CN113469359B - 基于知识图谱的弹目匹配方法、系统、设备及可读存储介质 - Google Patents
基于知识图谱的弹目匹配方法、系统、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113469359B CN113469359B CN202110651084.5A CN202110651084A CN113469359B CN 113469359 B CN113469359 B CN 113469359B CN 202110651084 A CN202110651084 A CN 202110651084A CN 113469359 B CN113469359 B CN 113469359B
- Authority
- CN
- China
- Prior art keywords
- missile
- matching
- matrix
- cruise
- target
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明公开了一种基于知识图谱的弹目匹配方法、系统、设备及可读存储介质,所述弹目匹配方法,包括以下步骤:基于知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,制定获得基于一票否决制的弹目匹配的评价规则;基于所述弹目匹配的评价规则,选取相应型号的巡航导弹。本发明能够实现在进行弹目匹配时可以不依靠经验丰富的专家,可减少主观性,提高匹配精准度和效率。
Description
技术领域
本发明属于人工智能、知识图谱技术领域,涉及巡航导弹作战运用影响因素的知识描述方法,特别涉及一种基于知识图谱的弹目匹配方法、系统、设备及可读存储介质。
背景技术
巡航导弹从发射、导航、制导直至命中并毁伤目标,全过程与其发射平台、飞行空间、战斗部性能、拟打击目标特性等紧密相关,各阶段均受气象、地理、电磁等环境因素的影响,这些影响因素和巡航导弹的使用规则,共同形成巡航导弹的运用原则,是决策的重要依据。
巡航导弹的运用原则本质上是一种知识,由于缺少标准规范的知识体描述,存在数据格式不统一,内容不完整,不利于知识的传承与使用,很难保证巡航导弹作战运用时效性、科学性、合理性和准确性;现在进行弹目匹配时主要依靠经验丰富的专家,主观性较强,匹配精准度和效率较低。
发明内容
本发明的目的在于提供一种基于知识图谱的弹目匹配方法、系统、设备及可读存储介质,以解决上述存在的一个或多个技术问题。本发明能够实现在进行弹目匹配时可以不依靠经验丰富的专家,可减少主观性,提高匹配精准度和效率。
为达到上述目的,本发明采用以下技术方案:
本发明的一种基于知识图谱的弹目匹配方法,包括以下步骤:
基于知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;
基于预获取的巡航导弹特征矩阵的要素值,依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;
根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,结合专家知识的方法选择预设必须满足要素项,制定获得基于一票否决制的弹目匹配的评价规则;
基于所述弹目匹配的评价规则,选取相应型号的巡航导弹,完成弹目匹配。
本发明的进一步改进在于,在选取相应型号的巡航导弹之后,还包括:对选取的各型号巡航导弹进行优先级排序。
本发明的进一步改进在于,预获取的导弹作战运用影响因素特征模型矩阵的获取步骤包括:
通过巡航导弹基础属性、发射平台、导航系统、制导系统、战斗部、约束条件六个维度的特征向量模型对导弹作战运用影响因素进行数据建模,获得导弹作战运用影响因素特征模型矩阵;
其中,巡航导弹基础属性特征向量模型包括弹重、弹长、翼展、最大有效射程要素;发射平台特征向量模型按照通用发射平台与陆基、海基、空基发射平台的描述要素,分别构建属性特征向量与三元组的描述形式;导航系统特征向量模型按照通用导航系统与卫星导航、惯性导航的描述要素,分别构建属性特征向量与三元组的描述形式;制导系统特征向量模型按照通用制导系统与不同类型制导系统的要素,分别构建属性特征向量与三元组的描述形式;战斗部特征向量模型按照通用战斗部与不同类型战斗部的要素,分别构建属性特征向量与三元组的描述形式;约束条件特征向量模型按照各类自然、地理、电磁、目标、规则约束条件,分别构建约束条件特征向量与三元组的描述形式。
本发明的进一步改进在于,
式中,A为导弹作战运用影响因素特征模型矩阵;E1,E2,E3,E4,E5,E6分别为巡航导弹属性、发射平台、导航系统、制导系统、战斗部和约束条件的特征向量;e11表示弹重,e12表示弹长,e13表示命中精度,e14表示命中率,e15表示最大有效射程;e21为风速,e22为降雨,e23为发射平台类型,e24为发射平台速度,e25为海况;e31为发射区域,e32为巡航区域,e33为导航类型,e34为打击区域,e35为导航精度;e41为攻击下滑距离,e42为探测距离,e43为开机距离,e44为自导距离,e45为搜索距离;e51为毁伤效应、e52为引燃效应,e53为当量,e54为直径,e55为超压效应;e61为雷电,e62为图像干扰,e63为遮挡情况,e64为卫星干扰,e65为目标材质。
本发明的进一步改进在于,所述目标特征矩阵包括地理位置、目标材质、目标尺寸,要素均以知识图谱的三元组形式表示。
本发明的进一步改进在于,所述弹目匹配评价标准为,
本发明的进一步改进在于,第i型导弹的弹目匹配矩阵表示为:
本发明的一种基于知识图谱的弹目匹配系统,包括:
弹目匹配评价标准获取模块,用于根据知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;
弹目匹配矩阵获取模块,用于根据预获取的巡航导弹特征矩阵的要素值,依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;
评价规则获取模块,用于根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,结合专家知识的方法选择预设必须满足要素项,制定获得基于一票否决制的弹目匹配的评价规则;
弹目匹配模块,用于根据所述弹目匹配的评价规则,选取相应型号的巡航导弹,完成弹目匹配。
本发明的一种电子设备,包括:处理器;存储器,用于存储计算机程序指令;所述计算机程序指令由所述处理器加载并运行时,所述处理器执行本发明任一项所述的弹目匹配方法。
本发明的一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序指令,所述计算机程序指令被处理器加载并运行时,所述处理器执行本发明任一项所述的弹目匹配方法。
与现有技术相比,本发明具有以下有益效果:
本发明的方法中,利用巡航导弹技战术指标、作战和试验等数据以及拟打击目标特性数据,构建巡航导弹作战运用影响因素的知识图谱,确定各影响因素,重点开展巡航导弹本体属性、发射平台、导航系统、制导系统、战斗部等方面的描述方法研究,形成层次化、结构化的巡航导弹作战运用数据链条,利用巡航导弹评价矩阵和专家知识进行弹目匹配,为巡航导弹的精准、高效和科学使用提供技术支撑;将专家的经验和弹药的能力知识化,采用基于知识图谱的巡航导弹作战运用影响因素描述方法是进行智能化、自动化弹目匹配的基础。本发明的基于知识表示的导弹作战运用效能评价方法有利于知识的挖掘与传承,在进行弹目匹配时可以不依靠经验丰富的专家,减少主观性的同时,匹配精准度和效率也会大大提高。
本发明中,将零碎的巡航导弹知识碎片以三元组的形式结构化,通过知识图谱的形式串联起来,规范了属性和关系的描述,详细的描述了所有影响威力的因素,为智能化弹目匹配提供了知识数据基础。
本发明中,利用知识图谱的结构化数据构建了导弹作战运用影响因素特征模型矩阵,根据巡航导弹评价矩阵和专家知识模型完成了知识推理,实现了智能弹目匹配,为巡航导弹的精准、高效和科学使用提供技术支撑。
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,下面对实施例或现有技术描述中所需要使用的附图做简单的介绍;显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来说,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是本发明实施例中,巡航导弹作战运用影响因素图谱的示意图;
图2是本发明实施例中,巡航导弹弹目匹配评价示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述;显然,所描述的实施例是本发明一部分实施例。基于本发明公开的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例,都应属于本发明保护的范围。
请参阅图1,本发明实施例的一种基于知识图谱的弹目匹配方法,是一种基于知识图谱的巡航导弹作战运用影响因素描述方法,包括如下步骤:
将巡航导弹的作战影响因素划分为发射平台、导航系统、制导系统、战斗部、约束条件5个部分,结合巡航导弹属性基础属性特征向量模型构建巡航导弹自身属性的要素项,并按照知识图谱中三元组进行描述;具体的,发射平台特征向量模型按照通用发射平台与陆基、海基、空基发射平台的描述要素,分别构建属性特征向量与三元组的描述形式;导航系统特征向量模型按照通用导航系统与卫星导航、惯性导航等描述要素,分别构建属性特征向量与三元组的描述形式;制导系统特征向量模型按照通用制导系统与不同类型制导系统的要素,分别构建属性特征向量与三元组的描述形式;战斗部特征向量模型按照通用战斗部与不同类型战斗部的要素,分别构建属性特征向量与三元组的描述形式;约束条件特征向量模型按照各类自然、地理、电磁、目标、规则约束条件,分别构建约束条件特征向量与三元组的描述形式,基于五部分的特征向量构建导弹作战运用影响因素特征模型矩阵;采用巡航导弹评价矩阵将各类型巡航导弹符合规则的特征筛选出来,通过专家知识的方法,设定弹目匹配的评价规则,对巡航导弹进行选取。
本发明实施例的方法,将零碎的巡航导弹知识碎片以三元组的形式结构化,通过知识图谱的形式串联起来,规范了属性和关系的描述,详细的描述了所有影响威力的因素,为智能化弹目匹配提供了知识数据基础。本发明利用知识图谱的结构化数据构建了导弹作战运用影响因素特征模型矩阵,根据巡航导弹评价矩阵和专家知识模型完成了知识推理,实现了智能弹目匹配,为巡航导弹的精准、高效和科学使用提供技术支撑。
本发明实施例的一种基于知识图谱的弹目匹配方法,具体实现步骤如下:
步骤1、建立巡航导弹基础属性的特征向量模型,该特征向量模型是描述巡航导弹自身属性的要素指标集,主要包括弹重、弹长、命中精度、命中率、最大有效射程等要素。特征向量的具体表示形式为:
E1=[e11,e12,e13,e14,e15],
其中,E1是巡航导弹属性的特征向量,e11表示弹重,e12表示弹长,e13表示命中精度(CEP),e14表示命中率,e15表示最大有效射程,向量里的要素均以知识图谱的三元组形式表示。
步骤2、建立发射平台的特征向量模型,该特征向量模型是描述发射平台的要素指标集,空基发射平台主要包括飞行高度、飞行速度、风速、降雨等要素,海基发射平台主要包括舰船速度、海况等级等要素。特征向量的具体表示形式为:
E2=[e21,e22,e23,e24,e25],
其中,E2是发射平台的特征向量,e21为风速,e22为降雨,e23为发射平台类型,e24为发射平台速度,e25为海况,向量里的要素均以知识图谱的三元组形式表示。
步骤3、建立导航系统的特征向量模型,该特征向量模型是描述导航系统的要素指标集,主要包括发射区域、巡航区域、导航精度等要素。特征向量的具体表示形式为:
E3=[e31,e32,e33,e34,e35],
其中,E3是导航系统的特征向量,e31为发射区域,e32为巡航区域,e33为导航类型,e34为打击区域,e35为导航精度,向量里的要素均以知识图谱的三元组形式表示。
步骤4、建立制导系统的特征向量模型,该特征向量模型是描述制导系统的要素指标集,通用的要素指标主要包括攻击下滑距离、开机距离、探测距离、搜索距离等。针对不同具体类型的制导系统,要素指标按照不同类型的制导系统而产生相应的变化,其中主动雷达制导包括工作波段、工作带宽、发射功率、搜索角度范围、捕捉距离范围、跟踪距离范围、最大作用距离、最大作用距离等要素,被动雷达制导包括反辐射频率、探测距离范围、搜索距离范围等要素,电视制导包括目标背景对比度、抗烟雾、尘、雨情况、抗图像干扰情况等要素,红外成像制导主要为目标背景温差要素。特征向量的具体表示形式为:
E4=[e41,e42,e43,e44,e45],
其中,E4是制导系统的特征向量,e41为攻击下滑距离,e42为探测距离,e43为开机距离,e44为自导距离,e45为搜索距离,向量里的要素均以知识图谱的三元组形式表示。
步骤5、建立战斗部的特征向量模型,该特征向量模型是描述战斗部的要素指标集,主要包括毁伤效应、引燃效应、材质类型等要素。特征向量的具体表示形式为:
E5=[e51,e52,e53,e54,e55]
其中,E5是战斗部的特征向量,e51为当量、e52为毁伤效应,e53为直径,e54为长度,e55为材质类型,向量里的要素均以知识图谱的三元组形式表示,由于该特征向量里的要素涉及到战斗部多方面的因素,将需通过公式计算得到数值的要素采用单独的库表将公式存储在数据库中,并与要素进行关联,供构建弹目匹配矩阵时调用计算数值。
步骤6、建立约束条件的特征向量模型,该特征向量模型是描述约束条件的要素指标集,主要包括自然环境约束、地理环境约束、电磁环境约束、目标约束、规则约束等要素。特征向量的具体表示形式为:
E6=[e61,e62,e63,e64,e65],
其中,E6是约束条件的特征向量,e61为雷电,e62为图像干扰,e63为遮挡情况,e64为卫星干扰,e65为目标材质,向量里的要素均以知识图谱的三元组形式表示。
步骤7、通过前面巡航导弹基础属性、发射平台、导航系统、制导系统、战斗部、约束条件等六个维度的特征向量模型对导弹作战运用影响因素进行数据建模,形成导弹作战运用影响因素特征模型矩阵表示如下:
其中,A为导弹作战运用影响因素特征模型矩阵,E1,E2,E3,E4,E5,E6分别为巡航导弹属性、发射平台、导航系统、制导系统、战斗部和约束条件的特征向量,e11表示弹重,e12表示弹长,e13表示命中精度(CEP),e14表示命中率,e15表示最大有效射程,e21为风速,e22为降雨,e23为发射平台类型,e24为发射平台速度,e25为海况,e31为发射区域,e32为巡航区域,e33为导航类型,e34为打击区域,e35为导航精度,e41为攻击下滑距离,e42为探测距离,e43为开机距离,e44为自导距离,e45为搜索距离,e51为毁伤效应、e52为引燃效应,e53为当量,e54为直径,e55为超压效应,e61为雷电,e62为图像干扰,e63为遮挡情况,e64为卫星干扰,e65为目标材质。
步骤8、依据目标不同方面的特征,按照步骤1至7的建模原理构建目标特征矩阵,该矩阵用来描述目标的特征要素,包括地理位置、目标材质、目标尺寸等,其要素均以知识图谱的三元组形式表示。
步骤9、根据不同的作战任务、不同的打击目标,基于知识图谱将导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,同时构建弹目匹配评价标准,其具体如表1所示:
表1.弹目匹配评价标准表
步骤10、参阅图2,利用库表中巡航导弹特征矩阵的要素值,并调用数据库中存储的函数计算其他需要计算的相关要素数值,依据弹目匹配评价标准,将各类型巡航导弹符合规则的特征筛选出来,构建各型巡航导弹的弹目匹配矩阵,即符合规则记为1,反之则为0。弹目匹配矩阵具体如下所示:
步骤11、根据弹目匹配矩阵筛选出来各型巡航导弹的特征集合,结合专家知识的方法,根据不同的作战任务和打击目标,选择必须满足要素项,包括攻击距离、毁伤效应等要素,制定基于一票否决制的弹目匹配的评价规则,选取相应型号的巡航导弹,并对选取的各型号巡航导弹进行优先级排序,辅助用户决策。
本发明实施例的一种基于知识图谱的弹目匹配系统,包括:
弹目匹配评价标准获取模块,用于根据知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;
弹目匹配矩阵获取模块,用于根据预获取的巡航导弹特征矩阵的要素值,依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;
评价规则获取模块,用于根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,结合专家知识的方法选择预设必须满足要素项,制定获得基于一票否决制的弹目匹配的评价规则;
弹目匹配模块,用于根据所述弹目匹配的评价规则,选取相应型号的巡航导弹,完成弹目匹配。
本发明实施例的一种电子设备,包括:
在硬件层面,该电子设备包括:处理器,可选的还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存储器,也可能还包括非易失性存储器,例如,至少一个磁盘存储器等。当然,该电子设备可能还包括其他业务所需的硬件。
处理器、网络接口、存储器通过内部总线互相连接,该内部总线可以是工业标准体系结构总线、外设部件互连标准总线、扩展工业标准结构总线等。总线可以分为地址总线、数据总线、控制总线等。
存储器用于存放程序。具体地,程序可以包括程序代码、所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成上述电子设备。处理器执行程序时,具体执行以下操作:基于知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;基于预获取的巡航导弹特征矩阵的要素值,依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,结合专家知识的方法选择预设必须满足要素项,制定获得基于一票否决制的弹目匹配的评价规则;基于所述弹目匹配的评价规则,选取相应型号的巡航导弹,完成弹目匹配。
本发明实施例的一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序指令,所述计算机程序指令被处理器加载并运行时,所述处理器执行的分层方法包括:基于知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;基于预获取的巡航导弹特征矩阵的要素值,依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,结合专家知识的方法选择预设必须满足要素项,制定获得基于一票否决制的弹目匹配的评价规则;基于所述弹目匹配的评价规则,选取相应型号的巡航导弹,完成弹目匹配。具体地,所述计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。所述易失性存储器可以包括随机存储存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器可以包括只读存储器(ROM)、硬盘、闪存、光盘、磁盘等。
综上,本发明涉及人工智能、知识图谱领域,具体涉及巡航导弹作战运用影响因素的知识描述方法。本发明公开了一种基于知识图谱的弹目匹配方法,是一种基于知识图谱的巡航导弹作战运用影响因素描述方法,利用巡航导弹技战术指标、作战和试验等数据及拟打击目标特性数据,将这些零碎的知识碎片以三元组的形式结构化,通过知识图谱的形式串联起来,构建出巡航导弹作战运用影响因素的知识图谱,定义与组建各影响因素,形成层次化、结构化的巡航导弹作战运用数据链条,为智能弹目匹配提供了知识数据基础。同时构建了导弹作战运用影响因素特征模型矩阵,根据巡航导弹评价矩阵和专家知识模型完成了知识推理,实现了利用巡航导弹评价矩阵和专家知识的智能弹目匹配,为巡航导弹的精准、高效和科学使用提供技术支撑。
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、CD-ROM、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装置的制造品,该指令装置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。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (5)
1.一种基于知识图谱的弹目匹配方法,其特征在于,包括以下步骤:
基于知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;
基于预获取的巡航导弹特征矩阵的要素值,依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;
根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,结合专家知识的方法选择预设必须满足要素项,制定获得基于一票否决制的弹目匹配的评价规则;
基于所述弹目匹配的评价规则,选取相应型号的巡航导弹,完成弹目匹配;
其中,预获取的导弹作战运用影响因素特征模型矩阵的获取步骤包括:通过巡航导弹基础属性、发射平台、导航系统、制导系统、战斗部、约束条件六个维度的特征向量模型对导弹作战运用影响因素进行数据建模,获得导弹作战运用影响因素特征模型矩阵;其中,巡航导弹基础属性特征向量模型包括弹重、弹长、翼展、最大有效射程要素;发射平台特征向量模型按照通用发射平台与陆基、海基、空基发射平台的描述要素,分别构建属性特征向量与三元组的描述形式;导航系统特征向量模型按照通用导航系统与卫星导航、惯性导航的描述要素,分别构建属性特征向量与三元组的描述形式;制导系统特征向量模型按照通用制导系统与不同类型制导系统的要素,分别构建属性特征向量与三元组的描述形式;战斗部特征向量模型按照通用战斗部与不同类型战斗部的要素,分别构建属性特征向量与三元组的描述形式;约束条件特征向量模型按照各类自然、地理、电磁、目标、规则约束条件,分别构建约束条件特征向量与三元组的描述形式;
式中,A为导弹作战运用影响因素特征模型矩阵;E1,E2,E3,E4,E5,E6分别为巡航导弹属性、发射平台、导航系统、制导系统、战斗部和约束条件的特征向量;e11表示弹重,e12表示弹长,e13表示命中精度,e14表示命中率,e15表示最大有效射程;e21为风速,e22为降雨,e23为发射平台类型,e24为发射平台速度,e25为海况;e31为发射区域,e32为巡航区域,e33为导航类型,e34为打击区域,e35为导航精度;e41为攻击下滑距离,e42为探测距离,e43为开机距离,e44为自导距离,e45为搜索距离;e51为毁伤效应、e52为引燃效应,e53为当量,e54为直径,e55为超压效应;e61为雷电,e62为图像干扰,e63为遮挡情况,e64为卫星干扰,e65为目标材质;
所述目标特征矩阵包括地理位置、目标材质、目标尺寸,要素均以知识图谱的三元组形式表示;
所述弹目匹配评价标准为,
;第i型导弹的弹目匹配矩阵表示为:
2.根据权利要求1所述的一种基于知识图谱的弹目匹配方法,其特征在于,在选取相应型号的巡航导弹之后,还包括:对选取的各型号巡航导弹进行优先级排序。
3.一种基于知识图谱的弹目匹配系统,其特征在于,包括:
弹目匹配评价标准获取模块,用于根据知识图谱将预获取的导弹作战运用影响因素特征模型矩阵和目标特征矩阵的各要素进行关联匹配,构建获得弹目匹配评价标准;
弹目匹配矩阵获取模块,用于根据预获取的巡航导弹特征矩阵的要素值,依据所述弹目匹配评价标准,筛选出各型巡航导弹符合规则的特征,构建各型巡航导弹的弹目匹配矩阵;
评价规则获取模块,用于根据不同的作战任务和打击目标,基于弹目匹配矩阵筛选出各型巡航导弹的特征集合,结合专家知识的方法选择预设必须满足要素项,制定获得基于一票否决制的弹目匹配的评价规则;
弹目匹配模块,用于根据所述弹目匹配的评价规则,选取相应型号的巡航导弹,完成弹目匹配;
其中,预获取的导弹作战运用影响因素特征模型矩阵的获取步骤包括:通过巡航导弹基础属性、发射平台、导航系统、制导系统、战斗部、约束条件六个维度的特征向量模型对导弹作战运用影响因素进行数据建模,获得导弹作战运用影响因素特征模型矩阵;其中,巡航导弹基础属性特征向量模型包括弹重、弹长、翼展、最大有效射程要素;发射平台特征向量模型按照通用发射平台与陆基、海基、空基发射平台的描述要素,分别构建属性特征向量与三元组的描述形式;导航系统特征向量模型按照通用导航系统与卫星导航、惯性导航的描述要素,分别构建属性特征向量与三元组的描述形式;制导系统特征向量模型按照通用制导系统与不同类型制导系统的要素,分别构建属性特征向量与三元组的描述形式;战斗部特征向量模型按照通用战斗部与不同类型战斗部的要素,分别构建属性特征向量与三元组的描述形式;约束条件特征向量模型按照各类自然、地理、电磁、目标、规则约束条件,分别构建约束条件特征向量与三元组的描述形式;
式中,A为导弹作战运用影响因素特征模型矩阵;E1,E2,E3,E4,E5,E6分别为巡航导弹属性、发射平台、导航系统、制导系统、战斗部和约束条件的特征向量;e11表示弹重,e12表示弹长,e13表示命中精度,e14表示命中率,e15表示最大有效射程;e21为风速,e22为降雨,e23为发射平台类型,e24为发射平台速度,e25为海况;e31为发射区域,e32为巡航区域,e33为导航类型,e34为打击区域,e35为导航精度;e41为攻击下滑距离,e42为探测距离,e43为开机距离,e44为自导距离,e45为搜索距离;e51为毁伤效应、e52为引燃效应,e53为当量,e54为直径,e55为超压效应;e61为雷电,e62为图像干扰,e63为遮挡情况,e64为卫星干扰,e65为目标材质;
所述目标特征矩阵包括地理位置、目标材质、目标尺寸,要素均以知识图谱的三元组形式表示;
所述弹目匹配评价标准为,
;第i型导弹的弹目匹配矩阵表示为:
4.一种电子设备,包括:处理器;存储器,用于存储计算机程序指令;其特征在于,
所述计算机程序指令由所述处理器加载并运行时,所述处理器执行权利要求1或2所述的弹目匹配方法。
5.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器加载并运行时,所述处理器执行权利要求1或2所述的弹目匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110651084.5A CN113469359B (zh) | 2021-06-10 | 2021-06-10 | 基于知识图谱的弹目匹配方法、系统、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110651084.5A CN113469359B (zh) | 2021-06-10 | 2021-06-10 | 基于知识图谱的弹目匹配方法、系统、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469359A CN113469359A (zh) | 2021-10-01 |
CN113469359B true CN113469359B (zh) | 2023-04-18 |
Family
ID=77869596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110651084.5A Active CN113469359B (zh) | 2021-06-10 | 2021-06-10 | 基于知识图谱的弹目匹配方法、系统、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469359B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114626239B (zh) * | 2022-03-22 | 2023-03-28 | 中国人民解放军国防科技大学 | 一种基于体系效能链的多属性综合评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9778007B1 (en) * | 2016-06-20 | 2017-10-03 | International Business Machines Corporation | Matching a spent firearm cartridge |
CN109241591A (zh) * | 2018-08-21 | 2019-01-18 | 哈尔滨工业大学 | 反舰导弹作战效能评估及辅助决策方法 |
CN109885700A (zh) * | 2019-02-26 | 2019-06-14 | 扬州制汇互联信息技术有限公司 | 一种基于工业知识图谱的非结构化数据分析方法 |
CN110991683A (zh) * | 2019-06-10 | 2020-04-10 | 中国人民解放军火箭军工程大学 | 一种基于粒子群算法优化解决武器-目标分配的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10962331B2 (en) * | 2019-06-06 | 2021-03-30 | Bae Systems Information And Electronic Systems Integration Inc. | Dynamic weapon to target assignment using a control based methodology |
-
2021
- 2021-06-10 CN CN202110651084.5A patent/CN113469359B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9778007B1 (en) * | 2016-06-20 | 2017-10-03 | International Business Machines Corporation | Matching a spent firearm cartridge |
CN109241591A (zh) * | 2018-08-21 | 2019-01-18 | 哈尔滨工业大学 | 反舰导弹作战效能评估及辅助决策方法 |
CN109885700A (zh) * | 2019-02-26 | 2019-06-14 | 扬州制汇互联信息技术有限公司 | 一种基于工业知识图谱的非结构化数据分析方法 |
CN110991683A (zh) * | 2019-06-10 | 2020-04-10 | 中国人民解放军火箭军工程大学 | 一种基于粒子群算法优化解决武器-目标分配的方法 |
Non-Patent Citations (2)
Title |
---|
Constrained Multi-Objective Weapon Target Assignment for Area Targets by Efficient Evolutionary Algorithm;Kai Zhang et al.;《IEEE Access》;20191125;第7卷;全文 * |
基于粗糙集和加权TOPSIS法的弹目匹配模型;李亚雄 等;《兵器装备工程学报》;20170430;第38卷(第4期);第14-21页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113469359A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240353B (zh) | 基于遗传模糊树的无人机协同空战决策方法 | |
CN110083971B (zh) | 一种基于作战推演的自爆式无人机集群作战兵力分配方法 | |
CN107063255A (zh) | 一种基于改进果蝇优化算法的三维航路规划方法 | |
CN109063819B (zh) | 基于贝叶斯网络的任务共同体的识别方法 | |
CN113469359B (zh) | 基于知识图谱的弹目匹配方法、系统、设备及可读存储介质 | |
CN115795697B (zh) | 一种基于空间网格的复杂环境下野外机动通道生成方法 | |
Geng et al. | Study on tactical decision of UAV medium-range air combat | |
CN116400737B (zh) | 一种基于蚁群算法的安全路径规划系统 | |
CN113063419B (zh) | 一种无人机路径规划方法及系统 | |
CN112598032B (zh) | 面向红外图像对抗攻击的多任务防御模型构建方法 | |
CN110986680B (zh) | 一种城市环境中低慢小目标的复合拦截方法 | |
CN113902947B (zh) | 一种自然图像的对空目标红外图像生成式对抗网络构建方法 | |
You et al. | Air combat command and guidance situation assessment based on attack area | |
CN114819055A (zh) | 一种基于lstm网络的导弹拦截点预测方法 | |
KR102488429B1 (ko) | 딥러닝 기반의 함포 사격 제원 제공 시스템 및 방법 | |
CN110826877A (zh) | 一种针对多个点目标的火力分配方法 | |
Huadong et al. | Research on target selection simulation based on multidimensional feature parameter identification | |
Gray et al. | Feature-based tracking algorithms for imaging infrared anti-ship missiles | |
CN117633563B (zh) | 一种基于optics算法的多目标自顶向下式层次化分群方法 | |
Chen et al. | Application and Implementation of CNN in Artillery Countermeasure Training System | |
Xiang | Scene matching techniques: modeling and analysis | |
CN117852309B (zh) | 一种基于指标层次化的突防效能评估方法 | |
RU94351U1 (ru) | Система адаптивного обнаружения низколетящих целей | |
Zhang et al. | Soldier Threat Assessment Method Based on Bayesian Network | |
Shi et al. | Automatic extraction method of damage point of laser weapon |
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 |