CN116431707A - 一种基于Agent技术的虚实一体化管控系统及方法 - Google Patents
一种基于Agent技术的虚实一体化管控系统及方法 Download PDFInfo
- Publication number
- CN116431707A CN116431707A CN202310382163.XA CN202310382163A CN116431707A CN 116431707 A CN116431707 A CN 116431707A CN 202310382163 A CN202310382163 A CN 202310382163A CN 116431707 A CN116431707 A CN 116431707A
- Authority
- CN
- China
- Prior art keywords
- data
- training
- network
- state
- evaluation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 109
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 238000004088 simulation Methods 0.000 claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 238000007726 management method Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 20
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 3
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 3
- 238000011002 quantification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
Abstract
本发明公开了一种基于Agent技术的虚实一体化管控系统及方法，系统包括资源建模、任务规划、网络监测Agent模块、数据采集、数据监测Agent模块、数据回放、分析评估块七个部分，分布于准备、实施、评估三个阶段。该系统及方法在联合试验训练仿真系统中通过提供智能化的建模仿真运行支撑框架和配套工具，演示和验证Agent在网络监测、数据监测、分析评估的智能性，从而研究和发展新的数据处理监测方法、评估方法，可用于解决分布式异构试验训练仿真系统之间数据传输异常时做出处理反映智能化程度低的问题，从而提高大型仿真系统的智能性、运行安全性。
Description
技术领域
本发明涉及试验训练仿真技术领域，具体为一种基于Agent技术的虚实一体化管控系统及方法。
背景技术
随着分布式计算、建模与仿真技术以及计算机网络技术的不断发展，大量的分布式异构仿真系统被构建，由于系统架构差别大，相互独立不能互通和互操作，使得大型分布式试验系统的开发进展缓慢，周期漫长，制约了联合演习的实现；同时，随着各种武器装备的信息化程度和复杂程度不断提高，单一的试验环境、参试装备、仿真系统越来越无法满足先进武器系统的试验和训练的要求；系统之间数据传输异常时做出处理反映智能化程度低的问题，目前异构系统互联缺乏统一的管控系统，而且面对复杂庞大的虚实异构系统，缺乏智能化手段，对系统网络状态、数据状态缺乏智能化监控手段，不能够自主监控，完全靠人工手段执行监测难以应对和处理复杂的数据。
发明内容
本发明的目的在于提供一种基于Agent技术的虚实一体化管控系统及方法，以对异构系统网络状态、数据状态进行智能化监测。
实现本发明目的的技术解决方案为：
一种基于Agent技术的虚实一体化管控方法，包括以下步骤：
S1.训练准备阶段
资源模型建模：运用统一标准模板，对训练资源进行建模，生成符合中间件接入规范的资源模型接口文件；
训练任务规划：根据试验训练目标及参训对象，依托训练资源模型构造一个完整的训练任务，将联合训练资源映射到任务中，规划任务推进过程，生成想定方案文件；
S2.虚实结合的训练实施阶段
根据想定方案文件，构造一个同时具备虚拟系统、构造系统和实际装备的联合训练环境；
网络监测：通过网络参数的设置，对试验训练环境中各节点网络性能进行测试，对训练环境网络状态进行图形化显示；
数据监测：接入虚实模拟系统内，进行监视内容配置订购关系，在运行过程中实时获取订购的主题信息、通讯信息、节点心跳信息数据并进行图形化的显示；
数据采集：实时采集试验训练应用系统通过中间件进行交互的数据，并将数据记录到数据文件和数据库；
S3.训练结束、分析评估阶段
依托试验训练运行过程中采集的数据，对仿真结果数据进行分析评估，对试验训练结果、训练效果等进行分析评估。
一种基于Agent技术的虚实一体化管控系统，包括任务规划模块、资源建模模块、网络监测Agent模块、数据采集模块、数据监测Agent模块、数据回放模块、分析评估模块；
所述任务规划模块用于根据模拟训练的对象和训练指标，构造训练任务过程，并根据模拟方向的试验步骤完成试验；
所述资源建模模块，用于将训练系统中的资源在逻辑靶场里面进行平行仿真，仿真内容主要包括速度、姿态、状态等内容，资源能够在试验训练中加载；
所述网络监测Agent模块，用于通过网络参数的设置，对试验训练环境中各节点网络性能进行测试，对训练环境网络状态进行图形化显示；
所述数据采集模块，用于通过应用程序提供的数据交互接口，供试验训练系统调用接入，实现对数据的接入与采集；
所述数据监测Agent模块，用于接入虚实模拟系统内，进行监视内容配置订购关系，在运行过程中实时获取订购的主题信息、通讯信息、节点心跳信息数据并进行图形化的显示；
数据回放模块，用于供试验训练后回放存储至数据库和数据文件中的单一指标和综合指标；
所述分析评估模块，用于依托试验训练运行过程中采集的数据，对仿真结果数据进行分析评估，对试验训练结果、训练效果等进行分析评估。
本发明与现有技术相比，其显著优点是：
该系统在联合试验训练仿真系统中通过提供智能化的建模仿真运行支撑框架和配套工具，演示和验证Agent在网络监测、数据监测、分析评估的智能性，从而研究和发展新的数据处理监测方法、评估方法，可用于解决分布式异构试验训练仿真系统之间数据传输异常时做出处理反映智能化程度低的问题，从而提高大型仿真系统的智能性、运行安全性。
附图说明
图1为本发明的基础流程示意图；
图2为任务规划和数据采集流程示意图；
图3为网络监测Agent流程图；
图4为评估过程示意图。
图5为虚实一体化系统框架示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的介绍。
结合图1-图4，本实施例的一种基于Agent技术的虚实一体化管控方法，包括以下步骤：
S1.训练准备阶段
资源模型建模，运用统一标准模板，对训练资源(即应用系统)进行建模，生成资源模型接口文件(“.fed”和“.xml”)。根据资源组件的需求，基于标准模板，使用接口描述语言IDL对对象的交互结构定义、对象类的类型、名称、属性、继承组合关系和相关参数进行设置，生成符合中间件接入规范的资源模型接口文件。
资源模型建模标准模板基本结构如表1所示。
表1标准模板基本结构表
训练任务规划，根据试验训练目标及参训对象，依托训练资源模型构造一个完整的训练任务，将联合训练资源映射到任务中，规划任务推进过程，生成想定方案文件(XML)，该文件是试验训练运行的依据，根据训练任务的规划，加载试验训练过程中的资源。
S2.虚实结合的训练实施阶段
根据想定方案文件，使用主控计算机通过RS232/RS485等接口连接多个操作面板专用控制卡或者通过交换机经以太网口连接多个半实物模拟器、虚拟仿真系统、实装系统等，构造一个同时具备虚拟系统、构造系统和实际装备的联合训练环境，创设一个逼真的模拟环境，能够使得人身临其境，而不是人为构设一个受限制的模拟环境。
根据上述已经营造出的一个在时间和空间上都有所拓展的训练环境，这使得多层级训练和班级分队训练目标演练成为可能；其次，模拟训练任务为模拟指挥部提供了一个连续性的、可再利用的训练环境；模拟训练任务与不同的试验训练仿真系统之间的互联、互通、互协作等。
网络监测依托数据交互接口，通过网络数据包收发延时、吞吐量、丢包率、发送接收频率等网络参数的设置，从而对试验训练环境中各节点网络性能进行测试，对训练环境网络状态进行图形化显示。
数据监测工具作为一个节点接入虚实模拟系统内，根据需要进行监视内容配置订购关系，在运行过程中实时获取订购的主题信息、通讯信息、节点心跳信息等数据并将其进行图形化的显示。
在仿真运行期间，数据采集作为一个节点加入仿真系统，实时采集试验训练应用系统通过中间件进行交互的数据，并将数据记录到数据文件和数据库。
S3.训练结束、分析评估阶段
仿真实施完成后，数据采集与回放工具通过读取数据库和记录文件，将记录数据回放至中间件中，此时试验训练仿真系统可同样从中间件接收回放的数据并执行相应的仿真过程，并且用户可以通过控制数据输入的速度、时间等来灵活控制回放的过程。
依托试验训练运行过程中采集的数据，建立评估指标体系和评估任务，通过训练数据、评估指标和评估算法，依托评估软件对仿真结果数据进行分析评估，对试验训练结果、训练效果等进行分析评估。
所述的评估指标包括网络状态、仿真过程传输数据量、火力模型可信度(弹道特征、脱靶量、命中概率、毁伤效果等)、运动模型可信度(位置、速度、加速度、姿态等)、观瞄模型可信度(发现距离、跟踪距离、观瞄精度等)，计算耗时(分类器训练和预测需要的时间)，可扩展性(处理大数据集的能力)等,通过添加评估指标的根结点和叶节点，建立层次化的树状的评估指标体系，对每个评估指标节点，设置指标名称、根据指标间相对重要性分配指标的权值、指定该指标所评估的仿真数据，建立评估指标体系。
对评估算法进行配置，包括对评估过程中所用到的数据预处理算法和评估算法进行配置，之后在评估模型中依照执行要求对算法进行配置，评估方法包括不局限于如下：
1.均方根误差，用于衡量观测值与真实值之间的偏差，取值范围[0,+∞)，当预测值与真实值完全吻合时等于0即完美模型；误差越大，该值越大，计算如下：
假设：预测值：
测量值：x＝{x1，x2，…，xn}，如下公式中/>
表示第j个预测值，xj表示j个测量值,n表示一共具有n组数据，RMSE为误差值。
2.平均绝对百分比误差，通过对每个点的误差进行归一化，降低了个别离群点带来的绝对误差的影响,范围[0,+∞),MAPE为0％表示预测值和测量值完全符合，MAPE越大表示模型误差越大。计算式如下：
假设：预测值：
测量值：x＝{x1，x2，…，xn}，如下公式中/>
表示第j个预测值，xj表示j个测量值,n表示一共具有n组数据，MAPE为百分比误差值。
附图5展示了当前的实装、虚拟、推演和模拟能力，该架构具备可扩展特征，支持支持外部异构系统和实装、以及实装指挥训练环境的接入，可以形成统一的虚实一体化训练环境，本发明可在联合试验训练仿真系统中提供开放、通用、高效的建模仿真运行支撑框架和配套工具，为用户提供标准的资源建模构建、任务规划、异构试验训练仿真系统集成互联的手段，辅助用户进行试训过程管控；主要用于解决分布式异构试验训练仿真系统之间的互联、互通、互操作等问题，支撑虚实一体的试验、训练、分布式仿真等应用系统开发、集成、运行和管理，为快速构建虚实一体化试验训练提供过程管控方法。
基于上述方法，本实例还提出一种基于Agent技术的虚实一体化管控系统，包括任务规划模块、资源建模模块、网络监测Agent模块、数据采集模块、数据监测Agent模块、数据回放模块、分析评估模块。
所述的任务规划模块是根据模拟训练的对象和训练指标，构造一个完整的训练任务过程；并根据模拟方向的试验步骤完成试验，试验步骤是在运行过程中运行平台构建试验的依据；
所述的资源建模模块，是将训练系统中的资源在逻辑靶场里面进行平行仿真，仿真内容主要包括速度、姿态、状态等内容，资源能够在试验训练中加载；
结合附图3所述的网络监测Agent模块，包括网络数据接口、数据缓存区和状态阈值单元。所述的网络数据接口单元用于接收通讯基础网络发送的网络数据流量、状态数据；数据缓存区单元用于包括对中间件交互数据的实时存储；状态阈值单元依据网络接口数据，对网络状态进行状态自主判断并进行状态显示。网络状态量化算法：网络状态量化值＝|实时数据值-数据平均值|/数据平均值，网络状态量化值为无量纲数值，区间为0～1，其中根据经验值设置网络状态量化值数值≤0.3或≥0.7时，即做出状态异常判断；网络监测Agent实现流程如下：
网络状态属性判断：
系统的网络状态判断有“在线(Sa)”、“离线(Sw)”和“奔溃(Sd)”三种状态。Sa与Sw与具有不同的状态表示能力，当网络数据总量经过计算的网络状态量化值低于0.3时，系统网络Agent会自动将状态从“在线(Sa)”、“离线(Sw)、“奔溃(Sd)”进行状态的依次降低，表征网络性能特征。当网络数据总量经计算的网络状态量化值超过0.7时，系统网络Agent会自动将状态从“奔溃(Sd)”、“在线(Sw)”、“离线(Sa)”进行状态调整，在奔溃、离线、在线三者之间进行调整显示。
所述数据采集模块，系统通过应用程序(仿真节点或仿真系统等)提供的数据交互接口，供试验训练系统调用接入，实现对数据的接入与采集。在仿真运行期间，数据采集作为一个节点加入仿真系统，实时采集试验训练应用系统通过中间件进行交互的数据，并将数据记录到数据文件和数据库。
所述数据监测Agent模块是系统的采集到数据后的处理模块，包括参数实时数据读取单元、状态指标设置单元和综合指标统计单元。其中状态参数实时读取单元通过数据采集模块读取的实时数，将该数据经过状态计算传递给指标设置单元，状态指标设置单元通过状态计算对指标进行设置，指标为无量纲量，数值在0～1之间。
状态指标设置单元的指标计算过程采用极大值最优因素，指标值Rm，利用上线指标测度计算公式Rm＝Sin/Simax，其中Sin为第n次系统在初始参数中的某个参数条件下的网络状态指标值，Simax为第n次系统初始参数条件下获得系统能够运行的最大值。
综合指标统计单元的计算过程是将数据读取单元的数据进行综合指标统计，统计方法按照x＝|λ1+λ2+…λn|/|n*单一指标值|，x表示采集数据与给定指标的偏离度，其中λn表示第n次状态指标设置单元的实时数值。
全部结束后，单一指标和综合指标存储至数据库和数据文件，供试验训练后回放调用。
所述分析评估模块，根据任务规划和数据采集模块，依据建立的评估指标、系统状态要求和单一系统稳定程度进行评估计算，评估试验训练系统的状态；并以图文结合的方式生成评估报告。
Claims (8)
1.一种基于Agent技术的虚实一体化管控方法，其特征在于，包括以下步骤：
S1.训练准备阶段
资源模型建模：运用统一标准模板，对训练资源进行建模，生成符合中间件接入规范的资源模型接口文件；
训练任务规划：根据试验训练目标及参训对象，依托训练资源模型构造一个完整的训练任务，将联合训练资源映射到任务中，规划任务推进过程，生成想定方案文件；
S2.虚实结合的训练实施阶段
根据想定方案文件，构造一个同时具备虚拟系统、构造系统和实际装备的联合训练环境；
网络监测：通过网络参数的设置，对试验训练环境中各节点网络性能进行测试，对训练环境网络状态进行图形化显示；
数据监测：接入虚实模拟系统内，进行监视内容配置订购关系，在运行过程中实时获取订购的主题信息、通讯信息、节点心跳信息数据并进行图形化的显示；
数据采集：实时采集试验训练应用系统通过中间件进行交互的数据，并将数据记录到数据文件和数据库；
S3.训练结束、分析评估阶段
依托试验训练运行过程中采集的数据，对仿真结果数据进行分析评估，对试验训练结果、训练效果等进行分析评估。
2.根据权利要求1所述的基于Agent技术的虚实一体化管控方法，其特征在于，虚实结合的训练实施阶段构造的联合训练环境是通过主控计算机连接多个操作面板专用控制卡或者通过交换机连接多个半实物模拟器、虚拟仿真系统、实装系统实现的。
3.根据权利要求1所述的基于Agent技术的虚实一体化管控方法，其特征在于，分析评估中的评估指标构建如下：
评估指标选择：包括网络状态、仿真过程传输数据量、火力模型可信度、运动模型可信度、观瞄模型可信度、计算耗时、可扩展性，从中选择或需要进行评估的指标；
建立层次化评估指标体系，添加评估指标的根结点和叶节点，形成评估指标体系结构树；
设置指标节点属性，对每个评估指标节点，设置指标名称、根据指标间相对重要性分配指标的权值、指定该指标所评估的仿真数据。
4.根据权利要求1所述的基于Agent技术的虚实一体化管控方法，其特征在于，分析评估中的评估算法配置如下：
包括对评估过程中所用到的数据预处理算法和评估算法进行配置，之后在评估模型中依照执行要求对算法进行配置，评估算法包括均方根误差算法和平均绝对百分比误差算法。
5.一种基于Agent技术的虚实一体化管控系统，其特征在于，包括任务规划模块、资源建模模块、网络监测Agent模块、数据采集模块、数据监测Agent模块、数据回放模块、分析评估模块；
所述任务规划模块用于根据模拟训练的对象和训练指标，构造训练任务过程，并根据模拟方向的试验步骤完成试验；
所述资源建模模块，用于将训练系统中的资源在逻辑靶场里面进行平行仿真，仿真内容主要包括速度、姿态、状态等内容，资源能够在试验训练中加载；
所述网络监测Agent模块，用于通过网络参数的设置，对试验训练环境中各节点网络性能进行测试，对训练环境网络状态进行图形化显示；
所述数据采集模块，用于通过应用程序提供的数据交互接口，供试验训练系统调用接入，实现对数据的接入与采集；
所述数据监测Agent模块，用于接入虚实模拟系统内，进行监视内容配置订购关系，在运行过程中实时获取订购的主题信息、通讯信息、节点心跳信息数据并进行图形化的显示；
数据回放模块，用于供试验训练后回放存储至数据库和数据文件中的单一指标和综合指标；
所述分析评估模块，用于依托试验训练运行过程中采集的数据，对仿真结果数据进行分析评估，对试验训练结果、训练效果等进行分析评估。
6.根据权利要求5所述的基于Agent技术的虚实一体化管控系统，其特征在于，所述网络监测Agent模块，包括网络数据接口、数据缓存区和状态阈值单元；
所述网络数据接口单元用于接收通讯基础网络发送的网络数据流量、状态数据；
所述数据缓存区单元用于包括对中间件交互数据的实时存储；
所述状态阈值单元依据网络接口数据，对网络状态进行状态自主判断并进行状态显示。
7.根据权利要求6所述的基于Agent技术的虚实一体化管控系统，其特征在于，网络状态判断过程为：
当网络数据总量经过计算的网络状态量化值低设定网络状态量化值时，系统网络Agent自动将状态从“在线(Sa)”、“离线(Sw)、“奔溃(Sd)”进行状态的依次降低，表征网络性能特征；
网络数据总量经计算的网络状态量化值超过设定网络状态量化值时，系统网络Agent会自动将状态从“奔溃(Sd)”、“在线(Sw)”、“离线(Sa)”进行状态调整，在奔溃、离线、在线三者之间进行调整显示。
8.根据权利要求5所述的基于Agent技术的虚实一体化管控系统，其特征在于，所述数据监测Agent模块是系统的采集到数据后的处理模块，包括参数实时数据读取单元、状态指标设置单元和综合指标统计单元；
所述状态参数实时读取单元通过数据采集模块读取的实时数，将该数据经过状态计算传递给指标设置单元；
所述状态指标设置单元通过状态计算对指标进行设置；
所述综合指标统计单元将数据读取单元的数据进行综合指标统计。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210906409 | 2022-07-29 | ||
| CN2022109064094 | 2022-07-29 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116431707A true CN116431707A (zh) | 2023-07-14 |
Family
ID=87092134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310382163.XA Pending CN116431707A (zh) | 2022-07-29 | 2023-04-11 | 一种基于Agent技术的虚实一体化管控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116431707A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117057171A (zh) * | 2023-10-12 | 2023-11-14 | 中国电子科技集团公司第十研究所 | 一种实测数据与仿真数据相结合的半实装仿真方法 |
| CN117097627A (zh) * | 2023-10-19 | 2023-11-21 | 中国人民解放军国防科技大学 | 渗透测试智能体训练与验证环境构建方法及电子设备 |
-
2023
- 2023-04-11 CN CN202310382163.XA patent/CN116431707A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117057171A (zh) * | 2023-10-12 | 2023-11-14 | 中国电子科技集团公司第十研究所 | 一种实测数据与仿真数据相结合的半实装仿真方法 |
| CN117057171B (zh) * | 2023-10-12 | 2024-02-06 | 中国电子科技集团公司第十研究所 | 一种实测数据与仿真数据相结合的半实装仿真方法 |
| CN117097627A (zh) * | 2023-10-19 | 2023-11-21 | 中国人民解放军国防科技大学 | 渗透测试智能体训练与验证环境构建方法及电子设备 |
| CN117097627B (zh) * | 2023-10-19 | 2023-12-22 | 中国人民解放军国防科技大学 | 渗透测试智能体训练与验证环境构建方法及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116431707A (zh) | 一种基于Agent技术的虚实一体化管控系统及方法 | |
| CN112052608B (zh) | 一种作战推演仿真与效能评估一体化集成方法 | |
| CN106647336B (zh) | 一种基于仿真的飞机装配过程智能监控系统 | |
| CN114415630B (zh) | 一种飞机管理系统综合测试平台及方法 | |
| CN102882969B (zh) | 一种工矿企业的安全生产云服务平台 | |
| CN102917032B (zh) | 一种工矿企业的安全生产云服务平台 | |
| Modoni et al. | A telemetry-driven approach to simulate data-intensive manufacturing processes | |
| CN101083019A (zh) | 基于空间态势感知的快速评估系统 | |
| CN109192248A (zh) | 基于云平台的生物信息分析系统、方法及云计算平台系统 | |
| CN110166285A (zh) | 一种基于Docker的网络安全实验平台搭建方法 | |
| CN102523030A (zh) | 通信卫星有效载荷测试系统仿真平台 | |
| CN110322104A (zh) | 交互式计算机模拟中的表现指标 | |
| CN110322099A (zh) | 评估用户在交互式计算机模拟中进行的训练活动 | |
| CN114338418B (zh) | 一种虚实结合的信息网络验证平台 | |
| JP2006048702A (ja) | トランザクションベースの性能モデルの自動構成 | |
| CN108876286A (zh) | 一种面向航迹处理与电磁分析的分布式实时处理系统 | |
| CN106294121B (zh) | 飞机嵌入式实时诊断推理算法试验方法 | |
| CN107360026A (zh) | 分布式消息中间件性能预测与建模方法 | |
| CN116187729A (zh) | 基于数字孪生的资源调度方法、装置、设备及存储介质 | |
| CN109857643A (zh) | 一种虚拟化平台性能自动测试的方法及装置 | |
| CN114564374A (zh) | 算子性能评估方法、装置、电子设备及存储介质 | |
| CN114896108A (zh) | 测试验证系统 | |
| CN106295808B (zh) | 飞机嵌入式实时诊断推理算法试验方法 | |
| CN111401789A (zh) | 一种基于bim的建筑施工智能监管系统 | |
| CN116933626A (zh) | 一种基于数字孪生的数据监测方法及装置 |
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 |