分布式侦察系统资源能力建模方法

马跃东 卢志刚 秦嘉 孟云霞 张雷 胡媛媛

1.北方自动控制技术研究所山西太原030006

多域作战条件下,为了实现对海量战场信息的快速、准确处理和高效利用,将我方信息优势转变为决策和行动优势,亟需开展资源虚拟化、数字化和资源能力建模.

目前主要的资源能力建模方法包括基于逻辑规则和元数据的Agent 资源能力模型[1−3]、基于制造特征的制造资源能力模型[4−7]、基于活动树和能力模板的软件组件资源能力模型[8−12]和基于体系结构的装备资源能力模型[13−18].本文在现有资源能力模型的基础上,构建了分布式侦察系统的资源能力模型.通过分析系统的任务与资源之间的关系,利用本体理论和元数据模型对系统资源进行虚拟化描述,构建系统资源属性与资源关系模型,最后利用多元线性回归模型建立分布式侦察引导资源能力模型,并基于资源能力观测数据实例对模型的参数进行确定.

1 资源能力建模框架

基于分布式侦察系统的资源能力建模的具体流程如图1所示.首先根据系统的作战目的确定资源粒度,在系统体系架构的基础上构建系统任务资源模型; 其次利用本体理论和元数据模型对系统资源进行虚拟化描述,并构建系统资源属性与资源关系模型;之后基于上述分析构建资源能力模型框架;最后基于观测数据确定资源能力模型参数.

图1 基于分布式侦察系统的资源能力建模流程

2 系统任务资源建模

对分布式侦察系统中的资源(实体装备和目标层)和任务(侦察引导层)进行抽象分析,形成满足资源能力建模的子任务和可操作性资源,如图2所示.

系统战场资源的能力Capability主要由该资源的状态S、类型R、时空约束ST和任务T等因素决定,如式(1)所示:

图2 分布式侦察系统任务资源抽象图

式中,(S)为资源R在战场任务T下的投影.对完成当前任务T有重要影响作用的属性被称为关键属性.由于S、R和ST等属性基本固定,并且∏T(S)受到关键属性的影响,因此,资源的能力Capability根据战场任务T不断变化.

3 系统资源虚拟化描述

本文采用元数据方法,结合本体理论,对侦察装备体系资源进行虚拟化描述,并对能力属性和资源能力匹配进行研究.

3.1 基于DoDAF 视角的资源虚拟化

基于DoDAF 视角的资源虚拟化概念数据描述方法如图3所示.本文从作战视角、系统视角、能力视角和数据视角梳理资源虚拟化过程,从物理空间和信息认知空间两个维度明确资源、实体、能力的边界,从数据、信息、知识、决策四层次数据池中生成元数据模型.资源虚拟化是将战场上的作战单元进行解耦,根据作战目的确认资源粒度,并对其进行数据化的描述和服务化的封装,建立资源能力模型,以支撑进行侦察任务规划的实现,并能根据任务规划结果构建分布式侦察任务系统.资源虚拟化流程如图4所示.

3.2 资源元数据表示

本文采用本体论方法构建分布式侦察资源的元数据模型.对元数据模型中的要素进行分析,其资源概念模型要素主要由战场感知资源、通信网络资源、兵力火力资源、基础数据资源、综合管理资源、时空基准资源、安全保密资源、计算存储资源和保障资源组成,如图5所示.

分布式侦察系统资源元数据模型中的资源属性模型要素主要包括: 资源ID、资源名称、资源类型、资源时空信息、资源使用频率、资源使用阈值等.分布式侦察系统资源元数据模型中的资源关系主要包括: 资源能力模型属性、资源能力标签、资源所处的环境、资源匹配的任务、资源与其他资源关联、以及资源能够提供的服务等.资源属性与资源关系模型要素如图6所示.

4 资源能力模型框架

本文针对分布式侦察系统资源的特点,基于多元线性回归方法构建资源能力模型框架,具体步骤如图7所示.

假设系统某资源的能力值c与其关键属性p1,p2,···,pr之间存在线性关系,则定义侦察系统资源能力模型如式(2)所示:

式中,待估回归参数β1,β2,···,βr和随机误差I均为常数.

将分布式侦察系统资源能力n个样本观测值代入式(2),并使用最小二乘对回归参数进行估值.对得到的能力回归方程开展显著性检测,当F>Fα时表明模型通过显著性检验.

之后对系统的各能力回归参数开展显著性检验,如果各参数均为显著参数,继续下一步;否则在去除F值较小的不显著参数后重新建立能力回归方程.

图3 基于DoDAF 视角的资源虚拟化概念数据描述方法

图4 资源虚拟化方法的示意图

图5 分布式侦察资源概念模型要素

图6 分布式侦察系统资源属性与资源关系模型要素

最后计算随机误差项的估计量,将系统资源的关键属性值代入回归方程,最终得到该资源的能力值.

5 资源能力观测数据示例

下文给出了分布式侦察系统典型侦察感知资源能力观测数据实例.同理可给出火力引导资源能力观测数据和火力打击资源能力观测数据.

图7 基于多元线性回归方法的资源能力模型框架构建流程图

依据资源元数据表示模型设计一组侦察感知资源能力观测数据如图8所示.其在MCPS 中的伪代码表达实例如下:

{

“ID”:“2016112889-1”//资源的唯一标识

“资源名称”: “炮校雷达”

“元数据编号”: “2016112889” //资源类型，使用元数据标识

“资源归属装备IP”: “192.185.34.65”//资源地址，使用资源归属装备IP

//资源的时空信息

“任务开始时间”: “2017-01-06 03: 30: 24”

“北纬N”: “24◦38′11.44″”

“东经E”: “100◦17′50.46″”

“高程”: “3 217.6”

“资源使用率”: ”50

“资源告警阈值”: “80%”

//资源属性

“发现目标距离”: “15 000”

“发现目标精度”: “150”

“发现目标概率”: “0.65”

//资源对应任务完成比率

“目标预警任务”: “0.385 71”

“雷达侦校任务”: “0.656 94”

}

图8 侦察感知资源能力观测数据

6 结论

本文针对分布式侦察系统构建了资源能力模型.通过分析系统的任务与资源之间的关系,利用本体理论和元数据模型对系统资源进行虚拟化描述,构建系统资源属性与资源关系模型,最后利用多元线性回归模型建立分布式侦察资源能力模型框架,并基于资源能力观测数据实例对模型的参数进行确定.分布式侦察系统资源能力建模为后续网络化协同侦察、侦察引导系统动态重组和侦察引导决策支持等提供了信息基础.