基于大数据的导弹武器系统全寿命管理模型研究

初晋锋 满芳芳

关键词：大数据;导弹武器系统;全寿命;管理模型

信息化建设已经进入大数据时代，大数据技术势必推动新军事革命，并逐渐向着更加广泛和深层次的发展。围绕大数据时代军队建设支撑国家安全和可持续发展的需要，抓紧当前的战略机遇期，全面建成军队大数据体系。基于此，本文将引入大数据技术，开展对导弹武器系统全寿命管理模型研究。

1结合大数据的导弹武器系统全寿命管理特点分析

1.1导弹武器系统全寿命管理意义

为实现对导弹武器系统全寿命周期的高效管理，本文结合大数据技术在现行各类管理当中的应用情况进行分析。武器系统全寿命管理的定义是指，将武器装备从确立项目开始，经过生产、使用环节，最终退役报废的整个生命周期作为一个完整的一体进行管理。将武器系统全寿命周期进行细化，除上述四个环节以外，還包含方案设计、工程研发、选型试验、采购等。针对其进行管理的主要目的是保证武器系统能够在其全寿命当中的各个阶段形成良好的协调配合能力，保证每个环节之间形成连贯的衔接，从而确保武器系统在使用过程中具备更高的战术技术性能，并进一步缩短武器系统在初期建设完成阶段的能力提升期限，减少武器系统在全寿命中的成本支出。

导弹武器系统是一个国家军事实力和综合科技发展水平的重要评价指标，在国家综合作战系统当中，导弹武器系统占据着举足轻重的地位。由于导弹与其他武器设备相比具有作用特殊性、结构复杂性、成本巨大化等特点，因此对导弹武器系统的全寿命进行高效管理十分重要。

1.2武器装备引入大数据技术现状

当前大数据技术在民用领域中的应用已经为社会和经济提供了诸多益处，在军事领域也为武器装备系统的发展提供了全新的机遇与挑战。美国是最先将大数据技术应用到军事领域当中的，并将其作为全新的战略支持技术。美国政府将大数据研究与发展作为国家层面的计划，并逐步明确了大数据在军事领域当中应用的重大意义。美国的军事领域通过大数据技术，对大量历史军事数据信息进行了深度的挖掘，从而提升了对数据信息的分析与处理的能力，实现紧握战场信息数据资源的主导权。当前国外军事领域应用大数据技术的案例包括：全球性情报采集与处理系统的建成、实时动态网电战模拟“赛博空间”等。

2基于大数据的导弹武器系统全寿命管理模型设计

2.1导弹武器系统全寿命管理模型整体框架设计

本文将大数据技术应用到对导弹武器系统全寿命管理当中，并建立相应的管理模型，其基本框架应当满足如下功能性需要：首先，模型当中应当包含能够覆盖导弹武器系统全寿命三维信息的数据体系，形成完善的全寿命数据管理逻辑，下图为覆盖导弹武器系统全寿命三维信息的数据体系。

建立的三维信息数据体系，在时间上，应当覆盖导弹武器系统的全周期中各个阶段的数据信息，上图中A～G分别表示为立项论证、设计方案、工程研发、选型试验、生产采购、调配保障、使用维护以及退役报废。在空间上，体系应当充分实现对导弹武器研发部门、生产部门和使用部门等相互之间的连接，做到数据信息共享。在层次上，体系应当形成对导弹武器系统各个层级上的数据支撑。

在模型当中引入用于对数据进行可视化和交互的辅助决策模块。大部分导弹武器系统的数据信息具备较高的动态性和价值低密度性，因此通过大数据对其进行计算和绘制能够将数据更加主观地展现，从而增强人机交互性。

2.2导弹武器系统全寿命多源数据获取

本文采用Flume数据采集技术，构建分布式的数据获取管道，用于对多源导弹武器系统全寿命数据获取，在数据源到数据管理中心之间，构建Agent网络，并在每个网络当中建立数据源、数据通道以及数据存储库。通过设定转换机制，确保数据在存储的过程中不被破坏。在建立数据获取管道的过程中，可适当引入链路交叉接口，用于对未来导弹武器系统数据量不断增加构建复杂网络环境提供充足的连接端口。对于网络当中无法覆盖到的节点，可通过设置数据摆渡的方式实现，并保证泄密数据的安全性。

当数据从系统当中的某一位置传输到模型当中时，在不进行返回或来回地传输时，采用B2B平台，对信息进行追踪，并将追踪数据进行存储。当数据需要进行往返操作时，可重新建立一个POS节点，将数据传送系统当中传送到POS节点上，再由POS节点发送到模型，返回阶段可直接由POS节点传输，不再需要模型响应。除此之外，本文在对导弹武器系统全寿命多源数据存储时，结合分布式计算和虚拟化云平台，保证获取到的数据存储环境更加安全，并在紧急情况下保证数据的不丢失。

2.3导弹武器系统全寿命数据发展态势预测管理

为实现模型的最大利用，本文在设计模型时，引入数据信息隶属度分析方法，针对导弹武器系统全寿命周期中的数据信息隶属度进行提取和分析，对其发展态势进行预测。根据导弹武器系统在数据环境中受到攻击时具备的特性，利用攻击信号具备的时频伸缩形态，得出导弹武器系统全寿命数据发展态势函数：

公式中，P（x）表示为导弹武器系统全寿命数据发展态势函数;a表示为数据在受到攻击时出现的模糊特征数据。根据上述公式得出态势指向性函数，从而逐步将导弹武器系统中产生的动态数据信道中的攻击信号历史结果去除。再利用级联滤波对攻击信号进行降噪抑制处理，从而得出数据信息安全态势分析的响应特征。最后，引入高斯函数极限分离技术，对导弹武器系统中各个独立的数据变量进行分成、分表征处理，从而完成对数据发展态势预测，实现对导弹武器系统全寿命管理。

3实验论证分析

利用设计模型与传统模型对导弹武器系统全寿命管理，测试两种模型数据误码率，设计对比实验。为了保证实验结果的有效性，实验设计两种模型均操作在WindowsSC操作系统上。采用Flume数据采集技术采集导弹武器系统全寿命数据，模型数据采集周期设定为1.5s，模型数据采集频率设定为0.68Hz，采集到的全寿命周期数据存储到RENAME DA-TABASE数据库，模型数据传输协议设定为TCP/IP，导弹武器系统实际全寿命数据数量为1500GB，组网时间为10min。实验利用Packer Sniffer和SMAIER这两款软件对模型管理的系统全寿命数据误码率进行统计分析。通过一系列测量得到大量的实验数据，通过对模型实验数据分析出模型的误码率。下表为实验结果分析表。

从上表可以得出，此次设计模型对导弹武器系统全寿命的管理数据误码率较低，基本可以控制在1%以下，说明设计模型对导弹武器全寿命数据发展态势预测精度较高;而传统模型对导弹武器系统全寿命的管理数据误码率高于设计模型，最大误码率可以达到36.25%，不利于对导弹武器全寿命管理，因此实验证明了设计模型相对于传统模型更适用于导弹武器全寿命管理。

4结语

在针对导弹武器系统全寿命产生的数据进行管理时，本文结合大数据技术，提出一种全新的管理模型，解决了以往数据利用率低、集成整合效率低等问题。同时，本文在构建模型的过程中，将数据的安全性、可扩展性作为构建目标，可充分实现对导弹武器系统的数据采集、存储、分析和处理，进一步提升导弹武器系统全生命周期的管理水平，将该模型应用并推广于军事领域中其他武器系统中，可进一步实现军事领域的信息化建设。