中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
Underwater Tridimensional Attack & Defense

Framework design and key technology of digital twin range

  • XIANG Yangrui ,
  • XIA Xue
Expand
  • Unit 91388 of PLA, Zhanjiang 524000, China

Received date: 2022-04-07

  Revised date: 2022-08-03

  Online published: 2023-06-12

Abstract

With the development of range to the integration of test and training, its function has changed from evaluating single weapon equipment to the whole combat system. In order to construct a realistic system of system-level test and training environment, the concept of digital twin is introduced into the range, and the overall framework of digital twin range to construct a complete digital image of combat system is proposed. The key technologies such as intelligent measurement and control, computational test, intelligent decision-making and combat cloud are analyzed, and application cases of underwater attack and defense digital twin range are briefly offered. The study is hoped to provide a reference for the realization of system of system-level test and training under the condition of large-scale and high-frequency real combat.

Key words: digital twin; range; framework

Cite this article

XIANG Yangrui , XIA Xue . Framework design and key technology of digital twin range[J]. Command Control and Simulation, 2023 , 45(3) : 34 -38 . DOI: 10.3969/j.issn.1673-3819.2023.03.005

随着靶场向试验训练一体化的发展,靶场的职能从考核单一的武器装备,向考核整个作战体系转变。体系的动态性和进化性要求构造一种动态模拟真实对抗环境和背景的试验训练环境;而体系效能具有整体性和不确定性,对其考核评估要求创造一个能够自主运行、高频度试验训练的环境。目前,靶场将可用于完成试验训练任务的真实和虚拟的资源,构建成为跨地域、跨靶场与试验设施的试验训练的综合体,也就是逻辑靶场[1],同时开展了大规模的仿真建设。然而由于武器装备体系的复杂性,在仿真建设过程中,面临着仿不真和无真可仿的问题,难以获取作战对手的真实信息以构建蓝军模型,难以对影响体系效能的环境因素进行建模仿真,难以对指挥员的行为决策进行建模,同时也缺乏足够的手段来评价作战指挥决策的效率和决策质量。体系级试验训练缺乏支撑手段。
将数字孪生体的概念引入靶场,采用大数据、云计算、人工智能等新技术构建物理域中作战体系的数字镜像,可针对上述问题给出解决方案,推进靶场发展成为更高阶的形态。

1 数字孪生靶场基本概念

2002年美国密歇根大学教授Dr. Michael Grieves第一次提出了数字孪生概念[2],自2017 年以来,数字孪生体连续两年入围由全球领先的IT研究与顾问咨询公司Gartner 发布的“十大战略科技趋势”。2017 年11 月,世界最大的国防承包商洛克希德·马丁公司将数字孪生体列为未来几年在国防和航天工业中发挥重要作用的六大顶尖技术之首[3]。随着物联网技术、人工智能和虚拟现实技术的不断发展,数字孪生的形态和概念不断丰富,逐步扩展到其他领域,2019年美海军信息作战系统司令部为林肯号航母(CVN-72)建立首个“数字林肯”数字孪生体,以提高航母信息战的能力,其最终目标是在所有平台上构建数字孪生体[4]。美空军与波音公司合作构建了F-15C机体数字孪生体模型,开发了分析框架,可预测结构组件何时到达寿命期限,调整结构检查、修改大修和替换的时间[5]
数字孪生是物理对象的数字模型,该模型可以通过接收来自物理对象的数据而实时演化,从而与物理对象在全寿命周期保持一致[6]。随着信息化的不断发展和推进,数字孪生的概念必然被引入靶场。数字孪生靶场不是构建单一靶场的数字镜像,而是以构建完整的作战体系镜像为目标,在最大限度整合各靶场现有的资源以及可拓展作战资源的基础上,借助于大数据[7]、人工智能技术[8],通过数字化的手段,对无法采用模拟方法构建的作战元素对象,通过传感器采集的大量数据,并借助大样本库,通过计算试验反映其特征,为体系级的试验、训练提供高逼真度的环境。
数字孪生靶场首先要最大限度地开发利用和整合试验训练作战资源,因此,具有网络广泛覆盖,信息深度互联,资源协同共享的特点,同时还具有以下特征:
1)数据驱动[9]:作战体系运行中会产生海量的数据,数字孪生靶场能对这些数据进行智能处理,通过自主判断和分类,对信息进行深加工,产生出各类装备运用知识和作战使用策略,通过数据的驱动实现物理靶场的资源优化。
2)模型支撑:数字孪生的本质是实现物理域向信息域的等价映射,能够大样本完成仿真分析、数据计算和预测,因此,需要在靶场现有物理实体机理模型的基础上进一步开发数据驱动模型,形成作战体系和镜像的虚实交互。
3)精准映射:一方面数字孪生靶场能够通过智慧测控获得的数据对靶场中物理实体进行仿真分析和运行状态监控,另一方面可利用作战元素的真实数据完善数字孪生靶场的仿真分析算法。
4)智能优化:数字孪生靶场以提升装备作战效能和体系效能为目标,通过开展装备试验和人在回路的对抗性训练,将人工智能技术融入考核评估体系,对装备体系持续运行和改进提供更精准的评估,实现体系能力的不断优化。

2 数字孪生靶场总体框架设计

通过运用大数据、云计算、人工智能等新技术,以构建完整的作战体系镜像为目标,我们设计数字孪生靶场的总体技术框架,在最大限度整合各靶场现有的资源以及可拓展作战资源的基础上,实现作战体系中各类信息的广泛感知、高效传输、协同共享、虚实映射和智能决策,构建一个对抗的作战环境,实现逼真、大规模、低消耗、可重复、安全性强的试验训练演练,使模拟训练向实兵实抗训练转变,同时考核评估各作战元素的作战效能,达到提升作战能力优化作战体系的目的。数字孪生靶场的总体框架如图1
图1 数字孪生靶场总体框架
1)虚拟蓝军[10]:将作战对手的情报和数据进行知识提取和机器学习,采用扰动分析的方法,逐步模拟逼近真实的蓝军,为试验训练提供对抗环境。
2)作战体系镜像:通过整合资源和建立作战元素的数字镜像,形成虚实融合的完整作战体系,并且能够按照作战流程运行,可用于体系级实兵对抗训练。
3)云平台:利用云计算等技术手段,将资源“服务”化、集中存储、共享计算,它是整个数字孪生靶场的各实体信息交互的核心,在训练演练的过程中应以快速有效的方式聚集各种虚实资源,实现类似作战云的云部署、云聚合、云攻击(防御)、云消散的过程。
4)智慧测控层:具有超强的感知能力和智慧性,通过靶场测控装备、侦察感知类作战装备以及在武器装备上加装的各种传感器,对作战体系及数字孪生靶场中各种实体的状态进行感知,获取状态数据。
5)智能决策层:将作战规则、专家经验等数字化,存入知识库,通过对敌我双方态势的推理和推演提供作战指挥辅助决策、演练方案评估、作战效能评估、决策效能质量评估等功能。
6)虚拟战场环境:包括自然战场环境、复杂电磁环境、复杂水声环境等。战场环境涉及磁场、声场等,很难建立机理模型,可以通过对大量的测量数据进行机器学习,建立数据驱动模型。
7)数字孪生靶场标准体系:是数字孪生靶场多系统协作、海量信息汇聚、融合和共享、多平台协同、安全控制的基础。

3 关键技术

3.1 智慧测控

物联网[11]、芯片纳米化和5G/北斗网等技术的发展,使得靶场的测控不单单依赖传统雷测、光测、遥测等外测设备以及地面、空中、有人、无人等各种侦察感知类装备,物联网技术推进了万物互联的发展,也奠定了万物可测可控的基础;芯片纳米化使得在武器装备各关键部位加装射频识别传感设备变得容易可行,可实现装备的识别跟踪和状态监测;5G/北斗网技术实现了传感器、信息系统、智能终端设备的连接交互。最终人们可实现以全域装备状态感知,天、空、海、陆多维互联和深度的数据融合为基础的智慧测控。以水下试验训练测控为例,潜艇、自主无人航行器、鱼雷、水声对抗器材和潜标等加载水声传感器组成水下物联网,将各试验训练节点的动态信息通过水下移动网关、水面网关浮标传输至海面,再通过卫星通信传输至靶场主干测控网。

3.2 计算试验

计算试验是仿真模拟的升华,其核心在“试”,从“简单一致”原则出发,从对对象的基本认识出发,不断修改规则,输入数据,使宏观行为与真实对象之间在某种程度上趋于一致,从而实现对客观的描述[12]。 试验和训练的目的就是在实战的背景下,采用多种手段去发现和掌握一些制胜机理和规律性问题,而有些多输入、多变量的问题,如敌我双方的博弈规则、作战态势的演进规律和网络拥塞过程等,可以通过基本规则的描述,从分析系统产生的现象入手,采用计算试验的方法对规则进行修正和反演,渐进式逼近物理实体。物理实体也因此拥有更多发挥和改进的可能。在武器装备体系试验中,计算试验可以在评估体系效能和装备作战运用中发挥重要作用,例如在新质作战力量融入作战体系过程中,由于不具备成熟的作战运用模式,可以采用计算试验的方法,探索各种作战使用方法,最终得出一系列可行方案,在评估作战效能的同时也可以为作战运用提供建议。

3.3 智能决策

作战人员的心理和智能因素是决定战争成败的重要因素,决策指挥的效率和质量是体系级训练中重要的考核指标。指挥员除了能对敌情、我情进行基本的判断,对指挥流程、作战时机要有精准的掌握,对装备要能熟练地运用,最重要的是能够对庞杂、不确定和不完整的战场信息进行分析,并在这种不透明的战场态势下做出有利的决策。而智能决策是将作战规则、装备运用编成等指挥员的专业知识存入知识库,在透明的蓝方战场态势和战场环境下,通过计算试验对作战过程进行计算,获得作战方案,然后调动整个数字孪生靶场中各种实体进行推演,获取在不同作战态势下的最优决策,这既可以用于对指挥员进行辅助决策,又可以用于对作战指挥员的最终作战指挥方案进行评估,从而提高指挥员的决策能力。智能决策过程如图2所示。
图2 数字孪生靶场智能决策过程图

3.4 作战云

作战云是将“云计算”技术引入作战过程而发展起来的,强调的是通过云计算技术和思想构成一种聚合能力更强、资源利用效率更高的联合作战体系[13],重点解决未来分布式杀伤和多域作战中的作战力量整合问题。例如,在水下攻防作战中,空、天、海、潜兵力在作战云的支撑下,情报和目标数据高度融合,同时行动兵力经过整合,体系化运用,实施统一联合行动,提高了作战效能和规模效应,数字孪生靶场构建了作战体系的数字镜像,同样采用作战云优化部署和利用全局性作战资源,以快速有效的方式,使各种真实的、虚拟的、构造的作战元素聚集成作战体系。数字靶场中作战云体系结构如图3所示。
图3 数字孪生靶场作战云体系结构

4 水下攻防数字孪生靶场设计

4.1 体系设计

水下攻防作战空间广泛,作战要素复杂,作战结构多维,在训练过程中存在强敌对手引入不够,体系运用战法不足等问题。通过整合作战资源和靶场仿真、测控等资源,形成完整的水下攻防作战体系的数字镜像,可用于体系级试验和实兵对抗训练,评估装备体系效能和探索创新水下攻防研练模式。
水下攻防数字孪生靶场涵盖某岸、海、空、潜等水下战装备,在数字孪生靶场建设标准指导下,通过云平台将水下作战体系实兵实装的态势数据和水下测量阵获取的水中兵器弹道数据等信息引入内场仿真模型,仿真模型虚拟蓝军模拟敌潜艇与我方兵力实施攻防对抗,体系设计如图4
图4 水下攻防数字孪生靶场体系设计图

4.2 水下攻防数字孪生靶场运用

1)关键海域水下探测体系试验
基于水下攻防数字孪生靶场, 构建由岸基声呐、作战舰船、反潜直升机、反潜巡逻机、潜艇、潜标和浮标组成的水下探测体系孪生系统,并按照水下探测体系运行任务剖面,开展大样本的仿真试验。试验想定中,我方海、天、空、潜等水下作战兵力在某关键海域构建形成三层封控区,敌潜艇按照强敌作战样式采取不同的航路和战法,突破我方的水下封控,通过不同平台的声呐信号级模型计算我方兵力势力范围和对潜搜索概率,评估各水下节点装备配置合理性、水下和海空信息传输交互链路的顺畅性、体系内不同要素组合后的作战能力涌现性、体系灵活重构能力、体系运行的可靠性和体系敏捷反应能力等指标。
2)水下攻防对抗研练
我方围绕强敌在关键海域可能采取的作战策略设计对抗行动。蓝方派出核潜艇进入我方关键作战海域执行“情报侦察、威慑干预”作战任务,红方水下攻防作战设置威胁源头早期预警、海峡要道重点布控、广域侦察搜索、协同接续跟踪、近海严密监控等训练科目。水下攻防数字孪生靶场通过声呐阵元域数据建模,模拟产生敌方潜艇噪声或鱼雷来袭等声呐信号,提供类似实战的水下攻防模拟训练环境,水面舰艇作战指挥员根据作战方案和敌方态势进行战斗计算和指挥决策,智能决策系统通过计算试验对作战过程进行计算,评价指挥员的指挥决策能力,获取最优战法。研练过程按照兵力行动—复盘评估—战法总结的方式不断迭代,提升水下攻防作战能力。

5 结束语

数字孪生靶场蕴含了大数据、人工智能、云计算、机器学习、虚拟现实等多种先进的理论和方法,通过建立平行的军事空间,开展平行的仿真试验等军事活动,促使物理域中的作战体系能够不断进化发展。数字孪生靶场代表靶场未来发展的必然趋势,是开展体系级试验训练的必然道路,也是技术和未来战争双重驱动带来的必然结果。
[1]
王国玉, 冯润明. 逻辑靶场与联合试验训练[J]. 现代军事, 2006(9): 55-58.

WANG G Y, FENG R M. Logical shooting range and joint test training[J]. Conmilit, 2006(9): 55-58.

[2]
APRISO. Digital twin:Manufacturing excellence through virtual factory replication[EB/OL]. http:∥www.apriso.com.

[3]
陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.

TAO F, LIU W R, LIU J H, et al. Digital twin and its potential application exploration[J]. Computer Integrated Manufacturing Systems, 2018, 24(1): 1-18.

[4]
李凯, 钱浩, 龚梦瑶, 等. 基于数字孪生技术的数字化舰船及其应用探索[J]. 船舶, 2018, 29(6): 101-108.

LI K, QIAN H, GONG M Y, et al. Digital warship and its application exploration based on digital twin technology[J]. Ship & Boat, 2018, 29(6): 101-108.

[5]
李鹏, 潘凯, 刘小川. 美国空军机体数字孪生计划的回顾与启示[J]. 航空科学技术, 2020, 31(9): 1-10.

LI P, PAN K, LIU X C. Retrospect and enlightenment of the AFRL airframe digital twin program[J]. Aeronautical Science & Technology, 2020, 31(9): 1-10.

[6]
张霖. 关于数字孪生的冷思考及其背后的建模和仿真技术[J]. 系统仿真学报, 2020, 32(4): 1-10.

ZHANG L. Cold thinking about digital twinning and the modeling and simulation technology behind it[J]. Journal of System Simulation, 2020, 32(4): 1-10.

[7]
刘凯悦. 大数据综述[J]. 计算机科学与应用, 2018(10): 1503-1509.

LIU K. Overview on big data[J]. Computer Science and Application, 2018(10): 1503-1509.

[8]
何绍溟, 王江, 宋韬, 等. 人工智能技术在武器中的应用综述[J]. 飞航导弹, 2021(7): 41-48.

HE S M, WANG J, SONG T, et al. A summary of the application of artificial intelligence technology in weapons[J]. Aerodynamic Missile Journal, 2021(7): 41-48.

[9]
孟晨, 杨华晖, 王成, 等. 数据驱动的武器系统电子元部件级故障诊断研究综述[J]. 系统工程与电子技术, 2021, 43(2): 574-583.

MENG C, YANG H H, WANG C, et al. Review on data-driven fault diagnosis for electronic components and units level of weapon system[J]. Systems Engineering and Electronics, 2021, 43(2): 574-583.

[10]
孙旭涛, 袁刚, 向哲. 导弹武器作战试验中虚拟蓝军体系结构设计[J]. 计算机应用与软件, 2018, 35(4): 195-198.

SUN X T, YUAN G, XIANG Z. The architecture design of virtual blue army system in missile weapon equipment combat test[J]. Computer Applications and Software, 2018, 35(4): 195-198.

[11]
张云峰. 物联网技术在军事领域中的应用分析[J]. 网络安全技术与应用, 2021(3): 127-129.

ZHANG Y F. Application analysis of Internet of Things technology in military field[J]. Network Security Technology & Application, 2021(3): 127-129.

[12]
杨雪榕, 范丽, 王兆魁. 武器装备体系平行试验概念与方法的讨论[J]. 国防科技, 2013, 34(3): 18-22.

YANG X R, FAN L, WANG Z K. An discussion on concepts and methods of weapon equipment system-of-systems parallel experiment[J]. National Defense Science & Technology, 2013, 34(3): 18-22.

[13]
姜斌, 梁敏, 霍贝. 基于 “作战云” 的 “云作战” 问题探析[J]. 火力与指挥控制, 2020, 45(7): 1-5.

JIANG B, LIANG M, HUO B. A probe into the problem of “cloud combat” based on “battle cloud”[J]. Fire Control & Command Control, 2020, 45(7): 1-5.

Outlines

/