CN112131730A - 群体智能无人系统的定格分析方法及装置 - Google Patents
群体智能无人系统的定格分析方法及装置 Download PDFInfo
- Publication number
- CN112131730A CN112131730A CN202010959369.0A CN202010959369A CN112131730A CN 112131730 A CN112131730 A CN 112131730A CN 202010959369 A CN202010959369 A CN 202010959369A CN 112131730 A CN112131730 A CN 112131730A
- Authority
- CN
- China
- Prior art keywords
- combat
- information
- intelligent unmanned
- data
- unmanned system
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 230000008014 freezing Effects 0.000 title description 5
- 238000007710 freezing Methods 0.000 title description 5
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 67
- 230000009471 action Effects 0.000 claims abstract description 61
- 230000002452 interceptive effect Effects 0.000 claims abstract description 45
- 238000004088 simulation Methods 0.000 claims abstract description 35
- 238000007499 fusion processing Methods 0.000 claims abstract description 32
- 230000007246 mechanism Effects 0.000 claims abstract description 21
- 238000010276 construction Methods 0.000 claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 67
- 238000004891 communication Methods 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 26
- 230000015572 biosynthetic process Effects 0.000 claims description 17
- 238000005755 formation reaction Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims 3
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种群体智能无人系统的定格分析方法及装置，包括构建作战决策模型；实时采集群体智能无人系统的运行数据；运行数据包括：作战行动信息和OODA信息闭环过程数据；根据作战决策模型和运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；将过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到互动流程图中，得到更新后的互动流程图。本发明针对当前作战仿真推演平台中群体智能无人系统模型广泛深入的部署应用，利用数据融合处理后的过滤后战场态势信息对群体智能无人系统模型的复杂行为逻辑和行为准则进行充分有效的展示和验证。
Description
技术领域
本发明属于仿真技术领域，具体涉及一种群体智能无人系统的定格分析方法及装置。
背景技术
群体智能无人系统作为作战装备重要发展方向，在未来多层次立体作战中承担着侦察决策打击一体的关键作用，将具备自主侦察、目标识别、判断威胁、态势评估、规避突防、选择即时优势作战窗口、实施协同火力打击等多种复杂行为能力。随着现有作战仿真推演平台中群体智能无人系统模型的部署越来越广泛深入，群体智能无人系统模型的行为逻辑和行为准则也越来越朝着复杂化智能化的方向不断发展。
在现有作战仿真推演平台连续推进过程中，群体智能无人系统仿真实体受作战仿真想定和动态任务规划的驱动进行仿真运行计算，并在仿真数据的驱动下进行二/三维动态显示。但现有作战仿真推演平台无法全景化细节化地展示群体智能无人系统单体、群体、群间执行OODA环时所涉及的时间、空间、事件等多要素多维立体空间的信息闭环过程以及群体无人系统智能行为的衍生过程。
现有作战仿真推演平台对于群体智能无人系统模型缺乏全景直观的技术展示手段，无法全面化细节化地展示智能无人系统单体、群体、群间执行OODA环(Observe侦察、Orient调整、Decide决策和Act行动)时所涉及的时间、空间、事件等多要素多维立体空间的信息闭环过程以及群体无人系统智能行为的衍生过程，导致群体智能无人系统模型的复杂作战行为逻辑和行为准则无法得到有效的展示和验证。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种群体智能无人系统的定格分析方法及装置，以解决现有技术群体智能无人系统缺乏全景直观的展示的问题。
为实现以上目的，本发明采用如下技术方案：一种群体智能无人系统的定格分析方法，包括：
构建作战决策模型；
实时采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据；
根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；
将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图；所述更新后的互动流程图以可视化的方式展示群体智能无人系统的关键环节信息流转和作战行动决策形成过程，全景化展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
进一步的，所述构建作战决策模型，包括：
构建群体智能无人系统的行为逻辑和行为准则；
根据群体智能无人系统的行为逻辑和行为准则创建作战决策模型，所述作战决策模型包括行为模型和物理模型。
进一步的，所述实时采集群体智能无人系统的OODA信息闭环过程数据和作战行动信息，包括：
选取群体智能无人系统的行动决策时空点；
采用时间定格的模式实时从作战仿真推演过程的仿真过程数据流中抽取群体智能无人系统的作战行动信息数据和OODA信息闭环过程数据。
进一步的，所述将所述过程数据与作战行动信息进行数据融合处理，包括：
利用多传感器信息融合处理，结合外部环境的地理信息数据，对来自群体智能无人系统集群内外部多个探测平台的相关传感器的跟踪数据进行信息分组、异常值剔除、冗余过滤和目标融合处理。
进一步的，所述将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图，包括：
采用战场信息融合算法建立统一的、共用的作战态势图像，将其以滤波处理的融合后态势信息分发到所有参与平台的作战单元上。
进一步的，所述物理模型包括
多个作战编队，用于通过协同分工完成作战任务；
作战单元，是作战编队的独立组成部分，用于分工协同完成作战编队的作战任务；
作战平台，是单个作战单元的作战武器装备。
进一步的，所述行为模型包括：外部接口和内部模块；
所述外部接口包括：
探测设备群接口，用于通过探测设备群感知外部环境态势；
通信设备群接口，用于通信设备群与上级指挥系统和其他群体智能无人系统进行通信交互；
群体行动接口，用于通过多个作战单元的分工协同智能化执行作战任务；
所述内部模块包括：
探测信息融合模块，用于对探测设备群的多源探测信息进行过滤融合处理，获取统一的战场态势信息；
通信信息融合模块，用于对通信设备群的多源通信信息进行过滤融合处理，获取完备的战场通信信息，并且对不同作战编队内的作战单元进行战场通信协调；
群体策略规划模块，用于对融合处理后的战场态势信息和战场通信信息进行分析评估，规划最优的群体策略智能完成作战任务。
进一步的，所述群体智能无人系统的行为逻辑和行为准则包括：
侦察行为、机动行为、攻击行为、通信行为、战场态势分析评估行为。
进一步的，所述作战任务包括：侦察跟踪、指挥调度、对敌攻击和毁伤评估；
所述作战单元包括：单个无人机、无人航行器和无人作战车辆；
所述作战武器装备包括：雷达装备、声纳装备、火控装备、通信装备、弹炮装备和红外探测装备。
本申请实施例提供一种群体智能无人系统的定格装置，包括：
构建模块，用于构建作战决策模型；
采集模块，用于实时采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据；
生成模块，用于根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；
处理模块，用于将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图；所述更新后的互动流程图以可视化的方式展示群体智能无人系统的关键环节信息流转和作战行动决策形成过程，全景化展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
本发明采用以上技术方案，能够达到的有益效果包括：
本发明提供一种群体智能无人系统的定格分析方法，包括构建作战决策模型；实时采集群体智能无人系统的运行数据；运行数据包括：作战行动信息和OODA信息闭环过程数据；根据作战决策模型和运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；将过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到互动流程图中，得到更新后的互动流程图。本发明针对当前作战仿真推演平台中群体智能无人系统模型广泛深入的部署应用，利用数据融合处理后的过滤后战场态势信息对群体智能无人系统模型的复杂行为逻辑和行为准则进行充分有效的展示和验证。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明群体智能无人系统的定格分析方法的步骤示意图；
图2为本发明群体智能无人系统的定格分析方法的流程示意图；
图3为本发明群体智能无人系统的定格装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的群体智能无人系统的定格分析方法。
定格分析技术作为一种创新的作战仿真展示技术，其目的就是在作战仿真推演过程中对群体智能无人系统模型的复杂行为衍生过程和OODA信息闭环过程进行综合信息的提取采集，并且利用数据融合处理后的过滤后战场态势信息对群体智能无人系统作战行动决策生成机制进行全景化细节化地展示和验证。
如图1所示，本申请实施例中提供的群体智能无人系统的定格分析方法包括：
S101，构建作战决策模型；
S102，实时采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据；
S103，根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；
S104，将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图；所述更新后的互动流程图以可视化的方式展示群体智能无人系统的关键环节信息流转和作战行动决策形成过程，全景化展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
群体智能无人系统的定格分析方法的工作原理为：首先构建作战决策模型，开始仿真后定格分析技术采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据，接着定格分析技术根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图，最后用户暂停仿真利用互动流程图精确分析仿真流程，用户分析完成继续仿真，将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图。
一些实施例中，所述构建作战决策模型，包括：
构建群体智能无人系统的行为逻辑和行为准则；
根据群体智能无人系统的行为逻辑和行为准则创建作战决策模型，所述作战决策模型包括行为模型和物理模型。
具体的，群体智能无人系统的行为逻辑和行为准则是指群体内各作战单元在行为模型空间上的逻辑映射,用以定性描述各作战单元的属性、能力、行为和彼此间的交互作用，用以定量描述作战单元的工作状态和协同完成各种作战任务的能力，以及与外部环境的交互过程。群体智能无人系统的行为逻辑和行为准则主要包括侦察行为、机动行为、攻击行为、通信行为、战场态势分析评估行为和其他适应性行为等方面。
通过定性定量构建群体智能无人系统行为逻辑和行为准则，从而准确创建群体智能无人系统的行为模型。通过定性定量分析群体智能无人系统集群内各作战单元协同工作条件下的整体性能参数，从而准确创建群体智能无人系统的物理模型。在群体智能无人系统行为模型和物理模型的精确构建的基础上，定格分析技术采用互动流程图的形式全景化细节化地展示群体智能无人系统作战行动决策生成机制，对群体智能无人系统模型的复杂行为逻辑和OODA信息闭环过程进行高效全面的展示和验证。
如图2所示，群体智能无人系统作战决策模型包括物理模型和行为模型两个部分。
作战决策模型的物理模型部分包括作战编队、作战单元和作战平台。一个复杂的群体智能无人系统可以由多个作战编队组成。每个作战编队侧重不同的作战任务(如侦察跟踪、指挥调度、对敌攻击和毁伤评估等)，作战编队之间通过协同分工智能化完成群体智能无人系统的复杂作战任务。群体智能无人系统的作战单元是作战编队的独立组成部分(如单个无人机、无人航行器和无人作战车辆等)。作战编队内的作战单元也需要进行分工协作共同完成作战编队的作战任务。群体智能无人系统的作战平台是单个作战单元的作战武器装备(如雷达装备、声纳装备、火控装备、通信装备、弹炮装备和红外探测装备等)。
作战决策模型的行为模型部分包括外部接口和内部模块。外部接口包括探测设备群接口，用于群体智能无人系统通过探测设备群感知外部环境态势)；通信设备群接口，用于群体智能无人系统通过通信设备群与上级指挥系统和其他群体智能无人系统进行通信交互；群体行动接口，用于群体智能无人系统通过作战单元群体的分工协同智能化执行复杂作战任务。内部模块包括探测信息融合模块，用于对探测设备群的多源探测信息进行过滤融合处理，获取统一的战场态势信息；通信信息融合模块，用于对通信设备群的多源通信信息进行过滤融合处理，获取完备的战场通信信息，并且对不同作战编队内的作战单元进行战场通信协调；群体策略规划模块，用于对融合处理后的战场态势信息和战场通信信息进行分析评估，规划最优的群体策略智能完成作战任务。
一些实施例中，所述实时采集群体智能无人系统的OODA信息闭环过程数据和作战行动信息，包括：
选取群体智能无人系统的行动决策时空点；
采用时间定格的模式实时从作战仿真推演过程的仿真过程数据流中抽取群体智能无人系统的作战行动信息数据和OODA信息闭环过程数据。
具体的，在仿真连续推进过程中，群体智能无人系统实体单元受仿真想定和动态任务规划的驱动进行仿真运行计算。群体智能无人系统单体、群体、群间执行OODA环时所涉及的时间、空间、事件等多要素多维立体空间的信息闭环过程以及群体无人系统智能行为的衍生过程这些关键的综合信息需要从仿真过程数据流中进行抽取采集。由于推演平台中仿真过程数据流在系统中需要进行缓存处理的数据量大，并且仿真过程中数据流更新的速度会根据仿真步长进行动态调整。为了确保群体智能无人系统相关综合信息提取采集的准确性和实时性，根据仿真过程数据流的结构特点设计优化的检索查询技术和快速的缓存数据访问技术。
可以理解的是，在用户选取的群体智能无人系统行动决策时空点上，定格分析技术采用时间定格的模式，实时从作战仿真推演过程的仿真过程数据流中抽取群体智能无人系统的OODA信息闭环过程数据和作战行动信息数据。由于OODA信息闭环过程数据和作战行动信息涉及到智能群体内多个作战单元的连续过程数据流，定格分析技术在综合信息提取采集过程中能够根据群体智能无人系统的战场态势和毁伤情况进行动态化自适应调整。
一些实施例中，所述将所述过程数据与作战行动信息进行数据融合处理，包括：
利用多传感器信息融合处理，结合外部环境的地理信息数据，对来自群体智能无人系统集群内外部多个探测平台的相关传感器的跟踪数据进行信息分组、异常值剔除、冗余过滤和目标融合处理。
所述将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图，包括：
采用战场信息融合算法建立统一的、共用的作战态势图像，将其以滤波处理的融合后态势信息分发到所有参与平台的作战单元上。
具体的，在作战仿真推演过程中，群体智能无人系统通过集群内部各探测平台和集群外各探测平台获取的探测数据具备多样性和冗余性的特点。由于集群内部各作战单元之间可以共享所有平台的探测数据(包括未处理距离、方位和高低角)。利用多传感器信息融合处理,并且结合外部环境的地理信息数据，对来自群体智能无人系统集群内外部多个探测平台相关传感器的跟踪数据进行信息分组、异常值剔除、冗余过滤和目标融合处理，并通过高效的战场信息融合算法建立一个统一的、共用的作战态势图像，将其以滤波处理的融合后态势信息分发到其它所有参与平台的作战单元上。
对实时采集的群体智能无人系统OODA环节信息和作战行动信息进行数据融合处理，并且将融合处理后的信息数据注入更新到群体智能无人系统行动决策的互动流程图中。在互动流程图中通过可视化的方式展示群体智能无人系统实施作战侦察、判断、决策等关键环节信息流转和作战行动决策形成过程，全景化细节化地展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
本申请提供一种群体智能无人系统的定格装置，如图3所示，包括：
构建模块301，用于构建作战决策模型；
采集模块302，用于实时采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据；
生成模块303，用于根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；
处理模块304，用于将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图；所述更新后的互动流程图以可视化的方式展示群体智能无人系统的关键环节信息流转和作战行动决策形成过程，全景化展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
本申请提供的群体智能无人系统的定格装置的工作原理是，构建模块301构建作战决策模型；采集模块302实时采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据；生成模块303根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；处理模块304将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图；所述更新后的互动流程图以可视化的方式展示群体智能无人系统的关键环节信息流转和作战行动决策形成过程，全景化展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
本申请实施例提供一种计算机设备，包括处理器，以及与处理器连接的存储器；
存储器用于存储计算机程序，计算机程序用于执行上述任一实施例提供的群体智能无人系统的定格分析方法；
处理器用于调用并执行存储器中的计算机程序。
综上所述，本发明提供一种群体智能无人系统的定格分析方法及装置，将定格分析技术集成到作战仿真平台中，使其可以全景化细节化地展示群体智能无人系统作战行动决策生成机制，从而可以对群体智能无人系统模型的复杂行为逻辑和行为准则进行充分有效的展示和验证。
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种群体智能无人系统的定格分析方法，其特征在于，包括：
构建作战决策模型；
实时采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据；
根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；
将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图；所述更新后的互动流程图以可视化的方式展示群体智能无人系统的关键环节信息流转和作战行动决策形成过程，全景化展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
2.根据权利要求1所述的方法，其特征在于，所述构建作战决策模型，包括：
构建群体智能无人系统的行为逻辑和行为准则；
根据群体智能无人系统的行为逻辑和行为准则创建作战决策模型，所述作战决策模型包括行为模型和物理模型。
3.根据权利要求1所述的方法，其特征在于，所述实时采集群体智能无人系统的OODA信息闭环过程数据和作战行动信息，包括：
选取群体智能无人系统的行动决策时空点；
采用时间定格的模式实时从作战仿真推演过程的仿真过程数据流中抽取群体智能无人系统的作战行动信息数据和OODA信息闭环过程数据。
4.根据权利要求1所述的方法，其特征在于，所述将所述过程数据与作战行动信息进行数据融合处理，包括：
利用多传感器信息融合处理，结合外部环境的地理信息数据，对来自群体智能无人系统集群内外部多个探测平台的相关传感器的跟踪数据进行信息分组、异常值剔除、冗余过滤和目标融合处理。
5.根据权利要求1所述的方法，其特征在于，所述将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图，包括：
采用战场信息融合算法建立统一的、共用的作战态势图像，将其以滤波处理的融合后态势信息分发到所有参与平台的作战单元上。
6.根据权利要求2所述的方法，其特征在于，所述物理模型包括
多个作战编队，用于通过协同分工完成作战任务；
作战单元，是作战编队的独立组成部分，用于分工协同完成作战编队的作战任务；
作战平台，是单个作战单元的作战武器装备。
7.根据权利要求6所述的方法，其特征在于，所述行为模型包括：外部接口和内部模块；
所述外部接口包括：
探测设备群接口，用于通过探测设备群感知外部环境态势；
通信设备群接口，用于通信设备群与上级指挥系统和其他群体智能无人系统进行通信交互；
群体行动接口，用于通过多个作战单元的分工协同智能化执行作战任务；
所述内部模块包括：
探测信息融合模块，用于对探测设备群的多源探测信息进行过滤融合处理，获取统一的战场态势信息；
通信信息融合模块，用于对通信设备群的多源通信信息进行过滤融合处理，获取完备的战场通信信息，并且对不同作战编队内的作战单元进行战场通信协调；
群体策略规划模块，用于对融合处理后的战场态势信息和战场通信信息进行分析评估，规划最优的群体策略智能完成作战任务。
8.根据权利要求2所述的方法，其特征在于，所述群体智能无人系统的行为逻辑和行为准则包括：
侦察行为、机动行为、攻击行为、通信行为、战场态势分析评估行为。
9.根据权利要求6所述的方法，其特征在于，
所述作战任务包括：侦察跟踪、指挥调度、对敌攻击和毁伤评估；
所述作战单元包括：单个无人机、无人航行器和无人作战车辆；
所述作战武器装备包括：雷达装备、声纳装备、火控装备、通信装备、弹炮装备和红外探测装备。
10.一种群体智能无人系统的定格装置，其特征在于，包括：
构建模块，用于构建作战决策模型；
采集模块，用于实时采集群体智能无人系统的运行数据；所述运行数据包括：作战行动信息和OODA信息闭环过程数据；
生成模块，用于根据所述作战决策模型和所述运行数据进行全景构建群体智能无人系统作战行动决策生成机制的互动流程图；
处理模块，用于将所述过程数据与作战行动信息进行数据融合处理，并将融合处理后的信息数据注入更新到所述互动流程图中，得到更新后的互动流程图；所述更新后的互动流程图以可视化的方式展示群体智能无人系统的关键环节信息流转和作战行动决策形成过程，全景化展示群体智能无人系统行为的生成机制，图形化展示群体智能无人系统的作战效益和作战增益。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010959369.0A CN112131730B (zh) | 2020-09-14 | 2020-09-14 | 群体智能无人系统的定格分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010959369.0A CN112131730B (zh) | 2020-09-14 | 2020-09-14 | 群体智能无人系统的定格分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112131730A true CN112131730A (zh) | 2020-12-25 |
| CN112131730B CN112131730B (zh) | 2024-04-30 |
Family
ID=73845588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010959369.0A Active CN112131730B (zh) | 2020-09-14 | 2020-09-14 | 群体智能无人系统的定格分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112131730B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139697A (zh) * | 2021-05-12 | 2021-07-20 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于作战仿真的智能兵力关联方法 |
| CN113656962A (zh) * | 2021-08-16 | 2021-11-16 | 中国电子科技集团公司第五十四研究所 | 一种基于信息流的战略层博弈推演方法 |
| CN114428695A (zh) * | 2022-01-11 | 2022-05-03 | 中国人民解放军国防科技大学 | 一种针对群体无人系统行为树的异常分级处理方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100015579A1 (en) * | 2008-07-16 | 2010-01-21 | Jerry Schlabach | Cognitive amplification for contextual game-theoretic analysis of courses of action addressing physical engagements |
| CN101908085A (zh) * | 2010-06-28 | 2010-12-08 | 北京航空航天大学 | 一种基于多Agent的分布式推演仿真系统与方法 |
| CN107193639A (zh) * | 2017-06-05 | 2017-09-22 | 北京航空航天大学 | 一种支持联合作战的多核并行仿真引擎系统 |
| CN107783545A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于ooda环多传感器信息融合的灾后救援旋翼无人机避障系统 |
| CN107783106A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 无人机与障碍物之间的数据融合方法 |
| CN108257217A (zh) * | 2017-12-22 | 2018-07-06 | 华北计算技术研究所（中国电子科技集团公司第十五研究所） | 一种基于视觉感知拓扑关系模型的作战编队可视化方法 |
| CN108646589A (zh) * | 2018-07-11 | 2018-10-12 | 北京晶品镜像科技有限公司 | 一种攻击无人机编队的作战模拟训练系统及方法 |
| US20190213285A1 (en) * | 2018-01-05 | 2019-07-11 | Goodrich Corporation | Information fusion in multi-domain operational environment |
| CN110781584A (zh) * | 2019-10-11 | 2020-02-11 | 南京智能仿真技术研究院有限公司 | 一种空军无人机智能仿真作战系统 |
| CN111159095A (zh) * | 2020-01-02 | 2020-05-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种异构融合的嵌入式智能计算实现方法 |
| CN111290430A (zh) * | 2020-02-17 | 2020-06-16 | 一飞智控(天津)科技有限公司 | 一种无人机编队舞步上传传输控制系统、方法、智能终端 |
| CN111414006A (zh) * | 2020-03-27 | 2020-07-14 | 中国人民解放军国防科技大学 | 基于分布式顺次分配的无人机集群侦察任务规划方法 |
-
2020
- 2020-09-14 CN CN202010959369.0A patent/CN112131730B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100015579A1 (en) * | 2008-07-16 | 2010-01-21 | Jerry Schlabach | Cognitive amplification for contextual game-theoretic analysis of courses of action addressing physical engagements |
| CN101908085A (zh) * | 2010-06-28 | 2010-12-08 | 北京航空航天大学 | 一种基于多Agent的分布式推演仿真系统与方法 |
| CN107783545A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于ooda环多传感器信息融合的灾后救援旋翼无人机避障系统 |
| CN107783106A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 无人机与障碍物之间的数据融合方法 |
| CN107193639A (zh) * | 2017-06-05 | 2017-09-22 | 北京航空航天大学 | 一种支持联合作战的多核并行仿真引擎系统 |
| CN108257217A (zh) * | 2017-12-22 | 2018-07-06 | 华北计算技术研究所（中国电子科技集团公司第十五研究所） | 一种基于视觉感知拓扑关系模型的作战编队可视化方法 |
| US20190213285A1 (en) * | 2018-01-05 | 2019-07-11 | Goodrich Corporation | Information fusion in multi-domain operational environment |
| CN108646589A (zh) * | 2018-07-11 | 2018-10-12 | 北京晶品镜像科技有限公司 | 一种攻击无人机编队的作战模拟训练系统及方法 |
| CN110781584A (zh) * | 2019-10-11 | 2020-02-11 | 南京智能仿真技术研究院有限公司 | 一种空军无人机智能仿真作战系统 |
| CN111159095A (zh) * | 2020-01-02 | 2020-05-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种异构融合的嵌入式智能计算实现方法 |
| CN111290430A (zh) * | 2020-02-17 | 2020-06-16 | 一飞智控(天津)科技有限公司 | 一种无人机编队舞步上传传输控制系统、方法、智能终端 |
| CN111414006A (zh) * | 2020-03-27 | 2020-07-14 | 中国人民解放军国防科技大学 | 基于分布式顺次分配的无人机集群侦察任务规划方法 |
Non-Patent Citations (2)
| Title |
|---|
| 伊山等: "智能无人集群体系作战仿真系统功能与架构设计", 《指挥控制与仿真》, vol. 42, no. 5, 23 June 2020 (2020-06-23), pages 65 - 69 * |
| 许瑞明;黄谦;: "群体智能无人机系统作战仿真需求分析关键问题", 指挥控制与仿真, no. 06, 15 December 2019 (2019-12-15) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139697A (zh) * | 2021-05-12 | 2021-07-20 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于作战仿真的智能兵力关联方法 |
| CN113139697B (zh) * | 2021-05-12 | 2022-01-28 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于作战仿真的智能兵力关联方法 |
| CN113656962A (zh) * | 2021-08-16 | 2021-11-16 | 中国电子科技集团公司第五十四研究所 | 一种基于信息流的战略层博弈推演方法 |
| CN114428695A (zh) * | 2022-01-11 | 2022-05-03 | 中国人民解放军国防科技大学 | 一种针对群体无人系统行为树的异常分级处理方法及系统 |
| CN114428695B (zh) * | 2022-01-11 | 2024-05-28 | 中国人民解放军国防科技大学 | 一种针对群体无人系统行为树的异常分级处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112131730B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112131730A (zh) | 群体智能无人系统的定格分析方法及装置 | |
| CN110929394B (zh) | 基于超网络理论的联合作战体系建模方法以及存储介质 | |
| CN108305275B (zh) | 主动跟踪方法、装置及系统 | |
| CN112131786B (zh) | 基于多智能体强化学习的目标探测与分配方法及装置 | |
| CN112307622B (zh) | 一种用于计算机生成兵力的自主规划系统及规划方法 | |
| CN108459616B (zh) | 基于人工蜂群算法的无人机群协同覆盖航路规划方法 | |
| CN110781584A (zh) | 一种空军无人机智能仿真作战系统 | |
| CN114397911B (zh) | 一种基于多智能体的无人机集群对抗决策方法 | |
| CN112221149B (zh) | 一种基于深度强化学习的炮兵连智能作战演练系统 | |
| CN111625930A (zh) | 一种桌面式自行火炮模拟训练系统 | |
| CN108170158B (zh) | 基于数据驱动的无人机智能对抗控制方法 | |
| CN109885082B (zh) | 一种基于任务驱动下的无人机航迹规划的方法 | |
| US20220413500A1 (en) | System and Method for Robotic Mission Planning & Routing | |
| CN112824998A (zh) | 马尔可夫决策过程的多无人机协同航路规划方法和装置 | |
| CN110109653A (zh) | 一种陆战兵棋智能引擎及其运行方法 | |
| CN116360503B (zh) | 一种无人机博弈对抗策略生成方法、系统及电子设备 | |
| CN116051319A (zh) | 一种战术协同作战仿真模拟训练系统和方法 | |
| CN112284188A (zh) | 一种基于自适应步长离散狼群算法的无人机攻防决策方法 | |
| CN112651486A (zh) | 一种提高maddpg算法收敛速度的方法及其应用 | |
| Lee et al. | Deep AI military staff: Cooperative battlefield situation awareness for commander’s decision making | |
| CN110377054B (zh) | 一种基于机载平台的无人机集群控制系统及方法 | |
| CN112494949B (zh) | 智能体行动策略制定方法、服务器及存储介质 | |
| CN112129164B (zh) | 一种武器站智能辅助决策系统架构 | |
| CN117077428A (zh) | 一种针对战场多维需求的火力规划目标函数的构造方法 | |
| CN117150757A (zh) | 一种基于数字孪生的仿真推演系统 |
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 |