基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用技術(shù)*

邱少明，趙健成，張學(xué)翠

（1.南京信息工程大學(xué)，南京 210044；2.大連大學(xué)通信與網(wǎng)絡(luò)重點(diǎn)實(shí)驗(yàn)室，遼寧 大連 116622；3.北方自動(dòng)控制技術(shù)研究所，太原 030006）

0 引言

數(shù)字孿生技術(shù)最早源于美國(guó)國(guó)家航天局（NASA）的阿波羅計(jì)劃，主要用于對(duì)航天器的工作狀態(tài)進(jìn)行模擬，來(lái)輔助航天員完成太空中的正確決策，減少了航天員的各種操作風(fēng)險(xiǎn)?！皵?shù)字孿生”一詞首次出現(xiàn)在2009 年美國(guó)空軍研究實(shí)驗(yàn)室提出的“機(jī)身數(shù)字孿生體”概念中，而“數(shù)字孿生”作為獨(dú)立概念首次出現(xiàn)則是在2010 年NASA 的兩份技術(shù)報(bào)告中，其被定義為集成多物理量、多尺度、多概率的系統(tǒng)或飛行器仿真過(guò)程。此后，數(shù)字孿生正式進(jìn)入公眾的視野，開(kāi)始得到各研究領(lǐng)域的重視［1］。數(shù)字孿生目前沒(méi)有統(tǒng)一的理論體系，各研究與應(yīng)用領(lǐng)域?qū)ζ涮岢隽硕喾N定義，莊存波等對(duì)數(shù)字孿生的定義是指物理實(shí)體的工作進(jìn)展和工作狀態(tài)在虛擬空間的全要素重建及數(shù)字化映射，是一個(gè)集成的多物理、多尺度、超寫(xiě)實(shí)、動(dòng)態(tài)概率仿真模型，可用來(lái)模擬、監(jiān)控、診斷、預(yù)測(cè)、控制產(chǎn)品物理實(shí)體在現(xiàn)實(shí)環(huán)境中的形成過(guò)程、狀態(tài)和行為［2］。當(dāng)前在智慧城市、電力、醫(yī)療等領(lǐng)域都有數(shù)字孿生技術(shù)的相關(guān)應(yīng)用，但在數(shù)字孿生應(yīng)用過(guò)程中，缺乏相關(guān)的體系架構(gòu)、標(biāo)準(zhǔn)的參考［3］。軍事領(lǐng)域作為數(shù)字孿生技術(shù)的重要應(yīng)用場(chǎng)景，也需要相關(guān)的體系架構(gòu)設(shè)計(jì)。

本文根據(jù)數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用的特征，總結(jié)基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)。由于當(dāng)前數(shù)字孿生技術(shù)研究處于起步階段，相關(guān)研究應(yīng)用尚未完善，根據(jù)基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)結(jié)合現(xiàn)有的相關(guān)技術(shù)進(jìn)行分析討論，并對(duì)數(shù)字孿生在軍事領(lǐng)域應(yīng)用的挑戰(zhàn)進(jìn)行總結(jié)。

1 數(shù)字孿生技術(shù)的軍事應(yīng)用現(xiàn)狀及價(jià)值

數(shù)字孿生作為一種信息技術(shù)發(fā)展的新興技術(shù)，軍事戰(zhàn)場(chǎng)方面的應(yīng)用是其重要方向之一。2011 年3月美國(guó)空軍研究實(shí)驗(yàn)室的一次演講明確提到了數(shù)字孿生。數(shù)字孿生技術(shù)在軍事方面的應(yīng)用主要在戰(zhàn)術(shù)訓(xùn)練、指揮決策和資源分配調(diào)度等場(chǎng)景。未來(lái)軍事向著信息化的方向發(fā)展，通過(guò)數(shù)字孿生技術(shù)，可以為軍事訓(xùn)練與指揮、戰(zhàn)略部署等提供高效、合理的決策方案。

當(dāng)前，數(shù)字孿生技術(shù)在軍事上也有了初步的應(yīng)用。美國(guó)的指揮自動(dòng)化系統(tǒng)正在向以數(shù)字孿生裝備方向發(fā)展，將來(lái)有可能將指揮自動(dòng)化系統(tǒng)構(gòu)筑成以數(shù)字孿生戰(zhàn)場(chǎng)為依托的系統(tǒng)。結(jié)合數(shù)字孿生技術(shù)可以建立數(shù)字孿生仿真訓(xùn)練平臺(tái)，提供全要素的場(chǎng)景模擬，并結(jié)合VR 等技術(shù)提供更加真實(shí)的體驗(yàn)，讓士兵真實(shí)體會(huì)到戰(zhàn)場(chǎng)環(huán)境。2019 年美國(guó)海軍也完成了“數(shù)字林肯”系統(tǒng)，為“林肯號(hào)”航母建立了數(shù)字孿生體，運(yùn)用數(shù)字孿生技術(shù)搭建了一體化的軍事訓(xùn)練與作戰(zhàn)指揮平臺(tái)，提供從訓(xùn)練到實(shí)戰(zhàn)的全要素平臺(tái)。因此，數(shù)字孿生技術(shù)為未來(lái)提供全領(lǐng)域，海、陸、空一體的軍事平臺(tái)和多軍種的協(xié)調(diào)配合平臺(tái)，為打贏未來(lái)戰(zhàn)爭(zhēng)的提供良好基礎(chǔ)［4］。數(shù)字孿生技術(shù)也可以為武器裝備制造領(lǐng)域提供故障診斷、狀態(tài)評(píng)估和壽命預(yù)測(cè)等。

2 基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)

基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用如圖1 所示。戰(zhàn)場(chǎng)環(huán)境中，作戰(zhàn)人員、無(wú)人機(jī)采集的圖像數(shù)據(jù)，以及坦克等設(shè)備采集的數(shù)據(jù)，通過(guò)邊緣設(shè)備上傳至數(shù)字孿生云平臺(tái)，云平臺(tái)根據(jù)實(shí)時(shí)數(shù)據(jù)對(duì)模型進(jìn)行更新。指揮人員可以根據(jù)戰(zhàn)場(chǎng)動(dòng)態(tài)的數(shù)據(jù)進(jìn)行決策模擬和資源調(diào)配，并產(chǎn)生最優(yōu)方案下發(fā)至一線(xiàn)作戰(zhàn)人員和設(shè)備。

圖1 基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用Fig.1 Military internet of things application based on digital twin

根據(jù)以上應(yīng)用，基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)如圖2 所示，其具有高可靠的邊端數(shù)據(jù)采集與處理、低時(shí)延的網(wǎng)絡(luò)傳輸交互、高保真的數(shù)字化模型、高精準(zhǔn)的決策支持、閉環(huán)的一體化交互控制等特征。

圖2 基于數(shù)字孿生的軍事物聯(lián)網(wǎng)特征Fig.2 Characteristics of military Internet of things based on digital twin

2.1 高可靠的邊緣端數(shù)據(jù)采集

高可靠的邊緣端數(shù)據(jù)采集與處理是基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用的基礎(chǔ)。由于軍事應(yīng)用的特殊環(huán)境，對(duì)傳感器的穩(wěn)定性、準(zhǔn)確性要求更為嚴(yán)格，且邊緣端的數(shù)據(jù)采集是模型孿生、決策支持等的數(shù)據(jù)基礎(chǔ)。同時(shí)，邊緣端的設(shè)備種類(lèi)多、數(shù)據(jù)量大，邊緣端還要完成多源異構(gòu)數(shù)據(jù)的融合壓縮等工作，都需要物理設(shè)備端提供高可靠的邊緣端數(shù)據(jù)采集與處理能力。周堯等針對(duì)融合算法依賴(lài)先驗(yàn)信息的問(wèn)題，剔除復(fù)雜環(huán)境下多傳感器數(shù)據(jù)中的測(cè)量誤差，提出了復(fù)雜環(huán)境下基于支持度的多傳感器數(shù)據(jù)融合算法，實(shí)現(xiàn)傳感器的加權(quán)融合［5］。

2.2 低時(shí)延的網(wǎng)絡(luò)傳輸交互

低時(shí)延的網(wǎng)絡(luò)傳輸交互是基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用的關(guān)鍵。戰(zhàn)場(chǎng)形勢(shì)瞬息萬(wàn)變，數(shù)據(jù)采集與處理完成后，需要將數(shù)據(jù)快速地傳輸?shù)綄\生云平臺(tái)。因此，低時(shí)延的網(wǎng)絡(luò)傳輸交互需要高效率的網(wǎng)絡(luò)架構(gòu)和算法。針對(duì)網(wǎng)絡(luò)傳輸延遲的優(yōu)化，主要從網(wǎng)絡(luò)架構(gòu)和路由算法等方面進(jìn)行改進(jìn)。在邊緣端網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)時(shí)，采用軟件定義物聯(lián)網(wǎng)的架構(gòu)來(lái)降低功耗和延時(shí)，提高設(shè)備的可靠性。陳亮等提出SDIoT（software-defined internet of things）通用架構(gòu)，能夠簡(jiǎn)化物聯(lián)網(wǎng)網(wǎng)絡(luò)管理，有利于實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)互連，資源動(dòng)態(tài)管控和安全可靠的業(yè)務(wù)應(yīng)用［6］。對(duì)于網(wǎng)絡(luò)延遲，賈惠麗針對(duì)無(wú)線(xiàn)傳感網(wǎng)（WSN），結(jié)合變異的蟻群算法，改善K-means 的聚類(lèi)效果，設(shè)計(jì)了一種KACO 路由算法，有效減少了傳輸過(guò)程中的能量耗費(fèi)，增強(qiáng)了WSN 的服務(wù)性能［7］。陳洋在針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中存在數(shù)據(jù)傳輸延時(shí)較高的問(wèn)題，提出一種數(shù)據(jù)傳輸延時(shí)優(yōu)化的路由協(xié)議，在減少端到端延時(shí)、提高傳輸?shù)目煽啃缘确矫姹憩F(xiàn)良好［8］。

2.3 高保真的數(shù)字化模型

高保真的數(shù)字化模型是基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用的根本?；跀?shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用需要完成高準(zhǔn)確率的數(shù)字化建模，不僅要完成外觀(guān)的建模，更要對(duì)其資源、運(yùn)行狀態(tài)等部分完成全面的數(shù)字化建模。王鵬等提出面向數(shù)字孿生的動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)建模與仿真方法，通過(guò)隨機(jī)有限集對(duì)信息物理系統(tǒng)（cyber physical systems，CPS）中的物實(shí)體和傳感器進(jìn)行數(shù)據(jù)驅(qū)動(dòng)建模，并使用基于貝葉斯推理的預(yù)測(cè)與校正過(guò)程支持?jǐn)?shù)據(jù)驅(qū)動(dòng)的仿真模型運(yùn)行。該方法能夠很好地實(shí)現(xiàn)數(shù)字孿生機(jī)制下虛實(shí)結(jié)合的仿真運(yùn)行，并實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的CPS 仿真模型解算，通過(guò)以實(shí)利虛的方式，有效提高了仿真結(jié)果的準(zhǔn)確性和可信性［9］。但是，當(dāng)前的建模仿真的精確度仍然較低，不能夠精確描述模型的物理特性。

2.4 高精準(zhǔn)的決策支持

高精準(zhǔn)的決策支持是基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用的核心。根據(jù)數(shù)字化模型和數(shù)據(jù)支持，需要對(duì)決策進(jìn)行數(shù)字化仿真，并對(duì)多次決策的結(jié)果進(jìn)行評(píng)估，最終選取最優(yōu)的決策結(jié)果。當(dāng)前數(shù)字孿生輔助軍事決策技術(shù)尚處于起步階段，但已有的相關(guān)決策技術(shù)，可以結(jié)合數(shù)字孿生系統(tǒng)發(fā)揮更大的作用。戰(zhàn)斗人員編組可結(jié)合現(xiàn)有研究應(yīng)用到數(shù)字孿生技術(shù)提高決策效率，張慶生提出了一種基于模糊遺傳算法的人員戰(zhàn)斗編組優(yōu)化算法，用于坦克部隊(duì)人員的戰(zhàn)斗編組中，提出直接編碼方案和合適的種群初始化方法對(duì)算法進(jìn)行改進(jìn)［10］。知識(shí)圖譜技術(shù)可以將專(zhuān)家知識(shí)應(yīng)用到數(shù)字孿生系統(tǒng)內(nèi)，輔助軍事決策。車(chē)金立等對(duì)基于百科知識(shí)的軍事裝備知識(shí)圖譜構(gòu)建與應(yīng)用進(jìn)行了研究，構(gòu)建了軍事裝備領(lǐng)域的知識(shí)圖譜，實(shí)現(xiàn)了知識(shí)問(wèn)答功能［11］。LUO 等提出的一種針對(duì)對(duì)抗性導(dǎo)彈目標(biāo)分配的基于深度強(qiáng)化學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)策略?xún)?yōu)化［12］，可以通過(guò)數(shù)字孿生系統(tǒng)的孿生數(shù)據(jù)，完成更高效的導(dǎo)彈目標(biāo)分配。

2.5 閉環(huán)的一體化交互控制

閉環(huán)的一體化交互控制是基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用的最終目標(biāo)，仿真預(yù)測(cè)的結(jié)果最終要運(yùn)用到物理設(shè)備中。因此，要實(shí)現(xiàn)物理實(shí)體和數(shù)字化模型之間閉環(huán)的一體化交互控制。在無(wú)人機(jī)控制方面，鄭峰嬰等針對(duì)先進(jìn)布局無(wú)人機(jī)多操縱面冗余的控制分配問(wèn)題，提出一種基于自適應(yīng)概率引導(dǎo)的混合多目標(biāo)控制分配方法，有效處理舵面耦合及非線(xiàn)性特性，減少能耗損失，實(shí)現(xiàn)操縱面多目標(biāo)控制分配，使得無(wú)人機(jī)快速平穩(wěn)跟蹤控制指令［13］。

根據(jù)以上的技術(shù)特征，本文提出一種基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)體系，主要分為物理設(shè)備層、網(wǎng)絡(luò)層、孿生層和應(yīng)用層。基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)如下頁(yè)圖3 所示。

圖3 基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)Fig.3 Application architecture of military Internet of things based on digital twin

物理設(shè)備層：物理設(shè)備層主要包括基礎(chǔ)施工設(shè)施傳感器和邊緣端計(jì)算控制設(shè)備?；A(chǔ)設(shè)施傳感器主要完成對(duì)資源、人員等相關(guān)數(shù)據(jù)信息進(jìn)行數(shù)據(jù)采集。

網(wǎng)絡(luò)層：網(wǎng)絡(luò)層與物理設(shè)備層組成物聯(lián)網(wǎng)數(shù)據(jù)采集系統(tǒng)，主要將物理設(shè)備層采集和處理完成的數(shù)據(jù)傳輸?shù)綄\生層，實(shí)現(xiàn)模型孿生，并為應(yīng)用層提供數(shù)據(jù)支持。

孿生層：實(shí)現(xiàn)物理層的設(shè)備建模，并擁有高實(shí)時(shí)的模型仿真和同步。同時(shí)，孿生層還完成對(duì)物理設(shè)備層傳輸?shù)臄?shù)據(jù)進(jìn)行存儲(chǔ)，最終為應(yīng)用層提供模型驗(yàn)證、控制、預(yù)測(cè)、決策和交互等工作。

應(yīng)用層：主要實(shí)現(xiàn)軍事的相關(guān)應(yīng)用，根據(jù)孿生層提供的相應(yīng)接口，實(shí)現(xiàn)如戰(zhàn)略決策、兵棋推演和資源分配等應(yīng)用。

3 關(guān)鍵技術(shù)

基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用各功能層中主要包含模型的建模、渲染、數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲(chǔ)和計(jì)算等功能。其相關(guān)的工具和技術(shù)如表1 所示。

表1 相關(guān)技術(shù)Table 1 Related technology

傳感器設(shè)備完成對(duì)戰(zhàn)場(chǎng)等環(huán)境的數(shù)據(jù)采集，如人員位置、戰(zhàn)場(chǎng)環(huán)境等，并通過(guò)衛(wèi)星通信等技術(shù)使用傳輸協(xié)議完成數(shù)據(jù)的傳輸。主要使用如3DMax、Simulink 等工具完成對(duì)物理實(shí)體的數(shù)字化建模，包括對(duì)物體的外觀(guān)、物理特性等的建模。建模完成后，由Unity3D 等引擎工具對(duì)模型進(jìn)行實(shí)時(shí)的渲染，為用戶(hù)提供可視化的交互界面。

3.1 物理設(shè)備層

物理設(shè)備層主要由傳感器、邊緣設(shè)備等部分組成。該部分主要用于作戰(zhàn)過(guò)程中作戰(zhàn)人員、資源等的數(shù)據(jù)采集，并上傳至孿生層。散布在戰(zhàn)場(chǎng)上的地面?zhèn)鞲衅骺膳cGNSS 位置數(shù)據(jù)、無(wú)人機(jī)視頻數(shù)據(jù)等進(jìn)行融合，通過(guò)情報(bào)、監(jiān)視和偵察信息的分布式獲取，形成多維偵察監(jiān)視預(yù)警體系，并利用實(shí)時(shí)數(shù)據(jù)庫(kù)，完成邊緣端的數(shù)據(jù)存儲(chǔ)。在這種體系下，單兵、裝備、物資等都是一個(gè)個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)，通過(guò)物聯(lián)網(wǎng)的實(shí)時(shí)感知，可以為上層的指揮決策提供有效的數(shù)據(jù)支持，能夠幫助指揮人員掌握戰(zhàn)場(chǎng)態(tài)勢(shì)，提高決策效率。

對(duì)于數(shù)據(jù)采集，高效的數(shù)據(jù)采集與數(shù)據(jù)融合是當(dāng)前研究中的重要問(wèn)題。文獻(xiàn)［14］為了最大限度地提高物聯(lián)網(wǎng)無(wú)人機(jī)數(shù)據(jù)采集過(guò)程中的數(shù)據(jù)采集效率，研究了物聯(lián)網(wǎng)設(shè)備的帶寬分配和無(wú)人機(jī)的三維軌跡設(shè)計(jì)。在無(wú)人機(jī)-近地軌道數(shù)據(jù)傳輸過(guò)程中，針對(duì)無(wú)人機(jī)上傳數(shù)據(jù)總量和能耗，共同優(yōu)化無(wú)人機(jī)的發(fā)射功率和近地軌道衛(wèi)星的選擇。文獻(xiàn)［15］將無(wú)人機(jī)用作移動(dòng)邊緣計(jì)算服務(wù)器，開(kāi)發(fā)了無(wú)人機(jī)輔助物聯(lián)網(wǎng)系統(tǒng)，其中，使用馬爾可夫鏈從丟包率和數(shù)據(jù)量方面分析數(shù)據(jù)收集的性能，根據(jù)能量和時(shí)間消耗成本的偏好系數(shù)設(shè)計(jì)無(wú)人機(jī)的計(jì)算頻率，可以為物聯(lián)網(wǎng)設(shè)備提供強(qiáng)大的數(shù)據(jù)收集和高效的計(jì)算。對(duì)于數(shù)據(jù)融合問(wèn)題，文獻(xiàn)［16］提出了一個(gè)在邊緣進(jìn)行數(shù)據(jù)融合和AI 處理的框架，可以比沒(méi)有數(shù)據(jù)融合的AI 更快，同時(shí)降低了能耗。文獻(xiàn)［17］針對(duì)霧計(jì)算中高度相關(guān)冗余數(shù)據(jù)，通過(guò)輕量級(jí)數(shù)據(jù)融合方法消除了收集數(shù)據(jù)中的相關(guān)性，減少節(jié)點(diǎn)級(jí)別的數(shù)據(jù)冗余，并在邊緣服務(wù)器之間公平分配融合的數(shù)據(jù)流。

3.2 網(wǎng)絡(luò)層

網(wǎng)絡(luò)層主要完成物理設(shè)備的數(shù)據(jù)傳輸工作。網(wǎng)絡(luò)層主要利用衛(wèi)星通信、5G 等技術(shù)將物理設(shè)備采集的數(shù)據(jù)傳輸?shù)綄\生層。在當(dāng)前的數(shù)字孿生系統(tǒng)和物聯(lián)網(wǎng)系統(tǒng)中，主要通過(guò)OPC UA、MQTT 等協(xié)議將數(shù)據(jù)傳輸至指揮控制中心，用于戰(zhàn)略決策等功能。OPC UA 是一種框架，并沒(méi)有規(guī)定數(shù)據(jù)的類(lèi)型，可以融入MQTT 等協(xié)議進(jìn)行通信，支持跨平臺(tái)數(shù)據(jù)通訊，主要用于局域網(wǎng)內(nèi)設(shè)備的數(shù)據(jù)交互。但是OPC UA 實(shí)現(xiàn)復(fù)雜，使用成本較高。MQTT 占用資源較少，可以在低帶寬的網(wǎng)絡(luò)中實(shí)現(xiàn)數(shù)據(jù)的傳輸，適用于資源有限、網(wǎng)絡(luò)帶寬較小的場(chǎng)景。此外，數(shù)字孿生的軍事應(yīng)用中，網(wǎng)絡(luò)結(jié)構(gòu)是研究的重要方向之一，文獻(xiàn)［18］提出了一種基于物聯(lián)網(wǎng)的無(wú)人機(jī)網(wǎng)絡(luò)用于軍事應(yīng)用，分配了一組多個(gè)無(wú)人機(jī)網(wǎng)絡(luò)來(lái)監(jiān)視地理區(qū)域，每架無(wú)人機(jī)相互連接，整個(gè)網(wǎng)絡(luò)由控制單元通過(guò)物聯(lián)網(wǎng)進(jìn)行監(jiān)控，所有無(wú)人機(jī)的數(shù)據(jù)都由控制單元控制并存儲(chǔ)在數(shù)據(jù)庫(kù)中。數(shù)字孿生技術(shù)對(duì)于實(shí)時(shí)性要求很高，因此，低延時(shí)也是重要的研究目標(biāo)。文獻(xiàn)［19］針對(duì)低延遲物聯(lián)網(wǎng)，研究了兩種基于有限塊長(zhǎng)度編碼的低延遲物聯(lián)網(wǎng)的盲重傳方案，在重傳階段引入自動(dòng)重復(fù)請(qǐng)求和混合自動(dòng)重復(fù)請(qǐng)求機(jī)制，提高低延遲物聯(lián)網(wǎng)的可靠性。文獻(xiàn)［20］針對(duì)物聯(lián)網(wǎng)設(shè)備網(wǎng)絡(luò)傳輸數(shù)據(jù)的安全性，提出了利用8 位操作原理的低延遲、最優(yōu)功率混合輕量級(jí)密碼認(rèn)證方案。文獻(xiàn)［21］通過(guò)分析模型和基于混合模糊的強(qiáng)化學(xué)習(xí)算法，在邊緣霧計(jì)算環(huán)境中進(jìn)行數(shù)據(jù)包分配和選擇，解決了大數(shù)據(jù)流量導(dǎo)致的網(wǎng)絡(luò)擁塞和高延遲等問(wèn)題。

3.3 孿生層

孿生層主要實(shí)現(xiàn)模型的構(gòu)建、渲染與仿真，并完成物理設(shè)備層上傳的數(shù)據(jù)存儲(chǔ)，為上層決策等功能提供共用接口。孿生層是數(shù)字孿生的核心，高保真的數(shù)字化模型是創(chuàng)建數(shù)字孿生體的關(guān)鍵，也是上層應(yīng)用的基礎(chǔ)。建模包括幾何建模和物理建模，幾何建模主要完成對(duì)物理實(shí)體的外形進(jìn)行建模；物理建模則要根據(jù)實(shí)體的物理特性設(shè)計(jì)相關(guān)算法進(jìn)行數(shù)字化建模。目前主要的數(shù)字孿生建模工具有：3DMAX、CAD、Matlab、Revit、CATIA 等軟件，3DMAX、CAD 主要面向基礎(chǔ)建模，Revit 主要面向建筑信息模型建模，CATIA 則是面向產(chǎn)品生命周期管理。渲染與仿真主要實(shí)現(xiàn)模型的驅(qū)動(dòng)和仿真驗(yàn)證。建模完成后的物理實(shí)體模型要通過(guò)Unity3D 等工具進(jìn)行渲染與仿真，驗(yàn)證模型的正確性。當(dāng)前主要的渲染工具有Unity3D 和Three.JS 等，Unity3D 是實(shí)時(shí)3D 互動(dòng)內(nèi)容創(chuàng)作和運(yùn)營(yíng)平臺(tái)，提供一整套完善的軟件解決方案，可用于創(chuàng)作、運(yùn)營(yíng)和變現(xiàn)任何實(shí)時(shí)互動(dòng)的2D 和3D 內(nèi)容。Three.JS 則基于原生WebGL 封裝運(yùn)行的Web 平臺(tái)的三維引擎，其具有跨平臺(tái)的優(yōu)勢(shì)。

孿生層的建模方法影響著數(shù)字孿生的應(yīng)用效果。文獻(xiàn)［22］提出了支持從單元層到系統(tǒng)層，系統(tǒng)層到分散系統(tǒng)層的模型構(gòu)建的多層建?？蚣?，還考慮了模型隨時(shí)間變化的機(jī)制。文獻(xiàn)［23］提出了一種將語(yǔ)義資源建模與實(shí)時(shí)工業(yè)對(duì)象傳輸相結(jié)合的使能技術(shù)框架，以提高數(shù)字孿生的性能。設(shè)計(jì)了一種包括工業(yè)對(duì)象元模型和工業(yè)對(duì)象模型的增強(qiáng)建模方法，對(duì)異構(gòu)設(shè)備進(jìn)行全面建模，包括狀態(tài)、功能、事件、互操作性和靈活性。通過(guò)制定統(tǒng)一的規(guī)范，實(shí)現(xiàn)標(biāo)準(zhǔn)化和通用化，工人可以根據(jù)多變的工作環(huán)境靈活定制和復(fù)用模型。文獻(xiàn)［24］提出了一種基于機(jī)器人的智能制造系統(tǒng)，其支持自動(dòng)重構(gòu)的數(shù)字孿生虛擬實(shí)體的五維融合模型，該模型不僅可以真實(shí)地描述物理制造資源，還可以代表數(shù)字孿生的能力和依賴(lài)關(guān)系。提出基于服務(wù)功能塊的可重構(gòu)策略，提高功能和算法的可重用性，使基于機(jī)器人的制造系統(tǒng)滿(mǎn)足不同粒度和目標(biāo)的各種可重構(gòu)需求。

3.4 應(yīng)用層

在軍事上，應(yīng)用層主要利用機(jī)器學(xué)習(xí)和智能算法完成戰(zhàn)略決策、兵棋推演和資源分配等應(yīng)用場(chǎng)景，其中，主要的算法有知識(shí)圖譜等。知識(shí)圖譜本質(zhì)上是一種語(yǔ)義網(wǎng)絡(luò)，主要利用可視化技術(shù)描述知識(shí)資源間的相互聯(lián)系，并通過(guò)圖卷積神經(jīng)網(wǎng)絡(luò)完成輔助決策。在戰(zhàn)場(chǎng)的指揮過(guò)程中，根據(jù)邊緣端節(jié)點(diǎn)數(shù)據(jù)，輔助決策系統(tǒng)可以通過(guò)預(yù)先的指揮決策知識(shí)的學(xué)習(xí)，提供作戰(zhàn)略決策的推薦來(lái)輔助判斷。輔助決策系統(tǒng)可以實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)的全場(chǎng)景分析，支持復(fù)雜的戰(zhàn)場(chǎng)態(tài)勢(shì)研判［25］。除了以上決策技術(shù)，當(dāng)前決策方面，文獻(xiàn)［26］將數(shù)字孿生融入跨組織邊界的協(xié)作意識(shí)框架，提高故障診斷和預(yù)測(cè)的準(zhǔn)確性，支持制定更準(zhǔn)確、更可靠的維修計(jì)劃。文獻(xiàn)［27］建立了空中輔助車(chē)聯(lián)網(wǎng)動(dòng)態(tài)數(shù)字孿生，以捕捉時(shí)變的資源供需情況，從而進(jìn)行統(tǒng)一的資源調(diào)度和分配。文獻(xiàn)［28］提出基于鄰域自適應(yīng)調(diào)整機(jī)制的分解的多目標(biāo)進(jìn)化算法來(lái)適應(yīng)邊緣環(huán)境。構(gòu)建并求解了基于傷害效果最大化和打擊成本最小化的多目標(biāo)火力資源配置優(yōu)化模型。文獻(xiàn)［29］提出了一個(gè)使用數(shù)字孿生、擴(kuò)展現(xiàn)實(shí)（XR）和5G 技術(shù)的未來(lái)綜合作戰(zhàn)訓(xùn)練平臺(tái)。在所提出的平臺(tái)下，戰(zhàn)斗人員可以在虛擬戰(zhàn)斗空間中掌握基于協(xié)作的團(tuán)隊(duì)單元格斗技能掌握和情景動(dòng)作訓(xùn)練，解決訓(xùn)練不足的問(wèn)題。

4 數(shù)字孿生技術(shù)在軍事領(lǐng)域應(yīng)用的挑戰(zhàn)

在數(shù)字孿生技術(shù)當(dāng)前的應(yīng)用過(guò)程中，仍面臨諸多挑戰(zhàn)，如多源異構(gòu)數(shù)據(jù)融合，物理實(shí)體的高精度建模等。在軍事應(yīng)用中，網(wǎng)絡(luò)結(jié)構(gòu)則更加復(fù)雜，對(duì)傳感器的可靠性也有更高的要求。當(dāng)前數(shù)字孿生技術(shù)在軍事的應(yīng)用主要挑戰(zhàn)如下。

4.1 物聯(lián)網(wǎng)邊緣端數(shù)據(jù)采集、傳輸與處理

在數(shù)字孿生技術(shù)的軍事應(yīng)用中，需要傳感器的數(shù)量增加，而且軍事應(yīng)用場(chǎng)景的特殊性，傳感器數(shù)據(jù)的傳輸依賴(lài)?yán)走_(dá)、衛(wèi)星等方式資源有限，傳感器的種類(lèi)和數(shù)據(jù)結(jié)構(gòu)也更加復(fù)雜，對(duì)于邊緣端的數(shù)據(jù)采集與處理有更高的要求。在戰(zhàn)爭(zhēng)場(chǎng)景中，數(shù)據(jù)融合的結(jié)果對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)評(píng)估、決策起著至關(guān)重要的作用。多源異構(gòu)數(shù)據(jù)融合需要將不同傳感器的不同結(jié)構(gòu)的數(shù)據(jù)進(jìn)行分析、處理，這也是數(shù)字孿生技術(shù)要解決的重要問(wèn)題之一。由于數(shù)字孿生技術(shù)的實(shí)時(shí)性要求，需要有更加快速與高效的網(wǎng)絡(luò)通信接口，這也是數(shù)字孿生技術(shù)發(fā)展過(guò)程中需要重點(diǎn)關(guān)注的研究方向。

4.2 數(shù)字孿生模型

當(dāng)前，對(duì)軍事領(lǐng)域裝備、系統(tǒng)很難做到精確建模，數(shù)字孿生技術(shù)發(fā)展處于起步階段，數(shù)字孿生體建模技術(shù)的復(fù)用性不足，不同場(chǎng)景都需要單獨(dú)建模。數(shù)字孿生模型更多關(guān)注了外在的可視化效果，實(shí)際的物理特性表達(dá)仍有一定的誤差，不能很好地支撐數(shù)字孿生技術(shù)的應(yīng)用。數(shù)字孿生領(lǐng)域尚未形成統(tǒng)一的標(biāo)準(zhǔn)，數(shù)字孿生模型沒(méi)有統(tǒng)一的接口規(guī)范，也是當(dāng)前數(shù)字孿生技術(shù)發(fā)展亟待解決的問(wèn)題。

4.3 人工智能技術(shù)

數(shù)字孿生技術(shù)的關(guān)鍵在于應(yīng)用，而人工智能技術(shù)是近年來(lái)的熱門(mén)研究領(lǐng)域。數(shù)字孿生體產(chǎn)生大量的數(shù)據(jù)，需要人工智能技術(shù)來(lái)完成相關(guān)數(shù)據(jù)分析與決策。而且數(shù)字孿生技術(shù)的實(shí)時(shí)性、準(zhǔn)確性等特點(diǎn)對(duì)人工智能技術(shù)發(fā)展有了新的要求，使用數(shù)字孿生模型產(chǎn)生的數(shù)據(jù)，對(duì)物理實(shí)體的狀態(tài)進(jìn)行評(píng)估，是未來(lái)要面對(duì)的重要問(wèn)題。

5 結(jié)論

隨著工業(yè)4.0 的提出，數(shù)字孿生技術(shù)逐漸成為研究熱點(diǎn)。本文基于軍用數(shù)字孿生的需求，提出了基于數(shù)字孿生的軍事物聯(lián)網(wǎng)應(yīng)用架構(gòu)，并對(duì)所需相關(guān)的技術(shù)進(jìn)行了介紹。當(dāng)前數(shù)字孿生技術(shù)的研究正處于起步，相關(guān)的標(biāo)準(zhǔn)體系暫時(shí)還未建立。未來(lái)數(shù)字孿生技術(shù)將在軍事方面得到更加廣泛的應(yīng)用，對(duì)推動(dòng)軍事技術(shù)的發(fā)展，打贏未來(lái)戰(zhàn)爭(zhēng)具有十分重要意義。