41、基于HLA的CGF任务仿真系统及CGF坦克瞄准射击模型研究

基于HLA的CGF任务仿真系统及CGF坦克瞄准射击模型研究

1. 基于HLA的CGF任务仿真系统

1.1 RTI与MRM方法概述

运行时基础设施（RTI）是高层体系结构（HLA）的核心组件，它将仿真服务器层与底层网络功能分离，并通过对象和交互实现不同联邦成员之间的数据交换。目前，多分辨率建模（MRM）主要有三种方法：选择性查看、聚合 - 解聚和多分辨率实体（MRE）。其中，聚合 - 解聚方法应用最为广泛，被认为最能体现MRM的本质，但容易导致用于显示宏观信息的低分辨率模型与用于显示模型细节的高分辨率模型之间出现不一致。MRE方法则始终维护实体在所有分辨率级别的属性，能够以消耗更多资源为代价保持一致性。

在军事仿真中，实体的任务在一定程度上决定其后续行为，任务的过程和状态也会影响决策过程。因此，我们采用聚合 - 解聚方法对联邦中的战斗实体进行建模，设计映射函数以改变不同分辨率级别的模型；同时为实体的任务信息构建MRE模型，以保持所有分辨率级别下的任务细节，既不过多消耗资源，又能保持任务在不同分辨率下的一致性。

1.2 战斗实体的聚合 - 解聚模型

在聚合 - 解聚方法中，为仿真实体构建多分辨率模型，使其在仿真过程中能够动态改变分辨率级别。通常情况下，仿真实体以低分辨率级别运行；当需要更多模型细节时，模型切换到高分辨率级别；当不再需要这些细节时，模型又可以切换回低分辨率级别。

一致性是指为同一实体在相同条件下构建的不同分辨率级别仿真模型的运行结果。一致性可分为强一致性和弱一致性。在传统的聚合 - 解聚方法中，构建映射函数用于在聚合和解聚过程中为不同分辨率级别的模型传递信息，但在高分辨率模型的聚合过程中，会丢失大量细节信息。为了改进映射函数，我们设计了一个附加信息结构，在实体编队触发聚合过程时构建，主要包含战斗仿真实体的一些公共属性，编队标识显示编队类型，可能是标准编队数据库中的标准编队，也可能是临时非标准编队。

以仿真实体的位置为例，改进后的映射函数如下：
- 聚合过程 ：使用核心实体定位方法。首先检查实体的编队信息，如果当前编队不是数据库中的标准编队，则将当前编队的数学描述保存到附加信息结构中，并将编队标识设置为临时编队，然后执行映射函数。假设编队中的核心实体为 (E_{c + 1}, E_{c + 2}, \cdots, E_{c + m})，映射函数为：
[E.p = f_A(E_1.p, E_2.p, \cdots, E_n.p) = \sum_{i = 1}^{m}E_{c + i}.p / m]
- 解聚过程 ：首先检查编队，如果当前编队是临时编队，则使用附加信息结构中的相对位置信息进行解聚；否则，参考数据库中的标准编队信息为新高分辨率实体生成位置。假设要生成高分辨率实体 (E_i’) 的位置为 (E_i’.p)，映射函数为：
[f_D(E.p; L) =
\begin{cases}
(E.p + sp_1, E.p + sp_2, \cdots, E.p + sp_n), & L = \text{临时编队}\
(E_1’.p, E_2’.p, \cdots, E_n’.p), & L = \text{标准编队}
\end{cases}]

1.3 任务的MRE模型

任务多分辨率模型及其一致性维护依赖于任务MRE。任务多分辨率过程在很大程度上取决于应用。一些低分辨率任务可以直接分配给高分辨率实体，而另一些则必须在分配前进行解聚，这一过程需要军事专家的支持。由于任务的复杂性，一旦在聚合 - 解聚过程中丢失了任务的某些属性，就很难再次生成。但如果记录了这些属性，就可以使用一致性函数更新不同分辨率级别下的任务属性。

MRE方法始终维护任务在所有分辨率级别的属性，使任务存在于多个分辨率级别。任务MRE结构由聚合模型、解聚模型、一致性强制器（CE）和交互解析器（IR）组成。
- 一致性强制器（CE） ：确保任务在不同分辨率级别的表示一致。当交互改变某些属性时，通过一致性映射函数进行调整，将一种表示中的属性转换为另一种表示中的属性，包括值或类型的转换。例如，一个坦克排接到占领一个区域的命令，解聚映射函数可以将坦克排的任务信息转换为每辆坦克的任务信息，聚合映射函数也可以将所有坦克的任务信息转换为坦克排的任务信息，并且每次映射函数的转换都在时间步结束前完成。
- 交互解析器（IR） ：解决不同分辨率级别下的并发交互问题。在实际仿真中，这些并发交互通常是相互依赖的。在每个仿真时间步，将接收到的所有交互分为四种类型：有确定结果的响应交互、有不确定结果的响应交互、有确定结果的请求交互和有不确定结果的请求交互。在这四种类型的交互中，响应交互与请求交互相互独立，因为它们描述的是已经发生的信息。在响应交互中，先处理有确定结果的交互，并丢弃影响先前交互的一些交互信息；请求交互在响应交互之后处理，处理策略与响应交互类似。

1.4 基于HLA的任务仿真系统结构

• 联邦结构 ：仿真系统基于HLA构建，仿真联邦由一个任务管理联邦成员和多个计算机生成兵力（CGF）实体联邦成员组成。任务管理联邦成员从作战场景中获取任务信息，通过交互将任务信息统一分配给每个实体联邦成员，接收实体联邦成员在任务过程中的反馈，并更新任务列表中每个任务的完成状态。其他联邦成员是各种战斗仿真实体，根据具体的仿真规模模拟不同分辨率级别的聚合实体。
• 仿真过程 ：仿真开始时，任务管理联邦成员将作战场景中的原始任务信息打包成交互，通过RTI发送给其他联邦成员。实体联邦成员接收到交互后进行解析，将任务解聚到每个实体能够完成的分辨率级别，并将这些任务分配给每个实体执行。实体联邦成员中生成的每个任务都会向任务管理联邦成员发送“新任务”交互，在任务列表中建立记录。同样，在某个分辨率级别下由实体的决策机制生成的所有分辨率级别的新任务信息、预设在作战场景中的任务信息或任务更新信息，也会发送给任务管理联邦成员。此外，当实体的任务完成或因各种原因无法完成时，会向任务管理联邦成员发送“结束任务”交互。最后，当仿真结束时，任务管理联邦成员根据任务列表中的任务状态信息评估仿真结果。

1.5 任务管理联邦成员

在仿真过程中，任务管理联邦成员维护一个任务列表，记录联邦中所有任务及其状态信息，包括已完成的任务和正在进行的任务。每个任务在任务列表中的记录包含以下属性：
| 属性 | 类型 | 说明 |
| ---- | ---- | ---- |
| Task_ID | int | 任务标识，整数，列表中的主键 |
| Entity_Num | int | 执行此任务的实体数量 |
| Entity_ID[] | Int[Entity_Num] | 执行此任务的实体标识 |
| Begin_Time | Double | 任务开始时间 |
| Last_Time | Double | 任务持续时间 |
| Task_Type | Int | 任务的预定义类型标识，整数值表示任务类型，如移动任务、攻击任务、包围任务、巡逻任务、防御任务等 |
| Target_Area | Double[x, y] | 任务的目标区域，在不同任务类型中有不同含义，如移动任务中的目标位置或防御任务中的防御区域 |
| Task_Parameter[] | Int[N] | 任务的一些附加信息，用于控制任务执行过程 |
| Agg_Task_ID | int | 此任务解聚自的聚合任务标识（如果此任务不是最低分辨率级别） |
| Disagg_Task_Num | int | 从此任务解聚出的任务数量 |
| Disagg_Task_ID[] | Int[Disagg_Task_Num] | 从此任务解聚出的任务标识 |
| Task_Process | float | 此任务执行者在当前仿真时间内完成任务的能力估计 |
| Task_Status | float | 此任务的完成百分比 |

1.6 任务信息的可视化

根据任务列表中任务信息的描述，我们使用传统的军事标图方法在仿真系统中实现了任务的可视化。任务信息的可视化可以直观地显示实体的行为信息和意图，并且可视化过程会根据不同的任务类型使用不同的信息。

以攻击任务为例，可视化过程基于执行此任务的实体信息、目标位置和任务控制信息，分别对应任务列表中的Entity_ID、Target_Area和Task_Parameter。在仿真系统中，攻击任务的可视化结果如下：红色矩形标记正在执行当前任务的实体；红色箭头从由核心实体确定的实体聚合位置开始，箭头末端指向当前攻击任务的目标区域，箭头的弧度取决于当前任务的控制信息（在我们的系统中为航点）；否则，箭头应绘制在视线的垂直平面上，并且在任务过程中轮廓会发生变化。

2. CGF坦克瞄准射击模型研究

2.1 CGF概述

计算机生成兵力（CGF）是分布式交互仿真中的关键技术之一，其主要目的是为武器仿真实体的人员在环提供战斗对手或友军，提高虚拟战场环境的真实性和复杂性，增强受训人员的沉浸感。CGF坦克实体模型作为敌方或友方已广泛应用于许多作战仿真系统中，但现有的瞄准射击模型较为简单，仅根据武器性能随机判断射击结果，没有考虑操作人员的因素，只能体现武器之间的性能对比，无法反映军队之间的对抗，不符合坦克炮手射击和连队战术训练的实际需求。

2.2 现代坦克射击过程

现代坦克的武器系统为直瞄武器，配备先进的火控计算机。炮手发现目标后，选择炮弹并装填，然后进行瞄准、跟踪和测距，火控系统自动收集车辆状态、距离、目标状态和环境参数，计算火炮在垂直和水平方向的角度并定位火炮，设置射击参数。炮手射击后，炮弹将按预定轨迹飞行直至命中目标。在这个过程中，是否命中目标取决于火控系统、传感器误差和炮弹散布，而炮手的瞄准精度和射击反应时间是主要影响因素。因此，为了真实反映实际射击情况，应充分考虑炮手因素，构建相关模型以完善CGF坦克的射击模块。

2.3 高精度CGF坦克瞄准模型构建

基于炮手射击过程中瞄准误差对射击精度的影响因素，构建瞄准误差模型和射击反应延迟模型，组成高精度的CGF坦克瞄准模型。这使得CGF坦克模型中的瞄准动作更加真实，提高了系统的保真度和有效性，有利于提高炮手射击和战术训练系统的效率。

综上所述，通过对基于HLA的CGF任务仿真系统和CGF坦克瞄准射击模型的研究，我们可以更好地模拟军事作战场景，提高军事训练的效果和质量。在未来的研究中，可以进一步优化模型，考虑更多的实际因素，以提高仿真的真实性和可靠性。

基于HLA的CGF任务仿真系统及CGF坦克瞄准射击模型研究

3. 系统优势与面临的挑战

3.1 系统优势

基于HLA的CGF任务仿真系统和CGF坦克瞄准射击模型具有多方面的优势：
- 任务建模优势 ：采用聚合 - 解聚方法对战斗实体建模，结合MRE模型对任务信息建模，既保证了任务在不同分辨率下的一致性，又不过多消耗资源。任务MRE模型通过维护所有分辨率级别的任务细节，能很好地适应不同规模和复杂程度的军事仿真场景。
- 任务管理优势 ：任务管理联邦成员的引入，使得任务信息在整个仿真过程中得到有效管理。它能够统一分配任务、接收反馈并更新任务状态，为仿真的顺利进行提供了有力支持。
- 可视化优势 ：任务信息的可视化通过传统军事标图方法实现，能够直观地展示实体的行为和意图，有助于操作人员更好地理解仿真过程，提高决策效率。
- 坦克模型优势 ：高精度的CGF坦克瞄准模型考虑了炮手因素，使瞄准动作更加真实，提高了系统的保真度和有效性，更符合实际的军事训练需求。

3.2 面临的挑战

尽管系统具有诸多优势，但也面临一些挑战：
- 一致性与资源的平衡 ：在多分辨率建模过程中，保持模型的一致性和节约仿真资源之间存在冲突。例如，MRE模型虽然能保持任务的一致性，但会消耗更多资源；而聚合 - 解聚方法在聚合过程中可能丢失细节信息。如何在两者之间找到最佳平衡点，是需要进一步研究的问题。
- 并发交互处理 ：在任务MRE模型中，解决不同分辨率级别下的并发交互问题是一个挑战。实际仿真中，并发交互通常相互依赖，需要设计高效的交互解析器来处理这些交互，确保仿真的准确性和稳定性。
- 模型的复杂性 ：随着模型的不断完善，系统的复杂性也在增加。例如，高精度的CGF坦克瞄准模型考虑了多个影响因素，这使得模型的构建和维护变得更加困难。需要开发更有效的方法来管理和优化模型。

4. 未来发展方向

4.1 模型优化

• 多分辨率建模优化 ：进一步研究多分辨率建模方法，寻找更合理的方式来平衡一致性和资源消耗。例如，可以探索新的映射函数或信息结构，减少聚合过程中细节信息的丢失。
• 坦克瞄准模型优化 ：考虑更多的实际因素，如炮手的心理状态、环境干扰等，进一步完善CGF坦克瞄准模型，提高其真实性和可靠性。

4.2 与其他技术的融合

• 人工智能技术 ：引入人工智能技术，如机器学习、深度学习等，使系统能够自动学习和适应不同的作战场景，提高仿真的智能性和自主性。
• 虚拟现实技术 ：结合虚拟现实技术，为受训人员提供更加沉浸式的训练体验，增强训练效果。

4.3 应用拓展

• 军事训练拓展 ：将系统应用于更广泛的军事训练场景，如联合兵种训练、大规模战役仿真等，提高军事训练的质量和效率。
• 非军事领域应用 ：探索系统在非军事领域的应用，如灾害救援模拟、交通管理仿真等，发挥其在其他领域的价值。

5. 总结

本文围绕基于HLA的CGF任务仿真系统和CGF坦克瞄准射击模型展开研究。在任务仿真系统方面，详细介绍了RTI、MRM方法、战斗实体的聚合 - 解聚模型、任务的MRE模型、系统结构、任务管理联邦成员以及任务信息的可视化等内容。在CGF坦克瞄准射击模型方面，分析了现有模型的不足，阐述了现代坦克射击过程，并构建了高精度的瞄准模型。

系统具有多方面的优势，但也面临着一致性与资源平衡、并发交互处理和模型复杂性等挑战。未来的发展方向包括模型优化、与其他技术的融合以及应用拓展等。通过不断的研究和改进，这些模型和系统将在军事训练和其他领域发挥更大的作用，为提高军事作战能力和解决实际问题提供有力支持。

为了更清晰地展示相关流程，下面给出几个mermaid流程图：

graph TD;
    A[仿真开始] --> B[任务管理联邦成员获取任务信息];
    B --> C[打包任务信息成交互];
    C --> D[通过RTI发送给实体联邦成员];
    D --> E[实体联邦成员解析交互];
    E --> F[解聚任务到合适分辨率];
    F --> G[分配任务给实体执行];
    G --> H[实体发送“新任务”交互];
    H --> I[任务管理联邦成员更新任务列表];
    J[任务完成或无法完成] --> K[实体发送“结束任务”交互];
    K --> L[任务管理联邦成员更新任务状态];
    M[仿真结束] --> N[任务管理联邦成员评估仿真结果];

graph TD;
    A[炮手发现目标] --> B[选择炮弹并装填];
    B --> C[瞄准、跟踪和测距];
    C --> D[火控系统收集参数];
    D --> E[计算火炮角度和设置参数];
    E --> F[炮手射击];
    F --> G[炮弹按预定轨迹飞行];
    G --> H{是否命中目标};
    H -- 是 --> I[命中目标];
    H -- 否 --> J[未命中目标];

通过以上研究和分析，我们对基于HLA的CGF任务仿真系统和CGF坦克瞄准射击模型有了更深入的理解，为进一步的研究和应用奠定了基础。在未来的工作中，我们将继续努力，不断完善这些模型和系统，使其更好地服务于军事训练和其他相关领域。