基于信息融合的爆破投掷训练系统研究

李航，黄波,2，廖映华

（1.四川轻化工大学 机械工程学院，四川宜宾，644000； 2.人工智能四川省重点实验室，四川宜宾，644000）

0 引言

随着军事技术的不断更新发展，真实模拟军事训练对于军队战斗力的提升具有重要意义[1,2]。目前，国际形势变化莫测，提高自身军队战斗力是军队发展的首要任务，但缺乏真实的训练环境不能使士兵取得较好的训练效果，因此军事训练模拟技术对于提高真实训练环境具有重要的研究价值和意义[3,4]。军事训练中爆破投掷训练作为每个士兵必须掌握的军事技能，因此日常训练对爆破器材消耗量较高，所以为了让士兵体验真实环境往往采用的模拟爆破器材进行训练，在成本、训练量、安全性上具有优势，但无法模拟真实的爆破状况，因而无法达到理想的训练结果，所以利用模拟仿真系统对真实场景的营造成为军事训练器材研究的热点方向[5]。目前，针对军事训练器材模拟仿真，国内外学者做出来很多相关研究，例如，刘俊彦[6]等设计了一种针对82-2式爆破器材的简易防爆罐，利用凯夫拉纤维、4340钢、泡沫铝完成结构设计，采用AUTODYN软件建立数值仿真模型，对爆炸的冲击波及冲击响应进行分析仿真，结果表明通过模拟仿真实验验证了设计的有效性；王克选[7]等，简化某型爆破器材模拟器模型，基于ANSYS软件计算了该爆破器材模拟器从5m高度坠落时底部、外套、顶部和手柄等不同部位着地时的应力状态，为该模拟器设计定型提供分析数据，利用静力分析模拟动态过程可以提高分析速度、降低输入参数的要求；侯建强[8]等，通过静态与动态的对比，得到动态条件下为武器系统评估提供更为准确的数据，对爆破过程产生的爆破碎片运动过程进行建模仿真，分析雷达波束内的动爆破片数量、速度、距离分析等特性，提供一种理论依据；李池[9]等模拟仿真火炮膛内压力环境变化关系，设计了一种新型火炮内压力模拟装置，以经典内弹道理论为基础，利用高低压发射原理，建立分析模型，利用模型分析不同参数对膛压载荷变化的影响，实验分析可以有效模拟载荷关系；Yao[10]等，针对军事训练器材进行了广泛的研究，利用现代仿真训练器通过多组平台分析，对出现的问题进行针对性的调整，让现代仿真技术更加贴近实际环境；王勇[11]等，提出利用VR技术实现手榴弹投掷的虚拟仿真训练，通过虚拟网络战场环境实现环境感知能力的提高，同时对于实战化的训练具有重要意义，但是由于虚拟技术在体验感上还无法做到全感体验，所以对于整体感悟还需要提高；朱良学[12]等，针对爆破器材在训练中出现不安全、需求大、成本高等问题，设计了一种模拟电子爆破器材，通过模拟真实爆破器材的声光电等特征，实现真实环境下的投掷体验，达到投掷训练的效果，取得了一种较好的训练效果；张孝杰[13]等，分析当前手榴弹投掷训练中出现的问题，提出基于虚拟现实技术、N-vision平台、3D Max以及JACK建立投掷场景，通过记录优秀的投掷数据，分析指导投掷动作，为训练过程提供更加智能化的训练技术。因此，当前对于爆破装置爆破训练的研究主要结合新型技术，对爆炸过后产生的爆破效果进行分析模拟，并分析真实条件下爆破环境而产生的声光电等效果，但随着训练投掷数量的增加，对此产生的训练数据无法有效地利用，所以该方向也是模拟训练技术需要改进的关键点，同时也是研究的热点。因此将训练爆破器材结合新型传感技术获取有效训练数据，并作为训练仿真系统的参考数据，为模拟训练提供科学的训练指导。

综上分析，为提高模拟训练效果，更加真实的模拟爆破器材爆破投掷环境，结合多种传感器获取投掷训练数据，利用智能仿真模块实现声光电爆破效果，通过无线通讯模块实现数据的实时传输，根据中央处理控制器分析处理多传感器获取的运动数据，进而保证训练数据的实时性和准确性，利用系统数据分析可以对训练效果进行总结，调节训练投掷姿态达到最佳优化状态，所以针对模拟训练数据获取不准确、实时性不高、数据单一的稳态，本文采用基于多传感器融合的爆破器材投掷仿真系统作为主要研究内容，从而解决模拟训练中出现的问题。

1 仿真系统模型分析

爆破器材投掷仿真训练系统通过模拟真实环境下的投掷状态，将训练爆破器材和多传感技术进行融合，从而获得训练数据以及声光电的仿真效果，通过建立仿真系统模型进行准确的数据分析，达到提高训练效果的目的。

1.1 仿真系统描述

多传感器融合的爆破器材爆破仿真系统是将训练爆破器材的投掷过程进行数字化处理，利用多传感器融合系统收集训练数据，分析训练数据结果以此作为后期训练指导的参考依据。模拟仿真系统主要由数字化硬件系统、声光电系统、数据分析终端系统组成，通过系统之间的相互联系实现对训练爆破器材的数据分析和投掷轨迹的模拟。因此，基于多传感器融合的爆破器材投掷仿真系统的总体设计如图1所示。

图1 总体系统设计

总体系统设计框图通过训练爆破器材的内嵌硬件电路作为运行基础，获取运动数据，然后利用无线通讯模块将运动数据传送到软件设计平台上，利用数据分析终端平台进行分析处理，利用多传感器融合系统对传感器的运行数据进行分析处理得到有效数据，并且指导投掷训练过程不断调整优化训练投掷姿态和轨迹，最终利用在终端平台上的可视化处理功能，达到动态调整得有据可依的目的。

1.2 系统模型建立

多传感器融合的爆破器材投掷仿真系统主要模拟真实的投掷训练过程，以训练爆破器材为运动参考中心转化为数字化的动态运行数据获取点，利用多传感器获取训练爆破器材的多维度状态数据值，然后在数据终端平台上进行计算分析，从而调整训练投掷效果，并且利用可视化界面让训练人员对训练结果有直观的理解，达到优化投掷训练的目的。图2为爆破器材投掷训练运动模型。

图2 爆破器材投掷运动分析

仿真系统根据如图2所示的训练模型可知，通过对训练爆破器材进行编号，实现训练数据实时准确记录，分析投掷仿真系统的运行空间并以此建立全局三维空间坐标系，训练爆破器材简化为运动点并建立局部三轴坐标系，其中i=1,2,3，…表示训练爆破器材投掷编号，对于第i颗训练爆破器材在全局三维空间坐标系中的坐标为，最后利用训练爆破器材内嵌式无线通讯模块将运行数据传送到数据融合终端实现数据的分析，并通过交互界面实现对训练投掷轨迹和状态的实时显示。

1.3 系统参数设定

爆破器材投掷训练模型基于多传感器的数据融合研究、控制电路软硬件设计、无线通讯技术、数据融合平台分析终端等功能组合实现仿真系统的研究，模拟仿真过程中需要对重要参数进行设定，保证系统模型仿真数据的准确性和稳定性，同时能够更加真实地模拟爆破器材投掷过程，因此准确的系统参数设定能保证系统的稳定仿真运行，参数设置如表1所示。

表1 系统参数设定

2 多传感器融合系统分析

多传感器融合系统利用多类型传感器获取训练爆破器材的运行状态数据，然后对运行状态数据进行数据优化处理，通过训练模型的数据分析终端进行状态分析，提取稳定、时效的可靠训练数据，所以利用多传感器融合系统能够应对单一传感器获取传感数据的差异性、波动性、准确性，采用多传感器能够保证训练系统运行数据的准确性和可靠性。

2.1 融合系统原理

多传感器融合系统的融合原理如图3所示，首先融合系统利用n种不同类型的有源或者无源传感器收集观测目标数据，对输出数据提取特征数据采用特征矢量Yi表示，然后对特征矢量进行模式识别，完成对目标的说明，从而得到不同类型传感器对目标的说明数据，根据说明进行目标对象分类处理，即实现数据之间的关联，利用多传感器的数据融合算法实现不同传感器对于目标对象的统一描述[14]。

图3 融合原理示意图

2.2 融合系统框架设计

多传感器的融合系统是基于不同类型传感器的运行特点，利用基础硬件电路保证基本功能运行，结合软件系统对传感器的获取数据进行处理运算并实现优化，从而得到时效性高、稳定性强的融合数据。融合系统的基本框架原理是利用多通道传输并行获取传感数据，通过内嵌式无线通讯模块收集训练数据，利用融合算法实现对数据的精确提取，从而保证仿真系统数据的稳定和真实，融合系统框架如图4所示。

图4 融合系统框架

由融合系统框架可知训练系统的仿真数据通过基本硬件电路设计和多传感器融合算法的软件优化实现数据的融合处理，根据系统数据终端平台分析基本融合数据，得到训练模拟系统的融合状态数据、融合轨迹信息、融合声光电数据，实现多传感器融合系统时效性、稳定性、可靠性的要求。

2.3 融合数据优化

多传感器融合系统中爆破器材投掷数据分析主要体现在训练爆破器材的投掷运动轨迹以及爆破器材声光电响应效果等方面，通过数字化终端平台对获取的传感数据进行检测，利用融合系统分析训练状态，根据融合系统框架可知，多传感器数据融合后可以得到融合状态数据S、融合轨迹信息G、融合声光电数据V，利用仿真系统中的交互界面可实现对所有运行状态及运行轨迹的实时管理，也能够实现对训练人员投掷姿态的动态调整。

模拟仿真系统中由于存在干扰因素，所以融合系统处理后的信息数据与理论数据会存在偏差，通过估计和参数调整提高数据的真实性，由于本文的投掷训练数据具有重复性高、波动性小等特点，所以利用均方差分析法可以实现对融合数据的调整优化，根据数据集建立数据分析模型如式(1)所示。

根据式(1)可知，ijX表示第i个训练爆破器材的第j个观测传感数据值，iµ表示第i个训练爆破器材的理论均值，ijε表示随机误差，σ表示误差最大值，通过随机误差保证数据的动态处理过程。验证运算数据的有效性，引入偏差平方和tS如式(2)所示，进行数据差异判断。

根据偏差平方和的数据分析，利用误差平方和与效应平方和进行分析如式(3)所示，ES表示误差平方和，AS表示效应平方，表示平均传感器误差值，平均理论误差值。

因此，通过分析AS可以衡量不同传感数据之间的差异程度，利用ES可以得到所有融合数据误差分析值，得到融合数据的差异关系。

3 系统融合算法设计

多传感器融合系统利用不同传感器获取不同训练爆破器材运动数据，通过对目标对象的统一描述实现对数据的统一处理，从而得到可识别的动态数据。融合系统的关键技术是利用融合算法实现对不同类型数据的融合，得到统一的目标描述动态数据，最后通过爆破器材投掷状态的实时调试，达到提高仿真系统效率提高的目的。

3.1 数据优化分析

不同类型传感器获取的数据作为融合算法的基础数据，为能够适应复杂的训练环境需要具备抗干扰能力和稳定性，需要进行数据优化处理，才能符合融合数据的准确性和实时性的要求。因此，根据融合系统设计要求以及对数据优化处理的分析，本文采用S-G(Savitzky-Golay)滤波方法对数据进行优化处理[15]。

首先，将数据窗口宽度设为2d+1，d=1,2,…原始数据点的个数用d表示，利用拟合多项式将原始数据点进行拟合如式(4)所示。

根据拟合多项式可得误差平方和E，如式(5)所示。

再对式(5)进行求导实现误差的最小化处理，并简化得到式(6)。

3.2 扩展卡尔曼滤波融合算法（EKF）

扩展卡尔曼滤波融合算法对非线性数据进行处理分为两个阶段实现，分别是预测阶段和校正阶段。预测阶段主要结合运动模型的运动状态数据得到先验估计值；校正阶段主要利用校正公式计算得到后验估计值。根据多传感器的数据集采用离散化处理，通过对上一时刻状态推导下时刻的估计先验值从而形成非线性的状态方程如式(8)所示。

通过多传感器获得训练爆破器材的运动轨迹数据，同时作为EKF中的观测方程输入数据，通过如式(9)所示。

对于误差符合正态分布即为vk-1～N(0,R)表示测量过程中存在的测量噪声，R表示测量值的协方差。由于系统是非线性系统，所以为计算方便需要转换为线性系统，利用Taylor-Series转换。因为系统存在误差所以无法在实际点进行线性化，所以在k-1时刻的后验估计值上进行线性化，即得式(10)：

由于wk-1未知，即令wk-1=0，即可令同时A和1kwkw-可通过表示雅可比矩阵即可表示为式(11)。

此时噪声协方差Q则表示为即得系统状态方程的线性化方程如式(12)所示。

测量方程的线性化，只需对系统先验估计值进行线性化，观测方程需要在线性化的先验估计值基础上，计算得观测方程线性化如式(13)。

此时观测方程观测量的协方差R，表示为vkVN～( 0,VRVT)，即观测方程线性化表达式如式(15)所示。

通过对非线性系统状态方程和观测方程进行线性化，即可通过卡尔曼滤波算法进行数据融合处理。首先通过预测阶段可以得到预测方程和先验估计协方差分别为如式(16)和式(17)所示。

其次是进行校正阶段，需要先求解出卡尔曼增益Kk，计算如式(18)所示。

最后进行后验估值计算，计算过程如式(19)和式(20)所示。

3.3 特征数据拟合

多传感器融合系统获取传感数据后利用融合算法得到融合数据，利用训练爆破器材的无线通讯装置将运行数据传送到数据运算终端平台，利用系统融合算法将运行数据、声光电的反馈数据进轨迹显示和监控数据实现，所以通过拟合技术对多类型融合数据实时显示。本文采用的数据拟合方法利用移动最小二乘法进行了数据拟合。

在移动最小二乘法中，通常采用兰卡斯特和萨尔考斯卡斯定义的局部近似[16]的试验函数如式(21)所示。

式(22)中r表示相对距离，σ表示形状参数，根据加权值插入到拟合值与给定值之间的平方误差上，通过调节权重值达到拟合的最优化。

4 仿真实验及结果分析

多传感器融合的爆破器材投掷仿真系统验证实验通过获取训练爆破器材的投掷训练数据并进行分析，验证多传感器融合算法的有效性和时效性，通过拟合融合数据得到稳定、准确的运行轨迹曲线以及训练爆破器材的状态数据。本文实验主要是基于ROS（robot operating system）系统中的Gazebo仿真平台，通过搭建训练模型以及设置训练爆破器材上传感器的参数，同时修改ROS系统中启动功能包的配置参数文件，获取投掷训练过程中的运行数据，最后以PC机作为数据处理终端进行数据分析。

4.1 参数设置

实验主要利用软件仿真平台对多传感器融合的训练爆破器材、训练环境以及数据终端平台进行参数设置，通过初始参数的设置可以对环境对象进行初始描述，对运行对象的训练过程更容易进行数据描述。因此对于训练爆破器材和训练环境的参数设置如表2所示。

表2 参数设置

参数设置可达到对环境模型精确描述的目的，由于实际投掷训练过程中会受到不确定的环境因素干扰，所以在仿真模拟中为了更加真实展示环境状态，引入随机扰动变量，作为动态环境的随机数，从而保证训练结果的真实性。

4.2 实验设计

本文实验主要利用模拟仿真平台对爆破器材投掷过程进行模拟仿真，利用基于多传感器融合的训练爆破器材得到投掷数据，分析投掷数据实现投掷姿态的动态调整。模拟仿真实验主要包括两个部分，分别为训练爆破器材的传感数据获取、数据终端平台的融合分析；训练爆破器材传感器数据主要从不同数据的获取方式判定数据获取的准确性和可靠性，利用动态环境状态的数据设计可得到训练环境模型，从而分析运行状态的效果。实验设计过程为保证实验仿真运行过程的真实性和合理性，通过如图5所示的运行流程图，可以得到仿真系统的模拟训练数据。

图5 实验仿真流程图

根据如图5所示的实验仿真流程关系可知训练爆破器材投掷过程的训练仿真过程，通过初始化后，利用训练爆破器材的内嵌式无线传送装置实现对声光电数据、运行状态数据的获取和传送，再根据终端平台记录数据，利用融合算法以及数据分析方法实现对数据的处理分析，并在交互界面上进行动态显示，若符合要求则投掷训练完成，不符合要求则需要调整投掷姿态再进行数据分析，从而调整达到训练要求。

4.3 实验结果分析

本文实验通过Gazebo软件仿真平台进行模拟环境的仿真，采用EKF融合算法对传感器的数据进行融合处理得到训练数据结果，其中如图6所示为训练爆破器材投掷过程，利用传感器获取的轨迹运动曲线。

图6 投掷运动轨迹曲线

根据投掷曲线可知，多传感器获取得到训练爆破器材在XYZ轴平面上的运动关系以及投影在X-Y、Y-Z、X-Z平面上的关系曲线，通过曲面可以看到X-Y平面上的运动轨迹呈现曲线变化，说明在投掷中受到水平方向上的Y轴方向上的干扰，影响投掷姿态变化；投掷轨迹曲线在X-Z平面和Y-Z平面的投影反映了训练爆破器材在投掷中的曲线变化呈现抛物线变化趋势符合投掷运动过程，由此可以通过不同曲线的变化趋势调整投掷姿态。

多传感器数据融合系统利用EKF融合算法实现多传感器数据的有效融合，本实验主要是利用惯性陀螺仪传感器、速度检测传感器、高度检测传感器，获取基本运动数据，利用扩展卡尔曼滤波融合算法实现融合过程，图7为不同传感器获取的动态融合数据在X-Y平面的映射关系图，由图示可知随着时间的变化，传感器获取的X轴位移变化关系波动较大，数据准确性较低，通过融合算法后得到的运行数据处于多种传感器获取数据的中间值，并趋向于稳定变化。

图7 多传感器融合曲线对比

基于多传感器的训练爆破器材利用声光电传感器可以检测到训练数据并在系统中进行实时显示，分析对比可以得到训练爆破器材的声光电仿真效果，根据传感器获取得到的检测延迟响应时间、烟雾浓度、闪光度等数据可以判断训练爆破器材的真实性，对投掷系统具有重要的辅助价值，如表3所示为传感器获取声光电传感数据的主要参数，爆炸分贝数据在设置范围内，同时经过多次采集数据获取方差变化范围为5db，烟雾爆炸扩散速度检测数值主要检测爆炸烟雾的扩散速度，能够真实有效地模拟爆炸效果；闪光度的平均检测值为31200cd，在范围值内变化说明训练者可以看到和真实爆破器材类似的视觉效果。

表3 传感数据检测数据

多传感器融合的爆破器材投掷仿真系统通过收集训练数据记录投掷状态数据，实现对姿态投掷的判断调整，并通过对比分析投掷调整效率，判断仿真系统的效率变化关系，本实验记录投掷10次的运行数据对比分析如图8所示，分析融合算法和非融合算法条件下的效率提升的柱状图变化，由图示可知，随着投掷次数的增加提升效率也在提高，但是提高的速率也在逐渐降低，通过分析图示得到利用融合算法的提升效率最大值可达到18.3%，未融合的提升效率最大为16.2%，由此可见融合算法对于提升效率有效，并且经过不同投掷次数可知融合算法的提升效率均高于未采用融合算法的提升效率。

图8 投掷仿真效率对比分析图

5 结论

基于多传感器融合的爆破器材投掷仿真系统利用多传感器的特性优势，结合不同类型传感器，利用扩展卡尔曼滤波融合算法，实现惯性陀螺仪传感器、速度传感器、高度传感器等运行轨迹数据的融合，采用移动最小二乘法对存在波动运行轨迹曲线进行拟合，然后通过判断分析声光电传感器数据，判定数据是否在有效区间，并确定投掷过程的合理性；通过对比采用融合算法对提升仿真效率的效果进行分析，得到随着投掷次数的增加融合后的投掷效率可达到18.3%，相比较于未融合算法的提升效率提高2.1%，利用对姿态的调整，不断的优化达到最佳状态，并且融合数据的稳定性和准确性越高对于姿态调整的效率更高，所以基于多传感器融合的爆破器材投掷在仿真系统中的效果明显。