武器系统半实物仿真数据相似性检验方法与流程

本发明涉及仿真数据分析技术领域，具体地，涉及一种武器系统半实物仿真数据相似性检验方法。

背景技术：

导弹制导控制仿真评估试验会产生大量的半实物仿真试验数据，通过对试验数据进行相似性检验，从而对导弹制导控制设计效能进行评估。

例如，制导控制试验产生的大量试验测量数据，包括数学仿真试验数据、半实物仿真试验数据和外场跟飞数据。半实物仿真试验过程中，需要将数学仿真与半实物仿真试验数据进行相似性检验，以判读各类试验数据的一致性，并对计算结果分析，从而改进仿真试验方法和弹道设计；有时还需要将数学、半实物和外场数据进行比对分析，分析不同来源数据的差异，从而提高制导控制仿真试验置信度，为制导控制的设计和性能验证提供参考数据。

现有技术中，主要依靠工程人员通过人工提取数据并进行曲线判读。由于每次试验会产生多条弹道测试数据，每次试验数据中又包含多个参数的数据量，依靠人工逐个通道、逐条弹道进行数据比较，需要花费大量的时间和精力，并且由于操作过程繁琐，容易发生数据提取错误。

因此，有必要设计一种能够自动分析的技术方案、减轻现有技术的不足、实现试验数据的自动化相似性检验并能使检验结果具有较高的置信度的武器系统半实物仿真数据相似性检验方法。

技术实现要素：

针对现有技术的缺陷，本发明的目的在于，针对导弹数学仿真和半实物仿真结果的大量数据，利用传统方法无法有效的进行相似性检验从而得到最优半实物仿真分系统组合方案的问题，提出了一种武器系统半实物仿真数据相似性检验方法，该方法能够快速、准确的进行数学仿真结果与半实物仿真结果的大量数据相似性比对，从而得到最佳半实物仿真分系统组合方案。

为了更好的说明本发明的技术方案，下面具体介绍本发明所建立的数学模型以及经验分析方法：

1、本发明所建立的数学模型

一次数学仿真过程中，通过等时间间隔的时刻点记录下各仿真参数取值时间序列，形成数学仿真结果数据，用二维矩阵m＝m(t,p),(t,p∈n)表示，其中t为时刻点标记，p为仿真参数标记；

一次数学仿真完毕后，需要采用多种分系统组合方案d＝0,1,2,...,s，分别进行半实物仿真，并以等时间间隔记录下仿真参数取值时间序列，用w^(d)＝w^(d)(t,p)表示；

需要找出w^(d)中与m距离最小(即相似度最大)的半实物仿真结果w，假设距离公式为：

l(d)＝l(m,w^(d),w)(1)

其中w＝(w0,w1,w2,...,wn),n∈n为各仿真参数权重因子，则本发明中相似性检验数学模型为：

minl＝min(l(m,w^(d),w))(2)

2、经验分析方法

以往的数学仿真和半实物仿真数据的相似性检验过程：

1)首先通过专家经验判断，从仿真参数集p中抽取若干影响较大的仿真参数组成仿真参数集合p′，从数学仿真结果数据m中找出与之对应的仿真参数取值时间序列m(t,p′)，对m(t,p′)设置阈值th，即可得到m(t,p′)的相似取值区域s＝(m(t,p′)(1+th),m(t,p′)(1-th))；

2)分别从半实物仿真结果数据w^(d)中提取与p′对应的仿真参数取值时间序列w^(d)(t,p′)，针对每一个d，计算w(t,p′)落在取值区域s中的概率p＝p(d)，取使得p取值最大的d，即为最佳分系统组合方案。

实现本发明的技术方案如下：

一种武器系统半实物仿真数据相似性检验方法，具体包括如下步骤：

步骤1：通过经验分析方法获取正例特征样本集；

所述正例特征样本集为k-近邻算法中标记为1的样本集；

步骤1.1：按照经验分析方法，从经验数据中提取最佳分系统组合方案对应的参数取值时间序列m(t,p′)和w(t,p′)；

所述经验数据为采用经验分析方法成功进行对比分析的数学仿真结果数据、半实物仿真结果数据以及最佳分系统组合方案；

步骤1.2：对m(t,p′)和w(t,p′)进行归一化处理；

步骤1.3：计算差值时间序列k(t,p′)＝m(t,p′)-w(t,p′)，设δt,δt≤t为分段时间间隔，将k(t,p′)截取长度为t′的若干正例样本集k¹(δt)＝{k(0～δt),k(δt～2δt),...,k(nδt～(n-1)δt)},n＝t\δt-1；

步骤1.4：利用k-均值算法对k¹(δt)聚类，得到k1个具有不同特征的簇，从距每个簇的中心点最近的正例样本中抽取若干样本组成集合k¹，即为正例特征样本集，k-均值算法模型如下：

k¹＝kmeans(k¹(δt),k1)(3)

其中k1为中心点数量；

步骤2：通过经验分析方法获取反例样本集；

所述反例样本集为k-近邻算法中标记为0的样本集；

步骤2.1：按照经验分析方法，从经验数据中提取非最佳分系统组合方案参数取值时间序列和

步骤2.2：对和进行归一化处理；

步骤2.3：计算差值时间序列利用步骤1.2中的δt，随机从k(t,p′)中抽取k0个长度为δt的反例样本，组成反例样本集k⁰；

步骤3：组合正例特征样本集和反例样本集，得到综合样本集k(k)和样本集标记f(k)：

步骤4：数学仿真结果数据和半实物仿真结果数据分类数量计算，设q(d,p)为分类数量集合，待分析仿真结果数据为m，待分析半实物仿真结果数据为w^(d)，其中d为分系统组合方案数量，p为仿真参数数量，分别求取w^(d)中各参数时间序列与m中各参数时间序列之间差值时间序列的分类标记，并填充q(d,p)；

步骤5：叠加权重因子，对权重因子w(p)进行行拓展，得到拓展后的权重因子w(d,p)，计算q(d,p)＝q(d,p)·w(d,p)；

步骤6：求取各分系统组合方案分类数量hd：

步骤7：输出h(d)中最大元素对应的分系统组合方案d，完成本方法。

与现有技术相比，本发明具有如下的有益效果：

1、本发明的武器系统半实物仿真数据相似性检验方法，采用本发明的方法进行大量仿真结果数据的相似性检验，能够避免对时间序列降维导致特征丢失的问题，可以对仿真结果数据进行分段读取、计算，避免一次性读取数据造成的计算机内存负载过高；

2、本发明的武器系统半实物仿真数据相似性检验方法，该方法可以将专家积累的经验得到的数据作为输入，并用来指导计算的过程，从而能够保证分析结果的正确性；

3、本发明的武器系统半实物仿真数据相似性检验方法，本发明能够自动分析技术方案、减轻现有技术的不足、实现试验数据的自动化相似性检验，并且得到的检验结果具有较高的置信度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1为本发明的武器系统半实物仿真数据相似性检验方法流程图；

图2为本发明的各分系统组合方案加权后的各参数分类数量图；

图3为本发明实施例的分系统组合方案3与数学仿真“y轴角速度”参数数据对比图；

图4为本发明实施例的分系统组合方案6与数学仿真“y轴角速度”参数数据对比图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

实施例

本实施例中，本发明的一种武器系统半实物仿真数据相似性检验方法，在一次数学仿真过程中，通过等时间间隔的时刻点记录下各仿真参数取值时间序列，形成数学仿真结果数据，用二维矩阵m＝m(t,p),(t,p∈n)表示，其中t为时刻点标记，p为仿真参数标记；

一次数学仿真完毕后，采用多种分系统组合方案d＝0,1,2,...,s，分别进行半实物仿真，并以等时间间隔记录下仿真参数取值时间序列，用w^(d)＝w^(d)(t,p)表示；

找出w^(d)中与m距离最小的半实物仿真结果w，假设距离公式为：

l(d)＝l(m,w^(d),w)(1)

其中w＝(w0,w1,w2,...,wn),n∈n为各仿真参数权重因子，本发明中相似性检验数学模型为：

minl＝min(l(m,w^(d),w))(2)。

接下来对本发明进行详细的描述。

本发明的目的是提供一种武器系统半实物仿真数据相似性检验方法，本发明能够能够自动分析的技术方案、减轻现有技术的不足、实现试验数据的自动化相似性检验并能使检验结果具有较高的置信度。

一种武器系统半实物仿真数据相似性检验方法，其步骤如图1所示：

步骤1：通过经验分析方法获取正例特征样本集；

步骤1.1：在经验数据中抽取1组数学仿真结果数据和9组半实物仿真结果数据，其中1组半实物仿真结果数据和唯一的1组数学仿真结果数据经过经验分析方法计算结果为最佳分系统组合方案，从该两组数据中分别取得各参数取值时间序列；

步骤1.2：计算两组参数取值时间序列的差值时间序列，设置δt＝500，将差值时间序列截取为2000个正例样本，组成正例样本集k¹；

步骤1.3：设置k1＝5，利用k-均值算法对正例样本集聚类，各簇分别包含387，163，275，521，654个正例样本；

步骤1.4：分别从各簇中取得与中心点距离最近的38，17，28，52，65个共200个正例样本，组成正例特征样本集；

步骤2：通过经验分析方法获取反例样本集；

步骤2.1：按照经验分析方法，从步骤1的经验数据中提取非最佳分系统组合方案中各参数取值时间序列；

步骤2.2：计算两组参数取值时间序列的差值时间序列，设置δt＝100，随机从差值时间序列中抽取300个长度为δt的反例样本，组成反例样本集k⁰；

步骤3：组合正例特征样本集和反例样本集，得到综合样本集k(k)和样本集标记f(k)：

步骤4：数学仿真结果数据和半实物仿真结果数据距离计算，设q(d,p)为分类数量集合，待分析仿真结果数据为m，待分析半实物仿真结果数据为w^(d)，其中d＝0,1,2...,6，t＝0,1,2,...,50000，p＝0,1,2,...,8，参数名称分别为x加速度，y加速度，z加速度，x轴角速度，y轴角速度，z轴角速度，弹目距离，飞行高度，以及导弹加速度补偿；

步骤4.1：初始化i＝0，j＝0，n＝0；

步骤4.2：从m中提取参数为p＝j的参数取值时间序列m(t,j)；

步骤4.3：从w^(d)中提取分系统组合方案d＝i，参数为p＝j的参数取值时间序列w⁽ⁱ⁾(t,j)；

步骤4.4：剔除相似度较差的分系统组合方案，设阈值为th′＝0.2，判断w⁽ⁱ⁾(t,j)中所有元素是否满足若是，则跳至步骤4.4；若否，则跳至步骤4.9；

步骤4.5：首先求得m(t,j)和w⁽ⁱ⁾(t,j)的最大值max和最小值min，然后进行归一化处理

步骤4.6：计算差值时间序列k(t,j)＝m(t,j)-m⁽ⁱ⁾(t,j)；

步骤4.7：从k(t,j)中提取第n个长度为δt的时间序列k(n)＝k(nδt～(n+1)δt)

步骤4.8：利用k-近邻算法分类，综合样本集合和样本标记使用步骤3得到的k和f，取k′＝4，若knn＝1，则q(i,n)＝q(i,n)+1；

步骤4.9：令n＝n+1。若n≤499，则跳至步骤4.7；若n＞499，则跳至步骤4.10；

步骤4.10：令i＝i+1。若i≤6，则跳至步骤4.3；若i＞6，则跳至步骤4.11；

步骤4.11：令j＝j+1。若j≤9，则跳至步骤4.2；若j＞9，则停止迭代，得到分类数量集合q(d,p)；

步骤5：叠加权重因子，设置w(p)＝(0.5,0.6,0.8,0.9,0.2,0.2,0.7,1,0.2)，对w进行行拓展，得到拓展后的权重因子w(d,p)，计算q(d,p)＝q(d,p)·w(d,p)；

步骤6：求取各分系统组合方案分类数量h(d)＝(316.9,213.9,219.1,373.2,188.4,302.3,302.3)；

步骤7：输出h(d)中最大元素对应的分系统组合方案d＝3，完成本方法。

利用本发明所述的武器系统半实物仿真数据比对方法，根据专家经验建模，从7组半实物仿真结果数据中找出了1组与数学仿真结果数据最为匹配的记录，并将7组分系统组合方案的相似性大小进行了排序，表1为各分系统组合方案参数分类数量集合。

表1各分系统组合方案参数分类数量集合

7组分系统组合方案加权后的各参数分类数量如图2所示。图中实线表示分系统组合方案3(最佳分系统组合方案)各参数分类数量，虚线为其余分系统组合方案各参数分类数量。分系统组合方案3中“y轴角速度”参数数据与数学仿真对比图如图3所示，分系统组合方案6中“y轴角速度”参数数据与数学仿真对比图如图4所示，其中实线为数学仿真数据，虚线为半实物仿真数据，从图中可以看出分系统组合方案3的参数数据曲线拟合效果较好。

为了体现本发明的优势，在参数数量和样本集相同的情况下，取不同数量的分系统组合方案和时间序列时刻点，分别采用经验分析方法和本发明所述方法进行实验运行，运行结果如下表所示。

表2经验分析方法和本发明方法运行结果比较

由运行结果可以知道，在数据量增加时，本发明所述方法的运行耗时和内存占用量增加较少，并且均优于经验分析方法，在相同数据量的情况下，本发明所述方法需要的计算机资源较少，同时又能保证较小的运行耗时，说明本发明数据相似性检验方法合理、有效。

本发明所述方法同样适用于外场飞行试验数据的相似性检验。

综上所述，采用本发明的方法进行大量仿真结果数据的相似性检验，能够避免对时间序列降维导致特征丢失的问题，可以对仿真结果数据进行分段读取、计算，避免一次性读取数据造成的计算机内存负载过高；该方法可以将专家积累的经验得到的数据作为输入，并用来指导计算的过程，从而能够保证分析结果的正确性；本发明能够自动分析技术方案、减轻现有技术的不足、实现试验数据的自动化相似性检验，并且得到的检验结果具有较高的置信度。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。