一種面向臨近空間的智能目標(biāo)發(fā)生方法
【專利摘要】本發(fā)明公開了一種面向臨近空間的智能目標(biāo)發(fā)生方法，該方法能夠?qū)崿F(xiàn)對臨近空間目標(biāo)的智能化、復(fù)雜化和真實化的仿真。該方法首先根據(jù)需要創(chuàng)建三維目標(biāo)模型和環(huán)境模型，然后對三維目標(biāo)模型進(jìn)行參數(shù)設(shè)置，并加載三維目標(biāo)模型以及環(huán)境模型渲染形成三維視景；然后采用PSO算法對三維目標(biāo)模型進(jìn)行智能目標(biāo)最優(yōu)三維路徑規(guī)劃，其中PSO算法中適應(yīng)度函數(shù)考慮到雷達(dá)的探測概率、目標(biāo)高度、氣象信息、路徑長度以及目標(biāo)參數(shù)建立，控制三維目標(biāo)模型根據(jù)以最優(yōu)的三維路徑進(jìn)行目標(biāo)發(fā)生的仿真。該方法用于生成臨近空間智能三維目標(biāo)。
【專利說明】一種面向臨近空間的智能目標(biāo)發(fā)生方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種面向臨近空間的智能目標(biāo)發(fā)生方法，能夠仿真模擬了臨近空間目標(biāo)發(fā)生器的物理特征和部分智能行為，并用二維地圖與三維視景結(jié)合的方式展現(xiàn)出來，屬于三維仿真【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]臨近空間一般指距地面20?100km，普通航空器飛行空間與衛(wèi)星軌道空間之間的空域，并沒有明確的物理或幾何標(biāo)志。它大致包括:大部分大氣平流層、全部中間層和部分熱層區(qū)域。在這樣的空間區(qū)域，既可以避免目前絕大多數(shù)的地面攻擊，又可以提高軍事偵察和對地攻擊的精度，對于情報收集、偵察監(jiān)視、通信保障以及對空對地作戰(zhàn)等，具有極大的發(fā)展?jié)摿?。然而，目前由于軍事需求的牽引和技術(shù)進(jìn)步的推動，臨近空間飛行器引起了世界各國的廣泛關(guān)注。
[0003]目標(biāo)發(fā)生器的主要作用是模擬真實目標(biāo)的各種特性并提供系統(tǒng)需要的復(fù)雜環(huán)境。目前它的種類很多，這是由于所需目標(biāo)的多樣性決定的，有的目標(biāo)需要主要考慮光電特性，有的主要考慮運動特性，而現(xiàn)在應(yīng)用最多，發(fā)展前景最好的當(dāng)屬引入虛擬現(xiàn)實技術(shù)的目標(biāo)發(fā)生器。
[0004]虛擬現(xiàn)實是一種由計算機和電子技術(shù)創(chuàng)造的新世界，是一個看似真實的模擬環(huán)境，通過多種傳感設(shè)備，用戶可根據(jù)自身的感覺，使用人的自然技能對虛擬世界中的物體進(jìn)行考察和操作，參與其中的事件，同時提供視、聽、觸等直觀而又自然的實時感知，并使參與者“沉浸”于模擬環(huán)境中。
[0005]視景仿真又稱虛擬仿真、虛擬現(xiàn)實仿真，是上世紀(jì)末才逐漸發(fā)展起來的一門綜合性的現(xiàn)代化仿真技術(shù)，是計算機技術(shù)、多媒體技術(shù)以及圖形圖象技術(shù)等多種高科技的結(jié)合。例如由美國Multigen-Paradigm公司開發(fā)的三維建模軟件Creator,可用于構(gòu)建三維模型，Multigen Creator是一個軟件包,專門創(chuàng)建用于視景仿真的實時三維模型。Creator使得輸入、結(jié)構(gòu)化、修改、創(chuàng)建原型和優(yōu)化模型數(shù)據(jù)庫更容易，不僅可用于大型的視景仿真，也可用于娛樂游戲環(huán)境的創(chuàng)建。并用三維渲染軟件Vega對三維復(fù)雜場景進(jìn)行渲染。Vega擁有圖形化的虛擬場景配置工具Lynx，這是一種基礎(chǔ)的點擊式圖形環(huán)境Lynx，可以快速、容易、顯著地改變場景。
[0006]考慮到臨近空間的特殊性，適用于臨近空間的飛行器如平流層飛艇、高空無人機、聞空偵察機以及聞超首速飛行器等具有速度快、體積小飛行聞度聞等特點，而且不同的臨近空間飛行器的飛行參數(shù)都各不相同，他們的飛行作用也不盡相同，針對以上情況，結(jié)合現(xiàn)實情況，對不同飛行器的機械特性進(jìn)行研究，設(shè)計各個飛行器的飛行參數(shù)及指標(biāo)，使仿真目標(biāo)更加真實，仿真結(jié)果更加真實可信。
[0007]現(xiàn)如今的目標(biāo)發(fā)生器以引入虛擬現(xiàn)實的目標(biāo)發(fā)生器最有代表性，但這類目標(biāo)發(fā)生器普遍存在著智能性不足的缺點，只能模擬簡單的目標(biāo)行為，比如讓目標(biāo)沿著單一路徑勻速直線運動，往往不能滿足仿真的復(fù)雜性和多變性，不能為目標(biāo)的研究提供更加真實地信息，使仿真結(jié)果可信度不夠，如何增加目標(biāo)的智能性，比如基于多目標(biāo)優(yōu)化的三維路徑規(guī)劃問題，目標(biāo)被雷達(dá)探測到后的智能規(guī)避行為等，這將是虛擬現(xiàn)實技術(shù)在臨近空間目標(biāo)的發(fā)生過程中的應(yīng)用亟待解決的問題。

【發(fā)明內(nèi)容】

[0008]有鑒于此，本發(fā)明提供了一種面向臨近空間的智能目標(biāo)發(fā)生方法，能夠仿真模擬臨近空間目標(biāo)發(fā)生器的物理特征和部分智能行為并建立仿真系統(tǒng)，所仿真的目標(biāo)能夠進(jìn)行智能三維路徑規(guī)劃，實現(xiàn)了目標(biāo)發(fā)生的智能化，滿足了仿真的復(fù)雜性。
[0009]為達(dá)到上述目的，本發(fā)明的技術(shù)方案包括如下步驟:
[0010]步驟1、加載二維地圖信息，并在二維地圖上隨機選擇目標(biāo)的起點和終點，確定所需生成的目標(biāo)的數(shù)量以及類型。
[0011]步驟2、根據(jù)所需生成的目標(biāo)的數(shù)量以及類型創(chuàng)建三維目標(biāo)模型，同時將二維地圖信息以紋理的形式加載到球體表面創(chuàng)建環(huán)境模型，并根據(jù)需要在環(huán)境模型中添加雷達(dá)。
[0012]步驟3、根據(jù)步驟I中確定的所需生成的目標(biāo)的數(shù)量及類型，根據(jù)各類型的目標(biāo)在臨近空間中的飛行作用，對三維目標(biāo)模型進(jìn)行參數(shù)設(shè)置；加載三維目標(biāo)模型以及目標(biāo)環(huán)境模型并進(jìn)行渲染形成三維視景。
[0013]步驟4、對三維目標(biāo)模型進(jìn)行智能目標(biāo)最優(yōu)路徑規(guī)劃，過程如下:在目標(biāo)的起點和終點之間隨機選擇η條可行路徑，每一條可行路徑作為為一個粒子，建立粒子群，可行路徑由散點組成，初始化每個粒子的速度與位置，設(shè)定迭代次數(shù)，以粒子群優(yōu)化算法PSO進(jìn)行粒子的迭代搜索；迭代搜索進(jìn)行至設(shè)定的迭代次數(shù)之后或者滿足迭代要求之后，獲得最終的優(yōu)化結(jié)果對應(yīng)的可行路徑，該可行路徑即為最優(yōu)路徑。
[0014]PSO的適應(yīng)度函數(shù)為:J = E (wJ+w2M+w3H+w4N+w5P)，則在迭代搜索的過程中，每一次迭代均需要計算出每個粒子的適應(yīng)度函數(shù)；對于一個可行路徑中每一個散點，T為環(huán)境模型中的雷達(dá)探測到該散點的概率;M為該散點處實時的氣象信息；H為該散點處目標(biāo)的高度；N代表該散點在其所在可彳丁路徑中的編號；P為目標(biāo)的最小轉(zhuǎn)彎半徑為常數(shù)，分別為T、M、H、N、P的權(quán)重，根據(jù)實際的需求設(shè)定權(quán)重值。
[0015]步驟5，三維目標(biāo)模型根據(jù)步驟4獲得的最優(yōu)路徑進(jìn)行目標(biāo)發(fā)生仿真。
[0016]進(jìn)一步地，該方法建立了基于HLA的仿真系統(tǒng)，仿真系統(tǒng)包括目標(biāo)聯(lián)邦成員、雷達(dá)聯(lián)邦成員、環(huán)境信息聯(lián)邦成員、管理聯(lián)邦成員以及信息處理聯(lián)邦成員；
[0017]其中目標(biāo)聯(lián)邦成員用于模擬所述步驟I?步驟5的過程，最終生成目標(biāo)并對目標(biāo)進(jìn)行最優(yōu)路徑規(guī)劃；雷達(dá)聯(lián)邦成員用于模擬雷達(dá)對于目標(biāo)的搜索和探測過程；環(huán)境信息聯(lián)邦成員讀取環(huán)境模型中的氣象信息；管理聯(lián)邦成員監(jiān)管其他聯(lián)邦成員狀態(tài)，同時控制仿真的開始與結(jié)束；信息處理聯(lián)邦成員用于讀取雷達(dá)聯(lián)邦成員的探測結(jié)果并對探測結(jié)果進(jìn)行處理；整個仿真系統(tǒng)采用數(shù)據(jù)庫保存各類數(shù)據(jù)；該仿真系統(tǒng)中的各聯(lián)邦成員之間通過RTI進(jìn)行數(shù)據(jù)交互，實現(xiàn)數(shù)據(jù)實時共享。
[0018]進(jìn)一步地，步驟2中在進(jìn)行三維模型創(chuàng)建時進(jìn)行模型優(yōu)化，優(yōu)化包括如下兩個方面:①刪除三維模型中不可見的背面多邊形；②刪除冗余多邊形，冗余多邊形為始終不會被顯示出來的多邊形。
[0019]進(jìn)一步地，步驟4中對三維目標(biāo)模型進(jìn)行參數(shù)設(shè)置時，所設(shè)置的參數(shù)具體包括:目標(biāo)的速度、加速度、飛行姿態(tài)、最小轉(zhuǎn)彎半徑以及不同姿態(tài)下的雷達(dá)反射面積。
[0020] 進(jìn)一步地，粒子群優(yōu)化算法PSO采用的是改進(jìn)的粒子群優(yōu)化算法，則以粒子群優(yōu)化算法PSO進(jìn)行粒子的迭代搜索的步驟如下:
[0021]S401以整個路徑規(guī)劃的搜索空間為粒子空間，在搜索空間里隨機地產(chǎn)生初始化粒子種群，數(shù)量為η ；
[0022]在迭代次數(shù)t為I時,隨機產(chǎn)生一個位置Xid⑴與速度Vid⑴作為該粒子的初始位置與初始速度；其中xid(t)與vid(t)為相同規(guī)模的數(shù)組，其中每一項均相對應(yīng)；vid(t)數(shù)組中的每一項為其對應(yīng)Xid(t)數(shù)組中對應(yīng)項的變化速度；
[0023]S402、將每個粒子的初始位置作為自身的最優(yōu)位置pibest，計算當(dāng)前時刻t時每個粒子的適應(yīng)度函數(shù)J的取值，同時以當(dāng)前迭代次數(shù)t時J值最小的粒子的自身最優(yōu)位置為粒子群的全局最優(yōu)位置Pgbest ;
[0024]設(shè)定總迭代次數(shù)為T，以下面的S403~S405為一次迭代:
[0025]S403、以改進(jìn)的粒子群優(yōu)化算法對每個粒子進(jìn)行速度和位置的更新，改進(jìn)的粒子群算法為帶慣性權(quán)重的粒子群算法，其中粒子i的下一次迭代t+Ι時的速度vid(t+l)和位置xid(t+l)更新為:
[0026]
【權(quán)利要求】
1.一種面向臨近空間的智能目標(biāo)發(fā)生方法，其特征在于，包括如下步驟: 步驟1、加載二維地圖信息，并在二維地圖上隨機選擇目標(biāo)的起點和終點，確定所需生成的目標(biāo)的數(shù)量以及類型； 步驟2、根據(jù)所需生成的目標(biāo)的數(shù)量以及類型創(chuàng)建三維目標(biāo)模型，同時將二維地圖信息以紋理的形式加載到球體表面創(chuàng)建環(huán)境模型，并根據(jù)需要在環(huán)境模型中添加雷達(dá)； 步驟3、根據(jù)所述步驟I中確定的所需生成的目標(biāo)的數(shù)量及類型，根據(jù)各類型的目標(biāo)在臨近空間中的飛行作用，對三維目標(biāo)模型進(jìn)行參數(shù)設(shè)置；加載所述三維目標(biāo)模型以及目標(biāo)環(huán)境模型并進(jìn)行渲染形成三維視景； 步驟4、對三維目標(biāo)模型進(jìn)行智能目標(biāo)最優(yōu)路徑規(guī)劃，過程如下:在所述目標(biāo)的起點和終點之間隨機選擇η條可行路徑，每一條可行路徑作為一個粒子，建立粒子群，所述可行路徑由散點組成，初始化每個粒子的速度與位置，設(shè)定迭代次數(shù)，以粒子群優(yōu)化算法PSO進(jìn)行粒子的迭代搜索；迭代搜索進(jìn)行至設(shè)定的迭代次數(shù)之后或者滿足迭代要求之后，獲得最終的優(yōu)化結(jié)果對應(yīng)的可行路徑，該可行路徑即為最優(yōu)路徑； 所述PSO的適應(yīng)度函數(shù)為:J=E (wJ+w2M+w3H+w4N+w5P)，則在迭代搜索的過程中，每一次迭代均需要計算出每個粒子的適應(yīng)度函數(shù)；對于一個可行路徑中每一個散點，T為環(huán)境模型中的雷達(dá)探測到該散點的概率;M為該散點處實時的氣象信息；H為該散點處目標(biāo)的聞度；N代表該散點在其所在可行路徑中的編號；P為目標(biāo)的最小轉(zhuǎn)彎半徑;Wp w2、w3、w4、W5為常數(shù)，分別為Τ、Μ、H、N、P的權(quán)重，根據(jù)實際的需求設(shè)定權(quán)重值； 步驟5，所述三維目標(biāo)模型根據(jù)所述步驟4獲得的最優(yōu)路徑進(jìn)行目標(biāo)發(fā)生仿真。
2.如權(quán)利要求1所述的一種臨近空間的智能目標(biāo)發(fā)生方法，其特征在于，該方法建立了基于HLA的仿真系統(tǒng)，所述仿真系統(tǒng)包括目標(biāo)聯(lián)邦成員、雷達(dá)聯(lián)邦成員、環(huán)境信息聯(lián)邦成員、管理聯(lián)邦成員以及信息處理聯(lián)邦成員； 其中所述目標(biāo)聯(lián)邦成員用于模擬所述步驟I~步驟5的過程，最終生成目標(biāo)并對目標(biāo)進(jìn)行最優(yōu)路徑規(guī)劃； 所述雷達(dá)聯(lián)邦成員用于模擬雷達(dá)對于目標(biāo)的搜索和探測過程； 所述環(huán)境信息聯(lián)邦成員讀取環(huán)境模型中的氣象信息； 所述管理聯(lián)邦成員監(jiān)管其他聯(lián)邦成員狀態(tài)，同時控制仿真的開始與結(jié)束； 所述信息處理聯(lián)邦成員用于讀取雷達(dá)聯(lián)邦成員的探測結(jié)果并對探測結(jié)果進(jìn)行處理；整個仿真系統(tǒng)采用數(shù)據(jù)庫保存與讀取各類數(shù)據(jù)； 該仿真系統(tǒng)中的各聯(lián)邦成員之間通過RTI進(jìn)行數(shù)據(jù)交互，實現(xiàn)數(shù)據(jù)實時共享。
3.如權(quán)利要求1所述的一種臨近空間的智能目標(biāo)發(fā)生方法，其特征在于，所述步驟2中在進(jìn)行三維模型創(chuàng)建時進(jìn)行模型優(yōu)化，優(yōu)化包括如下兩個方面:①刪除三維模型中不可見的背面多邊形；②刪除冗余多邊形，所述冗余多邊形為始終不會被顯示出來的多邊形。
4.如權(quán)利要求1所述的一種臨近空間的智能目標(biāo)發(fā)生方法，其特征在于，所述步驟4中對三維目標(biāo)模型進(jìn)行參數(shù)設(shè)置時，所設(shè)置的參數(shù)具體包括:目標(biāo)的速度、加速度、飛行姿態(tài)、最小轉(zhuǎn)彎半徑以及不同姿態(tài)下的雷達(dá)反射面積。
5.如權(quán)利要求1所述的一種臨近空間的智能目標(biāo)發(fā)生方法，其特征在于，所述粒子群優(yōu)化算法PSO采用的是改進(jìn)的粒子群優(yōu)化算法，則所述以粒子群優(yōu)化算法PSO進(jìn)行粒子的迭代搜索的步驟如下:S401以整個路徑規(guī)劃的搜索空間為粒子空間，在搜索空間里隨機地產(chǎn)生初始化粒子種群，數(shù)量為η ； 在迭代次數(shù)t為I時，隨機產(chǎn)生一個位置xid(t)與速度vid(t)作為該粒子的初始位置與初始速度；其中Xid⑴與vid(t)為相同規(guī)模的數(shù)組，其中每一項均相對應(yīng)；vid(t)數(shù)組中的每一項為其對應(yīng)Xid(t)數(shù)組中對應(yīng)項的變化速度； S402、將每個粒子的初始位置作為自身的最優(yōu)位置pibest，計算當(dāng)前時刻t時每個粒子的適應(yīng)度函數(shù)J的取值，同時以當(dāng)前迭代次數(shù)t時J值最小的粒子的自身最優(yōu)位置為粒子群的全局最優(yōu)位置Pgbest ； 設(shè)定總迭代次數(shù)為T，以下面的S403~S405為一次迭代: S403、以改進(jìn)的粒子群優(yōu)化算法對每個粒子進(jìn)行速度和位置的更新，所述改進(jìn)的粒子群算法為帶慣性權(quán)重的粒子群算法，其中粒子i的下一次迭代t+Ι時的速度vid(t+l)和位置xid(t+l)更新為:

6.如權(quán)利要求5所述的一種臨近空間的智能目標(biāo)發(fā)生方法，其特征在于，所述S501中N的取值范圍為10~40之間。
【文檔編號】G06F17/50GK103942369SQ201410131133
【公開日】2014年7月23日 申請日期:2014年4月2日 優(yōu)先權(quán)日:2014年4月2日
【發(fā)明者】陳晨, 韓曉隆, 陳杰, 彭志紅, 丁舒忻, 孫春雷, 孫振 申請人:北京理工大學(xué)