distance(SE1,SE2)表示本体SE1和本体SE2之间的距离;LCS(SE1,SE2)表示本体SE1和本体SE2的最小公共包含节点;Depth(LCS(SE1,SE2))表示本体SE1和本体SE2的最小公共包含节点的深度;Maxdep表示本体库的最大深度;
基于本体特征部分Simψ,有如下算法公式:
其中,ψ(SE1)表示本体SE1的特征集合,ψ(SE2)表示本体SE2的特征集合,ψ(SE1)∩ψ(SE2)表示本体SE1的特征集合与本体SE2的特征集合的交集,ψ(SE1)\ψ(SE2)表示独属于本体SE1而不属于本体SE2的特征集合;ψ(SE2)\ψ(SE1)表示独属于本体SE2而不属于本体SE1的特征集合,Depth(SE1)表示本体SE1的深度,Depth(SE2)表示本体SE2的深度,γ是定义非共同特征的相对重要性的函数;
基于特征参数值部分Simv,有如下算法公式:
其中,n为ψ(SE1)∩ψ(SE2)中的相同特征个数;x1i为相同特征中本体SE1第i个特征的属性值,x2i为相同特征中本体SE2第i个特征的属性值,i=1,2,…,n。
在一种可能的实现方式中,在本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法中,步骤S4,依据仿真平台已有的仿真实体模型建立目标本体库,对提取出的作战概念数据进行智能匹配,具体包括如下步骤:
S41:依据仿真平台已有的仿真实体模型建立目标本体库,判断提取的作战概念数据是否存在于所述作战领域同义词库中;若是,则执行步骤S42;若否,则执行步骤S43;
S42:将所述作战概念数据匹配为所述作战领域本体知识库中的武器装备名称标准型,使用设计的语义匹配算法进行语义匹配操作;
S43:将所述作战概念数据通过Levenshtein算法进行字段相似度匹配操作。
在一种可能的实现方式中,在本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法中,步骤S5,按照仿真平台已有的作战体系仿真模型模板整合智能匹配后的作战概念数据,生成作战体系仿真模型,具体包括:
S51:调用与生成XML相关的DOM技术,构建对象节点,按照仿真平台已有的作战体系仿真模型模板将智能匹配完成的作战概念数据插入到对应的对象节点中,得到DOM树;若对象节点没有对应的作战概念数据,则在该对象节点中插入默认值;
S52:将得到的DOM树逆向生成XML格式文件,导出作战体系仿真模型。
本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法,针对现有映射方法中人工成本大、专家知识要求高的情况提出。首先,根据武器装备的性能参数和同义词,在本地构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库;然后,对照作战体系概念模型和作战体系仿真模型确定可复用的作战概念数据范围,运用XML解析技术解析作战体系概念模型,提取作战概念数据;接着,基于作战领域知识库,提出基于路径距离、基于特征、基于特征参数值的混合式语义匹配算法,并根据仿真平台已有模型,对作战概念数据进行智能匹配;最后,按照作战体系仿真模型模板,整合匹配后的作战概念数据,运用XML生成技术生成作战体系仿真模型;上述方法是一种着重实现智能且自动化的映射方法,在保证映射可行性的基础上提升了映射的可靠性。通过搭建作战领域知识库,将作战领域中所涉及的领域概念相联系,利用武器装备性能参数和作战概念层次关系代替人工映射方法中的专家知识;基于作战领域知识库提出一种面向作战领域的语义相似度算法,能够将武器装备本体匹配为仿真平台已有模型中最为相似的武器装备模型,可以代替人工映射方法中的专家逻辑;在解决数据表现形式不一致的同时,可以极大减少传统人工映射方法中的人工成本和专家知识储备,不具备太多专业知识的普通体系工作人员也可完成映射操作。
附图说明
图1为本发明提供的一种作战体系概念模型到作战体系仿真模型的映射方法的流程图;
图2a为作战领域本体知识库中本体结构库的存储形式图;
图2b为作战领域本体知识库中飞行器类知识库的存储形式图;
图2c为作战领域本体知识库中船类知识库的存储形式图;
图2d为作战领域本体知识库中潜艇类知识库的存储形式图;
图3为作战领域同义词库的存储形式图;
图4a为作战体系概念模型中组织关系图;
图4b为作战体系概念模型中作战活动模型图;
图4c为作战体系概念模型的XML数据形式图;
图5为对作战概念数据进行智能匹配的流程示意图;
图6a为作战体系仿真模型的XML数据形式图;
图6b为作战体系仿真模型导入到仿真推演平台后的活动类型及顺序示意图;
图6c为作战体系仿真模型导入到仿真推演平台后的兵力关系示意图;
图6d为作战体系仿真模型导入到仿真推演平台后设置的路径点信息图;
图6e为作战体系仿真模型导入到仿真推演平台后运行推演过程示意图。
具体实施方式
下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整的描述,显然,所描述的实施方式仅仅是作为例示,并非用于限制本发明。
本发明提供的一种作战体系概念模型到作战体系仿真模型的映射方法,具体是一种基于作战领域知识库的将作战体系概念模型中作战概念数据向作战体系仿真模型中作战仿真数据进行匹配映射的方法,如图1所示,包括如下步骤:
S1:依据武器装备的性能参数和同义词,构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库;
S2:对照作战体系概念模型的描述范围与待生成作战体系仿真模型的描述范围,确定作战体系概念模型与待生成作战体系仿真模型之间存在可复用关系的作战概念数据范围,运用XML(Extensible Markup Language,可扩展标记语音)解析技术解析作战体系概念模型,提取作战概念数据;
S3:针对已建立的作战领域知识库,设计面向作战领域的语义匹配算法;
S4:依据仿真平台已有的仿真实体模型建立目标本体库,对提取出的作战概念数据进行智能匹配;
S5:按照仿真平台已有的作战体系仿真模型模板整合智能匹配后的作战概念数据,生成作战体系仿真模型。
下面通过一个具体的实施例对本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法的具体实施进行详细说明。
实施例1:
第一步:依据武器装备的性能参数和同义词,构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库。第一步可以为后续的智能匹配计算提供支持。
具体包括如下两个步骤:
(1)规划作战领域概念本体树状知识结构,组织武器装备的性能参数数据,形成作战领域本体知识库,包括本体结构库、飞行器类知识库、船类知识库和潜艇类知识库。
本体结构库为五层结构,前四层结构中的本体均为概念本体,第五层结构中的本体为实际武器装备本体,如图2a所示。第一层结构中的本体与第二层结构中的本体的关系为上下位关系,第二层结构中的本体与第三层结构中的本体的关系为上下位关系,第三层结构中的本体与第四层结构中的本体的关系为上下位关系,第四层结构中的本体与第五层结构中的本体的关系为上下位关系。具体地,第一层结构具有一个作战本体,第二层结构具有海军、空军和陆军三个本体,第三层结构具有飞机、船、潜艇和机场四个本体,第四层结构具有49个本体,例如巡逻船、登陆舰和运输船等,第五层结构具有4064个本体,例如J-10(即歼-10,是中国自主研制的轻型、多功能、超音速、全天候、采用鸭式布局的第四代战斗机)、J-15(即歼-15,是中国参考从乌克兰获得苏-33战斗机原型机T-10K-3以国产歼-11战斗机为基础进而研制和发展的单座双发舰载战斗机)和Y-8(即运-8,运输机,是中国航空工业陕西飞机制造公司研制的四发涡轮螺桨中程运输机,可用于空投、空降、运输、救生及海上作业等多种用途)等,第五层结构中本体的具体性能参数存储于飞行器类知识库、船类知识库和潜艇类知识库中。
如图2b所示,飞行器类知识库具有2148个飞行器本体,包括最大飞行速度、最小飞行速度、高度、长度、翼展、最大载荷、空重、最大重量、传感器探测距离、最大载油和载人数11维性能指标。
如图2c所示,船类知识库具有1642个船本体,包括最大航行速度、船宽、吃水深度、长度、满载排水量、空载排水量、传感器探测距离和载人数8维性能指标。
如图2d所示,潜艇类知识库具有274个潜艇本体,包括最大航行速度、最大下潜深度、船宽、吃水深度、长度、排水量、传感器探测距离和载人数8维性能指标。
(2)针对作战领域本体知识库中武器装备名称的同义词,形成作战领域同义词库。
如图3所示,作战领域同义词库包含作战领域本体知识库中的4064个武器装备本体名称及其同义词,以作战领域本体知识库中的本体名称作为同义词库中武器装备名称的标准型,其他同义词作为非标准型;每个本体具有一至十个不等数量的同义词,其同义词来源于维基百科词条结果。
第二步:对照作战体系概念模型的描述范围与待生成作战体系仿真模型的描述范围,确定作战体系概念模型与待生成作战体系仿真模型之间存在可复用关系的作战概念数据范围,运用XML解析技术解析作战体系概念模型,提取作战概念数据。
具体包括如下八个步骤:
(1)根据待生成作战体系仿真模型描述范围的5W原则(Who,What,When,Where,How),结合仿真平台已有的作战体系仿真模型模板,确定待生成作战体系仿真模型中记载数据的类型和属性。
(2)根据DoDAF 2.0理论对各视点下不同模型描述范围和内容的规定,确定作战体系概念模型中数据的类型和属性。
(3)将作战体系概念模型中的数据与待生成作战体系仿真模型中的数据进行比对,确定作战体系概念模型中的作战概念数据范围。
(4)根据作战概念数据范围,确定作战概念数据的数据模式,包括XML标签及节点;以便于后续数据筛选工作的进行。
通过上述四个步骤,可以得到作战体系概念模型中数据与待生成作战体系仿真模型中节点的对应关系,如表1所示。
表1
序号 | 概念模型中数据 | 仿真模型中节点 |
1 | 作战单元间的层次关系 | Organizations |
2 | 武器装备模型 | Organizations |
3 | 武器装备模型参数 | Organizations |
4 | 作战单元的阵营关系 | ForceSides |
5 | 执行的活动 | Plan |
6 | 活动模型参数 | Plan |
7 | 活动执行路径 | TacticalGraphics |
(5)以正则表达式设定目标数据的数据模式,包括XML标签及节点;其中,目标数据为在待生成作战体系仿真模型中可复用的数据。
(6)读取作战体系概念模型,图4a为编队防空反导作战体系概念模型中组织关系图,图4b为编队防空反导作战体系概念模型中作战活动模型图,图4c为编队防空反导作战体系概念模型的XML数据形式,在XML解析程序的内存空间中形成包含体系概念和体系数据的DOM(Document Object Model,文档对象模型)树。
(7)使用Xpath语法和SelectNodes函数对DOM树进行数据查找和定位。
(8)根据作战概念数据的数据模式对经数据查找和定位获取的数据进行筛选,得到实际解析的作战概念数据。
第三步:针对已建立的作战领域知识库,设计面向作战领域的语义匹配算法。
本发明所设计的面向作战领域的语义匹配算法中主要对象为武器装备本体,武器装备间的差距很大一部分来源于装备性能及性能参数。类比于本体的相关概念,装备性能为本体特征在作战领域的具体表现,装备性能参数为本体特征值在作战领域的具体表现,因此,本发明定义新的语义匹配算法是基于路径距离部分Simp、本体特征部分Simψ和特征参数值部分Simv三部分的混合式算法,有如下语义匹配算法公式:
Sim(SE1,SE2)=α×Simp(SE1,SE2)+β×Simψ(SE1,SE2)+μ×Simv(SE1,SE2) (1)
其中,α,β,μ为待定参数;Sim(SE1,SE2)表示本体SE1和本体SE2之间的语义相似度数值;
基于路径距离部分Simp,有如下算法公式:
其中,Distance(SE1,SE2)表示本体SE1和本体SE2之间的距离;LCS(SE1,SE2)表示本体SE1和本体SE2的最小公共包含节点;Depth(LCS(SE1,SE2))表示本体SE1和本体SE2的最小公共包含节点的深度;Maxdep表示本体库的最大深度;
基于本体特征部分Simψ,有如下算法公式:
其中,ψ(SE1)表示本体SE1的特征集合,ψ(SE2)表示本体SE2的特征集合,ψ(SE1)∩ψ(SE2)表示本体SE1的特征集合与本体SE2的特征集合的交集,ψ(SE1)\ψ(SE2)表示独属于本体SE1而不属于本体SE2的特征集合;ψ(SE2)\ψ(SE1)表示独属于本体SE2而不属于本体SE1的特征集合,Depth(SE1)表示本体SE1的深度,Depth(SE2)表示本体SE2的深度,γ是定义非共同特征的相对重要性的函数;
基于特征参数值部分Simv,有如下算法公式:
其中,n为ψ(SE1)∩ψ(SE2)中的相同特征个数;x1i为相同特征中本体SE1第i个特征的属性值,x2i为相同特征中本体SE2第i个特征的属性值,i=1,2,…,n。
通过实验测定,当α=2.26,β=0.04,μ=0.51时,本发明提出的语义匹配算法计算结果与人工评估结果最为接近,相似程度为83.53%。
第四步:依据仿真平台已有的仿真实体模型建立目标本体库,对提取出的作战概念数据进行智能匹配,如图5所示。
依据仿真平台已有的仿真实体模型建立目标本体库,判断提取的作战概念数据是否存在于作战领域同义词库中;若是,则将作战概念数据匹配为作战领域本体知识库中的武器装备名称标准型,使用设计的语义匹配算法进行语义匹配操作;若否,则将作战概念数据通过Levenshtein算法进行字段相似度匹配操作。
在实际情况中,作战领域同义词库包含所有在作战领域本体知识库中出现的武器装备的名称标准型。为了在实际匹配计算过程中克服体系结构建模人员在建模时使用的武器装备名称不一但指向同一武器装备的情况,例如,装备实例“歼-10”与装备实例“J-10”,这两种写法均表示装备型号为“歼-10”的飞行器,但其名称表现形式上存在一定差异,而这种差异性也将对基于本体知识的语义计算带来一定负担,因此,本发明先对解析出的武器装备实体数据进行基于同义词库的查找工作。
如果作战概念数据存在于作战领域同义词库中,则将其匹配为作战领域本体知识库中的武器装备名称标准型,并使用本发明提出的语义匹配算法进行语义计算;如果作战概念数据不存在于作战领域同义词库中,则表明本发明所构建的作战领域知识库中不存在该武器装备,因此,将其名称与目标本体库中武器装备模型的名称进行字段相似度匹配。字段相似度算法采用的Levenshtein算法:
其中,字符串1长度为t,字符串2长度为m,此处t>m,前m个字符中有相同字符i个。
第五步:按照仿真平台已有的作战体系仿真模型模板整合智能匹配后的作战概念数据,生成作战体系仿真模型。
具体包括如下两个步骤:
(1)调用与生成XML相关的DOM技术,构建对象节点,按照仿真平台已有的作战体系仿真模型模板将智能匹配完成的作战概念数据插入到对应的对象节点中,得到DOM树;若对象节点没有对应的作战概念数据,则在该对象节点中插入默认值;
(2)将得到的DOM树逆向生成XML格式文件,导出作战体系仿真模型。
最终生成的作战体系仿真模型参见图6a~图6e,其中代表飞行器类武器,代表飞行器类武器编队,代表船类武器,代表船类武器编队。图6a为作战体系仿真模型的XML数据形式,图6b~图6d分别为生成的作战体系仿真模型导入到仿真推演平台后初始化运行结果,图6e为生成的作战体系仿真模型导入到仿真推演平台后运行推演过程示意,由此可见,本发明所生成的作战体系仿真模型已成功运行。由此可知,本发明所设计生成的作战体系仿真模型格式无误,本发明所设计的作战体系概念模型到作战体系仿真模型的映射过程有效。
本发明提供的上述作战体系概念模型到作战体系仿真模型的映射方法,针对现有映射方法中人工成本大、专家知识要求高的情况提出。首先,根据武器装备的性能参数和同义词,在本地构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库;然后,对照作战体系概念模型和作战体系仿真模型确定可复用的作战概念数据范围,运用XML解析技术解析作战体系概念模型,提取作战概念数据;接着,基于作战领域知识库,提出基于路径距离、基于特征、基于特征参数值的混合式语义匹配算法,并根据仿真平台已有模型,对作战概念数据进行智能匹配;最后,按照作战体系仿真模型模板,整合匹配后的作战概念数据,运用XML生成技术生成作战体系仿真模型;上述方法是一种着重实现智能且自动化的映射方法,在保证映射可行性的基础上提升了映射的可靠性。通过搭建作战领域知识库,将作战领域中所涉及的领域概念相联系,利用武器装备性能参数和作战概念层次关系代替人工映射方法中的专家知识;基于作战领域知识库提出一种面向作战领域的语义相似度算法,能够将武器装备本体匹配为仿真平台已有模型中最为相似的武器装备模型,可以代替人工映射方法中的专家逻辑;在解决数据表现形式不一致的同时,可以极大减少传统人工映射方法中的人工成本和专家知识储备,不具备太多专业知识的普通体系工作人员也可完成映射操作。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种作战体系概念模型到作战体系仿真模型的映射方法,其特征在于,包括如下步骤:
S1:依据武器装备的性能参数和同义词,构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库;
S2:对照作战体系概念模型的描述范围与待生成作战体系仿真模型的描述范围,确定所述作战体系概念模型与所述待生成作战体系仿真模型之间存在可复用关系的作战概念数据范围,运用XML解析技术解析所述作战体系概念模型,提取作战概念数据;
S3:针对已建立的作战领域知识库,设计面向作战领域的语义匹配算法;
S4:依据仿真平台已有的仿真实体模型建立目标本体库,对提取出的作战概念数据进行智能匹配;
S5:按照仿真平台已有的作战体系仿真模型模板整合智能匹配后的作战概念数据,生成作战体系仿真模型。
2.如权利要求1所述的作战体系概念模型到作战体系仿真模型的映射方法,其特征在于,步骤S1,依据武器装备的性能参数和同义词,构建作战领域知识库,包括作战领域本体知识库和作战领域同义词库,具体包括如下步骤:
S11:规划作战领域概念本体树状知识结构,组织武器装备的性能参数数据,形成作战领域本体知识库,包括本体结构库、飞行器类知识库、船类知识库和潜艇类知识库;其中,所述本体结构库为五层结构,前四层结构中的本体均为概念本体,第五层结构中的本体为实际武器装备本体,第一层结构具有一个作战本体,第二层结构具有海军、空军和陆军三个本体,第三层结构具有飞机、船、潜艇和机场四个本体,第四层结构具有49个本体,包括巡逻船、登陆舰和运输船,第五层结构具有4064个本体,包括J-10、J-15和Y-8,第五层结构中本体的具体性能参数存储于飞行器类知识库、船类知识库和潜艇类知识库中;飞行器类知识库具有2148个飞行器本体,包括最大飞行速度、最小飞行速度、高度、长度、翼展、最大载荷、空重、最大重量、传感器探测距离、最大载油和载人数11维性能指标;船类知识库具有1642个船本体,包括最大航行速度、船宽、吃水深度、长度、满载排水量、空载排水量、传感器探测距离和载人数8维性能指标;潜艇类知识库具有274个潜艇本体,包括最大航行速度、最大下潜深度、船宽、吃水深度、长度、排水量、传感器探测距离和载人数8维性能指标;
S12:针对所述作战领域本体知识库中武器装备名称的同义词,形成作战领域同义词库。
3.如权利要求1所述的作战体系概念模型到作战体系仿真模型的映射方法,其特征在于,步骤S2,对照作战体系概念模型的描述范围与待生成作战体系仿真模型的描述范围,确定所述作战体系概念模型与所述待生成作战体系仿真模型之间存在可复用关系的作战概念数据范围,运用XML解析技术解析所述作战体系概念模型,提取作战概念数据,具体包括如下步骤:
S21:根据待生成作战体系仿真模型描述范围的5W原则,结合仿真平台已有的作战体系仿真模型模板,确定所述待生成作战体系仿真模型中记载数据的类型和属性;
S22:根据DoDAF 2.0理论对各视点下不同模型描述范围和内容的规定,确定作战体系概念模型中数据的类型和属性;
S23:将所述作战体系概念模型中的数据与所述待生成作战体系仿真模型中的数据进行比对,确定所述作战体系概念模型中的作战概念数据范围;
S24:根据所述作战概念数据范围,确定作战概念数据的数据模式,包括XML标签及节点;
S25:以正则表达式设定目标数据的数据模式,包括XML标签及节点;其中,所述目标数据为在所述待生成作战体系仿真模型中可复用的数据;
S26:读取所述作战体系概念模型,在XML解析程序的内存空间中形成包含体系概念和体系数据的DOM树;
S27:使用Xpath语法和SelectNodes函数对所述DOM树进行数据查找和定位;
S28:根据所述作战概念数据的数据模式对经数据查找和定位获取的数据进行筛选,得到实际解析的作战概念数据。
4.如权利要求1所述的作战体系概念模型到作战体系仿真模型的映射方法,其特征在于,步骤S3,针对已建立的作战领域知识库,设计面向作战领域的语义匹配算法,具体包括:
基于路径距离部分Simp、本体特征部分Simψ和特征参数值部分Simv,有如下语义匹配算法公式:
Sim(SE1,SE2)=α×Simp(SE1,SE2)+β×Simψ(SE1,SE2)+μ×Simv(SE1,SE2) (1)
其中,α,β,μ为待定参数;Sim(SE1,SE2)表示本体SE1和本体SE2之间的语义相似度数值;
基于路径距离部分Simp,有如下算法公式:
其中,Distance(SE1,SE2)表示本体SE1和本体SE2之间的距离;LCS(SE1,SE2)表示本体SE1和本体SE2的最小公共包含节点;Depth(LCS(SE1,SE2))表示本体SE1和本体SE2的最小公共包含节点的深度;Maxdep表示本体库的最大深度;
基于本体特征部分Simψ,有如下算法公式:
其中,ψ(SE1)表示本体SE1的特征集合,ψ(SE2)表示本体SE2的特征集合,ψ(SE1)∩ψ(SE2)表示本体SE1的特征集合与本体SE2的特征集合的交集,ψ(SE1)\ψ(SE2)表示独属于本体SE1而不属于本体SE2的特征集合;ψ(SE2)\ψ(SE1)表示独属于本体SE2而不属于本体SE1的特征集合,Depth(SE1)表示本体SE1的深度,Depth(SE2)表示本体SE2的深度,γ是定义非共同特征的相对重要性的函数;
基于特征参数值部分Simv,有如下算法公式:
其中,n为ψ(SE1)∩ψ(SE2)中的相同特征个数;x1i为相同特征中本体SE1第i个特征的属性值,x2i为相同特征中本体SE2第i个特征的属性值,i=1,2,…,n。
5.如权利要求1所述的作战体系概念模型到作战体系仿真模型的映射方法,其特征在于,步骤S4,依据仿真平台已有的仿真实体模型建立目标本体库,对提取出的作战概念数据进行智能匹配,具体包括如下步骤:
S41:依据仿真平台已有的仿真实体模型建立目标本体库,判断提取的作战概念数据是否存在于所述作战领域同义词库中;若是,则执行步骤S42;若否,则执行步骤S43;
S42:将所述作战概念数据匹配为所述作战领域本体知识库中的武器装备名称标准型,使用设计的语义匹配算法进行语义匹配操作;
S43:将所述作战概念数据通过Levenshtein算法进行字段相似度匹配操作。
6.如权利要求1所述的作战体系概念模型到作战体系仿真模型的映射方法,其特征在于,步骤S5,按照仿真平台已有的作战体系仿真模型模板整合智能匹配后的作战概念数据,生成作战体系仿真模型,具体包括:
S61:调用与生成XML相关的DOM技术,构建对象节点,按照仿真平台已有的作战体系仿真模型模板将智能匹配完成的作战概念数据插入到对应的对象节点中,得到DOM树;若对象节点没有对应的作战概念数据,则在该对象节点中插入默认值;
S62:将得到的DOM树逆向生成XML格式文件,导出作战体系仿真模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010861089.6A CN112036019B (zh) | 2020-08-25 | 2020-08-25 | 一种作战体系概念模型到作战体系仿真模型的映射方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010861089.6A CN112036019B (zh) | 2020-08-25 | 2020-08-25 | 一种作战体系概念模型到作战体系仿真模型的映射方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036019A true CN112036019A (zh) | 2020-12-04 |
CN112036019B CN112036019B (zh) | 2022-07-26 |
Family
ID=73581122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010861089.6A Active CN112036019B (zh) | 2020-08-25 | 2020-08-25 | 一种作战体系概念模型到作战体系仿真模型的映射方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036019B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627024A (zh) * | 2021-08-13 | 2021-11-09 | 中国人民解放军32021部队 | 基于知识库规则推理的装备效能评估方法及装置 |
CN115146486A (zh) * | 2022-09-02 | 2022-10-04 | 中电太极(集团)有限公司 | 面向效能评估系统的评估方法及装置 |
CN115860166A (zh) * | 2022-09-02 | 2023-03-28 | 中国兵器科学研究院 | 一种海军陆战登陆规划装置及其方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005052720A2 (en) * | 2003-11-28 | 2005-06-09 | Electronics And Telecommunications Research Institute | Knowledge modeling system using ontology |
CN101556641A (zh) * | 2009-05-05 | 2009-10-14 | 北京航空航天大学 | 基于概念模型推演的仿真系统 |
US20140214383A1 (en) * | 2013-01-25 | 2014-07-31 | International Business Machines Corporation | Composite simulation modeling and analysis |
CN104866371A (zh) * | 2015-05-12 | 2015-08-26 | 中国人民解放军装甲兵工程学院 | 一种基于Agent行动图的作战建模方法与仿真系统 |
CN106598590A (zh) * | 2016-12-12 | 2017-04-26 | 华东师范大学 | 一种软件体系结构建模与仿真方法 |
CN107967134A (zh) * | 2017-11-20 | 2018-04-27 | 中国人民解放军国防科技大学 | 一种新型作战效能仿真建模方法 |
-
2020
- 2020-08-25 CN CN202010861089.6A patent/CN112036019B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005052720A2 (en) * | 2003-11-28 | 2005-06-09 | Electronics And Telecommunications Research Institute | Knowledge modeling system using ontology |
CN101556641A (zh) * | 2009-05-05 | 2009-10-14 | 北京航空航天大学 | 基于概念模型推演的仿真系统 |
US20140214383A1 (en) * | 2013-01-25 | 2014-07-31 | International Business Machines Corporation | Composite simulation modeling and analysis |
CN104866371A (zh) * | 2015-05-12 | 2015-08-26 | 中国人民解放军装甲兵工程学院 | 一种基于Agent行动图的作战建模方法与仿真系统 |
CN106598590A (zh) * | 2016-12-12 | 2017-04-26 | 华东师范大学 | 一种软件体系结构建模与仿真方法 |
CN107967134A (zh) * | 2017-11-20 | 2018-04-27 | 中国人民解放军国防科技大学 | 一种新型作战效能仿真建模方法 |
Non-Patent Citations (5)
Title |
---|
XIAOMING DONG 等: "Methods for XML Based Data Modeling and Model-Driven Development of Interfaces in Ship Combat System Simulation", 《2012 INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND ELECTRONICS ENGINEERING》, 23 April 2012 (2012-04-23) * |
刚建勋 等: "航母编队作战体系超网络建模", 《舰船科学技术》, vol. 41, no. 5, 31 May 2019 (2019-05-31) * |
曾广迅,龚光红,李妮: "基于语义匹配的作战体系仿真想定生成方法", 《系统工程与电子技术》, vol. 43, no. 8, 31 August 2021 (2021-08-31) * |
杜国红等: "基于MBSE的作战概念建模框架研究", 《指挥控制与仿真》, no. 03, 30 June 2020 (2020-06-30) * |
顾闯等: "基于规则推理的军事概念模型验证方法研究", 《计算机应用研究》, no. 12, 30 July 2013 (2013-07-30) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627024A (zh) * | 2021-08-13 | 2021-11-09 | 中国人民解放军32021部队 | 基于知识库规则推理的装备效能评估方法及装置 |
CN113627024B (zh) * | 2021-08-13 | 2022-03-11 | 中国人民解放军32021部队 | 基于知识库规则推理的装备效能评估方法及装置 |
CN115146486A (zh) * | 2022-09-02 | 2022-10-04 | 中电太极(集团)有限公司 | 面向效能评估系统的评估方法及装置 |
CN115860166A (zh) * | 2022-09-02 | 2023-03-28 | 中国兵器科学研究院 | 一种海军陆战登陆规划装置及其方法 |
CN115860166B (zh) * | 2022-09-02 | 2024-04-19 | 中国兵器科学研究院 | 一种海军陆战登陆规划装置及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112036019B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112036019B (zh) | 一种作战体系概念模型到作战体系仿真模型的映射方法 | |
CN111309925B (zh) | 一种军事装备的知识图谱构建方法 | |
CN113806513A (zh) | 一种基于军事领域知识图谱的问答系统构建方法及系统 | |
CN113268591B (zh) | 基于事理图谱的空中目标意图判证方法及系统 | |
CN113254507B (zh) | 一种数据资产目录智能构建盘点方法 | |
CN115422323A (zh) | 一种基于知识图谱的情报智能问答方法 | |
CN109933669A (zh) | 一种战场态势数据标签的匹配方法 | |
Chao et al. | Construction and application research of knowledge graph in spacecraft launch | |
Lubars et al. | Developing initial OOA models | |
CN117217602A (zh) | 一种通用化及自动化的无人机任务效能评估指标构建方法 | |
WO2019036478A1 (en) | SYSTEM AND METHOD FOR PROCESSING, ANALYZING AND DISPLAYING COMPUTERIZED DATA | |
Gonzalez | Complex multidisciplinary system composition for aerospace vehicle conceptual design | |
Shiue et al. | Forecasting unmanned vehicle technologies: Use of patent map | |
Jafer et al. | SES and ecore for ontology-based scenario modeling in aviation scenario definition language (ASDL) | |
Phillips et al. | Developing a tactical language for future robotic teammates | |
Roth et al. | A probabilistic approach to UCAV engine sizing | |
Utturwar et al. | A bi-level optimization approach for technology selection | |
Justin et al. | On-Demand Small UAS Architecture Selection and Rapid Manufacturing using a Model-Based Systems Engineering Approach | |
CN117592385B (zh) | 基于影响因子的体系设计优化方法、服务器及存储介质 | |
Andrade et al. | MIKA: Manager for Intelligent Knowledge Access Toolkit for Engineering Knowledge Discovery and Information Retrieval | |
CN113806481B (zh) | 一种面向百科数据的作战事件抽取方法 | |
Zhu et al. | Knowledge Graph Based Adversarial Radar Threat Assessment | |
CN116932510A (zh) | 一种海上任务规划与推演仿真分析方法 | |
Han et al. | Research on Generating Mechanism of Commander's Critical Information Requirements | |
Bakhtouchi et al. | An English-French-Arabic-Chinese Terminology, Features, Classification and Database for drones |
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 |