本发明专利技术公开了用于直升机打击体系构建的引导仿真模块，包括地理数据模块、建筑识别模块、仿真运算模块和统计输出模块；所述地理数据模块，存储记录有直升机打击范围内所有地形地貌，地理面貌短时间难以改变，数据定期更新即可；所述建筑识别模块，获取直升机打击范围内所有建筑坐标，建筑可快速搭建或拆除，由此建筑识别模块实时更新；所述仿真运算模块，可调用地理数据模块和建筑识别模块的信息数据，依据直升机打击范围内的地形地貌和建筑坐标构建打击坐标系，进一步优化直升机打击路径和推算覆盖范围；所述统计输出模块，接收仿真运算模块的数据并整理统计，再转换成图表化输出有利于直观查看，进一步上传云平台。进一步上传云平台。进一步上传云平台。
【技术实现步骤摘要】
用于直升机打击体系构建的引导仿真模块及运行方法
[0001]本专利技术涉及仿真模块
，特别是涉及用于直升机打击体系构建的引导仿真模块及运行方法。
技术介绍
[0002]直升机可利用自身携带的武器对地面目标实施精确打击，打击体系构建的重点在于信火同步，是指协同打击过程中的目标信息与火力打击的同步控制，是实现协同流程、提高命中概率的重要因素。
[0003]直升机打击体系的构建需要仿真平台的计算分析，目前缺少一种能综合考虑各种地形建筑特征的影响，从而完成不同相关影响参数下分析打击效果的仿真平台，为此我们提出用于直升机打击体系构建的引导仿真模块及运行方法。
技术实现思路
[0004]为了克服现有技术的不足，本专利技术提供用于直升机打击体系构建的引导仿真模块及运行方法，地理数据模块的静态数据与建筑识别模块的动态数据配合，使得直升机打击范围内数据更加精准，仿真运算更加贴近现实，算法对直升机打击进行优化达成全局最优解，提高了直升机打击体系构建的效率。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：用于直升机打击体系构建的引导仿真模块，包括地理数据模块、建筑识别模块、仿真运算模块和统计输出模块；所述地理数据模块，存储记录有直升机打击范围内所有地形地貌，地理面貌短时间难以改变，数据定期更新即可；所述建筑识别模块，获取直升机打击范围内所有建筑坐标，建筑可快速搭建或拆除，由此建筑识别模块实时更新；所述仿真运算模块，可调用地理数据模块和建筑识别模块的信息数据，依据直升机打击范围内的地形地貌和建筑坐标构建打击坐标系，进一步优化直升机打击路径和推算覆盖范围；所述统计输出模块，接收仿真运算模块的数据并整理统计，再转换成图表化输出有利于直观查看，进一步上传云平台。
[0006]优选的，所述地理数据模块存储记录的地形地貌数据包括括地图、照片和卫星图。
[0007]优选的，所述建筑识别模块通过卷积神经网络识别直升机打击范围内多种建筑用地和对应的基础设施。
[0008]优选的，所述仿真运算模块的优化包括梯度下降法、牛顿法、Levenberg
‑
Marquardt法、模拟退火法和遗传算法。
[0009]优选的，所述建筑识别模块根据识别出的建筑用地，标记所述建筑用地的边缘和中心。
[0010]用于直升机打击体系构建的引导仿真模块的运行方法，包括如下步骤：地理数据模块存储直升机打击范围内所有地形地貌，并定期进行数据更新；建筑识别模块通过卷积神经网络识别直升机打击范围内建筑用地和对应的设施；仿真运算模块由地理数据模块和建筑识别模块调用直升机打击范围内的地形地貌信息数据和建筑坐标信息数据，构建打击坐标系，并采用梯度下降法、牛顿法、Levenberg
‑
Marquardt法、模拟退火法和遗传算法中一种或多种组合优化直升机打击路径；梯度下降法：是一个一阶最优化算法。要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。
[0011]牛顿法：牛顿迭代法是求方程根的重要方法之一，其最大优点是在方程 的单根附近具有平方收敛，而且该法还可以用来求方程的重根、复根，此时线性收敛，但是可通过一些方法变成超线性收敛。
[0012]Levenberg
‑
Marquardt法：是非线性回归中回归参数最小二乘估计的一种估计方法。这种方法是把最速下降法和线性化方法(泰勒级数)加以综合的一种方法。因为最速下降法适用于迭代的开始阶段参数估计值远离最优值的情况，而线性化方法，即高斯牛顿法适用于迭代的后期，参数估计值接近最优值的范围内。两种方法结合起来可以较快地找到最优值。
[0013]模拟退火法：模拟退火算法是一种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解。模拟退火算法是解决TSP问题的有效方法之一。模拟退火的原理也和金属退火的原理近似：将热力学的理论套用到统计学上，将搜寻空间内每一点想像成空气内的分子；分子的能量，就是它本身的动能；而搜寻空间内的每一点，也像空气分子一样带有“能量”，以表示该点对命题的合适程度。演算法先以搜寻空间内一个任意点作起始：每一步先选择一个“邻居”，然后再计算从现有位置到达“邻居”的概率。
[0014]遗传算法：遗传算法（Genetic Algorithm，GA）最早是由美国的 John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。
[0015]统计输出模块接收仿真运算模块的数据并整理统计，再转换成图表化输出有利于直观查看，进一步上传云平台。
[0016]与现有技术相比，本专利技术能达到的有益效果是：地理数据模块的静态数据与建筑识别模块的动态数据配合，使得直升机打击范围内数据更加精准，仿真运算更加贴近现实，算法对直升机打击进行优化达成全局最优解，提高了直升机打击体系构建的效率，降低了直升机打击体系构建的人力成本。
附图说明
[0017]图1为本专利技术的模块框图。
具体实施方式
[0018]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本专利技术，但下述实施例仅仅为本专利技术的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本专利技术的保护范围。下述实施例中的实验方法，如无特殊说明，均为常规方法，下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
实施例
[0019]请参照图1所示，本专利技术提供用于直升机打击体系构建的引导仿真模块，包括地理数据模块、建筑识别模块、仿真运算模块和统计输出模块；地理数据模块，存储记录有直升机打击范围内所有地形地貌，地理面貌短时间难以改变，数据定期更新即可；建筑识别模块，获取直升机打击范围内所有建筑坐标，建筑可快速搭建或拆除，由此建筑识别模块实时更新；仿真运算模块，可调用地理数据模块和建筑识别模块的信息数据，依据直升机打击范围内的地形地貌和建筑坐标构建打击坐标系，进一步优化直升机打击路径和推算覆盖范围；统计输出模块，接收仿真运算模块的数据并整理统计，再转换成图表化输出有利于直观查看，进一步上传云平台。
[0020]如图1所示，本专利技术公开了地理数据模块存储记录的地形地貌数据包括括地图、照片和卫星图。
[0021]如图1所示，本专利技术公开了建筑识别模块通过卷积神经网络识别直升机打击范围内多种建筑用地和对应的基础设施。
[0022]如图1所示，本专利技术公开了仿真运算模块的优化包括梯度下降法、牛顿法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.用于直升机打击体系构建的引导仿真模块，其特征在于：包括地理数据模块、建筑识别模块、仿真运算模块和统计输出模块；所述地理数据模块，存储记录有直升机打击范围内所有地形地貌，地理面貌短时间难以改变，数据定期更新即可；所述建筑识别模块，获取直升机打击范围内所有建筑坐标，建筑可快速搭建或拆除，由此建筑识别模块实时更新；所述仿真运算模块，可调用地理数据模块和建筑识别模块的信息数据，依据直升机打击范围内的地形地貌和建筑坐标构建打击坐标系，进一步优化直升机打击路径和推算覆盖范围；所述统计输出模块，接收仿真运算模块的数据并整理统计，再转换成图表化输出有利于直观查看，进一步上传云平台。2.根据权利要求1所述的用于直升机打击体系构建的引导仿真模块，其特征在于：所述地理数据模块存储记录的地形地貌数据包括括地图、照片和卫星图。3.根据权利要求1所述的用于直升机打击体系构建的引导仿真模块，其特征在于：所述建筑识别模块通过卷积神经网络识别直升机打击范围内多种建筑用地和对应的基础设施。4.根据权利要求1所述的用于直升机打击体系构建的引导仿真模块，其特征在于：...
【专利技术属性】
技术研发人员：于进勇，
申请(专利权)人：上兵智能科技山东有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。