封锁雷智能防排系统
2014-09-18孙宇嘉王晓鸣贾方秀于纪言
孙宇嘉, 王晓鸣, 贾方秀, 于纪言
(南京理工大学 智能弹药技术国防重点学科实验室,江苏 南京210094)
封锁雷是一种对地面上大面积军用设施进行封锁控制的新型子弹药,它集状态识别能力、组网通信能力、智能毁伤能力于一身,可以借助多种平台进行抛撒、布置,如飞机、火炮、火箭、地面车辆、以及便携式设备等[1]。目前,对于封锁雷的研究主要集中在雷弹个体之间的组网通信[2-3]、单个雷弹的目标探测[4-6]和毁伤效能评估上[7-10]。封锁雷以封锁敌方大面积地面设施为目的,深入敌军阵地内部处于无人值守状态,封锁时间的长短必然是衡量封锁雷效能的主要指标,应该深入研究。延长封锁时间的方法以有效地防止敌方排雷动作为主。因此,封锁雷需要具有一种可靠的防排机构来阻止敌人的排雷动作,延长封锁时间。传统的防排机构主要以机械类机构为主,包括钢珠敏感机构和水银柱防排机构等。传统的机械类防排机构误动作率较高,可靠性、稳定性较差[1]。为此,寻求一种稳定、可靠的防排系统具有很重要的意义。文献[11]介绍了多种排雷过程,分析了主要机理。而文献[1,8-9]则针对几种常见的排雷动作,如:人为搬动、车辆推动、排雷机器人抓拿、弹片击中等情况,进行了一定的理论分析,并提出了基于MEMS加速度传感器构建一种智能防排系统的可行性。
本文介绍了一种基于MEMS加速度传感器的新型智能防排系统的主要组成模块和功能。设计试验采集封锁雷静止姿态和运动状态加速度特征信号,采用SMA和DSVM算法对特征信号进行分析,提取出识别雷弹静止姿态和运动状态的特征参数,设计了一种封锁雷人为搬动特征识别算法,并进行了试验验证。
1 智能防排系统设计
如图1所示,本系统以Cortex-M3内核的32位微处理器为核心,集加速度信号采集存储、无线射频数据发送于一体。该系统选用ADI公司的一款三轴数字加速度传感器,相比于模拟类型的加速度传感器省去了复杂的外围信号调理电路。文献[12]对人体行走步伐进行了分析,认为该类信号的频率在5~20 Hz,幅值在2g左右。在人为搬动雷弹步行情况下,可以认为雷弹和人体步伐具有相同的频率,固将本系统传感器通过软件设定其量程为±16g(g为重力加速度)、采样率为800 Hz、分辨率为4 000g。可以较好的满足需求,并具有更大的扩展空间。传感器获得的加速度信号通过SPI总线传输给微处理器进行必要的处理和存储。
图1 智能防排系统框图
该系统搭载了TI公司的2.4 GHz的无线数据传输模块。微处理器将处理后的数据通过SPI总线传输给无线模块并通过Balun匹配电路处理后经天线发送给计算机接收端进行存储显示。系统除了通过无线传输的形式进行数据的存储,还可以将数据直接通过SPI总线存储在板载的存储器上,或者通过串口传输到计算机上存储显示。但是相较之下,在数据采集试验过程中,使用无线数据传输的形式可以实时的把采集到的加速度数据通过射频信号传输到计算机中,与传统的串口、SD卡和CAN口相比,更加高效实用。同时,在识别验证实验中,可以实时的将识别出来的状态信息通过射频信号传输到计算机上,将实验结果更加直观地展现出来。
本文以尼龙材料为壳体制作了雷弹等质量模型,图2为试验平台与人为搬动行走试验图。在此基础上,设计了一系列针对雷弹静止姿态和运动状态的加速度信号采集试验。试验过程中,通过软件配置智能防排系统的微处理器以100 Hz的采样率读取加速度传感器中的加速度数据,存储到板载的Flash中。微处理器以30 s为一个时间单位,对Flash中的存储的数据进行读取,并将数据通过射频发送到计算机中,实时显示出来。具体试验方案如表1所示。
图2 试验平台与人为搬动行走试验图
表1 雷弹静止姿态特征采集试验方案
2 特征信号提取及分析
2.1 数据预处理
在加速度传感器采集特征信号过程中,系统的微处理器以100 Hz的采样率读取加速度传感器中的数据,并进行处理和存储。考虑到系统直接采集、存储的加速度信号中必然存在大量的量测噪声,为了尽量减小其含量,微处理器需要对获得的加速度数据进行必要的信号调理,再进行数据的存储和传输。数据调理过程包括2个部分:1)为了消除信号中经由加速度传感器输出加速度信号中含有的大量奇异点,加速度信号由微处理器进行5点3次信号平滑处理;2)考虑到人为搬动雷弹运动过程中,雷弹的运动状态信号中会耦合进入不必要的高频噪声,而雷弹的真实动作频率均在20 Hz以下,为消除信号中的高频噪声,本系统的微处理器中编写一个截止频率为20 Hz的低通滤波器算法来分离雷弹真实运动信号和高频噪声。
2.2 静止姿态特征分析
雷弹试验模型如图2,当该模型处于直立状态时,传感器的Z敏感轴竖直向上。根据传感器Z敏感轴的方向,将雷弹的5种静止姿态定义如图3。
图3 雷弹静止姿态
为了识别雷弹的5种不同静止姿态,采用一种在人类日常活动识别领域中经常使用的评定算法SMA(signal magnitude area)[10,13]。定义为
(1)
式中:x、y、z分别表示加速度传感器的X、Y、Z敏感轴的加速度输出。
如图3所示,雷弹的静止姿态与雷弹智能防排系统的加速度传感器的Z敏感轴方向相对应,加速度传感器Z敏感轴的加速度数据在5个静止姿态下,具有明显不同的加速度输出数值。所以只要通过对加速度传感器Z敏感轴数据进行一定的提取分析就可以识别出雷弹5种静止姿态来。为此本文对SMA公式进行简化得到特征提取算法SMAZ,仅对Z敏感轴数据进行处理:
(2)
为了验证SMAZ算法提取雷弹5种静止姿态特征的可行性,本文设计了如表1所示的雷弹静止姿态特征采集试验方案。
图4 加速度传感器Z敏感轴信号提取
图4所示为试验采集获得的雷弹Z敏感轴特征曲线,以及针对不同雷弹静止姿态所计算出来的SMAZ数值。可以看到,对于雷弹不同的姿态,SMAZ具有明显的不同,可以很好的展现雷弹的5个静止姿态,满足特征提取的要求。
2.3 为搬动状态特征提取
加速度向量幅值SVM(signal vector magnitude)和微分加速度幅值的绝对值DSVM(differential signal vector magnitude),是在人类日常活动识别领域中广泛使用的识别算法[11]。DSVM算法可以很好地描述人类在行走过程中的剧烈程度,在人为搬动雷弹行走过程中,雷弹可以认为是同人体固连在一起,人体运动的剧烈程度等同于雷弹的运动情况。故使用该方法提取雷弹运动加速度信号的特征,SVM和DSVM的定义为
(3)
(4)
为了验证SVM、DSVM算法提取雷弹人为搬动运动特征的可行性,设计了如表2所示的雷弹人为搬动运动特征采集试验方案。
表2 雷弹静止姿态特征采集试验方案
如图5所示为由试验采集获得的加速度数据绘制成的DSVM随时间变化图。
图5 人为搬动过程的DSVM
可以看到对应不同运动特征,DSVM显示出了不同的数值范围,以每种运动特征下的DSVM的最小值、最大值和均值作为参考,如表3所示,DSVM的均值可以很好的展现雷弹不同的运动特征,选作特征参数能够满足特征提取的要求。
表3 DSVM统计表
3 分类器设计
经过大量针对雷弹静止姿态和运动状态的特征信号采集试验,根据上文所描述的特征提取方法,选取了6个特征参数用于分类器设计,如表3所示。可以看到,表4中所示的6个分类器参数均由特征参数加上一定的偏差量得来,即Δ1、Δ2、Δ3、σ1、σ2、σ3。适当的选取这些偏差量有助于分类器更好的识别目标状态,适当的选取这些偏差量也是影响分类器性能的主要因素。本文通过样本数据训练分类器,确定出6个偏差量的值为0.02、0.1、0.2、1、10、20。基于所选取的6个分类器参数,根据二叉决策树[14]思想设计了封锁雷智能防排系统的目标分类器,其分类算法的流程图如图6所示。
图6 分类算法流程图
表4 分类器参数
4 试验验证
为了评估所选取阈值的合理性以及所设计的分类算法性能。进行了针对静止姿态和运动状态的识别试验。将分类算法以C语言的形式写入到封锁雷智能防排系统中,以表1、2所示的试验方案进行试验,并在系统中将识别出来的状态信息通过无线的形式发送到试验人员的计算机上,进行识别率的统计分析。重复进行试验30次,试验结果如表5所示。
表5 验证试验结果
从结果中可以看到除均速试验中出现了5次识别错误外,其余试验的识别错误次数仅为1次或2次。并且静止姿态的识别率明显好于运动状态的识别率,尤其是直立和倒立倾斜的识别率为100%。静止姿态试验中的几次错误的识别分别表现为,将直立识别为直立倾斜、躺识别为直立倾斜以及将倒立识别为倒立倾斜。分析认为是在确定阈值时所选取的偏差量并不适合,导致在相邻状态之间的误识别,可以通过更好的优化偏差量来减少误识别。同理,在针对运动状态的识别中,出现的几次错误识别也是由于偏差量的选择引起的相近状态的误识别,可以通过优化偏差量的选择来减少误识别。
5 结束语
本文利用封锁雷加速度信息,搭建了一种新型的封锁雷智能防排系统,并设计了相应的封锁雷特征识别算法。通过试验验证,该系统有效,且具有一定的可靠性,进一步优化算法中的参数值,并进行大量的可靠性试验,有助于该系统早日应用于工程实际中。如何实现分类器参数的智能选取是该问题有待解决的问题。
参考文献:
[1]于纪言. 封锁雷弹总体以及探测系统研究[D]. 南京: 南京理工大学, 2004:1.
YU Jiyan. Study on the detection system of the blockage mine[D].Nanjing:Nanjing University of Science and Technology, 2004: 1.
[2]顾强, 李晓晨, 张亚, 等. 基于nRF905的智能封锁雷无线通讯技术[J]. 火力与指挥控制,2011,35(5):181-184.
GU Qiang, LI Xiaochen, ZHANG Ya, et al. Study on wireless communication technology of intelligent blockade land mine based on nRF905[J]. Fire Control & Command Control, 2011,35(5):181-184.
[3]袁平, 程翔, 张河. 智能雷场无线通信网络的研究[J] . 弹箭与制导学报,2003,23(2):43-45.
YUAN Ping, CHENG Xiang, ZHANG He. The research of wireless communication network for smart mines field[J]. Journal of Projectiles, Rockets, Missiles and Guidance , 2003,23(2):43-45.
[4]李文彬, 王晓鸣, 柏杰锋, 等. 基于加速度计的电子防排原理研究[J].弹箭与制导学报,2007,27(2):169-170.
LI Wenbin, WANG Xiaoming, BAI Jiefeng, et al. Research on the principle of electronic anti-removal device based on accelerometer[J].Journal of Projectiles, Rockets, Missiles and Guidance,2007,27(2):169-170.
[5]王勇, 王晓鸣, 李文彬. 一种用于反直升机智能雷的目标跟踪方法[J].南京理工大学学报 ,2005,29(3):281-284.
WANG Yong, WANG Xiaoming, LI Wenbin. A tracking solution in anti-helicopter mine[J]. Journal of Nanjing University of Science and Technology, 2005,29(3):281-284.
[6]李文彬, 王晓鸣, 柏杰锋, 等. 车辆推动下电子防排装置的响应特性[J].弹箭与制导学报 ,2009,29(3):238-240.
LI Wenbin,WANG Xiaoming,BAI Jiefeng,et al.Research on the response of electronic anti-removal device moved by vehicles[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2009,29(3):238-240.
[7]尹建平, 王志军. 起爆方式对智能雷战斗部毁伤概率的影响[J]. 解放军理工大学学报 ,2010,13(5):512-516.
YIN Jianping, WANG Zhijun. Influence of initiation ways on killing probabilities of intelligent mine warhead[J]. Journal of PLA University of Science and Technology, 2010,13(5):512-516.
[8]王晓鸣, 李文彬, 赵国志. 智能雷多自锻破片战斗部试验研究[J]. 弹道学报,2002,14(3):81-84.
WANG Xiaoming, LI Wenbin, ZHAO Guozhi. Study on the MEFP warhead of the anti-helicopter intelligent mines[J]. Journal of Ballistics, 2002,14(3):81-84.
[9]常变红, 王志军, 尹建平. 智能雷壳体参数的正交优化设计[J]. 中北大学学报,2009,30(5):425-429.
CHANG Bianhong, WANG Zhijun, YIN Jianping. Orthogonal optimization design of case parameters for intelligent mine[J]. Journal of North University of China, 2009,30(5):425-429.
[10]王建平, 焦国太, 刘彩花. 智能封锁雷自修复策略研究[J] . 科学技术与工程 , 2013,13(3)588-592.
WANG Jianping, JIAO Guotai, LIU Caihua. Study on the self-repair strategy of intelligent blockade landmines[J].Science Technology and Engineering, 2013,13(3)588-592.
[11]GOONERATNE C P, MUKHOPAHYAY S C , GUPAT G S. A review of sensing technologies for landmine detection: unmanned vehicle based approach[C]// International Conference on Autonomous Robots and Agents. Palmerston Noth, New Zealand, 2004:401-407.
[12]JEONG D U, KIM S J, CHUNG W Y. Classification of posture and movement using a 3-axis accelerometer[C]//International Conference on Convergence Information Technology. Gyeongju, Korea, 2007:837-844.
[13]NIAZMAND K, TONN K, KALARS A, et al. A measurement device for motion analysis of patients with Parkinson's disease using sensor based smart clothes[C]//International Conference on Pervasive Computing Technologies for Healthcare and Workshops. Dublin, Ireland, 2011:9-16.
[14]KARANTONIS D M, NARAYANANM R, MATHIE M, et al. Implementation of a real-time human movement classifier using a triaxial accelerometer for ambulatory monitor[J]. Information Technology in Biomedicine,2006,10(1):156-167.