帶看門狗機制的仿真模型灰色關聯驗證*

寧小磊,吳穎霞,陳戰旗

(中國華陰兵器試驗中心,陜西華陰 714200)

帶看門狗機制的仿真模型灰色關聯驗證*

寧小磊,吳穎霞,陳戰旗

(中國華陰兵器試驗中心,陜西華陰 714200)

灰色關聯結果注重數據序列的整體性能評價,從算法設計上忽略數據序列細節。將灰色關聯分析應用于仿真模型驗證時,存在部分階段不準確模型被大量其余階段準確模型淹沒的風險,針對這一問題,提出一種帶看門狗機制的灰色關聯模型驗證方法,看門狗識別、吠叫和記錄大差距序列數據,記錄的數據結果可為后續模型修正提供細節基礎,提高了模型驗證的可靠性和細節可辨識度。最后,通過實例分析驗證了改進模型的合理性和有效性。

模型驗證;灰色關聯度;可信度;仿真;看門狗機制

0 引言

仿真具有靈活性、可重復性、無破壞性和經濟性等優勢,因此在武器系統的研制、試驗和鑒定過程中,主要通過系統仿真試驗來考核和測試武器系統性能,靶場試驗則主要用來檢驗系統仿真和仿真系統的有效性?？梢?在新的概念框架下,仿真模型的有效性直接決定了決策的正確性。目前,仿真系統有效性檢驗最基本、最直接的方法是考察相同初始條件下仿真模型輸出與實際系統輸出是否一致[1]?；疑P聯理論在序列一致性分析方面具有明顯的優勢,文獻[1-5]將灰色關聯引入仿真模型的有效性驗證中,并針對其主要依據序列所形成的空間曲線形態的相似程度進行判斷,忽略曲線之間的接近程度的缺陷,提出了改進分析模型,并取得了一定的效果。然而,常規仿真模型灰色關聯驗證一般通過對比計算灰色關聯度與預設的工程經驗閾值,當計算灰色關聯度大于工程經驗閾值時,模型通過有效性檢驗。這種綜合性檢驗結果忽略了各階段數據的細節問題,存在“好”數據淹沒部分少量壞數據的風險,但這些壞數據有可能是模型不準確所致。針對這個問題,構建了一種帶看門狗機制的仿真系統灰色關聯驗證模型,該模型在不同的工作階段設置不同的看門狗和看門狗閾值,當比較結果大于閾值時,看門狗吠叫并記錄數據。該方法避免了全彈道中大量“好”數據淹沒“少”量壞數據的可能,使仿真模型驗證更具精確性和科學性,也可為模型修正提供數據。

1 問題的提出

基于灰色關聯分析的仿真模型驗證的基本思想是:在相同初始條件下,得到仿真試驗數據x1(k)和實際系統試驗數據x0(k);對數據進行預處理使其滿足采樣間隔相等且序列長度相同的條件;將其代入灰色關聯度模型進行計算,以計算得到的灰色關聯度γ(x0,x1)作為衡量兩類輸出一致性和動態關聯性的定性指標,根據該指標作出仿真輸出是否被接受的判斷[1]?；疑P聯度按下式進行計算:

(1)

式中:ε為分辨系數,在[0,1]之間取值,一般取0.5;γ為兩組數據序列間的灰色關聯度,有0<γ≤1。對固定的分辨系數ε,γ越大,說明兩組數據序列間的相關性就越強。

然而,直接利用常規灰色關聯分析驗證仿真模型的有效性存在大量“好”數據淹沒“少”量壞數據的缺陷,比如,圖1中,序列x0與x1、x0與x2的灰色關聯度相等,但實際問題是序列x1中的第一個數據x1(1)明顯超過其他序列數據,只因x1的其他數據與x0極其相似,雖然x1(1)明顯不合群,但卻被算法的綜合性設計評價淹沒了。這與實際情況有時不符,比如檢驗激光駕束制導武器,當結果通過模型驗證,但導彈飛行中間段出現序列誤差大于激光束半徑的,導彈應該出現失控。

圖1 不同序列的灰色關聯

文中的主要工作是:構建一種新的灰色關聯模型,能夠實現辨別序列細節且兼顧數據綜合性,并將其應用于仿真模型驗證中。

2 帶看門狗機制的灰色關聯模型

因工作機制不同和攻擊效果的需要,導彈飛行彈道可能包括多個階段,比如發動機工作時間不同,各階段的速度不同;因毀傷和抗干擾需要,彈道分為初始段、中間段和末制導段。同時,各階段工作機理和影響因素不同,建立模型的準確性需求也不同。然而,利用常規灰色關聯分析進行仿真模型驗證時將系統全部工作過程綜合處理,忽略了各階段模型建立準確性需求不同的細節。存在模型修正難以入手和基于部分不精確模型進行錯誤決策的可能。鑒于此,根據實際情況需要,對各個階段的模型準確性提出需求,在有效性檢驗過程中設置看門狗監測。當看門狗沒有監測到“壞”數據,且綜合結果滿足預定要求時,則評定模型通過檢驗。

帶看門狗機制的灰色關聯度模型是在原灰色關聯度模型的基礎上,增加看門狗環節?？撮T狗環節的主要技術有:1)根據系統對象的工作特點和實際需求對系統的工作過程劃分階段;2)設置不同階段的看門狗閾值;3)看門狗吠叫識別。當誤差大于預定看門狗閾值時,看門狗吠叫,且記錄數據,否則通過看門狗環節。綜上,帶看門狗機制的灰色關聯度模型流程圖如圖2所示。

圖2 帶看門狗機制的灰色關聯度模型

3 帶看門狗機制的仿真模型灰色關聯驗證

根據上述分析,將帶看門狗機制的灰色關聯分析方法引入仿真模型驗證中,步驟如圖3所示。

圖3 帶看門狗機制的仿真模型灰色關聯驗證

4 實例應用

算例1:

算例1舉了一個例子,說明常規灰色關聯分析存在的大量“好”數據淹沒“少”量壞數據的問題。

參考序列:x0=[44 65 64 43 40]

行為序列:x1=[26 18 21 17 14]x2=[50 80 77 151 48]

則根據灰色關聯度計算公式,可得到:

γ(x0,x1)=0.734 2,γ(x0,x2)=0.820 3

上述灰色關聯度計算結果說明,行為序列x2與參考序列x0關聯度更好。但從圖4所示的參考序列和行為序列曲線圖可以看出,行為序列x2中的x2(4)數據與參考數據之間的誤差明顯大于其余數據與參考序列x0中除(151 43)數據之外數據之間的誤差。只因行為序列x2與參考序列x0中除(151 43)數據之外其余數據關聯度較好,即誤差小,x2(4)被淹沒了。假設該數據為激光駕束制導導彈飛行彈道,若此時仿真數據與飛行數據之間誤差大于激光束半徑,實際情況是導彈此刻飛行失控,若據此評估模型通過有效性檢驗,則決策存在風險。若使用新模型,則看門狗會在x2(4)處吠叫,提醒工程師這里存在風險。

圖4 參考序列和行為序列曲線圖

算例2:

以帶看門狗機制的灰色關聯分析方法檢驗某型反坦克導彈武器系統仿真模型的有效性為例,來說明該方法應用于工程實踐時的有效性。方法是通過考察飛行試驗數據和仿真試驗數據之間的有效性進行評定。在相同條件下,得到的仿真試驗數據和飛行試驗數據如圖5所示。數據分三部分:初始段、中間段和末制導段。模型2因要素考慮不全面導致初始段存在常值誤差,但中間段和末制導段與飛行試驗數據吻合度較好。

圖5 飛行試驗和仿真試驗數據曲線

這里以高度-飛行時間曲線為例說明該方法的有效性。圖6給出了高度-飛行時間全彈道和局部放大曲線。從局部放大圖可以看出初始段時,模型2與飛行試驗數據吻合度較差;末制導段時,模型1與飛行試驗吻合度較差。通過帶看門狗機制的灰色關聯度模型分析其與飛行試驗數據的關聯度分別為0.405 4和0.426 1。模型2與飛行試驗數據關聯度較好,中間段和末制導段模型精度較好,淹沒了初始段模型常值誤差。通過設置看門狗,記錄了該段數據與時序,通過對初始段模型進行修正,得到更好的模型。仿真數據如圖7所示。新數據序列條件下的灰色關

圖6 高度-飛行時間曲線圖

圖7 模型修正后高度-飛行時間局部放大曲線圖

聯度分別為0.498 5和0.725 6?？梢娡ㄟ^看門狗技術,能夠做到有的放矢的進行模型修正,對產品研制與模型改進意義重大。

5 結束語

考慮到系統不同工作階段影響因素和運行機制不同,導致模型建立的精確性也不同,為了避免精確階段的模型淹沒不精確階段的模型誤差,提出了一種帶看門狗機制的仿真模型驗證方法。該方法能夠辨識模型驗證時的細節,有效克服了部分階段模型建立不準確而又被綜合算法淹沒的風險,最后,通過實例的分析與比較,驗證了帶看門狗機制的灰色關聯模型驗證方法的合理性和有效性。

[1] 魏華梁, 李鐘武. 灰色關聯分析及其在導彈系統仿真模型驗證中的應用 [J]. 系統工程與電子技術, 1997, 19(2): 55-61.

[2] 胡玉偉, 馬萍, 楊明, 等. 基于改進灰色關聯分析的仿真數據綜合一致性檢驗方法 [J]. 北京理工大學學報, 2013, 33(7): 711-715.

[3] 孫勇成, 周獻中, 李桂芳, 等. 基于灰色關聯分析的仿真模型驗證及其改進 [J]. 系統仿真學報, 2005, 17(3): 522-525.

[4] 劉思峰, 郭天榜, 黨耀國，等. 灰色系統理論及其應用 [M]. 北京: 科學出版社, 1999.

[5] 劉軍, 劉藻珍. 一種驗證反坦克導彈系統仿真模型的方法 [J]. 系統仿真學報, 1994, 6(3): 16-19.

版 權 聲 明

凡稿件被本刊錄用，即視為作者同意將該論文的復制權、發行權、信息網絡傳播權、翻譯權、匯編權等權利在全世界范圍內轉讓給本刊。本刊已許可中文科技期刊數據庫(維普)、萬方數據數字化期刊群和中國知網(中國學術期刊(光盤版)電子雜志社)在其各自的系列數據庫產品中以數字化方式復制、匯編、發行及在信息網絡傳播本刊全文。作者著作權使用費和稿酬一并支付(即包括印刷版、光盤版和網絡版各種使用方式的報酬)。如作者對本聲明持有異議，請在投稿時說明。

本刊編輯部

Study on Validation of Simulation Models Based on Gray RelationalAnalysis with Dog Watch Mechanism

NING Xiaolei,WU Yingxia,CHEN Zhanqi

(Huayin Ordnance Test Center of China, Shaanxi Huayin 714200, China)

Ordinary gray relational (OGR) analysis usually stresses comprehensive performance of time serial data. When used in validation of simulation models, its comprehensive performance ignores time series’ details, which is usually part of model error. To reduce the risk in application of OGR, a new gray relational analysis with dog watch mechanism was proposed, which is in view of the details of time series. When deviation excesses threshold value, dog watches and numbers are recorded. The numbers can provide technical support for model modifying. Finally, a case study was given to show reasonability and validity of the improved model.

validation of simulation models; gray relational degree; credibility; simulation; dog watch mechanism

2014-05-06

寧小磊(1985-),男,陜西華陰人,工程師,研究方向:系統建模與仿真。

TJ761.12

A