中国指挥与控制学会会刊 
武器装备试验数据主要是指武器装备在研制、定型、鉴定、批生产抽样检查各阶段中存在的各类数据,诸如被试产品信息、组织指挥数据、试验安全分析、测试测量数据、环境构设数据、分析评估数据等数据信息,具有类别多、型号多、保障信息多等特征。试验数据作为试验工作的直接产物,是基本的定量描述,更是武器装备评估的重要依据和有效支撑[1]。装备研制生命周期内需要多种试验数据,才能作为武器装备评估的有力支撑。在不同的武器装备研制阶段中,其试验科目也具有不同特征。
随着武器装备升级,武器系统性、智能性逐渐加强,试验过程也随之愈加复杂,伴随着试验数据呈现大规模、多样化的趋势[2]。如何通过分享和应用历史试验数据,挖掘数据的价值,分析评估试验装备性能的重要性愈发突出。近年来,大数据应用技术已经在商业领域发挥了巨大作用,利用庞大的数据正改变着人类发现问题、解决问题的基本方式。在科技领域,通过统计分析算法,将大量数据直接交给计算机处理,得出某些传统方法难以得到的规律和结论[3]。以数据为中心,分析海量复杂数据的相关性,将打破千百年来从结果出发探究原因的科研模式。
然而,武器装备试验领域受客观因素及各单位保密约束影响,还未展开数据标准化、数据治理、数据应用实施等具有基础性作用的数据挖掘相关研究。因此,如何利用大数据技术开展挖掘海量试验数据信息中蕴含的同种通用类型数据,研究分类、分层次、分阶段数据的相关性,打破武器装备从实物试验研究结果中出发探究原因的科研模式,探索以大规模复杂数据为基础的新型科研模式,提高经济效益和集约效益、缩短研制周期、减少科研资源浪费,是目前亟待研究解决的问题。
1 当前武器装备试验数据管理分析
1.1 试验数据现状及分析
在武器装备研制领域,试验是一个不断验证、完善、再验证的循环往复过程。由图1 武器装备研制流程可以看出,试验研究贯穿整个研制阶段,并伴随产生海量试验数据。试验数据在不同类型武器装备、试验科目中可按照试验档案资料、环境物理场数据、模型与仿真数据、测试数据等进行区分,其中,试验档案资料包含参试产品和陪试产品信息、试验方法的描述、试验活动记录等;环境物理场数据包含安全分析、场区电磁环境、高空气象数据、地形地貌等;模型与仿真数据包含被试和参试产品仿真建模数据、靶标结构等结构数据;测试数据是在不同试验科目(项目)中武器装备测试数据,例如,对于火炮射击试验,通常有内弹道测试膛压、弹丸初速、膛内运动参数、外弹道数据等。通过对以上武器装备试验数据的数据处理、逻辑组合、综合分析,最终达到武器装备性能评定的目的。
随着武器装备日趋呈现体系化、智能化,产生的多样性试验数据极易造成非结构化数据、半结构化数据的大量产生,这就对试验数据存储和分析方式提出较高的要求[4]。以承担常规武器综合试验靶场任务的中国兵器工业试验测试研究院为例,其在多兵种、多军工单位的武器装备研制、定型、生产全阶段中均承担重要任务,在不同领域中具有海量数据资源,是武器装备试验研制过程中重要的“宝藏”。对其试验数据现状进行分析,我们可以发现,虽然试验院已开展多年的信息化建设工作,但大量的试验数据还是以传统的纸质和分散介质存储模式存储。这种传统的数据存储和数据分析方式的局限性,极易导致信息系统间产生孤岛效应,使得武器装备系统之间无法进行有效的数据共享[5],通过实践分析,我们得出目前亟待解决的问题:
1)数据规范性
试验过程中,测试数据的多类型、测试项目的改变都会造成非结构化数据、半结构化数据的大量出现,其规模和复杂度都超越现有常规技术能够处理分析的范围,而建立完整、规范、可追溯的试验数据体系是试验数据分析与应用的基本要求。因此,在试验数据的标准化建设时,必须满足以下要求:完整定义试验数据结构,全面表现试验管理和试验过程信息;存储或记录格式遵从规范;测试数据要尽量减少和避免人工或系统产生的错误、误差等影响。
2)武器装备系统性和层次关联性确定
武器装备系统性和层次关联性是确定武器装备试验数据之间在不同试验阶段上存在逻辑上和时间上的关联,而试验数据的孤岛效应产生原因就是系统性和层次关联性不明晰。这就要求在武器装备试验数据体系构建时,要按照时序性、中心性、层次性、关联性的条件来进行建立,并在全试验阶段明确试验数据关系。
3)试验数据共享互通
大部分单位在研制武器装备时,受保密性、竞争关系影响,工程试验数据主要来源于本单位所积累的试验数据。如武器系统在研制时,加大对试验数据共享、系统数据融合,这就使本身具有模糊的、随机的试验数据挖掘出潜在的信息和知识。以数据为中心,分析历史和多源数据下的相关性,挖掘特定信息,可以在产品鉴定和定型、产品的改进改型、故障维修、部队训练中发挥数据的重要作用。
1.2 元数据技术
试验数据来源广泛、数据量大、格式不统一,且大多数由图像、音频、视频、模型等非结构化数据构成。可以看出,传统的数据库数据管理方式已无法满足试验数据的可扩展、可利用、灵活等要求。随着云计算、移动互联网等技术发展,元数据广阔运用在数据存储处理、数据分析、数据应用管理、数据应用服务等多方面。虽然元数据在军事领域中存在一些成果,武器装备试验领域的元数据构建仍然需要进行此特定领域的专业性研究,才能得出针对性的工程建设意见。由此可见,基于元数据体系构建武器装备试验数据体系是挖掘试验数据中蕴含的有价值信息的关键步骤,而如何利用元数据的科学管理资源和统计信息化是研究武器装备试验数据的首要问题。
2 基于元数据的武器装备试验数据体系建立
2.1 建设思路
因此,武器试验数据构建时,需要覆盖所有数据,以便建立一体化数据模型。通过对现有数据分析总结后,我们将数据类型按照试验档案资料、环境物理场数据、模型与仿真数据、测试数据、分析评估进行分类。在元数据体系构建过程中,通过数据标准化及模型构建、数据转换、数据相关性、数据归档这四层流程,完成试验元数据体系构建。试验数据经过以上流程和方法后,可以消除试验数据海量、多源、异构、关联性弱等特点带来的影响,从而有效支撑跨武器装备的互联、互通、互操作。由图3 所示,试验元数据体系中数据标准化及模型建立是对原始数据按照对应的数据标准进行数据预处理后,通过特定数据格式,如信息型、功能型等发布信息,分类映射到不同试验装备元数据,以完成试验数据在统计系统中系统化、有序化的基础工作。数据转换是为易于进行数据相关性建立及数据挖掘所进行的数据储存形式。在大量的信息交换平台中,常利用XML的平台无关性、可扩展性以及自描述性特点,作为异构系统间或异构数据源之间的数据交换手段[14-15]。数据相关性是对数据相关分析后,将武器装备试验数据按不同阶段进行相似度聚类的过程,按照聚类算法主要可以分为层次聚类算法、分割聚类算法、基于约束的聚类算法、机器学习中的聚类算法、用于高维数据的聚类算法[16]。数据归档是对预先规定好的数据进行储存的最终步骤。
2.2 逻辑框架设计
如图4 所示,武器装备试验数据管理系统采取基于元对象机制(Meta Object Facility,MOF),对主体业务分为数据治理、数据中心、数据交换、数据应用四个模块来建立。
数据治理模块是对原始数据信息建模与信息组织的过程。通过对原始数据按照特定数据标准分类处理后,对试验档案资料、环境物理场数据、模型与仿真数据、测试数据分析评估后按照相对应数据模型进行提取和解析。经过治理后的无序数据,能充分发挥存储、清理、整合的作用,提高信息的利用效率。然后,将分类完成的数据分发至数据元数据及服务元数据,最终通过接入数据搜索、分析、复盘引擎完成数据治理。数据中心模块是完成数据及数据安全管理的服务支撑模块,可为系统运行提供有效的信息支撑和安全保障。其主要完成数据的收集、储存、更新、维护、扩展,并在系统运行过程中提供用户权限、运行日志、安全控制等安全保障操作。数据交换模块是建立数据之间逻辑关系的算法层。该模块通过适宜的算法模型,经过多元数据整合、数据挖掘的数据操作后,将打破不同武器装备试验数据的时序、空间性,消除信息系统间存在的孤岛效应,加大不同武器装备系统之间数据共享,为数据应用服务奠定基础。数据应用模块由数据可视化监控、数据分析及数据应用组成,以实现将不同试验数据应用到特定的试验数据服务领域。
3 结束语
随着武器装备领域科技含量逐渐增加,武器日趋体现出体系化、智能化,单一式的试验模式将被联合试验、体系试验所替代。因此,传统的试验评估机制与技术亟须进行统一规划和实施。本文分析了当前常规靶场的试验数据现状,基于元数据模型,从武器装备研制各阶段的试验档案资料、环境物理场数据、模型与仿真数据、测试数据中提出相应的数据治理方案,并建立了一个试验数据管理框架,对数据治理、数据中心、数据交换、数据应用进行设计,分析如何进行武器装备试验数据的应用,这对提高数据运用价值,消除信息系统间存在的孤岛效应有积极作用。