裝備平行仿真理論框架研究

葛承壟 朱元昌 邸彥強 胡志偉 孟憲國

近年來軍用仿真技術(shù)在裝備全壽命周期中有了廣泛應(yīng)用,尤其是在部隊模擬訓(xùn)練領(lǐng)域、體系對抗仿真領(lǐng)域以及軍用試驗仿真領(lǐng)域中均發(fā)揮了重要作用.但是隨著戰(zhàn)場和裝備復(fù)雜度的提高,在一些裝備應(yīng)用領(lǐng)域中,對軍用仿真技術(shù)提出了新需求,突出表現(xiàn)在以下兩個重要領(lǐng)域.

1)裝備作戰(zhàn)指揮決策領(lǐng)域.裝備作戰(zhàn)指揮決策由指揮員主觀決策和指控(Command&Control,C2)決策系統(tǒng)輔助決策組成,其中C2決策系統(tǒng)發(fā)揮了重要作用.然而現(xiàn)有的C2決策系統(tǒng)中使用的計算模型是固定的,無法根據(jù)實時戰(zhàn)場態(tài)勢作出自適應(yīng)調(diào)整,不能適應(yīng)戰(zhàn)場進(jìn)程的快速變化[1];同時無法形成多種作戰(zhàn)方案并對方案進(jìn)行模擬推演進(jìn)而形成最優(yōu)方案,影響作戰(zhàn)決策的準(zhǔn)確度.

2)裝備維修保障領(lǐng)域.裝備故障預(yù)測與健康管理技術(shù)(Prognostic and Health Management,PHM)是裝備維修保障的基礎(chǔ),其中故障診斷和剩余壽命(Remaining Useful Life,RUL)預(yù)測是其主要研究內(nèi)容.在裝備故障診斷領(lǐng)域中,現(xiàn)有的故障診斷方法大都是離線分析方法,具有診斷模型固定、診斷準(zhǔn)確度不高的不足,需要在線的具有自適應(yīng)能力的故障診斷方法[2];在裝備RUL預(yù)測領(lǐng)域中,研究具有自更新能力[3]的RUL預(yù)測模型是RUL預(yù)測的發(fā)展趨勢,是實現(xiàn)動態(tài)、自適應(yīng)RUL預(yù)測[4]的基礎(chǔ),從而提高預(yù)測的精度.

軍用仿真技術(shù)在以上兩個裝備運用領(lǐng)域中遇到的問題可以歸納為領(lǐng)域模型固定,無法根據(jù)裝備信息進(jìn)行自適應(yīng)調(diào)整,包括模型參數(shù)、結(jié)構(gòu)的變化及模型輸出的校正等,模型不具備自適應(yīng)演化能力.因此,迫切需要研究以數(shù)據(jù)驅(qū)動的可演化建模為支撐的軍用仿真技術(shù).針對以上問題,國內(nèi)仿真領(lǐng)域?qū)＜姨峒捌叫蟹抡婊蚺c之類似的概念,如胡曉峰教授[5]從大數(shù)據(jù)對建模方法的挑戰(zhàn)角度提出“嵌入式”平行仿真,認(rèn)為這種仿真框架可以兼顧“過程”與“結(jié)果”,允許仿真和預(yù)測同時進(jìn)行,畢長劍教授在第十屆中國系統(tǒng)建模與仿真技術(shù)高層論壇發(fā)言中提到“基于平行系統(tǒng)的嵌入式仿真”,認(rèn)為這種嵌入式仿真可以通過數(shù)據(jù)驅(qū)動的方式修正仿真模型.但是對于裝備平行仿真,目前還沒有學(xué)者提出較完整的理論框架.本文結(jié)合軍用仿真應(yīng)用需求和平行系統(tǒng)理論、動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)(Dynamic Data Driven Application System,DDDAS)、共生仿真、在線仿真等理論范式提出裝備平行仿真理論框架,包括概念、特點、相關(guān)理論范式比較、技術(shù)分類以及平行仿真系統(tǒng)的形式化運行過程.

1 裝備平行仿真的概念和相關(guān)范式

1.1 裝備平行仿真的概念

裝備平行仿真是指構(gòu)建與實際武器裝備平行運行的仿真系統(tǒng)即平行仿真系統(tǒng),實際武器裝備和平行仿真系統(tǒng)互聯(lián)在一起,平行仿真系統(tǒng)動態(tài)地接收來自實際武器裝備的信息,用于演化修正仿真模型,提高仿真結(jié)果的準(zhǔn)確性,仿真結(jié)果可動態(tài)地反饋給實際武器裝備,指導(dǎo)實際武器裝備的運行,提升實際武器裝備的運用和保障效能.作為新興的軍用仿真技術(shù),裝備平行仿真目前可以用于裝備作戰(zhàn)指揮決策、裝備RUL預(yù)測、裝備故障診斷等裝備運用領(lǐng)域.裝備平行仿真示意圖如圖1所示.

裝備平行仿真具有如下技術(shù)特點：

1)虛實共生.實際武器裝備和平行仿真系統(tǒng)同時存在,構(gòu)成一種“虛”、“實”互利共生的結(jié)構(gòu)，平行仿真系統(tǒng)受益于實際武器裝備信息以演化修正自身模型、提高仿真結(jié)果精度,實際武器裝備則受益于平行仿真系統(tǒng)反饋的仿真結(jié)果以提升裝備運用和保障效能.

2)數(shù)據(jù)驅(qū)動.雙向數(shù)據(jù)交互是互利共生的前提,實際武器裝備信息和仿真結(jié)果都是以數(shù)據(jù)或數(shù)據(jù)集的形式存在,數(shù)據(jù)是驅(qū)動平行仿真系統(tǒng)運行與模型演化的源動力,也是提高實際武器裝備效能的依據(jù).

3)模型演化.以往仿真系統(tǒng)的仿真模型側(cè)重于一次性構(gòu)建,即仿真系統(tǒng)運行后模型參數(shù)、結(jié)構(gòu)不再改變,模型輸出也不再校正,平行仿真系統(tǒng)中的仿真模型是可演化的仿真模型,平行仿真系統(tǒng)能根據(jù)實際武器裝備信息調(diào)整自身模型參數(shù)、結(jié)構(gòu)及校正模型輸出,使得仿真模型輸出不斷逼近相應(yīng)的實際武器裝備信息,提高仿真結(jié)果的準(zhǔn)確性.

4)平行運行.實際武器裝備和平行仿真系統(tǒng)同時運行,平行仿真系統(tǒng)以在線的方式獲取實際武器裝備信息用于修正仿真模型,同時為保證仿真過程和仿真結(jié)果反饋的時效性,平行仿真系統(tǒng)的運行一般應(yīng)快于實際武器裝備,以超實時或者盡可能快(As Fast As Possible,AFAP)的方式運行,并具備高性能計算(High Performance Computation,HPC)能力.

1.1.1 實際武器裝備和平行仿真系統(tǒng)

實際武器裝備是由機、電、液等組成的復(fù)雜系統(tǒng),根據(jù)裝備平行仿真的不同應(yīng)用目的,需要能反映裝備某一特性的仿真模型.例如,考慮利用裝備平行仿真指導(dǎo)裝備視情維修過程,需要對裝備的剩余壽命進(jìn)行預(yù)測,此時需要構(gòu)建能夠反映裝備性能退化過程的仿真模型.在裝備平行仿真中,實際武器裝備和平行仿真系統(tǒng)通過傳感器、執(zhí)行器進(jìn)行雙向交互.傳感器給平行仿真系統(tǒng)提供實際武器裝備信息,執(zhí)行器使得平行仿真系統(tǒng)對實際武器裝備執(zhí)行控制等操作.一些實際武器裝備或其子系統(tǒng)并不可控,此時執(zhí)行器不一定存在.圖2為實際武器裝備和平行仿真系統(tǒng)的關(guān)系示意圖.由傳感器提供的實際武器裝備信息可以劃分為兩類,即在時刻t的實際武器裝備狀態(tài)信息S t和行為信息B t.

1)狀態(tài)信息S t.狀態(tài)反映了實際武器裝備在給定時刻多個內(nèi)部狀態(tài)變量的取值,可以將實際武器裝備狀態(tài)劃分為已知狀態(tài)S a和未知狀態(tài)S ua.由于武器裝備的復(fù)雜性,很難獲得裝備的完全狀態(tài)信息S=S a ∪S ua.例如,獲取裝備的完全狀態(tài)信息可能會消耗大量時間或者經(jīng)過密集計算,當(dāng)平行仿真系統(tǒng)利用這些信息時可能已經(jīng)出現(xiàn)信息過時的情況.除此之外,一些狀態(tài)變量能夠利用傳感器進(jìn)行觀測,而一些狀態(tài)變量卻不可觀測.

2)行為信息B t.行為信息反映了狀態(tài)信息中不能反映的可計量的實際武器裝備信息.例如,機械裝備中齒輪箱的磨損是導(dǎo)致機械裝備故障的重要原因,而磨損量并不能夠通過傳感器直接觀測得到,需要利用傳感器監(jiān)測齒輪箱的振動信號進(jìn)行分析計算.

由于傳感器如溫度傳感器、振動傳感器、壓力傳感器等都有一定的測量精度和分辨率,所以由傳感器提供的狀態(tài)信息不一定是準(zhǔn)確無誤的.除此之外,如果利用多傳感器組或者網(wǎng)絡(luò)化傳感器對裝備狀態(tài)進(jìn)行監(jiān)測就必須對多源數(shù)據(jù)進(jìn)行融合處理,才能傳輸?shù)狡叫蟹抡嫦到y(tǒng)中初始化仿真模型并驅(qū)動仿真模型運行.然而,數(shù)據(jù)融合和傳感器相關(guān)問題超出了本文范圍.本文中假定在裝備平行仿真的特定應(yīng)用中,相關(guān)信息是可獲取的并保證了一定的測量精度,能夠直接用于平行仿真系統(tǒng)中.

實際武器裝備能夠受控于平行仿真系統(tǒng)發(fā)送的離散控制信息C t,根據(jù)控制信息的執(zhí)行方式,可以劃分為自動控制信息AC t和手動控制信息MC t.由于控制信息的獲取需要經(jīng)過平行仿真系統(tǒng)一定時間的計算或推理,因此假定控制信息是離散的.控制信息C t只在一定受限時間內(nèi)有效,經(jīng)過一定時間后可能是無效信息,此時有效地控制信息可能就變?yōu)镃t+1.

1.1.2 仿真模型

1)裝備平行仿真中的模型集

仿真實際武器裝備的特定狀態(tài)或行為需要可執(zhí)行的仿真模型,可利用不同的建模技術(shù)建立裝備模型,不同的模型刻畫實際武器裝備的不同特性.由于模型僅是實際武器裝備的抽象,絕對精確的模型是不存在的.然而,根據(jù)裝備平行仿真應(yīng)用的不同,相較于其他模型,一些模型可能更適宜仿真實際武器裝備的特定現(xiàn)象.對于任意武器裝備而言,都存在大量模型,這些模型刻畫武器裝備的相同或不同的特性.例如,當(dāng)前有兩種模型刻畫機械裝備齒輪箱的性能退化過程,那么根據(jù)當(dāng)前齒輪箱的退化狀態(tài),有一種退化模型更合適.設(shè)集合M為可獲取用來仿真實際武器裝備的所有模型.

對于面向特定應(yīng)用的裝備平行仿真來說,模型m∈M以足夠的逼真度被用于預(yù)測實際武器裝備的狀態(tài)和行為,根據(jù)裝備平行仿真目的的不同,一些模型更適宜此應(yīng)用.在特定應(yīng)用中,適宜用來仿真實際武器裝備的模型子集(稱之為參考模型集)M R ∈M.模型m∈M R是否成立取決于時間,這是由于隨著時間的推移,實際武器裝備的狀態(tài)或行為會發(fā)生變化,模型的適用性會受影響.如果模型適用性發(fā)生變化,那么需要根據(jù)當(dāng)前實際武器裝備的狀態(tài)或行為演化修正當(dāng)前的參考模型m R ∈M R或者建立一個新的參考模型,因此,參考模型集M R也是時變的.

2)裝備平行仿真中的模型參數(shù)集

在裝備平行仿真中,平行仿真系統(tǒng)被用來預(yù)測實際武器裝備的狀態(tài),根據(jù)實際武器裝備的特定狀態(tài),多個仿真實例被初始化.對于仿真系統(tǒng)初始狀態(tài)來說,可以使用當(dāng)前的裝備狀態(tài),也可以利用裝備歷史狀態(tài)甚至二者的合成狀態(tài).實際武器裝備的狀態(tài)由一定數(shù)量的狀態(tài)變量和對應(yīng)的取值構(gòu)成,因此,仿真模型應(yīng)包括一定數(shù)量的狀態(tài)參數(shù),用于利用武器裝備的狀態(tài)信息初始化仿真.考慮與狀態(tài)信息相關(guān)的模型參數(shù)集PS,模型參數(shù)PS和從實際武器裝備獲取的狀態(tài)信息S是相關(guān)的,即如果仿真模型利用t時刻的裝備狀態(tài)進(jìn)行初始化,那么PS=S t.

一些實際武器裝備是可控的,實際武器裝備控制變量需要通過對應(yīng)的仿真模型反映,所以需要考慮與控制變量相關(guān)的模型參數(shù)集PC.由于裝備本身的因素以及安全性等其他因素,部分實際武器裝備或者其子系統(tǒng)是不可控的,因此,根據(jù)仿真應(yīng)用和實際武器裝備的不同,可能沒有可控的變量,即PC=?.此時雖然不能通過平行仿真系統(tǒng)控制,然而這并不意味著其他方式也不能控制.模型參數(shù)PC和與實際武器裝備的控制信息C是相關(guān)的,即如果相同的控制信息被用于執(zhí)行仿真和控制t時刻的實際武器裝備,那么C t=PC.

實際武器裝備運行在特定的環(huán)境中,無論是自然環(huán)境還是人工環(huán)境,環(huán)境對實際武器裝備有不可忽視的影響.這種外在的影響是不能通過平行仿真系統(tǒng)的視角來控制的(如果可以控制,那將是集合PC的一部分),即屬于不可控范疇,不可控變量是不確定性和隨機行為的典型來源,常利用概率假定的方法來近似.為執(zhí)行多個不同的仿真實例,需要考慮時變的外在影響和不可控變量,設(shè)參數(shù)集PE是與外在影響相關(guān)的模型參數(shù)集.

3)平行仿真系統(tǒng)的形式化描述

假定已知實際系統(tǒng)的一個足夠精確的模型m∈M R和模型參數(shù)集PS、PC和PE的對應(yīng)取值,那么就能利用平行仿真系統(tǒng)預(yù)測實際武器裝備在未來一段時間的狀態(tài)和行為.平行仿真系統(tǒng)的形式化描述如式(1)所示.

1.2 相關(guān)理論范式

從虛實共生的角度看,與裝備平行仿真(以下簡稱平行仿真)相關(guān)的理論范式/技術(shù)主要包括平行系統(tǒng)理論、DDDAS、共生仿真、在線仿真、嵌入式仿真和賽博物理系統(tǒng)(Cyber Physical System,CPS)等.嵌入式仿真[6]源于嵌入式訓(xùn)練,旨在將仿真器嵌入到實際武器裝備中,實現(xiàn)虛擬仿真與實況仿真的結(jié)合,組成一個嵌入式訓(xùn)練系統(tǒng),從而為訓(xùn)練人員提供逼真的訓(xùn)練環(huán)境,美軍的嵌入式仿真基礎(chǔ)設(shè)施(Embedded Simulation Infrastructure,ESI)計劃是有代表性的計劃.CPS[7]是指計算資源與物理資源之間的緊密連接關(guān)系,即物理系統(tǒng)與賽博組件(計算和通信組件)緊密連接,賽博組件通過相應(yīng)的傳感器和執(zhí)行器網(wǎng)絡(luò)監(jiān)測和控制物理系統(tǒng),CPS旨在提高物理系統(tǒng)的自適應(yīng)、自治等能力,這種連接關(guān)系使得賽博能力深深嵌入到物理系統(tǒng)中,CPS的研究焦點在于多種軟硬件的集成等底層問題.因此,較之平行仿真,嵌入式仿真和CPS在技術(shù)內(nèi)涵上與之有較大差異.下面重點分析和比較平行系統(tǒng)理論、DDDAS、共生仿真、在線仿真這四種理論范式與平行仿真的異同點.

平行系統(tǒng)理論[8]由王飛躍教授于2004年提出,旨在利用復(fù)雜系統(tǒng)建模理論建立與實際系統(tǒng)平行的人工系統(tǒng),在人工系統(tǒng)中進(jìn)行計算實驗,通過實際系統(tǒng)和人工系統(tǒng)的平行執(zhí)行、演化逼近和反饋控制,達(dá)到實現(xiàn)對復(fù)雜系統(tǒng)控制和管理的目的,主要應(yīng)用于社會安全領(lǐng)域、交通工程領(lǐng)域等,隨著平行軍事體系[9]的提出,其逐步在軍事領(lǐng)域應(yīng)用.DDDAS[10]則強調(diào)動態(tài)數(shù)據(jù)注入到正在執(zhí)行的仿真中的能力和仿真動態(tài)控制測量過程的能力,使得仿真和測量構(gòu)成一個共生反饋控制環(huán)[11].共生仿真[12]是指仿真系統(tǒng)和實際系統(tǒng)具有的一種可實時交互的緊密連接關(guān)系,二者之間相互依賴,建立一種至少一方從中獲益的共生關(guān)系,仿真系統(tǒng)可以利用任意數(shù)目的假設(shè)分析(what-if analysis,WIA)仿真腳本進(jìn)行仿真分析,其研究焦點集中于建模與仿真問題[13].在線仿真是一種由實際系統(tǒng)實時傳感器數(shù)據(jù)初始化或驅(qū)動的仿真[14],在線仿真可以以任意步長運行,即包括墻上時鐘、AFAP、其他步長等,由于不具備多腳本仿真管理機制,在線仿真只關(guān)注單一的仿真腳本.從四者與平行仿真的相同點來看,文獻(xiàn)[15]認(rèn)為它們具有相似的技術(shù)內(nèi)涵,均是通過對真實系統(tǒng)全局或局部進(jìn)行實時、在線的交互式仿真,生成關(guān)鍵數(shù)據(jù),為真實系統(tǒng)的運行、控制、決策等提供支撐.但是它們之間在研究范疇、研究方法、研究對象、仿真類型、是否支持多腳本仿真、仿真運行方式和應(yīng)用領(lǐng)域等方面存在較大差異.相關(guān)理論范式與平行仿真的具體比較如表1所示.

以平行系統(tǒng)理論與平行仿真的比較為例,平行系統(tǒng)理論研究范疇明確包括人工系統(tǒng)構(gòu)建、計算實驗設(shè)計和平行執(zhí)行技術(shù),主要利用基于智能體的建模和面向?qū)ο蟮木幊谭椒▽?fù)雜系統(tǒng)進(jìn)行控制和管理,沒有明確的仿真類型,仿真類型與面向的特定應(yīng)用有關(guān),支持多腳本仿真,仿真運行方式并沒有特別要求,一般為實時,應(yīng)用領(lǐng)域以民用為主,在軍用領(lǐng)域的應(yīng)用剛剛起步;平行仿真研究范疇主要包括可演化建模技術(shù)以及系統(tǒng)運行技術(shù),核心研究方法是模型演化,主要面向?qū)嶋H武器裝備在全壽命周期中的應(yīng)用開展研究,仿真類型為離散事件仿真,并且支持多腳本仿真,仿真系統(tǒng)一般以AFAP或超實時的方式運行,其應(yīng)用主要面向軍用領(lǐng)域.

2 裝備平行仿真的分類

數(shù)據(jù)驅(qū)動的模型演化是平行仿真的主要技術(shù)內(nèi)涵,是仿真模型輸出向裝備真實狀態(tài)逼近進(jìn)而提高預(yù)測準(zhǔn)確性的重要技術(shù)途徑.平行仿真系統(tǒng)利用模型演化方法來研究軍用仿真技術(shù)在裝備全壽命周期包括裝備作戰(zhàn)指揮決策、裝備RUL預(yù)測和裝備故障診斷中遇到的領(lǐng)域模型固定、不具備自適應(yīng)演化能力等突出問題.根據(jù)上節(jié)分析,模型演化過程?可以用模型m、參數(shù)集合PS、PC、PE和仿真持續(xù)時間r來表示,如式(2)所示.

利用不同的模型參數(shù)可以創(chuàng)建不同的仿真過程,尤其是在裝備作戰(zhàn)指揮決策中,如可以利用固定參數(shù)集合PS、PE和不同的參數(shù)集合PC進(jìn)行不同作戰(zhàn)方案的推演和預(yù)測,在此情形下,模型演化過程利用不同的可選仿真腳本?0=(m,PS,PC0,PE,r)、?1=(m,PS,PC1,PE,r)進(jìn)行演化預(yù)測,其中PC0和PC1分別代表不同的作戰(zhàn)方案.根據(jù)模型演化的目的和不同的應(yīng)用領(lǐng)域,將平行仿真劃分為以下I、II、III 3類,不同類型的平行仿真對應(yīng)不同的參數(shù)設(shè)置即定量或變量,仿真持續(xù)時間r與平行仿真種類劃分無關(guān),平行仿真的種類劃分如表2所示.

表2 平行仿真的分類

2.1 第Ⅰ類平行仿真

第Ⅰ類平行仿真主要面向裝備作戰(zhàn)指揮決策領(lǐng)域,解決的是決策支持/控制問題,因此,可稱為面向裝備作戰(zhàn)指揮決策的平行仿真技術(shù).為獲得最優(yōu)的決策方案,即實際武器裝備滿意的狀態(tài)和行為,需要根據(jù)實時裝備狀態(tài)信息S t、行為信息B t利用模型演化方法?和WIA過程找到集合PC中參數(shù)的最優(yōu)值,故第Ⅰ類平行仿真主要解決最優(yōu)化問題.其中模型演化?主要用于預(yù)測實際武器裝備的狀態(tài)和行為,模型演化過程的形式化描述如式(3)所示,其中PC、PE是變量.WIA過程主要涉及可選決策方案形成和方案仿真推演,一個特定的可選方案由集合PC中模型參數(shù)的對應(yīng)取值所表征,平行仿真系統(tǒng)還能通過假定集合PE中參數(shù)的不同取值使得WIA反映不同的環(huán)境條件,提高決策過程的魯棒性.

平行仿真系統(tǒng)的決策反饋途徑有兩種,一種是反饋給外部決策人員,由外部決策人員進(jìn)一步?jīng)Q策并執(zhí)行,另一種是直接利用執(zhí)行器在實際武器裝備中執(zhí)行.因此,根據(jù)決策反饋方式的不同,第Ⅰ類平行仿真可進(jìn)一步劃分為決策支持和控制兩類,對于前者來講,控制實際武器裝備完全取決于外部決策人員,外部決策人員可能會考慮或者不考慮平行仿真系統(tǒng)的決策輸出PC,決策支持系統(tǒng)并不直接影響實際武器裝備;對于后者來講,控制系統(tǒng)是決策支持系統(tǒng)的延伸,能夠利用執(zhí)行器直接執(zhí)行決策PC.盡管二者在實現(xiàn)上有顯著差別,但從理論視角看二者是對等的,除非外部決策人員拒絕了平行仿真系統(tǒng)的決策.第Ⅰ類平行仿真示意圖如圖3所示.

2.2 第Ⅱ類平行仿真

第Ⅱ類平行仿真主要用于裝備RUL預(yù)測領(lǐng)域,可稱為面向裝備RUL預(yù)測的平行仿真技術(shù),旨在利用實際武器裝備或其子系統(tǒng)的性能退化信息S t、B t演化RUL預(yù)測模型,實現(xiàn)模型參數(shù)調(diào)整、模型結(jié)構(gòu)更替及模型輸出校正,使得RUL預(yù)測模型具有自更新能力,實現(xiàn)RUL的準(zhǔn)確預(yù)測,并利用Monte Carlo仿真實現(xiàn)多退化軌跡的模擬,并得到剩余壽命概率密度函數(shù)RULPDF.模型演化的形式化描述如式(4)所示,其中PE為變量,便于在Monte Carlo仿真中通過對不確定性因素的假設(shè)進(jìn)行多軌仿真.

與第Ⅰ類平行仿真不同的是,第Ⅱ類平行仿真不考慮平行仿真系統(tǒng)的控制影響,平行仿真系統(tǒng)的反饋為RUL、RULPDF,即有RUL/∈PC、RULPDF /∈PC,RUL、RULPDF都屬于隱含控制量,沒有直接體現(xiàn)在集合PC中,而是通過多參數(shù)集合共同計算得到.RUL、RULPDF反饋給裝備維護(hù)人員后,由裝備維護(hù)人員根據(jù)反饋結(jié)果和維修經(jīng)驗對實際武器裝備或其子系統(tǒng)進(jìn)行修復(fù)、更換等視情維修操作,從而提升武器裝備的保障效能.第Ⅱ類平行仿真示意圖如圖4所示.在面向裝備RUL預(yù)測的平行仿真中,基礎(chǔ)預(yù)測模型既要能反映武器裝備的退化過程也要易于狀態(tài)估計、參數(shù)更新和輸出校正,狀態(tài)空間模型(State Space Model,SSM)是描述動態(tài)系統(tǒng)常用的方法,故可以將武器裝備性能退化SSM作為基礎(chǔ)預(yù)測模型.

2.3 第Ⅲ類平行仿真

第Ⅲ類平行仿真主要應(yīng)用于裝備故障診斷領(lǐng)域,故可稱為面向裝備故障診斷的平行仿真技術(shù),故障診斷的實質(zhì)就是利用診斷模型對故障狀態(tài)進(jìn)行辨識.平行仿真系統(tǒng)利用實時裝備狀態(tài)信息S t、行為信息B t和模型演化方法?校正診斷模型參數(shù),實現(xiàn)診斷模型的在線自適應(yīng)修正,提高故障診斷的準(zhǔn)確度.模型演化中PS、PE均為變量,根據(jù)集合PC是否是變量,可以將辨識過程劃分為主動辨識和被動辨識兩種,分別如式(5)、式(6)所示.

主動辨識是指利用控制參數(shù)PC,主動對實際武器裝備施加影響,來考察、驗證自適應(yīng)辨識的有效性,指導(dǎo)、改進(jìn)自適應(yīng)辨識的方法.被動辨識中,平行仿真系統(tǒng)并不對實際武器裝備施加任何影響,即PC未被利用,直接利用自適應(yīng)辨識方法進(jìn)行故障診斷.集合PC里面包含了平行仿真系統(tǒng)能夠?qū)嶋H武器裝備施加影響的那些可控變量.任何由第三方對實際武器裝備施加的外在控制(如對裝備施加高應(yīng)力或進(jìn)行故障注入)必須在診斷模型中反映或者作為集合PE的一部分.第Ⅲ類平行仿真示意圖如圖5所示.

3 裝備參考模型演化與平行仿真系統(tǒng)的運行過程

3.1 裝備參考模型演化

模型演化是平行仿真技術(shù)在建模方法上區(qū)別于以往建模技術(shù)的主要所在,模型一般包括模型輸入、模型結(jié)構(gòu)、模型參數(shù)、模型輸出4部分,平行仿真中的模型演化主要包括模型結(jié)構(gòu)演化、模型參數(shù)演化、模型輸出演化3個方面的內(nèi)涵,模型結(jié)構(gòu)演化是指根據(jù)裝備信息進(jìn)行參考模型自適應(yīng)選擇和更替;模型參數(shù)演化是指根據(jù)裝備信息進(jìn)行參考模型參數(shù)自適應(yīng)修正;模型輸出演化是指根據(jù)裝備信息校正模型輸出結(jié)果.模型演化與模型自適應(yīng)修正內(nèi)涵相似,不作嚴(yán)格區(qū)分.

根據(jù)不同的應(yīng)用領(lǐng)域,平行仿真系統(tǒng)需要利用不同的建模方法得到裝備某一參考模型,采用適宜的模型演化方法對裝備參考模型進(jìn)行自適應(yīng)修正,使得參考模型輸出不斷逼近裝備真實狀態(tài)和行為,以裝備狀態(tài)和行為的預(yù)測準(zhǔn)確度提高為基礎(chǔ),增強平行仿真系統(tǒng)的決策支持/控制、預(yù)測和辨識能力,解決裝備應(yīng)用領(lǐng)域中以往仿真技術(shù)遇到的突出問題.在第Ⅰ類平行仿真中,可基于Agent建模建立裝備作戰(zhàn)行為模型,并采用拉丁超立方試驗[15]和進(jìn)化算法[16?17]等對此模型進(jìn)行演化修正,完成對戰(zhàn)場態(tài)勢的快速、準(zhǔn)確預(yù)測,為通過WIA制定最優(yōu)的作戰(zhàn)方案提供預(yù)測數(shù)據(jù)支持;在第Ⅱ類平行仿真中,基于SSM 建模建立描述裝備性能退化的狀態(tài)空間模型[18],利用順序數(shù)據(jù)同化如卡爾曼濾波[19](Kalman Filter,KF)、粒子濾波[20](Particle Filter,PF)等和參數(shù)估計算法如極大似然估計(Maximum Likelihood Estimation,MLE)、期望最大化[21](Expectation Maximum,EM)算法等對裝備退化SSM 進(jìn)行演化,不斷逼近裝備真實退化狀態(tài)并有效預(yù)測裝備剩余壽命;在第Ⅲ類平行仿真中,基于人工智能建模建立裝備可演化故障診斷模型,并利用機器學(xué)習(xí)、人工分析等方法對故障診斷模型進(jìn)行自適應(yīng)演化,提高分類器的識別能力和辨識準(zhǔn)確度.裝備參考模型與模型演化方法示意圖如圖6所示.

3.2 平行仿真系統(tǒng)運行過程的形式化描述

按照是否解決最優(yōu)化問題,平行仿真技術(shù)可以劃分為面向最優(yōu)化問題的平行仿真(即第Ⅰ類平行仿真)和面向非最優(yōu)化問題的平行仿真(即第Ⅱ、Ⅲ類平行仿真),下面以面向最優(yōu)化問題的平行仿真為例形式化說明平行仿真系統(tǒng)的運行過程.

3.2.1 目標(biāo)和性能指標(biāo)

平行仿真系統(tǒng)首先應(yīng)該具備辨識待解決問題和觸發(fā)模型演化的能力.為此,模型演化觸發(fā)函數(shù)形式化定義為

待解決問題依賴于實際武器裝備的當(dāng)前操作狀態(tài),平行仿真系統(tǒng)應(yīng)該在啟動模型演化之前對問題進(jìn)行辨識.因此,需要對特定應(yīng)用情況下待解決的問題進(jìn)行描述,待解決問題涉及特定的目標(biāo).在平行仿真中,從性能指標(biāo)PI的角度定義目標(biāo)?.在第Ⅰ類平行仿真中,其目的是通過模型演化和WIA尋找最優(yōu)作戰(zhàn)決策方案.為通過WIA有效比較不同方案,需要能夠量化不同WIA腳本的性能指標(biāo)PI.為了比較PI的值,形式化定義比較函數(shù)為

比較函數(shù)用于表征性能指標(biāo)值PI i在目標(biāo)?的情況下,是否優(yōu)于另一個性能指標(biāo)值PI j或者與之是否相當(dāng).例如,在第Ⅰ類平行仿真中,目標(biāo)?為作戰(zhàn)效能,即?=max{PI},其中PI是表征作戰(zhàn)效能的性能指標(biāo),如毀傷概率、戰(zhàn)損比、突防概率等.

3.2.2 解和解空間

在平行仿真中,待解決問題的解并不局限于具體數(shù)值,由解構(gòu)成的解空間取決于特定應(yīng)用.例如,第Ⅱ類平行仿真的解與面向無人機群路徑規(guī)劃問題(屬于第Ⅰ類平行仿真)的解有很大不同,前者的解包括RUL具體數(shù)值和由Monte-Carlo過程得到的RUL概率密度函數(shù),后者的解是二維/三維空間中由一系列的位置點組成的作戰(zhàn)路徑.因此,解空間X取決于特定問題信息Γ,從解空間中通過選擇x∈X作為特定問題的解.

在第Ⅰ類平行仿真中,解代表模型參數(shù)PC對應(yīng)的值,即問題的解僅代表一個WIA腳本部分元素的對應(yīng)值.然而一個解不足以創(chuàng)建一個完整的WIA仿真腳本.為利用仿真評估腳本性能,其他元素即m、PS、PE、r也需要明確給定,形式化定義WIA設(shè)計函數(shù)為

設(shè)計函數(shù)將一個解x i與其他要求元素的值聯(lián)合構(gòu)成一個完整的WIA腳本w i.由于解空間源于Γ,對解空間X中的所有的解應(yīng)用f w可獲得腳本空間W={w0,w1,···}={f w(x0),f w(x1),···}.

模型演化和WIA的執(zhí)行需要仿真函數(shù),其形式化定義為

仿真函數(shù)用于利用模型演化方法預(yù)測裝備狀態(tài)、行為并評估WIA腳本.仿真輸出可以是狀態(tài)和行為信息[SS,SB],也可以是性能指標(biāo)PI,前者經(jīng)過進(jìn)一步處理可以得到PI.由于PI取決于特定應(yīng)用,定義特定應(yīng)用函數(shù)為

特定應(yīng)用函數(shù)可針對特定的WIA腳本w i并基于仿真結(jié)果[SS,SB]i計算PI i,在第Ⅰ類平行仿真中可直接利用仿真結(jié)果[SS,SB]i對WIA腳本進(jìn)行評估.然而在其他種類平行仿真中有可能還需要時刻t處實際武器裝備的狀態(tài)S t和行為B t,例如在第Ⅱ類平行仿真中需要利用狀態(tài)S t和行為B t計算仿真結(jié)果與實際狀態(tài)、行為的偏離程度,進(jìn)而以此偏離程度為基礎(chǔ)進(jìn)行估計狀態(tài)更新.

3.2.3 解的搜索

在第Ⅰ類平行仿真中,作戰(zhàn)方案問題的解決是通過模型演化和WIA過程實現(xiàn)的,其本質(zhì)可以看作模型自適應(yīng)修正和基于仿真的在線最優(yōu)化過程.第Ⅰ類平行仿真中的最優(yōu)化問題可描述為：二元關(guān)系用來確定腳本空間中腳本的部分順序,利用比較函數(shù)f c得到性能指標(biāo)PI0、PI1、...、PI n?1后,當(dāng)且僅當(dāng)f c=true時,即如果性能指標(biāo)PI i優(yōu)于或者與PI j相當(dāng)時,成立.在第Ⅰ類平行仿真中存在最優(yōu)解即存在非空集合X o ∈X,類似地存在最優(yōu)腳本W(wǎng) o ∈W,并有

由式(12)可知,X o中的所有解與性能指標(biāo)是對應(yīng)的,式(13)表明,X o中的所有解優(yōu)于X中的其他解,所以由WIA過程執(zhí)行的搜索目標(biāo)就是尋找X o.最優(yōu)化過程由一個合適的最優(yōu)化方法執(zhí)行,最優(yōu)化函數(shù)可記為

最優(yōu)化函數(shù)依賴于能反映最優(yōu)化目標(biāo)?的比較函數(shù)f c和源自特定問題信息Γ的解空間.模型演化和WIA腳本執(zhí)行時間不同,目標(biāo)?和解空間也是不同的.在模型演化和WIA執(zhí)行之前,需要一個運行預(yù)處理過程,負(fù)責(zé)對實際武器裝備運行狀態(tài)進(jìn)行分析并明確待解決的問題,即目標(biāo)?和特定問題信息Γ.為此,問題分析函數(shù)可定義為

基于以上分析,第Ⅰ類平行仿真系統(tǒng)運行過程的形式化描述如圖7所示.

4 結(jié)論

本文基于裝備作戰(zhàn)指揮決策領(lǐng)域和裝備維修保障領(lǐng)域中對軍用仿真技術(shù)的新需求,提出了裝備平行仿真較完整的理論框架.作為緣起于軍用仿真領(lǐng)域的新興仿真技術(shù),針對裝備平行仿真的下一步研究工作主要包括：

1)面向特定應(yīng)用的裝備平行仿真技術(shù).本文主要關(guān)注裝備平行仿真的理論框架問題,下一步將結(jié)合具體裝備和具體應(yīng)用領(lǐng)域,應(yīng)用裝備平行仿真技術(shù)的思想和理論框架,研究面向特定應(yīng)用的裝備平行仿真技術(shù),主要包括裝備狀態(tài)感知、參考模型建模、參考模型演化等問題,并開發(fā)原型系統(tǒng)進(jìn)行技術(shù)驗證和示范.

2)裝備平行仿真的運行支撐技術(shù).裝備平行仿真技術(shù)要求平行仿真系統(tǒng)高效運行,以提高仿真的實時性和仿真結(jié)果反饋的時效性,這就需要研究運行支撐技術(shù),具體包括仿真引擎設(shè)計、超實時仿真技術(shù)、虛實交互技術(shù)、并行處理技術(shù)和仿真克隆技術(shù)等.

3)廣義平行仿真技術(shù)研究.將裝備平行仿真技術(shù)推廣到其他軍用領(lǐng)域和民用領(lǐng)域,研究廣義平行仿真技術(shù),分別解決廣義的決策支持/控制、預(yù)測和辨識等問題,豐富平行仿真的技術(shù)內(nèi)涵,拓寬平行仿真技術(shù)的應(yīng)用范圍.

1 楊妹,楊山亮,許霄,等.面向高層輔助決策的作戰(zhàn)分析仿真系統(tǒng)框架[J].系統(tǒng)工程與電子技術(shù),2016,38(6):1440-1449.

2 李晗,蕭德云.基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J].控制與決策,2011,26(1):1-9.

3 張仕新,昝翔,李浩,等.狀態(tài)維修理論及剩余壽命預(yù)測的研究現(xiàn)狀與展望[J].兵工自動化,2014,33(9):15-20.

4 劉大同,周建寶,郭力萌,等.鋰離子電池健康評估和壽命預(yù)測綜述[J].儀器儀表學(xué)報,2015,36(1):1-16.

5 胡曉峰.大數(shù)據(jù)時代對建模仿真的挑戰(zhàn)與思考[J].軍事運籌與系統(tǒng)工程,2013,27(4):5-12.

6 劉永輝,林平.嵌入式仿真技術(shù)及其軍事應(yīng)用研究[J].軍事運籌與系統(tǒng)工程,2010,24(4):29-34.

7 RAJKUMAR R,LEE I,SHA L,et al.Cyber-physical systems:the next computing revolution[C]//Proceedings of ACM/IEEE Design Automation Conference(DAC),2010:731-736.

8 王飛躍.平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理和控制[J].控制與決策,2004,19(5):485-489.

9 王飛躍.面向賽博空間的戰(zhàn)爭組織與行動:關(guān)于平行軍事體系的討論[J].軍事運籌與系統(tǒng)工程,2012,26(3):5-10.

10 DAREMA F.Dynamic data driven application systems:new capabilities for application simulation and measurements[C]//Proceedings of the International Conference on Computational Science,2005:610-615.

11 DAREMAF,DOUGLASC,PATRAA.InfoSymbiotics/DDDAS:the power of dynamic data driven applications systems[R].NSF Workshop Report,2010.

12 FUJIMOTO R,LUNCEFORD D,PAGE E,et al.Grand challenges for modeling and simulation[R].Dagstuhl Report,2002,8:49-52.

13 AYDT H,TURNER S J,CAI W,et al.Research issues in symbiotic simulation[C]//Proceedings of the Winter Simulation Conference,2009:1213-1222.

14 ANNAN S M,BANKS J.Design of a knowledge-based on-line simulation system to control a manufacturing shop floor[J].IIE Transactions,1992,24(3):72-83.

15 焦松,李偉,楚威,等.情報數(shù)據(jù)驅(qū)動的在線仿真系統(tǒng)動態(tài)修正方法[J].系統(tǒng)工程與電子技術(shù),2016,38(5):1201-1207.

16 AYDT H,TURNER S J,CAI W,et al.Symbiotic simulation control in semiconductor manufacturing[C]//Proceedings of the International Conference on Computational Science,2008:26-35.

17 YAGIURA M,IBARAKI T.Use of dynamic programming in genetic algorithms for permutation problems[J].European Journal for Operational Research,1996,92(2):387-401.

18 HUANG Y,VERBRAECK A.A dynamic data-driven approach for rail transport system simulation[C]//Proceedings of the 2009 Winter Simulation Conference,2009:2553-2562.

19 KALMAN R E.A new approach to linear fi ltering and prediction problems[J].Transactions of the Asme-Journal of Basic Engineering,1960,82(Series D):35-45.

20 ZHANG H J,QIN S X,MA J W,et al.Using residual resampling and sensitivity analysis to improve particle fi lter data assimilation accuracy[J].IEEE Geoscience and Remote Sensing Letters,2013,10(6):1404-1408.

21 陳海燕.動態(tài)數(shù)據(jù)驅(qū)動的航班延誤預(yù)測關(guān)鍵技術(shù)研究[D].南京:南京航空航天大學(xué),2012.