平行仿真技术研究*

王会霞

北京航天自动控制研究所，北京100854



平行仿真技术研究*

王会霞

北京航天自动控制研究所，北京100854

平行系统理论将复杂空间由物理空间扩展到虚拟空间，用于实现对复杂系统的管理和控制。仿真技术作为航天工程研制中的有力支撑手段，大数据、互联网、并行计算和云计算等技术的发展对仿真技术具有巨大的推动作用。本文分析了各种技术推动下的航天仿真技术发展趋势。结合平行系统理论对平行仿真技术的特点和组成框架进行了研究和设计。最后给出了导弹武器平行仿真系统的应用。

平行系统；平行仿真； 智能决策；深绿

平行系统的提出基于以下认识：在多数情况下对复杂系统的研究既没有系统的足够精确的模型，也不能建立可以解析地预测系统短期行为的模型。由于无法或难以对复杂系统的行为进行解析分析和预测，同时也无法或难以对复杂系统进行实验研究，多数情况下只能试探性地对复杂系统进行决策和控制[1]。为此提出平行系统的思想，利用人工系统与实际系统的平行执行来实现对复杂系统的管理与控制。

平行系统理论将复杂空间由物理空间扩展到虚拟空间，即由某一个现实系统和对应的一个或多个虚拟的人工平行系统所组成的虚实结合的共同系统。并采用ACP方法利用“复杂空间” 求解复杂系统问题。ACP是指人工社会(Artificial societies)、计算实验(Computational experiments)和平行执行(Parallel execution)。ACP的核心就是把复杂系统“虚”的和“软”的部分建立起来,通过可定量、可实施的计算化及实时化，使之“硬化”，真正地用于解决实际的复杂问题[2]。因此，对平行系统可以理解为：利用复杂系统、智能科学及建模仿真等理论，构建与实际系统相似和平行的人工系统，采用计算实验的方法在人工系统中进行各类实验，同时通过人工系统与实际系统的平行执行、演化逼近和反馈控制，对实际复杂系统进行模拟、演化、试验、分析和控制[3]。

仿真技术在航天型号研制过程中发挥了重要作用，大数据、互联网、并行计算和云计算等技术的发展对仿真技术而言具有巨大的推动作用，结合平行系统理论可以解决新型武器仿真论证、协同作战模拟、作战性能分析与评估及系统级设计方案验证等需求，为任务的完成提供更多的解决方案，降低风险，缩短研制周期。

1 航天仿真技术

在我国的航天工业领域，仿真技术已成为开发研制大型航天运输系统和复杂武器装备的重要工具，深入到研制的各个阶段。随着高精度、高可靠性、复杂飞行环境和可重复使用等新型飞行器的研制需求的提出，尤其是大数据、互联网、并行计算和云计算等技术的发展为仿真技术的发展提供了有力支撑，因此仿真技术具有如下发展趋势：

1) 从设计方案的验证向基于仿真的设计发展

仿真以模型为基础，引入物理设备、环境因素和人为因素等其它影响条件，进行大量推演计算以实现仿真目的，它更侧重于对方案的验证而不是系统的优化。为了实现基于仿真的设计，需要在仿真系统架构构建、并行算法开发、高精度快速数值积分算法、高精度快速符号运算、仿真系统接口互操作、仿真数据的自动化后处理和基于仿真结果的控制参数灵敏度分析等方面开展研究，建设高性能计算平台以实现多任务分析和优化设计。

2) 由程序化向智能化发展

目前多数仿真系统的运行都基于事先制定的仿真脚本或者作战想定，该方式对于瞬息万变的战场环境而言缺乏一定的适应性和覆盖性。智能仿真技术根据情况的变化实时改变决策并执行，从而更为全面的验证作战策略、作战效能。较为典型的智能系统是美军DARPA于2007 年展开的“深绿”系统研究，如图1。采用仿真技术维护状态空间图，并根据实时作战变化进行预估变化和预先决策为作战提供决策支持。相比事先假设的变化，指挥官可以根据实时作战变化而做出对应的决策。作战过程中仿真系统将从指挥控制系统获取相应信息，及时更新仿真系统中的战场态势和最新作战目标。通过超实时仿真分析与评估，指挥员不断匹配、优选、调整和补充未来作战方案，生成多种合理的行动方案。

图1 “深绿”系统框架[4]

3)从地面到“云端”

云仿真是利用网络和云仿真平台按需组织各种仿真资源，提供用户各种建模与仿真服务的一种仿真新模式。仿真云将地理上分散的模型、设备和各类数据等仿真资源相互连接。仿真节点动态接入仿真云，每个节点既向云端提供资源和服务，也可以从云端获取资源和服务。根据仿真任务的需要定制仿真节点，实现资源的动态调配。仿真模式由以前的按照任务需求建立模型、购买设备和搭建仿真系统改为按照任务需求购买仿真服务组成仿真系统。

上述模式的实现涉及到云的构造和使用。仿真云由“云服务”提供商的云和用户注册的云构成。该系统将在云仿真平台对资源的动态管理下，进行网络化建模仿真系统的协同运行，完成“云仿真”[5]。图2中，左侧为目前仿真系统的构成形式，右侧为基于云的仿真系统构成。仿真系统的模型、算法和数据处理等功能和服务可以从仿真云进行订购并完成仿真任务。

图2 仿真云框架

2 平行仿真技术

在复杂系统中，主体通常具有智能性与自适应性，可以按照规则做出决策，随时准备根据接收到的新信息修改自身的行为规则。对于这样的复杂系统，很难以严格的数学形式对其进行定义以及定量分析。通过建立仿真系统实现设计、分析、试验、评估、训练和维护等无法直接对实际系统进行的工作。仿真系统的重要指标实时性建立在仿真系统与实时系统运行时间的关系之上，不管是并行仿真还是串行仿真，仿真过程都是按时间推演的过程。平行仿真系统(Parallel Simulation System)的不同在于以下2个方面：

1) 人工系统和实际系统平行运行

平行仿真系统中人工系统和实际系统同时运行，人工系统的输入不是预先设定的仿真想定而是实际系统的实时输出结果。人工系统除了和实际系统保持同步运行之外，还根据实际系统的运行情况需要超实时计算得到“未来”可能的运算结果，及时更新人工系统。尤其对长时间运行的系统，对可靠性要求较高，不能终止实际系统的运行而言，例如作战战场、在轨飞行器和电力系统等。所以平行系统虽然是平行运行但是需要采用高性能计算实现对未来的预估。

2) 人工系统的运行结果可以直接作用到实际系统

人工系统根据实际系统可能面临的变化，通过超实时计算得到运算结果，经过在线分析、验证与评估、智能决策后产生的结果并且作用到实际系统中，提前对系统进行干预。对系统的提前干预包括系统运行中的故障排除、协同工作中的新任务布置及飞行器运行轨道改变等情况。

平行仿真系统由模型(Model)、计算(Computing)、验证(Test)和决策(Decision)构成。

模型是对实际系统的抽象，可以是数学模型、实物及数据模型等形式，模型的建立需要经过校核与验证。

计算采用高性能计算技术基于模型实现对仿真算例的实时或超实时快速运算。包括科学计算、工程计算、采用多核及多任务并行计算等方法。实时运算用于保证人工系统和实际系统的同步运行，超实时计算实现信息变化更新后的快速计算。

验证与评估实现虚拟环境预测，即根据操作指令和实际系统当前状态预测实际系统未来的状态，通过让仿真系统以较实际过程快得多的速度运行，对虚拟环境进行预示、预演和评估，使得操作员可以对指令序列验证，增加操作指令的合理性。

决策与学习主要实现在线智能决策，根据超实时计算、评估结果，生成多种合理的行动方案，经过不断匹配、调整和寻优得到最优解决方案。

决策产生的中间方案作用到人工系统上用于实现进一步的场景预示，称之为虚拟执行；决策产生的最终方案作用到实际系统上用于改变实际系统的运行状态，称之为实际执行。平行仿真系统感知、计算、验证、决策以及虚拟执行通过不断迭代达到最优方案。

图3 平行仿真系统

3 平行仿真应用

导弹武器控制系统仿真试验通过飞行性能仿真对姿态控制系统、制导系统、导航系统设计方案和性能进行仿真。利用仿真技术，对控制系统施加模拟干扰，分析闭合系统在一定输入下的动力学响应，分析各系统的性能指标，以评定控制系统的性能。通常用于设计方案验证、设计方案评价和实物系统故障复现等。当导弹武器研制完成后试验室的仿真系统不再发挥作用。

导弹武器平行仿真系统如图4所示。实物系统为在研或研制完成的导弹武器实物系统，平行试验系统为试验室的仿真系统。平行试验系统根据实物系统的实时运行结果进行状态更新、计算、评估与决策，将结果用于实物系统的反馈控制。导弹武器平行仿真系统可用于作战性能评估、故障诊断与决策、武器维护与训练等任务。

平行试验系统的构成包括：接入网关实现实物系统与平行试验系统的物理连接。

平行试验协同软件实现2个系统之间数据交互，工作协同和资源共享。数据交互指平行系统获取实物系统的实时数据；工作协同指平行系统和实物系统之间的任务规划、作业调度；资源共享指文件、数据和设备等资源的共享。

模型包括弹体模型、弹载计算机模型、惯性器件模型和伺服机构模型等，模型的形式可以是数学模型、虚拟模型和实物模型。

超实时计算引擎完成平行试验系统的计算任务，当实物系统的运行环境、单机特性及关键参数等信息有变化时完成平行试验系统的超实时计算，快速得到仿真结果，以便于信息的评估和智能决策方案的确立。

图4 导弹武器平行仿真系统

4 结论

平行仿真系统将复杂空间由物理空间扩展到虚拟空间，为管理和控制复杂系统提供了一种新的方法。随着大数据、互联网、并行计算和云计算等技术的发展，航天仿真的发展趋势为从验证到设计、从子系统到体系化，从程序化到智能化，从地面仿真到云仿真，技术的发展为高性能、智能化和全生命周期的航天仿真提供了可行性手段。平行仿真技术则是这种趋势下的一种体现，通过平行仿真系统可以解决新型武器仿真论证、协同作战模拟、作战性能分析与评估、系统级设计方案验证等需求，从而为任务的完成提供更多的解决方案，降低风险。

[1] 王飞跃.平行系统方法与复杂系统的管理和控制[J].控制与决策，2004, 19(5): 485-489.(Wang Feiyue.Parallel System Methods for Management and Control of Complex Systems[J]. Control and Decision, 2004, 19(5): 485-489.)

[2] 王飞跃.平行控制:数据驱动的计算控制方法[J].自动化学报，2013， 39(4): 293-302.(Wang Feiyue. Parallel Control: A Method for Data-Driven and Computational Control[J]. Acta Automatica Sinica, 2013, 39(4): 293-302.)

[3] 郭刚,陈彬,邱晓刚.平行系统的人工环境构建技术[J].系统仿真学报，2011， 23(8): 1686-1690.(Guo Gang，Chen Bin, Qiu Xiaogang. Artificial Environment Construction Technology of Parallel System[J]. Journal of System Simulation, 2011, 23(8):1686-1690.)

[4] J.R.Surdu, K. Kittla. The Deep Green Concept, MSIAC JOURNAL, NOV2008, volume 3, lessue 3, 1-23.

[5] 李伯虎,等.一种基于云计算理念的网络化建模与仿真平台—“云仿真平台” [J].系统仿真学报，2009， 21(17)：5292-5299.(Li Bohu,et al .Networked Modeling & Simulation Platform Based on Concept of Cloud Computing Cloud Simulation Platform[J].Journal of System Simulation，2009, 21(17): 5292-5299.)

[6] 毕长剑.大数据时代建模与仿真面临的挑战[J].计算机仿真，2014， 31(1): 1-3.(Bi Changjian.Modeling and Simulation are Geared to Challenge in the Age of Big Data[J].Computer Simulation ，2014, 31(1):1-3.)

Research on Parallel Simulation Technology

Wang Huixia

Beijing Aerospace Automatic Control Institute,Beijing 100854,China

Parallelsystemtheorywhichextendsthecomplexspacefromphysicalspacetovirtualspacecanbeusedtomanageandcontrolthecomplexsystem.Simulationtechnologiesareimportantwayforaerospaceengineering,suchasbigdata,internet,parallelcomputationandcloudcomputingarethepowerfulpropulsiontosimulationtechnology.Thedevelopmenttrendofaerospacesimulationtechnologyisanalyzed.Theparallelsimulationinfrastructureisresearchedanddesignedaccordingtotheparallelsystemtheory.Atlast,amissileparallelsimulationsystemprototypeisperformed.

Parallelsystem;Parallelsimulation;Intelligentdecision;Deepgreen

*国家自然科学基金(61333008)

2016-05-13

王会霞(1975-)，女，河北人，博士，研究员，主要研究方向为分布式仿真技术、控制系统半实物仿真技术及虚拟试验技术；王 成(1983-)，男，湖北人，博士，高级工程师，主要研究方向为控制系统仿真及虚拟现实技术；赵 耀(1984-)，男，河北人，硕士，高级工程师，主要研究方向为控制系统仿真。

V448.15

A

1006-3242(2016)06-0064-04