基于人工智能的雷达设备虚拟维修训练仿真模型

摘" 要： 雷达设备是重要的电子设备，但在工作过程中可能会出现各种故障。通过开发虚拟维修训练仿真模型，可以提供一个实际环境下的虚拟场景，使维修人员能够在虚拟的情境下进行维修训练，以此提高维修人员的操作技能和判断能力，在面对实际故障时能更高效和准确地进行维修，提升雷达设备维修效果。为此，文中设计一种基于人工智能的雷达设备虚拟维修训练仿真模型。依据用户输入的雷达设备虚拟维修训练的相关设计参数，以及线性激光扫描仪采集的点云数据，采用人工智能中的三维重建技术构建雷达设备和维修场景三维模型。利用人工智能中的粒子群算法对仿真过程进行碰撞检测，得到维修训练路径规划结果。对仿真过程展开维修性检验，判断雷达设备是否符合维修性要求，并利用投影仪呈现虚拟维修训练仿真过程的相关数据，显示雷达设备虚拟维修训练结果。实验结果表明：所设计模型可有效实现雷达设备的三维点云重建，得到雷达设备三维模型，完成雷达设备虚拟维修训练仿真。

关键词： 人工智能； 雷达设备； 虚拟维修训练； 三维重建技术； 粒子群算法； 碰撞检测； 路径规划

中图分类号： TN957.52+4⁃34； TP391.9" " " " " " " " "文献标识码： A" " " " " " " " 文章编号： 1004⁃373X（2024）08⁃0182⁃05

Simulation model of radar equipment virtual maintenance training

based on artificial intelligence

XU Cheng1， LI Xiaonian2， ZHAO Peng1， LU Kun1

（1. Air Force Early Warning Academy， Wuhan 430019， China; 2. Longdong University， Qingyang 745000， China）

Abstract： Radar equipment is an important electronic device that may encounter various malfunctions during operation. By developing a virtual maintenance training simulation model， a virtual scene can be provided in an actual environment， enabling maintenance personnel to conduct maintenance training in a virtual environment， thereby improving their operational skills and judgment ability. When facing actual faults， maintenance can be carried out more efficiently and accurately， and the maintenance effect of radar equipment can be improved. For this purpose， a virtual maintenance training simulation model for radar equipment based on artificial intelligence is designed. Based on the relevant design parameters of virtual maintenance training for radar equipment inputted by users， as well as point cloud data collected by linear laser scanners， 3D reconstruction techniques in artificial intelligence are used to construct 3D models of radar equipment and maintenance scenes. The particle swarm optimization algorithm in artificial intelligence is used for the collision detection on the simulation process to obtain the maintenance training path planning results. The maintainability testing is conducted on the simulation process to determine whether the radar equipment can meet the maintainability requirements， and the projector is used to present relevant data of the virtual maintenance training simulation process， displaying the virtual maintenance training results of the radar equipment. The experimental results show that this model can effectively achieve 3D point cloud reconstruction of radar equipment， obtain a 3D model of radar equipment， and complete virtual maintenance training simulation of radar equipment.

Keywords： artificial intelligence; radar equipment; virtual maintenance training; 3D reconstruction; particle swarm algorithm; collision detection; path planning

雷达设备是一种利用无线电波探测目标并获取其位置、速度、形状等信息的装置[1]。根据应用领域不同，雷达设备可分为军事雷达、航空雷达、气象雷达等[2]。随着科技进步，雷达设备的性能和复杂性不断提高，在工作过程中可能会出现各种故障，对维修人员的技能和训练要求也越来越高[3]。因此，对提高维修人员的技能和训练效果具有重要意义。

李荣强等利用计算机仿真技术构建一个虚拟维修训练环境，用户可以通过虚拟仿真模型来模拟设备的维修和训练过程[4]。该模型的开发和应用可以提高设备维修训练的效率和质量，同时还可以降低实际维修成本和风险，但用户的交互性和参与度导致该模型的应用效果降低。姚寿文等利用虚拟现实技术来创建设备模型和维修场景，同时通过实时感知设备状态和直观性交互，帮助受训者理解和实践正确的维修步骤[5]。应用该模型能够提高训练的质量和效率，并减少实际设备维修时的错误。但该模型的实施依赖于先进的硬件设备，如果这些硬件设备出现故障或性能问题，会影响模型的正常运行和使用。

在雷达设备维修训练中，人工智能的应用可以在很大程度上提高训练效率，降低实装成本，并保证较高的安全性。三维重建技术属于人工智能领域的一个重要方向，它的主要目的是将二维图像转化为三维模型，以实现对真实世界的仿真、虚拟现实、增强现实等应用[6⁃7]。为此，本文设计一种基于人工智能的雷达设备虚拟维修训练仿真模型，旨在提高维修训练的效率和效果，降低训练成本。

1" 雷达设备虚拟维修训练仿真模型

1.1" 雷达设备虚拟维修训练仿真模型设计流程

利用人工智能设计雷达设备虚拟维修训练仿真模型，该模型的设计流程如图1所示，主要包含三个阶段，分别是概念设计阶段、基础设计阶段与详细设计阶段。

在概念设计阶段中，依据用户输入的雷达设备虚拟维修训练的相关设计参数，以及线性激光扫描仪采集的雷达设备点云数据，采用人工智能中的三维重建技术[8⁃9]，构建雷达设备三维模型以及维修场景三维模型。

在基础设计阶段，通过整合雷达设备和维修场景三维模型，得到雷达设备虚拟维修训练仿真模型；利用外设的VR设备进行交互，得到雷达设备虚拟维修训练仿真过程。利用人工智能中的粒子群算法[10⁃12]对雷达设备虚拟维修训练仿真过程进行碰撞检测，得到维修训练路径规划结果。

在详细设计阶段，对雷达设备虚拟维修训练仿真过程展开维修性检验，判断雷达设备是否符合维修性要求，如果符合设定的维修性要求，那么利用投影仪呈现虚拟维修训练仿真过程的相关数据，显示雷达设备虚拟维修训练结果；反之，返回概念设计阶段，重新设计雷达设备虚拟维修训练仿真模型。

1.2" 雷达设备虚拟维修训练三维模型构建

通过人工智能中的三维重建技术，构建雷达设备三维模型以及维修场景三维模型。

在进行雷达设备三维模型以及维修场景三维模型构建前，需要对采集的雷达设备以及维修场景点云图像进行图像坐标系和角度坐标系的转换，坐标图如图2所示。

以雷达设备三维模型构建为例，令线性激光扫描仪光轴[σ]和雷达设备点云图像的交点是[H]，光轴和基线的夹角为[θ]；雷达设备点云图像内的随机一点为[Px，y]，[P]至平面的垂足为[A]，垂线为[AB]，且[AB]与[σM]垂直；在角度坐标系内，[P]在点云图像内的投影点坐标是[uL，vL]。

根据余弦定理能够得到：

[cosuL=σP2+σHcosθ2-AP2+AH+HM22⋅σP⋅σHcosθ] （1）

式中：[σP]、[σH]、[AP]、[AH]分别是两点间的长度。

因为[σH]为焦距[f]，[σP2=σH2+AH2+AP2]，则式（1）变更为：

[cosuL=f2+x2+y2+fcosθ2-y2+ftanθ-x22⋅f2+x2+y2fcosθ] （2）

依据三角形关系可得：

[tanv=APAB=yftanθ-x⋅cosuL]" " "（3）

通过式（2）与式（3）了解到，雷达设备点云图像内随机一点均可转换成角度坐标，表达形式为[uL，vL]。

通过上述方式可获取左、右线性激光扫描仪采集的左右雷达设备点云图像的角度坐标[uL，vL]、[uR，vR]。

对左右雷达设备点云图像进行立体匹配后，可获取匹配点坐标[uL，vL]与[uR，vR]。

按照正弦定理得知三角形[△PσLσR]的关系为：

[σLσRsin∠σLPσR=PσRsinuL=PσLsinuR]" " " "（4）

式中：[σL]、[σR]分别为左、右线性激光扫描仪的光轴中心点。

令基线长[σLσR=b]，则雷达设备点云数据的三维坐标变换关系为：

[xP=b2-b⋅sinuL⋅cosuR⋅tanvsin180°-uL-uRyP=b⋅sinuL⋅sinuR⋅cosvsin180°-uL-uRzP=b⋅sinuL⋅sinuR⋅sinvsin180°-uL-uR]" " " " "（5）

式中：[v=vL=vR]。

依据式（5）可获取雷达设备点云图像二维匹配点至三维坐标的转换关系，完成三维点云重建；再依据曲面拟合构建雷达设备三维模型。同理，构建雷达设备维修场景三维模型。

1.3" 雷达设备虚拟维修训练仿真过程的碰撞检测

在1.2节构建的雷达设备维修场景三维模型内，放置雷达设备三维模型，并通过外设的VR设备进行交互，实现雷达设备虚拟维修训练仿真。利用人工智能中的粒子群算法，结合任意方向包围盒（Oriented Bounding Boxes， OBB）[13]对仿真过程进行碰撞检测，当无碰撞问题时，则记录雷达设备虚拟维修训练路径点，添加至维修训练路径内，得到最终的维修训练路径。

首先，利用粒子群算法进行碰撞检测，具体步骤如下：

1） 塑造Sphere⁃OBB包围盒层次树。首先，构造雷达设备虚拟维修训练仿真模型全部物体基本几何元素的包围球Sphere；其次，通过分离轴划分层次树的根节点，并分析子节点内存在的基本几何元素片是否符合叶子节点需求，如果符合需求，那么将其当成叶子节点，完成OBB包围盒构造；最后，对叶子节点展开递归操作与分割处理，获取Sphere⁃OBB包围盒层次树。

2） 以OBB包围盒的中心点为特征，实施采样处理，构造二维离散搜索空间，通过粒子群算法在该空间内搜索重叠的包围盒，并展开基元相交测试，获取碰撞检测结果。

然后，利用粒子群算法搜索重叠包围盒，具体步骤如下：

1） 参数初始化，令每个粒子均代表一个可能存在重叠的包围盒。

2） 计算各粒子的适应度。

3） 更新粒子位置，公式如下：

[at+1i=xP⋅w⋅ati+yPc1r1Qbest-sti+zPc2r2Gbest-sti]" " （6）

式中：[t]为迭代次数；[si]为第[i]个粒子位置，即可能存在重叠的包围盒；[ai]为速度；[w]为权值；[c1]、[c2]为学习因子； [r1]、[r2]为随机数；[Qbest]为个体极值；[Gbest]为全局极值。

4） 判断是否符合结束条件，若符合，则输出最佳解，即存在重叠的包围盒。

最后，对雷达设备虚拟维修训练仿真过程展开维修性检验，判断雷达设备是否符合维修性要求，并利用投影仪呈现虚拟维修训练仿真过程的相关数据，显示雷达设备虚拟维修训练结果。

2" 实验分析

为了验证基于人工智能的雷达设备虚拟维修训练仿真模型的有效性，以某高校雷达工程专业的学生为实验对象，为该雷达工程专业的学生设计雷达设备虚拟维修训练仿真模型，旨在提升雷达维修质量与维修效率。该高校雷达工程专业需要维修的雷达设备相关参数如表1所示。

当线性激光扫描仪凝视角不同时，利用设计模型对该雷达设备进行三维点云重建，分析不同凝视角时的雷达设备三维点云重建效果。凝视角为左右线性激光扫描仪的光轴夹角，不同凝视角的雷达设备三维点云重建结果如图3所示。

由图3a）可知，在凝视角为2°时，设计模型可有效完成雷达设备三维点云重建，且三维点云重建效果较好，并无点云数据缺失问题。由图3b）可知，在凝视角为15°时，设计模型也可有效重建雷达设备三维点云，但重建结果存在点云数据缺失问题，影响后续三维模型构建精度。综合分析可知，凝视角的大小会影响雷达设备三维点云重建效果，凝视角过大，雷达设备三维点云重建效果较差。

对凝视角为2°时的雷达设备三维点云重建结果进行曲面拟合，构建雷达设备三维模型，雷达设备三维模型构建结果如图4所示。

从图4中可以看出，设计模型可以有效地生成雷达设备的三维模型，这表明该模型在技术上具有可行性。设计模型在构建三维模型时的主观效果较好，这意味着使用该模型构建的雷达设备三维模型能够清晰地呈现出雷达设备的细节信息，使得操作者可以更加直观地了解雷达设备的外观和内部结构。

利用设计模型进行雷达设备虚拟维修训练仿真，虚拟维修训练仿真过程图如图5所示。

从图5可以看出，设计模型能够构建雷达设备虚拟维修训练环境，这种环境与真实设备维修环境有很高的相似度，可使学习者更好地理解和适应实际维修场景，提高维修技能的真实性。设计模型还提供了交互性的操作界面，允许学习者在虚拟环境中进行各种操作，并得到实时的反馈，这种交互性使得学习者能够更好地理解和掌握维修技能。

3" 结" 论

本文设计一种基于人工智能的雷达设备虚拟维修训练仿真模型，为雷达设备的维修训练提供了一种新的、有效的手段。依据用户输入的雷达设备虚拟维修训练的相关设计参数，以及线性激光扫描仪采集的点云数据，采用人工智能中的三维重建技术构建雷达设备和维修场景三维模型。利用人工智能中的粒子群算法对仿真过程进行碰撞检测，得到维修训练路径规划结果。对仿真过程展开维修性检验，判断雷达设备是否符合维修性要求，并利用投影仪呈现虚拟维修训练仿真过程的相关数据，显示雷达设备虚拟维修训练结果。实验结果表明：所设计模型可有效实现雷达设备的三维点云重建，从而得到雷达设备三维模型，完成雷达设备虚拟维修训练仿真。该模型可以提高学习者的维修技能，避免实装损耗，还可以为维修人员提供模拟故障排除的实践机会，提高维修工作的效率和准确性。因此，该模型具有重要的应用价值和前景，值得进一步研究和推广。

参考文献

[1] 张原，李璇.Petri网作用下航空装备虚拟维修训练仿真[J].计算机仿真，2023，40（4）：52⁃56.

[2] 姜定，李福东，俞松，等.基于CAD模型虚拟仿真数据的深度学习目标检测[J].扬州大学学报（自然科学版），2021，24（4）：44⁃49.

[3] 何倩倩.机载雷达设备大修体系建立及过程分析[J].现代雷达，2021，43（1）：30⁃33.

[4] 李荣强，文爱兵，花斌，等.航空装备虚拟维修训练仿真模型快速开发技术[J].系统仿真学报，2021，33（5）：1167⁃1176.

[5] 姚寿文，胡子然，柳博文，等.基于实时装配状态感知和直观性交互的虚拟现实辅助维修训练[J].工程设计学报，2021，28（1）：14⁃24.

[6] 闫俊伢，裴娅男，姚宏，等.虚拟现实中基于果蝇优化算法的碰撞检测[J].南京理工大学学报，2023，47（1）：74⁃80.

[7] 王宇，马琳娟，张福泉，等.基于量子蚁群算法的虚拟现实碰撞检测方法[J].南京理工大学学报，2022，46（6）：735⁃741.

[8] 张昀玮，竹梦圆.通信行业天面类资源识别与三维重建[J].邮电设计技术，2023（7）：37⁃42.

[9] 王政，竹梦圆，武欢，等.人工智能技术在通信工程数字化设计中的应用[J].邮电设计技术，2021（6）：29⁃34.

[10] 徐尹翔，陈祺东，孙俊.应用量子行为粒子群优化算法的文本对抗[J].计算机工程与应用，2022，58（9）：175⁃180.

[11] 陈春燕，刘梦赤.基于粒子群遗传算法的智能组卷策略[J].计算机与现代化，2021（8）：16⁃23.

[12] 张丹.皮革企业内部审计与人工智能技术融合研究[J].中国皮革，2022，51（6）：43⁃46.

[13] 杨帆.基于B+树存储的AABB包围盒碰撞检测算法[J].计算机科学，2021，48（z1）：331⁃333.

作者简介：许" 诚（1986—），男，湖北武汉人，硕士，讲师，研究方向为计算机仿真。

李小年（1992—），男，甘肃庆阳人，硕士，助教，研究方向为大数据、人工智能。

赵" 鹏（1985—），男，辽宁辽阳人，硕士，讲师，研究方向为计算机仿真。

卢" 坤（1987—），男，湖北仙桃人，硕士，助教，研究方向为模拟训练。