面向服务的舰艇编队反潜作战任务多分辨率建模研究
2014-12-05肖明彦
刘 剑,肖明彦,章 阳
(海军潜艇学院,山东 青岛266071)
0 引 言
水面舰艇编队反潜作战仿真由于实际作战的战场态势不确定性和作战行为的复杂性,一直是当前海战仿真领域研究的重难点问题。编队反潜作战仿真的细粒度建模是系统模型正确性验证的必要保证,但是在此基础上如何兼顾系统运行效率,提高系统模型资源可重用性以满足海战多兵力联合作战仿真的实时性需要,这就对舰艇编队反潜作战仿真提出了多分辨率建模和模型资源可复用需求。
现有面向服务的军事作战仿真研究和多分辨率建模研究的模型仿真工程化研究还不足,且多专注于聚合级实体的多分辨率建模,对兵力任务行为多分辨率建模研究相对较少,难以将两者结合以满足复杂海战仿真系统的需求[1-2]。对此,采用聚合与解聚方法对编队反潜作战进行多分辨率建模,并构建了面向服务的编队智能兵力反潜作战行为组件化模型。
1 舰艇编队反潜作战多分辨率建模方法
多分辨率建模通常关注于聚合级实体,通过对聚合级实体的作战行为进行足够的建模,以有效地解决平台级实体仿真中出现的规模大、模型复杂、网络负载大等问题[3]。由此,可以通过对编队反潜作战的多分辨率仿真建模满足海战仿真的战术和战役2 个层级的需求,在战役层次以低仿真分辨率运行以提高系统仿真运行效率,在战术层次以高分辨率建模以仿真实现作战过程细节,或者在实际仿真中根据系统仿真粒度将两者结合起来兼顾仿真粒度和运行效率,响应系统不同仿真分辨率需求。
目前多分辨率仿真建模的方法有优化选择法、视点选择法、聚合解聚法、多重表示建模法、IHVR法、替代子模型法等几种[4]。其中聚合解聚法(Aggregation-Disaggregation)由于其思路直观,易于理解,比较符合军事人员的思维方式特点,可用于编队反潜作战仿真的多分辨率建模。对于聚合与解聚方法,兵力层次的聚合就是把若干个体综合成能表示这些个体总和的综合体,解聚与聚合相对应就是通过计算相对应原子实体的初始状态来把聚合实体变成原子实体的过程[5]。而编队反潜作战行为任务的聚合与解聚相对复杂,聚合指从兵力最底层不可再分的任务行为出发,如机动、武器发射、传感器探测等任务行为,构建成更高一层的兵力阶段性任务行为,如鱼雷攻击、导弹攻击等,并在此基础聚合将兵力层级的任务行为聚合成编队层级的作战任务行为,编队鱼雷攻击、编队对空防御等。与之相对应,任务解聚就是根据从编队层级的作战任务出发,将其分解成更为底层,粒度更细的兵力层级的任务行为。
2 编队反潜作战任务行为多分辨率建模
2.1 编队反潜作战任务行为多分辨率模型
编队反潜作战任务行为层次划分和分解对于聚合作战模型特别重要,必须对宏观的任务进行具体地分解,直到有模拟实体可执行的程度,这就是兵力任务解聚的过程[6]。将编队反潜作战任务行为可划分为2 个层次:
1)兵力层反潜作战任务行为模型
在编队协调反潜作战条件下,舰艇兵力层反潜作战任务行为模型描述单舰具体作战任务行动的军事过程,结合工程实际可进一步划分为兵力任务级行为和兵力原子级行为2 种:任务级行为指的是兵力按照任务属性可以划分成的阶段性任务行为,例如鱼雷攻击、接敌跟踪、导弹防御等;原子级行为指的是任务级行为下相对独立地不可再分的动作行为,其往往具有不可再分的粒度,例如变向变速、发射武器。
2)编队层反潜作战任务行为模型
编队层任务行为模型按照编队实际作战过程,可以划分为编队对潜搜索、编队对潜跟踪、对潜攻击、鱼雷防御、导弹防御、综合防御等模型。编队层任务行为的主要功能是对完成该任务所需兵力的任务规划和任务执行的监测与控制,实现编队宏观层次的对兵力作战任务行为的效能分析与指挥控制。以编队对潜攻击任务为例,编队任务行为模型输入战场态势信息,决策输出各兵力的任务指派信息,包括舰艇攻击、舰艇协同攻击、直升机搜索攻击等,触发和调度各兵力相应任务级行为模型,而在兵力层的任务级行为模型中依据战场信息和任务决策执行逻辑,进一步触发和调度其下各不同的兵力层原子级行为,例如舰艇机动、传感器使用、目标运动要素解算等,从而表现出编队对潜攻击的全过程行为。因此,编队反潜作战任务行为的多分辨率模型层次可划分为如图1所示。
图1 编队反潜作战行为模型层次图Fig.1 Hierarchy chart of fleet ASW behavior model
从图1 可见,编队反潜作战的编队层任务行为模型和兵力层任务行为模型包含了本层级任务行为的决策知识,即任务行为决策模型,完成该各层次任务行为分解,将其解聚为不同的下一层级子行为模型,而各底层原子级行为依据上层行为决策所确定的调度依序执行,进而展现舰艇智能兵力的复杂作战行为。
2.2 编队反潜作战决策模型
编队反潜作战决策模型的功能是对本层级作战行为进行分解与规划,根据战场信息,进行态势评估、任务评估和任务再规划,将本层级作战行为解聚成下一层级的作战任务行为。作战任务决策模型的工作过程包含了正向和反向信息反馈的环节,即通过任务决策控制参数的调整,有意识地控制兵力作战样式、兵力任务分配方案、兵力武器使用类型、作战时间并聚合兵力的本层级作战任务行为,这是正反馈过程;而解聚输出下一层的作战行为的任务执行信息,并作为本层级作战行为进行任务再规划的是一个反向反馈过程,使得兵力能够不断适应战场态势的变化调整作战行为,表现出兵力决策的智能性。其层次嵌套的结构如图2所示。
图2 舰艇作战行为决策模型示意图Fig.2 Diagram of ship operation decision model
编队层任务级任务行为决策和兵力层任务行为任务决策模型的输入都是本层级的任务行为信息,输出则是解聚而成的下一层的作战方案或任务行为,包含方案信息、行动协调信息和数据综合处理信息。2 种模型具有相似的构成和工作过程,所不同的是编队层任务行为决策知识是编队全局的任务决策知识,对各兵力任务行为进行分配和控制,而兵力层行为决策知识是兵力本任务的决策知识,控制兵力下一层原子级行为的转换,这样的形式能够有效减少决策知识的搜索匹配量,而不需要每周期通过全局的决策知识匹配同时控制不同层级的作战行为,有效提高了决策的知识效率。
任务行为决策的匹配控制通过任务解聚匹配器实现,因此任务的解聚匹配成为作战任务决策模型的核心和关键。匹配通过模板匹配的方法,匹配规则实现采用了Lua 脚本语言,这是因为Lua 是一种易于扩展的语言,也是一种易整合语言,与C++语言互补,特别适合组件建模思想,可以将一些已经存在的高级组件模块化整合在一起实现一个应用软件[7]。
2.3 编队反潜作战任务行为的多分辨率接口
编队反潜作战的不同层次任务行为中编队层任务行为模型应设计具有多分辨率接口,而兵力层任务行为则仅在高分辨率下运行。这是因为在低分辨率情况下,多兵力联合反潜作战仿真特别是战役层次的仿真推演对于编队的仿真数据需求表现为编队兵力对目标的毁伤概率、对目标毁伤达成时间、防御成功概率、编队兵力生存数量等粒度相对较粗的数据细节,而不需要细粒度的行为仿真,这些关键数据需要依据完整的作战态势信息才能计算,将其放入编队层任务行为模型中,不仅能够方便数据输入,同时能够有效地减少通信负载,降低资源损耗和程序复杂度,也只有在编队层的全局态势下,才能输出得到客观的仿真数据,编队层任务行为模型接口如图3所示。
图3 编队层行为模型组件接口图Fig.3 Component interfaces of fleet operation behavior layer
战场态势信息输入接口:该信息为包含了编队兵力运动要素和状态信息以及目标探测信息的复杂数据结构,用于编队任务的解聚和指标计算。
仿真分辨率输入接口:分辨率分为高分辨率和低分辨率2 种,根据输入的分辨率驱动模型组件输出高粒度的兵力任务方案信息或低粒度的任务指标信息。
任务决策控制参数输入接口:该信息为包含了该任务下编队允许使用兵力及武备等任务执行信息的复杂数据,可以通过决策控制参数的改变和调整完成编队层任务行为的重组和变换,表现出不同类型、可控甚至新型的任务行为,这也是设计的创新所在。
低分辨率任务输出接口:任务行为模型根据输入信息计算各种任务执行指标,包括任务的完成概率、时间、所需兵力数量、幸存兵力数量等,为仿真推演提供数据支持。
高分辨率任务输出接口:任务行为模型根据输入信息进行任务行为解聚,输出当前仿真时刻下编队各兵力的任务指派和控制信息。
以上接口中,对编队层行为模型的输出接口作如下说明:
1)低分别率任务指标输出
任务指标输出信息为编队当前任务的关键指标信息,例如编队执行对潜攻击任务时,任务指标输出信息包含攻击任务的命中概率和攻击时间指标,用于战场效能评估计算和指挥员干预操作。低分辨率任务指标由低层的高分辨率指标聚合而出,其推理结构如图4所示。
设编队层的低分辨率任务指标为Z,且Z=f(Y),其中f(Y)为方案指标聚合函数,元素Y1,Y2,Y3作为兵力层任务指标表示当前编队作战任务下不同种兵力方案的任务效能;Yi=Gi(Xij),其中Gi(Xij)为武备指标聚合函数,元素X1j,X2j…X3j,作为武备层指标描述高分辨率下兵力i 使用某类型武器j 对任务的完成能力,其数据来源于解析计算或者仿真数据。以编队对潜攻击任务为例,编队对目标的攻击毁伤概率Z 由不同兵力攻潜方案效能指标Yi经过优选聚合而成,而Yi则源于该方案下各兵力使用j 种武器对目标的毁伤概率Xij,对于Xij例如舰艇采用管状鱼雷射击时,其对目标的命中概率可以解析计算得出[8]。因此,通过低层的兵力层高分辨率指标的聚合可得出高层的编队任务层低分辨率任务指标,该指标在仿真时可进一步作抽样以判断攻击目标的毁伤状态,为战役仿真推演、在线统计和效能评估提供依据。需要说明的是低层高分辨率变量指标的向上聚合是兵力和武备的优选过程,而反过来给定高层的编队低分辨率任务指标后,可得到许多满足聚合关系的高分辨率变量的值,这也正是编队任务指派方案的计算过程。
图4 编队层行为模型组件接口图Fig.4 Low scale indicative output of fleet operation behavior layer
2)高分辨率决策输出
决策输出信息为当前作战态势下的编队兵力作战任务分配方案信息,其过程编队任务决策模型根据战场态势信息,优选兵力使用方案和武器使用类型,将编队任务解聚为编队内各兵力的相应任务级行为,指定作战目标和武器使用类型,而兵力的任务级行为则按照输入信息和行为决策知识,以一定时序解聚该任务行为,输出其下的不同底层原子行为从而不断适应战场态势的变化,表现出编队智能兵力自主作战行为的智能性和细粒度。
3 编队反潜作战多分辨率任务行为的组件模型
编队反潜作战任务行为的多分辨率模型结构层次便于对兵力任务行为进行模块化的优化设计,完成智能兵力作战行为的聚合和解聚,并且通过各种行为模型和决策模型的接口设计,进一步完成对智能兵力作战行为的重构,这实际上就是一种组件化建模的思想。由于组件技术EJB(Enterprise Java Beans)软件设计模式所提出的模块化建模的思想,使得复杂的多层应用系统开发变得容易,并能随着系统应用规模的不断扩大,提高组件模型的可重用性和灵活性,因此可以用来构建编队反潜作战行为的模块化组件,并快速、准确和高效地组合兵力行为模型资源。
根据编队反潜作战任务行为的层次化结构,可以将各层级行为设计为EJB 中的会话Bean 形式。其中编队和兵力层的任务级行为设计为EJB 中的有状态会话Bean 的形式,从而可以将任务行为的各种属性和特点能在服务器端长久保持状态,保存仿真过程中的各类历史数据供本组件或其他组件引用,并根据所保持的身状态对下一仿真步长时的组件状态进行递推;兵力层的原子级行为大多设计为EJB 中的无状态会话Bean 的形式,可以为编队作战仿真模型组件提供无状态的业务逻辑服务,这些服务在仿真调用过程中不需要保存任何数据状态,EJB 容器可根据仿真对象提出的调用请求动态生成和注销可重用的无状态会话组件,从而能够有效减小系统资源。EJB 技术的一个重要特点是EJB 组件可以通过接口的重新组合来表现新的业务属性[9],这一特点确保了海战仿真模型组件能够依靠组件内部不同接口的组合使行为组件模型表现不同作战行为。因此为了达到编队作战仿真模型体系可重配置和提高兵力行为模型资源重用性的目的,应该对仿真模型对应的各会话Bean 定义组件接口,关系如图5所示。
图5 编队智能兵力行为模型组件结构级接口关系图Fig.5 Structure and interfaces chart of fleet operation behavior
图5 中将决策列在任务行为之下以突出兵力行为决策在行为模型中的重要性,而且编队反潜作战任务行为模型中除了编队层和兵力层任务行为模型组件外,还需要一些底层模型的支持,例如平台运动模型、传感器探测模型等等。底层模型根据原子级行为的输入控制参数,在数据库支持下,按照兵力战场环境特性和平台武器物理特性完成兵力的平台运动、传感器探测、武器和对抗器材弹道仿真,从而表现兵力的物理和环境模型的仿真细节,表现出兵力的物理模型特性,由于底层支持模型通常包含了多个组件模型,因此以包的形式表示为多个组件的组合;大气环境和水声环境模型根据数据库参数,仿真实现兵力作战的环境特性,计算包括水声传播损失、电磁环境因子等数据,表现出兵力的环境模型特性。图5中所表现的组件从左至右、从顶层行为组件到底层行为组件解聚的过程,正是兵力作战从信息流到能量流的传递过程。
4 系统仿真多分辨率运行协调机制
4.1 多分辨率并发表示冲突协调
由于编队层任务行为组件具有不同分辨率的接口,需要考虑组件2 种接口对外输出信息时是否会存在冲突的问题,这一类的冲突问题也称之为“并发交互冲突”[10-11]。编队层任务行为模型组件采用面向对象的建模方法和组件化建模技术,在高分辨率仿真下组件行为决策模型将任务使命级行为解聚为兵力层级任务行为,并触发下一层原子级行为组件调用,2 种层次行为模型的业务逻辑一致且不冲突;在低分辨率仿真下,编队层任务行为模型组件依据战场信息进行任务指标计算,而与具体的行为细节无关,这样的一种模型设计可以使模型在高低不同分辨率下以协调的机制运行,避免了2 种分辨率接口输出内容的重叠和交互冲突的出现。但是当仿真运行从高分辨率转换到低分辨率时,需要考虑高分辨率的细粒度行为模型组件调用所致的战场态势变化对低分辨率任务指标计算的影响。
4.2 多分辨率运行时间协调机制
当仿真从低分辨率转换到高分辨率或者一直运行于高分辨率时,例如某些情况下评估编队对潜攻击任务时鱼雷武器发射对战场态势影响,但是高分辨率运行时将所有作战模型组件都处于高分辨率是不必要的,可以根据需要将编队兵力组件以低分辨率仿真运行,而将武器和对抗器材等组件以高分辨率运行,需要对仿真运行的时间推进进行合理管理使不同仿真分辨率协调推进。
仿真时间推进协调由时间管理组件完成,当仿真中运行有不同仿真分辨率组件时,高分辨率仿真实体以较小的步长Th进行时间推进,低分辨率仿真实体以相对较大步长Tl进行时间推进,步长可以在仿真初始化中设置,且Tl为Th的整数倍。仿真时间管理组件采用时间仲裁机制,其检测所有实体请求推进时间,只有当所有实体请求推进至相同时间时,系统才允许下一周期的仿真推进,而在低分辨率仿真实体推进的等待时间中,高分辨率仿真实体可以仿真推进多步,以完成内部的复杂仿真计算,其发送至低分辨率实体交互信息将由低分辨率实体在下一仿真周期处理,其仿真推进过程如图6所示。
图6 中Tsi为系统仿真同步时间点,不同分辨率实体在各自仿真推进周期内完成实体属性信息更新和交互的处理,通过这样的同步协调机制,完成不同分辨率模型仿真功能,既保证系统仿真精度和逼真度,又能有效减小系统仿真运行所需资源,提高系统运行效率。
图6 不同仿真分辨率组件时间协调推进机制Fig.6 Time advanced coordinative mechanism of components for different scale simulation
5 编队反潜作战任务行为模型组件仿真流程与实现
系统仿真采用Netbeans7.0 仿真平台和glassfish3.0 的j2ee 服务器,构建海战编队兵力反潜作战仿真行为模型组件及其他支撑组件,当启动仿真系统后,用户可以灵活部署配置仿真兵力单元,并设置编队任务行为决策控制参数和武器装备参数。仿真开始后,兵力组件接收任务和决策控制输入信息,根据输入的分辨率向客户端反馈高分辨率下的兵力状态、目标和任务执行信息或者低分辨率下的任务指标信息,并可在仿真运行过程中通过控制决策参数调整改变兵力任务执行,对兵力作战行为进行干预控制仿真流程如图7所示。
图7 系统组件仿真流程图Fig.7 Flow chart of system components running in simulation
仿真开始前,启动glassfish 服务器,打开客户端应用程序,建立与服务器的链接,在客户端应用程序完成兵力配置和任务编辑后,发送兵力初始化消息命令,调用服务器中的相关组件实例,编队层任务行为组件接收配置的使命任务和任务决策控制参数,对任务行为解聚或者计算任务指标,兵力层任务级行为组件接收上级组件解聚输出的赋予任务行为信息将当前任务级行为解聚成下层原子级行为,并生成原子级行为组件实例;兵力层原子级行为组件执行输出对兵力的平台、传感器、武器和对抗器材的控制信息,这些控制信息传送给底层支撑组件,底层支撑组件在仿真管理组件的时间步进协调下完成仿真的推演,依序进行仿真推进,从而仿真实现兵力的复杂作战行为。
6 结 语
对编队反潜作战行为进行合理的层次化优化结构设计,采用聚合与解聚的方法,利用J2EE 体系结构和组件技术构建了编队兵力作战行为仿真模型,不仅能够灵活部署兵力仿真单元的各型配置参数,对兵力的作战任务行为进行解聚和聚合,输出不同仿真分辨率下的作战行为和作战指标,响应海战仿真不同仿真分辨率的需求,并能通过对兵力任务行为决策控制参数的调整,实现兵力作战行为模型和重构,加载军事领域专家设定的不同作战对象战法知识,完成兵力现有和新型战法战术的验证,满足了系统作战仿真多分辨率建模与模型资源可重用性的需求。
[1]华玉光,徐浩军.多分辨率建模航空武器装备体系对抗效能评估[J].火力与指挥控制,2009,34(1):8-10.
HUA Yu-guang,XU Hao-jun.The effectiveness evaluation of aero weapon equipment system conflict based on multiresolution modeling[J].Fire Control & Command Control.2009,34(1):8-10.
[2]王杏林,郭齐胜,丁士拥.任务空间概念模型及其形式化描述[J].系统仿真学报,2003,35(10):1408-1410.
WANG Xing-lin,GUO Qi-sheng,DING Shi-yong.Discussion and formal abstract description of conceptual model of mission space[J].Journal of System Simulation,2003,35(10):1408-1410.
[3]杨立功,郭齐胜,张伟.聚合级实体仿真中任务的分解与解聚[J].系统仿真学报,2006,18(2):186-190.
YANG Li-gong,GUO Oi-sheng,ZHANG Wei.Mission decomposition and mission disaggregation for aggregated force simulation[J].Journal of System Simulation,2006,18(2):186-190.
[4]LIU Bao-hong,HUANG ke-di.The concept and some design issues about multi-resolution modeling in HLA[C].Shanghai,China:ICSC 2002.
[5]杨立功,郭齐胜.聚合级实体仿真中的若干关键问题分析[J].系统仿真学报,2006,18(2):373-375.
YANG Li-gong,Guo Oi-sheng.Analysis of some key problems in aggregated force simulation[J].Journal of System Simulation,2006,18(2):373-375.
[6]刘宝宏.多分辨率建模的理论与关键技术研究[D].长沙:国防科技大学,2003:22-36.
LIU Bao-hong.Research on the theory and key techniques of multi-resolution modeling[M]Changsha:Notional Vniversity of Defense Fech nology,2003:22-36.
[7]黄震宇,杨任农,白娟,等.空战训练中虚实兵力对抗系统设计[J].计算机工程与科学,2011,33(5):80-83.
HUANG Zhen-yu,YANG Ren-nong,BAI Juan,et al.Design of a virtual and reality air force integrative combat system[J].Computer Engineering & Science,2011,33(5):80-83.
[8]李长军,王顺意.一种潜艇直航鱼雷攻击低速水面舰艇的方法[J].鱼雷技术,2011,19(5):396-398.
LI Chang-jun,WANG Shun-yi.A method for attacking lowspeed surface ship with submarine′ s straight running torpedo[J].Torpedo Technology,2011,19(5):396-398.
[9]PAOLA I,SEBASTIAN U.proving.Deadlock freedom component-based porgr aming[J].Fundamental Approaches to Software Engieneering,4th Internaitonal Coneference,FASE2001.SPirnger-verlag Berlin Heidelbegr,2001.
[10]ANAND N.Consistency maintenance in concurrent representation[D].Doctor Dissertation of University of Virginia,2000.
[11]刘宝宏,黄柯棣.分布交互式仿真中的多分辨率模型并发运行问题研究[J].系统仿真学报,2007,19(5):1038-1041.
LIU Bao-hong,HUANG Ke-di.Research on parallel implementation of multi-resolution models in distributed interactive simulation[J].Journal of System Simulation,2007,19(5):1038-1041.