首页| 行业资讯| 企业名录| 周边产品| 数字城市| 增强现实| 工业仿真| 解决方案| 虚拟医疗| 行业仿真| 图形处理| 军事战场
用户登录/注册 ×
资讯首页
行业资讯 >> 专业文献
协同仿真-智能专家系统技术研究与应用
时间:2019-11-21    评论:0
    来源:航天工程与仿真技术
    作者:钟山
    单位:中国航天科工集团

    摘要:本文阐述了在军事高新技术迅速发展的背景下,建设协同仿真 -智能专家系统的重要性和必要性,研究提出了平台的体系结构,应用模式,介绍了平台核心服务层相关关键技术的初步研究成果、平台实现和应用验证实例,最后阐述了对平台建设的工作展望。

    一、引 言

    军事高新技术的智能化发展已成为必然趋势,是军事现代化的重要标志之一。它对 21世纪的武器装备、作战模式乃至战略战术都将产生重大而深刻的影响。人工智能是与生物工程和空间技术齐名的当今世界三大尖端技术之一,是50年代以来由计算机科学、控制论、信息论、神经生理学、心理学等多门学科相互渗透、发展,以模仿人类行为和思考的一门新学科。实践表明,利用人工智能技术,可以大大地提高武器装备研制、生产、使用与维护的效率。武器装备数字化、自动化、智能化,是现代武器装备作战效能的倍增器。

    新一代武器系统由于其复杂性及尖端性,其研制具有下述特点:涉及的专业学科技术广、配套的研制单位多、知识含量高、新技术多学科交叉多、研制周期(一般八年至十几年)和使用周期 (一般十五年至几十年)长等。其研制过程已构成一个复杂的系统工程,迫切需要提供一套基于知识工程的先进设计方法支持复杂产品研制,迫切需要规划技术体系对基于知识工程的设计提供理论方法基础,形成相关技术平台、标准规范和应用模式支持理论成果的应用。需要针对目前研制过程中主要基于传统经验的设计,解决多领域设计知识的积累、总结、沉淀不够,共享和重用率低的问题。研究协同仿真 -智能专家系统技术,解决制约复杂产品基于知识工程先进设计的一系列共性、基础性问题,开发以“一网、四库、两个引擎”为支撑的骨架型专家系统支持实际工程的应用,形成相关标准规范和应用模式,能够系统地支持该项目研究成果的推广应用,从而满足军工复杂装备系统和民用产业的应用需求。

    二、阶段研究成果

    1977年第五届国际人工智能联合会议上,美国斯坦福大学计算机系教授费哥巴姆(Feigenbaum)作了关于“人工智能的艺术”(The Artof Artificial Intelligence)的讲演,提出“知识工程”这一概念,并指出“知识工程是应用人工智能的原理与方法,对那些需要专家知识才能解决的应用难题提供求解的手段”。知识工程本质上是“知识处理”工程。因此,知识的获取、知识的表示和知识的运用构成了知识工程的三大要素。知识工程是伴随专家系统的研究而产生的。

    协同仿真 -智能专家系统,简称“平台”,是一个以“知识工程”为核心,综合应用人工智能与计算智能原理与方法、现代设计理论与方法、先进建模与仿真技术,以及高新技术装备应用领域相关专业技术的复杂装备系统智能化开发与应用的平台。包括一网:一个面向智能专家系统的知识构件服务网格;四库:数据库 /模型库 /知识库 /算法库;和二个引擎:推理引擎、仿真引擎。以解决新一代高新技术装备和工程全生命周期对基于知识的智能化工程技术的迫切需求,继承和重用已有的装备研制经验,建立基于知识工程的先进设计技术体系,提高武器装备方案论证与总体设计水平。

    (一)体系结构

    协同仿真 -智能专家系统在实现上分为支撑层、服务层和应用层 (包括应用工具层和应用层)三个层次,如图 1所示。在支撑层,具有支撑多学科协同设计与试验专家系统实现所需的各类数据、知识、算法和模型资源,以及对这些资源的维护和管理功能。

图 1 协同仿真 -智能专家系统体系结构

    在服务层,采用知识构件服务网格对分布式资源进行管理,提供基于知识工程的智能专家系统核心服务,即基于知识的定性推理服务和基于模型的定量仿真分析服务;同时提供知识获取工具提供可视化的操作界面,方便用户进行专家知识建模;高层建模工具提供可视化的操作界面,方便用户进行系统建模,封装了推理引擎,用户可以摆脱底层代码方便调用;运行管理器和运行支撑系统封装了仿真引擎,支持系统模型的运行;故障监控器显示在线运行推理结果,支持动态调试,如图 2所示。在应用层,基于核心服务提供基于知识工程的复杂产品研制应用工具集,支持工程研制的各个应用环节。

图2 核心服务层结构及信息流示意图

    (二)应用模式

    协同仿真 -智能专家系统支持三大类应用模式,包括实时在线模式:用于实时分析从现场和仿真系统采集的高速数据,进行实时故障诊断和事前预测;离线模式:用于对现场获得的数据或现象进行事后处理、评估或诊断;人机交互模式:用于以对话的方式在平台运行过程中获取用户知识,增加分析结果的有效性。

    三、突破关键技术

    (一)知识获取技术

    复杂产品具有涉及学科专业广、跨学科协同、多专业耦合等特点,使专家知识具有不确定性、动态性、正向成功知识为主的特点。知识获取技术研究专家知识形式化表达、描述、管理及集成应用技术,解决专家知识的获取、表达、组织、共享、检索、运用以及学习更新问题;研究建立图形化的知识描述子模块,提供较为完善的知识及规则描述模板及语法,用于知识工程师对自然语言描述的专家领域知识及经验数据进行抽象化的规范描述,并进一步转换为图形化的规则描述,如因果导向图,从而实现由知识源到知识脚本的非自动获取,如图 3所示。

图 3 专家领域知识到图形化知识描述转化过程示意

    因果导向图是一种发现问题“根本原因”的方法,它是将导致故障发生的各种原因进行归纳、分析,用简明的文字和线条罗列故障的原因,并将众多的原因分类、分层并进行分析的过程。该模型能更有效地模拟客观世界,得到更加准确的推理结论。同时,因果图模型也是可能性传播图模型和故障影响传播图模型的基础,具有重要的工业应用价值,如在线故障诊断等。同时针对专家知识具有模糊性的特点,研究提出了专家知识的模糊表达应用的基本步骤。

    (二)不确定知识推理技术

    基于产生式规则推理,结合计算智能推理应用,实现不确定知识推理。采用FuzzyClips基于产生式规则的推理机实现推理过程,通过研究和应用,总结技术优势为采用高效的 Rete匹配算法、可靠的推理控制策略、支持不确定性推理和模糊推理。应用 DS证据理论通过对不确定信息的置信度进行段内和段间的加权推理(采用不同的权重函数),成功地融合出每段内和整个试验过程的状态和概率。也可研究和实现 Bayes故障树推理机,在应用中,试验过程的评估采用“从前向后”的推理评定,一旦出现异常或失控,利用故障树 “从后向前”的推理过程来定位故障。

图4 智能化推理框架

    (三)仿真引擎与推理引擎集成技术

    仿真引擎是一种模型集成环境,动态载入不同仿真任务相关的仿真模型后,形成相应的仿真应用系统。包含三个部分:连接管理、调度管理和组件内部的一个事件列表。连接管理实现多学科仿真模型之间的数据信息和控制信息的交互;调度管理和事件列表分别应用状态机理论和时间管理共同实现仿真模型行为的调度。仿真引擎在行为调度和时间管理上具有层次性和混合性等特点,实现了基于组件构造复杂系统时,其逻辑结构和逻辑行为与软件实现时的组件及其通讯和运行控制的有效分离和自动映射,建立一种非编译的复杂系统基于组件构造模式和方法。

    推理引擎实现对知识加载、对推理算法及其决策融合算法的调度与推理。能够根据事件的类型、特征等,选择相应的专家规则推理机、神经网络推理机、模糊逻辑推理机、数据挖掘算法等,或综合应用多个推理机及其融合算法,快捷准确地提供预报、诊断和评估结果。

    在已有多学科虚拟样机协同仿真平台 /工具集 (Cosim)的基础上,实现仿真引擎与推理引擎的集成是建设协同仿真 -智能专家系统的关键。集成结构主要包含三部分:EED文件解析模块、Clips推理引擎、Cosim端口注册模块。三者的关系为:Clips推理引擎通过 EED文件解析、获取和生成端口信息,利用这些端口信息,通过 Cosim端口注册向 Cosim仿真引擎告知其所具备的端口。

图5 仿真引擎与推理引擎集成结构图

    (1)EED文件解析:该模块要实现从 Cosim专家系统高层建模生成的 EED文件中解析出在仿真运行中要调用推理引擎所需要的端口,同时将解析出的端口信息返回给 Clips核心组件。

    (2)Clips核心组件:该模块通过将 Clips原代码嵌入到 Cosim元素中,该Cosim元素是经过改造的 Cosim元素,具有动态生成端口的特点。将 Clips源代码嵌入后,该元素具有了 Clips的推理功能,并能够响应 Cosim的数据、事件输入,并给出输出结果。将 Clips封装成通用的 Cosim元素是集成的关键。

    (3)Cosim端口注册:从 EED文件的解析信息得到端口的信息情况,为了与Cosim仿真引擎进行事件、数据交互,需要动态生成相应的端口,生成端口后还要通过该模块将这些端口注册给仿真引擎,这样仿真引擎才知道推理引擎哪些端口是可以被调用的。

    推理引擎的调用流程如图 6所示:

    (1)在仿真开始时进行引擎加载,此时,EED文件解析读取,解析高层建模生成的 EED文件,并将解析出的端口向仿真引擎注册。

    (2)在仿真运行时,在每一步的仿真时刻,仿真引擎将推理的语句或数据通过端口传给推理引擎,推理引擎进行语法解析,并进行一系列的推理运算,获得推理结果后将结果传回仿真引擎,仿真引擎获得结果后继续进行后续的调用。

图6 推理引擎调用流程图

    (四)面向服务的知识网格技术

    在协同仿真 -智能专家系统体系结构研究中,其核心服务层包含面向服务的知识网格,主要是针对复杂产品设计与试验应用中涉及的专业学科技术广,配图 6 推理引擎调用流程图套的研制单位分布各地的特点,存在知识如何有效管理和应用的问题,提出利用面向服务的知识网格技术来解决这一问题。

    面向服务的知识网格介于资源层与面向复杂产品设计应用的核心服务之间,旨在综合应用知识构件的服务化、多领域知识的智能化发现和分布异地多领域知识的管理等技术,提供一个面向服务的分布式知识网格系统,支持各类异地知识资源的管理和协同应用。

    面向服务的知识网格支持底层资源层的各类模型、知识、算法、数据资源、设计工具软件资源和设计科学仪器资源的服务化,并提供管理机制;同时根据上层对资源的应用需求,提供包括知识的发现、索引、组合、实例等服务,为用户进行复杂产品设计活动提供浏览器和桌面形式的门户 /工具,包括面向工程研制的协同可视化门户和知识网格通用门户,为核心服务层的基于知识的定性推理和基于模型的定量仿真分析提供各类资源的动态集成和协同应用。

    四、平台实现及应用

    (一)平台实现

    以关键技术为基础,开发实现了协同仿真 -智能专家系统 /工具集 V1.0版本,包括三大类核心工具。交互式知识获取工具的开发支持带模糊的面向故障诊断的因果导向图知识描述、因果导向图与 FZClips的转换与映射和图形化知识建模。系统建模工具支持图形化建模、推理引擎和仿真引擎集成。通用的故障监控器支持故障诊断过程和结果监视、推理过程回显和应用系统的单步调试,工具部分界面如图 7所示:

    (二)应用验证

    协同仿真 -智能专家系统支持离线和在线两种模式的预测、诊断、评估、改进(PDEM)等应用,即:

    (1)预测(P):离在线预测,并确定系统在运行的过程中预先分析如规划、计划、预报、预测、训练、仿真等。在应用中将基于蒙特卡洛方法开展的大量仿真与专家知识应用结合起来,通过专家知识实现对结果的有效预测。

    (2)诊断(D):确定故障的种类、发生的原因、程度大小以及发生的时间,如故障、修复、纠错、检测、服务、诊断、维护等。通过专家知识的采集、故障树的建立和推理机的实现,根据专家经验、中间事件的概率,确定优化的 FTA搜索路径,进行故障诊断。建立某控制面板故障树→故障树推理,根据专家知识选择故障特征→得到推理诊断结果和概率→根据推理结果查看维修措施和指导意见。

图 7 协同仿真 -智能专家系统 /工具集界面

    (3)评估:离在线判断事件对系统的影响和影响的发展趋势,针对不同情况采取不同措施,让用户对事件进行科学有效的处理,如验证、应对、决策、鉴定、确认、评估等。例如某飞行试验采用“分区、分段、分态”的方法,应用 FZClips和 DS证据理论对不确定信息进行推理和信息融合,对整个飞行试验和各个阶段给出评估结论。分区:A,B,C,D四区。分段:初制导、交班、制导、遭遇、拦截。分态:正常、异常、失控。

图8 雷达故障诊断系统

    针对制导过程的特点,需要对制导过程的全过程的各个阶段进行评估。传统的方法重视制导过程的结果,缺乏对过程的关注;如果制导过程结果成功,则忽略了过程中可能由设计缺陷所引起的异常。如果制导过程结果失败,则需要人工查阅大量的试验数据,找到异常发生的时刻和阶段,进而进行故障诊断。本系统解决了传统方法对过程的忽略,实时采集试验数据,利用专家知识在线推理,给出各个阶段过程中的评定结果和概率,并提供状态回放功能,方便试验人员及时把握制导过程状态和便于查找问题。该系统通过实时在线处理的应用模式,对制导过程中初制导段、初制导交班、制导段、遭遇段和遭遇点给出评定结果和概率,取得了良好的应用效果,如图 9所示。

图 9 制导过程评定系统应用效果

    (4)改进:针对系统(事件)的评估或诊断结果,通过专家知识分析,让用户获得系统(事件)的改进提高,如分析、改善、学习、重构、提升、改进、设计等。在实际研制中,某系统虽然试验成功,但分析得出在某阶段的控制中,有许多步是异常的(控制不很理想),这引起了控制领域专家的关注,评估异常或失控是“小概率事件”还是“设计缺陷”,对由设计缺陷所引起的异常或失控必须进行改进。同时也可在试验前,综合运用仿真技术和人工智能技术,以专家知识推理结果为依据,对仿真模型进行改进。

    五、展 望

    初步实践表明,协同仿真 -智能专家系统为复杂产品智能化设计和试验提供了一个有效的手段,能够提供具有实时在线处理、离线分析和人机交互 3种工作模式,解决系统(事件)过程中预测、诊断、评估、改进等四大类应用问题。能够通过积累有工程实践经验的装备研制领域专家知识,实施人才战略,培养年轻的设计师队伍;通过实现对多领域专家知识的高效获取、有机融合、有效管理和综合应用,以提高各类工程设计资源和工程设计知识的积累、总结、提炼、共享、重用及智能化应用水平。

    鉴于协同仿真 -智能专家系统对复杂产品设计和试验的作用,该系统的建设是一项长期和持续的工作,下一阶段我们的主要工作是:

    (1)结合复杂产品研制的特点和应用需求,继续深入研究平台的相关关键技术,包括多模式智能化推理与融合算法;多领域知识获取与融合技术;多领域知识统一建模与联合求解技术;知识构件服务网格等关键技术;

    (2)以关键技术研究为基础,进一步完善支持复杂产品设计和试验智能化系统开发的平台 /工具集;

    (3)以平台为依托,研究智能化设计和试验应用技术,拓展平台在复杂产品工程研制中的应用阶段和应用领域;同时以应用为牵引,研究建立智能化设计和试验系统相关的标准规范。

    作者简介:钟山

    1957年毕业于哈尔滨军事工程学院,现任中国航天科工集团科技委顾问,是我国制导控制领域的专家,在防空导弹武器系统研制中,先后两次荣获国家科技进步特等奖;编写各种技术报告百余篇;为国防事业做出突出贡献。兼任上海交大等多所大学博士生导师,空军科技发展和人才建设顾问。1999年当选为中国工程院院士。
标签:协同军事
上一篇:两化融合战略中的虚拟仿真技术下一篇:国内外飞行模拟设备行业的现状分析
网友评论:协同仿真-智能专家系统技术研究与应用
留名: 验证码:
最新评论
查看全部评论0
暂无评论
您可能还需要关注一下内容:
· 数字孪生城市未来发展展望
·数字孪生城市关键技术要素
·叩开“战争设计学”的大门
·IVRTC2019 第二届虚拟现实技术及应用创新大赛
·虚拟现实、增强现实关键技术发展趋势
·对航天器虚拟仿真技术发展的思考
·沉浸式技术-让未来战场扑面而来
·虚拟现实走进军事高校 她把战场“搬”进指挥所
·美军面向多样化军事任务的建模仿真研究
·Unigine2.0教程五《创建材质(Material)》
☏ 推荐产品

小宅 Z5 2018青春版
商家:小宅

杰瑞特运动平台
商家:杰瑞特智能

Dikalis眼动追踪
商家:赢富仪器

魔神 Hawk
商家:魔神运动分析

5DT Binoculars
商家:四维宇宙

Christie DS+750
商家:四维宇宙

Zalman M220W
商家:四维宇宙

全息360°
商家:四维宇宙

PD F10 AS3D
商家:四维宇宙

PHANTOM系列
商家:四维宇宙
☞ 外设导航
☏ 企业名录
【宁波】宁波维真显示科技股份有限公司
【潍坊】歌尔股份有限公司
【上海】霍尼韦尔(中国)有限公司
【北京】科视Christie-中国
【北京】北京华如科技股份有限公司
【北京】北京乐卡仕技术有限公司
【广州】广州弥德科技有限公司
【上海】刃之砺信息科技(上海)有限公司
【北京】北京度量科技有限公司
【北京】北京小鸟看看科技有限公司
关于本站联系我们融资计划免责声明网站建设广告服务咨询策划行业推广
北京第三维度科技有限公司 版权所有 京ICP备15051154号-3
2008-2020 Beijing The third dimension Inc. All Rights Reserved.
Email:d3dweb@163.com  QQ:496466882
Mob:13371637112(24小时)
关注虚拟现实
关注第三维度