一种面向临近空间的智能目标发生方法
【专利摘要】本发明公开了一种面向临近空间的智能目标发生方法，该方法能够实现对临近空间目标的智能化、复杂化和真实化的仿真。该方法首先根据需要创建三维目标模型和环境模型，然后对三维目标模型进行参数设置，并加载三维目标模型以及环境模型渲染形成三维视景；然后采用PSO算法对三维目标模型进行智能目标最优三维路径规划，其中PSO算法中适应度函数考虑到雷达的探测概率、目标高度、气象信息、路径长度以及目标参数建立，控制三维目标模型根据以最优的三维路径进行目标发生的仿真。该方法用于生成临近空间智能三维目标。
【专利说明】一种面向临近空间的智能目标发生方法
【技术领域】
[0001]本发明涉及一种面向临近空间的智能目标发生方法，能够仿真模拟了临近空间目标发生器的物理特征和部分智能行为，并用二维地图与三维视景结合的方式展现出来，属于三维仿真【技术领域】。
【背景技术】
[0002]临近空间一般指距地面20?100km，普通航空器飞行空间与卫星轨道空间之间的空域，并没有明确的物理或几何标志。它大致包括:大部分大气平流层、全部中间层和部分热层区域。在这样的空间区域，既可以避免目前绝大多数的地面攻击，又可以提高军事侦察和对地攻击的精度，对于情报收集、侦察监视、通信保障以及对空对地作战等，具有极大的发展潜力。然而，目前由于军事需求的牵引和技术进步的推动，临近空间飞行器引起了世界各国的广泛关注。
[0003]目标发生器的主要作用是模拟真实目标的各种特性并提供系统需要的复杂环境。目前它的种类很多，这是由于所需目标的多样性决定的，有的目标需要主要考虑光电特性，有的主要考虑运动特性，而现在应用最多，发展前景最好的当属引入虚拟现实技术的目标发生器。
[0004]虚拟现实是一种由计算机和电子技术创造的新世界，是一个看似真实的模拟环境，通过多种传感设备，用户可根据自身的感觉，使用人的自然技能对虚拟世界中的物体进行考察和操作，参与其中的事件，同时提供视、听、触等直观而又自然的实时感知，并使参与者“沉浸”于模拟环境中。
[0005]视景仿真又称虚拟仿真、虚拟现实仿真，是上世纪末才逐渐发展起来的一门综合性的现代化仿真技术，是计算机技术、多媒体技术以及图形图象技术等多种高科技的结合。例如由美国Multigen-Paradigm公司开发的三维建模软件Creator,可用于构建三维模型，Multigen Creator是一个软件包,专门创建用于视景仿真的实时三维模型。Creator使得输入、结构化、修改、创建原型和优化模型数据库更容易，不仅可用于大型的视景仿真，也可用于娱乐游戏环境的创建。并用三维渲染软件Vega对三维复杂场景进行渲染。Vega拥有图形化的虚拟场景配置工具Lynx，这是一种基础的点击式图形环境Lynx，可以快速、容易、显著地改变场景。
[0006]考虑到临近空间的特殊性，适用于临近空间的飞行器如平流层飞艇、高空无人机、闻空侦察机以及闻超首速飞行器等具有速度快、体积小飞行闻度闻等特点，而且不同的临近空间飞行器的飞行参数都各不相同，他们的飞行作用也不尽相同，针对以上情况，结合现实情况，对不同飞行器的机械特性进行研究，设计各个飞行器的飞行参数及指标，使仿真目标更加真实，仿真结果更加真实可信。
[0007]现如今的目标发生器以引入虚拟现实的目标发生器最有代表性，但这类目标发生器普遍存在着智能性不足的缺点，只能模拟简单的目标行为，比如让目标沿着单一路径匀速直线运动，往往不能满足仿真的复杂性和多变性，不能为目标的研究提供更加真实地信息，使仿真结果可信度不够，如何增加目标的智能性，比如基于多目标优化的三维路径规划问题，目标被雷达探测到后的智能规避行为等，这将是虚拟现实技术在临近空间目标的发生过程中的应用亟待解决的问题。
【发明内容】
[0008]有鉴于此，本发明提供了一种面向临近空间的智能目标发生方法，能够仿真模拟临近空间目标发生器的物理特征和部分智能行为并建立仿真系统，所仿真的目标能够进行智能三维路径规划，实现了目标发生的智能化，满足了仿真的复杂性。
[0009]为达到上述目的，本发明的技术方案包括如下步骤:
[0010]步骤1、加载二维地图信息，并在二维地图上随机选择目标的起点和终点，确定所需生成的目标的数量以及类型。
[0011]步骤2、根据所需生成的目标的数量以及类型创建三维目标模型，同时将二维地图信息以纹理的形式加载到球体表面创建环境模型，并根据需要在环境模型中添加雷达。
[0012]步骤3、根据步骤I中确定的所需生成的目标的数量及类型，根据各类型的目标在临近空间中的飞行作用，对三维目标模型进行参数设置；加载三维目标模型以及目标环境模型并进行渲染形成三维视景。
[0013]步骤4、对三维目标模型进行智能目标最优路径规划，过程如下:在目标的起点和终点之间随机选择η条可行路径，每一条可行路径作为为一个粒子，建立粒子群，可行路径由散点组成，初始化每个粒子的速度与位置，设定迭代次数，以粒子群优化算法PSO进行粒子的迭代搜索；迭代搜索进行至设定的迭代次数之后或者满足迭代要求之后，获得最终的优化结果对应的可行路径，该可行路径即为最优路径。
[0014]PSO的适应度函数为:J = E (wJ+w2M+w3H+w4N+w5P)，则在迭代搜索的过程中，每一次迭代均需要计算出每个粒子的适应度函数；对于一个可行路径中每一个散点，T为环境模型中的雷达探测到该散点的概率;M为该散点处实时的气象信息；H为该散点处目标的高度；N代表该散点在其所在可彳丁路径中的编号；P为目标的最小转弯半径为常数，分别为T、M、H、N、P的权重，根据实际的需求设定权重值。
[0015]步骤5，三维目标模型根据步骤4获得的最优路径进行目标发生仿真。
[0016]进一步地，该方法建立了基于HLA的仿真系统，仿真系统包括目标联邦成员、雷达联邦成员、环境信息联邦成员、管理联邦成员以及信息处理联邦成员；
[0017]其中目标联邦成员用于模拟所述步骤I?步骤5的过程，最终生成目标并对目标进行最优路径规划；雷达联邦成员用于模拟雷达对于目标的搜索和探测过程；环境信息联邦成员读取环境模型中的气象信息；管理联邦成员监管其他联邦成员状态，同时控制仿真的开始与结束；信息处理联邦成员用于读取雷达联邦成员的探测结果并对探测结果进行处理；整个仿真系统采用数据库保存各类数据；该仿真系统中的各联邦成员之间通过RTI进行数据交互，实现数据实时共享。
[0018]进一步地，步骤2中在进行三维模型创建时进行模型优化，优化包括如下两个方面:①删除三维模型中不可见的背面多边形；②删除冗余多边形，冗余多边形为始终不会被显示出来的多边形。
[0019]进一步地，步骤4中对三维目标模型进行参数设置时，所设置的参数具体包括:目标的速度、加速度、飞行姿态、最小转弯半径以及不同姿态下的雷达反射面积。
[0020] 进一步地，粒子群优化算法PSO采用的是改进的粒子群优化算法，则以粒子群优化算法PSO进行粒子的迭代搜索的步骤如下:
[0021]S401以整个路径规划的搜索空间为粒子空间，在搜索空间里随机地产生初始化粒子种群，数量为η ；
[0022]在迭代次数t为I时,随机产生一个位置Xid⑴与速度Vid⑴作为该粒子的初始位置与初始速度；其中xid(t)与vid(t)为相同规模的数组，其中每一项均相对应；vid(t)数组中的每一项为其对应Xid(t)数组中对应项的变化速度；
[0023]S402、将每个粒子的初始位置作为自身的最优位置pibest，计算当前时刻t时每个粒子的适应度函数J的取值，同时以当前迭代次数t时J值最小的粒子的自身最优位置为粒子群的全局最优位置Pgbest ;
[0024]设定总迭代次数为T，以下面的S403~S405为一次迭代:
[0025]S403、以改进的粒子群优化算法对每个粒子进行速度和位置的更新，改进的粒子群算法为带惯性权重的粒子群算法，其中粒子i的下一次迭代t+Ι时的速度vid(t+l)和位置xid(t+l)更新为:
[0026]
【权利要求】
1.一种面向临近空间的智能目标发生方法，其特征在于，包括如下步骤: 步骤1、加载二维地图信息，并在二维地图上随机选择目标的起点和终点，确定所需生成的目标的数量以及类型； 步骤2、根据所需生成的目标的数量以及类型创建三维目标模型，同时将二维地图信息以纹理的形式加载到球体表面创建环境模型，并根据需要在环境模型中添加雷达； 步骤3、根据所述步骤I中确定的所需生成的目标的数量及类型，根据各类型的目标在临近空间中的飞行作用，对三维目标模型进行参数设置；加载所述三维目标模型以及目标环境模型并进行渲染形成三维视景； 步骤4、对三维目标模型进行智能目标最优路径规划，过程如下:在所述目标的起点和终点之间随机选择η条可行路径，每一条可行路径作为一个粒子，建立粒子群，所述可行路径由散点组成，初始化每个粒子的速度与位置，设定迭代次数，以粒子群优化算法PSO进行粒子的迭代搜索；迭代搜索进行至设定的迭代次数之后或者满足迭代要求之后，获得最终的优化结果对应的可行路径，该可行路径即为最优路径； 所述PSO的适应度函数为:J=E (wJ+w2M+w3H+w4N+w5P)，则在迭代搜索的过程中，每一次迭代均需要计算出每个粒子的适应度函数；对于一个可行路径中每一个散点，T为环境模型中的雷达探测到该散点的概率;M为该散点处实时的气象信息；H为该散点处目标的闻度；N代表该散点在其所在可行路径中的编号；P为目标的最小转弯半径;Wp w2、w3、w4、W5为常数，分别为Τ、Μ、H、N、P的权重，根据实际的需求设定权重值； 步骤5，所述三维目标模型根据所述步骤4获得的最优路径进行目标发生仿真。
2.如权利要求1所述的一种临近空间的智能目标发生方法，其特征在于，该方法建立了基于HLA的仿真系统，所述仿真系统包括目标联邦成员、雷达联邦成员、环境信息联邦成员、管理联邦成员以及信息处理联邦成员； 其中所述目标联邦成员用于模拟所述步骤I~步骤5的过程，最终生成目标并对目标进行最优路径规划； 所述雷达联邦成员用于模拟雷达对于目标的搜索和探测过程； 所述环境信息联邦成员读取环境模型中的气象信息； 所述管理联邦成员监管其他联邦成员状态，同时控制仿真的开始与结束； 所述信息处理联邦成员用于读取雷达联邦成员的探测结果并对探测结果进行处理；整个仿真系统采用数据库保存与读取各类数据； 该仿真系统中的各联邦成员之间通过RTI进行数据交互，实现数据实时共享。
3.如权利要求1所述的一种临近空间的智能目标发生方法，其特征在于，所述步骤2中在进行三维模型创建时进行模型优化，优化包括如下两个方面:①删除三维模型中不可见的背面多边形；②删除冗余多边形，所述冗余多边形为始终不会被显示出来的多边形。
4.如权利要求1所述的一种临近空间的智能目标发生方法，其特征在于，所述步骤4中对三维目标模型进行参数设置时，所设置的参数具体包括:目标的速度、加速度、飞行姿态、最小转弯半径以及不同姿态下的雷达反射面积。
5.如权利要求1所述的一种临近空间的智能目标发生方法，其特征在于，所述粒子群优化算法PSO采用的是改进的粒子群优化算法，则所述以粒子群优化算法PSO进行粒子的迭代搜索的步骤如下:S401以整个路径规划的搜索空间为粒子空间，在搜索空间里随机地产生初始化粒子种群，数量为η ； 在迭代次数t为I时，随机产生一个位置xid(t)与速度vid(t)作为该粒子的初始位置与初始速度；其中Xid⑴与vid(t)为相同规模的数组，其中每一项均相对应；vid(t)数组中的每一项为其对应Xid(t)数组中对应项的变化速度； S402、将每个粒子的初始位置作为自身的最优位置pibest，计算当前时刻t时每个粒子的适应度函数J的取值，同时以当前迭代次数t时J值最小的粒子的自身最优位置为粒子群的全局最优位置Pgbest ； 设定总迭代次数为T，以下面的S403~S405为一次迭代: S403、以改进的粒子群优化算法对每个粒子进行速度和位置的更新，所述改进的粒子群算法为带惯性权重的粒子群算法，其中粒子i的下一次迭代t+Ι时的速度vid(t+l)和位置xid(t+l)更新为:
6.如权利要求5所述的一种临近空间的智能目标发生方法，其特征在于，所述S501中N的取值范围为10~40之间。
【文档编号】G06F17/50GK103942369SQ201410131133
【公开日】2014年7月23日 申请日期:2014年4月2日 优先权日:2014年4月2日
【发明者】陈晨, 韩晓隆, 陈杰, 彭志红, 丁舒忻, 孙春雷, 孙振 申请人:北京理工大学