一種面向臨近空間的智能目標發生方法
【專利摘要】本發明公開了一種面向臨近空間的智能目標發生方法，該方法能夠實現對臨近空間目標的智能化、復雜化和真實化的仿真。該方法首先根據需要創建三維目標模型和環境模型，然后對三維目標模型進行參數設置，并加載三維目標模型以及環境模型渲染形成三維視景；然后采用PSO算法對三維目標模型進行智能目標最優三維路徑規劃，其中PSO算法中適應度函數考慮到雷達的探測概率、目標高度、氣象信息、路徑長度以及目標參數建立，控制三維目標模型根據以最優的三維路徑進行目標發生的仿真。該方法用于生成臨近空間智能三維目標。
【專利說明】一種面向臨近空間的智能目標發生方法
【技術領域】
[0001]本發明涉及一種面向臨近空間的智能目標發生方法，能夠仿真模擬了臨近空間目標發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合的方式展現出來，屬于三維仿真【技術領域】。
【背景技術】
[0002]臨近空間一般指距地面20?100km，普通航空器飛行空間與衛星軌道空間之間的空域，并沒有明確的物理或幾何標志。它大致包括:大部分大氣平流層、全部中間層和部分熱層區域。在這樣的空間區域，既可以避免目前絕大多數的地面攻擊，又可以提高軍事偵察和對地攻擊的精度，對于情報收集、偵察監視、通信保障以及對空對地作戰等，具有極大的發展潛力。然而，目前由于軍事需求的牽引和技術進步的推動，臨近空間飛行器引起了世界各國的廣泛關注。
[0003]目標發生器的主要作用是模擬真實目標的各種特性并提供系統需要的復雜環境。目前它的種類很多，這是由于所需目標的多樣性決定的，有的目標需要主要考慮光電特性，有的主要考慮運動特性，而現在應用最多，發展前景最好的當屬引入虛擬現實技術的目標發生器。
[0004]虛擬現實是一種由計算機和電子技術創造的新世界，是一個看似真實的模擬環境，通過多種傳感設備，用戶可根據自身的感覺，使用人的自然技能對虛擬世界中的物體進行考察和操作，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”于模擬環境中。
[0005]視景仿真又稱虛擬仿真、虛擬現實仿真，是上世紀末才逐漸發展起來的一門綜合性的現代化仿真技術，是計算機技術、多媒體技術以及圖形圖象技術等多種高科技的結合。例如由美國Multigen-Paradigm公司開發的三維建模軟件Creator,可用于構建三維模型，Multigen Creator是一個軟件包,專門創建用于視景仿真的實時三維模型。Creator使得輸入、結構化、修改、創建原型和優化模型數據庫更容易，不僅可用于大型的視景仿真，也可用于娛樂游戲環境的創建。并用三維渲染軟件Vega對三維復雜場景進行渲染。Vega擁有圖形化的虛擬場景配置工具Lynx，這是一種基礎的點擊式圖形環境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都各不相同，他們的飛行作用也不盡相同，針對以上情況，結合現實情況，對不同飛行器的機械特性進行研究，設計各個飛行器的飛行參數及指標，使仿真目標更加真實，仿真結果更加真實可信。
[0007]現如今的目標發生器以引入虛擬現實的目標發生器最有代表性，但這類目標發生器普遍存在著智能性不足的缺點，只能模擬簡單的目標行為，比如讓目標沿著單一路徑勻速直線運動，往往不能滿足仿真的復雜性和多變性，不能為目標的研究提供更加真實地信息，使仿真結果可信度不夠，如何增加目標的智能性，比如基于多目標優化的三維路徑規劃問題，目標被雷達探測到后的智能規避行為等，這將是虛擬現實技術在臨近空間目標的發生過程中的應用亟待解決的問題。
【發明內容】
[0008]有鑒于此，本發明提供了一種面向臨近空間的智能目標發生方法，能夠仿真模擬臨近空間目標發生器的物理特征和部分智能行為并建立仿真系統，所仿真的目標能夠進行智能三維路徑規劃，實現了目標發生的智能化，滿足了仿真的復雜性。
[0009]為達到上述目的，本發明的技術方案包括如下步驟:
[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的起點和終點，確定所需生成的目標的數量以及類型。
[0011]步驟2、根據所需生成的目標的數量以及類型創建三維目標模型，同時將二維地圖信息以紋理的形式加載到球體表面創建環境模型，并根據需要在環境模型中添加雷達。
[0012]步驟3、根據步驟I中確定的所需生成的目標的數量及類型，根據各類型的目標在臨近空間中的飛行作用，對三維目標模型進行參數設置；加載三維目標模型以及目標環境模型并進行渲染形成三維視景。
[0013]步驟4、對三維目標模型進行智能目標最優路徑規劃，過程如下:在目標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，設定迭代次數，以粒子群優化算法PSO進行粒子的迭代搜索；迭代搜索進行至設定的迭代次數之后或者滿足迭代要求之后，獲得最終的優化結果對應的可行路徑，該可行路徑即為最優路徑。
[0014]PSO的適應度函數為: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度函數；對于一個可行路徑中每一個散點，T為環境模型中的雷達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為目標的最小轉彎半徑為常數，分別為T、M、H、N、P的權重，根據實際的需求設定權重值。
[0015]步驟5，三維目標模型根據步驟4獲得的最優路徑進行目標發生仿真。
[0016]進一步地，該方法建立了基于HLA的仿真系統，仿真系統包括目標聯邦成員、雷達聯邦成員、環境信息聯邦成員、管理聯邦成員以及信息處理聯邦成員；
[0017]其中目標聯邦成員用于模擬所述步驟I?步驟5的過程，最終生成目標并對目標進行最優路徑規劃；雷達聯邦成員用于模擬雷達對于目標的搜索和探測過程；環境信息聯邦成員讀取環境模型中的氣象信息；管理聯邦成員監管其他聯邦成員狀態，同時控制仿真的開始與結束；信息處理聯邦成員用于讀取雷達聯邦成員的探測結果并對探測結果進行處理；整個仿真系統采用數據庫保存各類數據；該仿真系統中的各聯邦成員之間通過RTI進行數據交互，實現數據實時共享。
[0018]進一步地，步驟2中在進行三維模型創建時進行模型優化，優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]進一步地，步驟4中對三維目標模型進行參數設置時，所設置的參數具體包括:目標的速度、加速度、飛行姿態、最小轉彎半徑以及不同姿態下的雷達反射面積。
[0020] 進一步地，粒子群優化算法PSO采用的是改進的粒子群優化算法，則以粒子群優化算法PSO進行粒子的迭代搜索的步驟如下:
[0021]S401以整個路徑規劃的搜索空間為粒子空間，在搜索空間里隨機地產生初始化粒子種群，數量為η ；
[0022]在迭代次數t為I時,隨機產生一個位置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)為相同規模的數組，其中每一項均相對應；vid(t)數組中的每一項為其對應Xid(t)數組中對應項的變化速度；
[0023]S402、將每個粒子的初始位置作為自身的最優位置pibest，計算當前時刻t時每個粒子的適應度函數J的取值，同時以當前迭代次數t時J值最小的粒子的自身最優位置為粒子群的全局最優位置Pgbest ;
[0024]設定總迭代次數為T，以下面的S403~S405為一次迭代:
[0025]S403、以改進的粒子群優化算法對每個粒子進行速度和位置的更新，改進的粒子群算法為帶慣性權重的粒子群算法，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]
【權利要求】
1.一種面向臨近空間的智能目標發生方法，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的起點和終點，確定所需生成的目標的數量以及類型； 步驟2、根據所需生成的目標的數量以及類型創建三維目標模型，同時將二維地圖信息以紋理的形式加載到球體表面創建環境模型，并根據需要在環境模型中添加雷達； 步驟3、根據所述步驟I中確定的所需生成的目標的數量及類型，根據各類型的目標在臨近空間中的飛行作用，對三維目標模型進行參數設置；加載所述三維目標模型以及目標環境模型并進行渲染形成三維視景； 步驟4、對三維目標模型進行智能目標最優路徑規劃，過程如下:在所述目標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，設定迭代次數，以粒子群優化算法PSO進行粒子的迭代搜索；迭代搜索進行至設定的迭代次數之后或者滿足迭代要求之后，獲得最終的優化結果對應的可行路徑，該可行路徑即為最優路徑； 所述PSO的適應度函數為: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度函數；對于一個可行路徑中每一個散點，T為環境模型中的雷達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為目標的最小轉彎半徑;Wp w2、w3、w4、W5為常數，分別為Τ、Μ、H、N、P的權重，根據實際的需求設定權重值； 步驟5，所述三維目標模型根據所述步驟4獲得的最優路徑進行目標發生仿真。
2.如權利要求1所述的一種臨近空間的智能目標發生方法，其特征在于，該方法建立了基于HLA的仿真系統，所述仿真系統包括目標聯邦成員、雷達聯邦成員、環境信息聯邦成員、管理聯邦成員以及信息處理聯邦成員； 其中所述目標聯邦成員用于模擬所述步驟I~步驟5的過程，最終生成目標并對目標進行最優路徑規劃； 所述雷達聯邦成員用于模擬雷達對于目標的搜索和探測過程； 所述環境信息聯邦成員讀取環境模型中的氣象信息； 所述管理聯邦成員監管其他聯邦成員狀態，同時控制仿真的開始與結束； 所述信息處理聯邦成員用于讀取雷達聯邦成員的探測結果并對探測結果進行處理；整個仿真系統采用數據庫保存與讀取各類數據； 該仿真系統中的各聯邦成員之間通過RTI進行數據交互，實現數據實時共享。
3.如權利要求1所述的一種臨近空間的智能目標發生方法，其特征在于，所述步驟2中在進行三維模型創建時進行模型優化，優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.如權利要求1所述的一種臨近空間的智能目標發生方法，其特征在于，所述步驟4中對三維目標模型進行參數設置時，所設置的參數具體包括:目標的速度、加速度、飛行姿態、最小轉彎半徑以及不同姿態下的雷達反射面積。
5.如權利要求1所述的一種臨近空間的智能目標發生方法，其特征在于，所述粒子群優化算法PSO采用的是改進的粒子群優化算法，則所述以粒子群優化算法PSO進行粒子的迭代搜索的步驟如下:S401以整個路徑規劃的搜索空間為粒子空間，在搜索空間里隨機地產生初始化粒子種群，數量為η ； 在迭代次數t為I時，隨機產生一個位置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)為相同規模的數組，其中每一項均相對應；vid(t)數組中的每一項為其對應Xid(t)數組中對應項的變化速度； S402、將每個粒子的初始位置作為自身的最優位置pibest，計算當前時刻t時每個粒子的適應度函數J的取值，同時以當前迭代次數t時J值最小的粒子的自身最優位置為粒子群的全局最優位置Pgbest ； 設定總迭代次數為T，以下面的S403~S405為一次迭代: S403、以改進的粒子群優化算法對每個粒子進行速度和位置的更新，所述改進的粒子群算法為帶慣性權重的粒子群算法，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.如權利要求5所述的一種臨近空間的智能目標發生方法，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 優先權日:2014年4月2日
【發明者】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