[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

技術領域

本發明屬于分布式仿真技術領域，具體涉及一種基于數據匹配的仿真回放方法。

背景技術

在分布式仿真系統的實際開發與應用過程中，準確的數據記錄和回放是工程人員進行定量分析和可行性評估的重要基礎，尤其是在實際應用仿真過程中，記錄各個仿真對象在各個時刻的狀態以及各個仿真對象之間的交互信息能夠為VV&A(Verification，Validation and Accreditation)提供準確、細粒度的數據。記錄的數據不僅能夠在仿真系統的調試與糾正中產生重大作用，還能夠對整個過程進行完整的重現、為工程人員進行參數分析，并對各個階段工作的正確性、有效性進行全面的評估提供支撐。因此，數據記錄與回放在仿真過程中占據很高的地位。

國內外對于仿真數據記錄回放的研究大多集中于數據采集方法的研究，提高采集數據的效率，對于回放，只可以實現全景全過程回放，針對特定場景和特定片段的回放十分局限。尤其對于分布式仿真的大中型仿真系統，其仿真成員較多而且仿真結束后的數據量龐大，如果全過程的進行回放并不是一個高效率的方法，很多時候不能夠直觀反映仿真的實際情況。例如，一個包含八個聯邦成員的HLA(High Level Architecture)仿真系統，每次仿真運行時間約長兩個小時，但是其實際有效片段和關鍵事件只有若干，2小時的全過程回放并不是好的方案，浪費了資源和時間，回放效率較差。在類似仿真過程中，仿真運行時間長而有效事件較少，這就需要重新設計回放體系結構，且并非所有記錄的數據對于回放和系統分析是必要的，從冗雜數據中掘取有效數據，針對整個回放過程中的關鍵事件和片段進行回放，為仿真系統的優化研究提供輔助決策支持。

發明內容

有鑒于此，本發明提供了一種基于數據匹配的仿真回放方法，整合分布式仿真系統運行結束后的存儲數據，針對事件進行重演，縮短實際回放時間，提高仿真回放的效率。

為了達到上述目的，本發明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，技術方案為：

步驟1：在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該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。

預先根據仿真系統的實際任務和目標確定關鍵事件數量，構造與關鍵事件匹配的樣本數據，并使用樣本數據對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：依據回放方案進行數據回放。

進一步地，步驟3中對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。

進一步地，關鍵事件類型包括：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。

進一步地，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。

有益效果：