[發明專利]一種基于數據匹配的仿真回放方法

有效

• 申請號: 201510543288.1
• 申請日: 2015-08-28
• 公開（公告）號: CN105183624B
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 陳晨;張嘯天;陳杰;陳正雄;王健;吳嘯塵;彭小迪
• 申請（專利權）人: 北京理工大學
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/08
• 代理公司: 北京理工大學專利中心11120
• 代理人: 高燕燕,仇蕾安

1.一種基于數據匹配的仿真回放方法，針對基于高層體系結構HLA的分布式仿真系統進行仿真數據回放，該方法的特征在于，包括如下步驟：

步驟1：在所述HLA的分布式仿真系統仿真運行結束后，從系統的數據庫中選擇并調用仿真方預案，讀取關于該仿真方預案的原始數據；

步驟2：對步驟1所得到的原始數據進行整合，獲得關于該仿真方預案的原始數據的N元并行數據集，每條N元并行數據包含N個元素的種類分別為：仿真時間值、仿真對象類名、對象實例名、對象屬性名、對象屬性類型和對象屬性值δ，對象屬性值δ有k種類型；

步驟3：對所述N元并行數據集中各條N元并行數據中的對象屬性值δ求均值對于每個對象屬性值δ，計算從δ到的馬哈拉諾比斯距離然后通過最大標準殘差Grubb檢驗方法檢測離群點；如果被確定為離群點，則該對象屬性值所屬的N元并行數據作為離群點從N元并行數據集中剔除；

步驟4：建立一個K×(2K+1)×M的三層神經網絡結構，K個輸入節點分別為N元并行數據的仿真時間值以及對象屬性值，K＝k+1；中間層為(2K+1)個節點；該神經網絡的輸出狀態即為測試輸入向量所屬關鍵事件，則M為關鍵事件個數加1，即增加一個不屬于任何關鍵事件的輸出狀態；

所述關鍵事件包括：目標被發現、目標被攔截以及目標到達目的地三類，若有n個目標，則具體事件個數為2n+1；

預先根據仿真系統的實際任務和目標確定關鍵事件數量，構造與所述關鍵事件匹配的樣本數據，并使用所述樣本數據對所述神經網絡進行網絡訓練；

步驟5：將經步驟3剔除后的N元并行數據集中的各條N元并行數據依次輸入訓練后的神經網絡，獲得輸出結果，根據輸出結果可識別出N元并行數據屬于哪個關鍵事件或不屬于任何關鍵事件；

步驟6：篩選出屬于關鍵事件的N元并行數據，并按照仿真時間值進行排序，得出回放方案；

步驟7：依據所述回放方案進行數據回放。

2.如權利要求1所述的一種基于數據匹配的仿真回放方法，其特征在于，所述步驟3中對所述N元并行數據集中各條N元并行數據中的對象屬性值δ求均值時，僅采用對象屬性值中的對象三維坐標值，求該三維坐標值中每一維坐標的均值得到均值三維坐標，并計算該三維坐標值到均值三維坐標的馬哈拉諾比斯距離。

3.如權利要求1所述的一種基于數據匹配的仿真回放方法，其特征在于，所述神經網絡結構中，中間層神經元的傳遞函數為S型正切函數，輸出神經元的傳遞函數為S型對數函數，選用Trainlm為網絡的訓練函數，學習函數取Learngdm，性能函數取Mse。