(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110045002.2 (22)申请日 2021.01.13 (71)申请人 中国人民解 放军火箭军工程大 学 地址 710025 陕西省西安市灞桥区洪 庆镇 同心路2号 (72)发明人 李亚雄　马峰　武健　韩旭豪　 (74)专利代理 机构 西安研创天下知识产权代理 事务所(普通 合伙) 61239 代理人 郭璐 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 5/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的多弹种快速火力规划方法 (57)摘要 本发明公开了一种基于人工智能的多弹种 快速火力规划方法， 包括以下步骤， S1： 建立有限 元毁伤仿真云计算平台， 对多弹种的毁伤效果进 行计算； S2： 基于知识图谱推理进行多弹种的弹 目匹配； S3： 基于深度学习理论， 根据步骤S1的毁 伤效果计算结果和步骤S2的弹目匹配结果， 建立 耗弹量筹划模 型， 对多弹种快速火力规划进行输 出。 本发明中针对多弹种快速 火力规划中的关键 技术， 建立了有限元毁伤仿真云计算平台架构， 提出了基于知识图谱推理的弹目匹配实现流程， 构建了耗弹量筹划的深度学习模 型， 提出了运用 云计算和人工智能技术解决多弹种快速火力规 划问题的系统解决方案 。 权利要求书3页 说明书10页 附图4页 CN 114372385 A 2022.04.19 CN 114372385 A 1.基于人工智能的多弹种快速火力规划方法， 其特 征在于， 包括以下步骤， S1： 建立有限元毁伤仿真 云计算平台， 对多弹种的毁伤效果进行计算； S2： 基于知识图谱推理进行多弹种的弹目匹配； S3： 基于深度学习理论， 根据步骤S1的毁伤效果计算结果和步骤S2的弹目匹配结果， 建 立耗弹量筹划模型， 对多弹种快速火力规划进行输出。 2.根据权利要求1所述的基于人工智能的多弹种快速火力规划方法， 其特征在于： 所述 多弹种快速火力规划的数学描述为： 给定m种弹型， 第i种弹有NMi(i＝1,…， m)枚， 总弹量为 NM枚， 对n个目标实施组合打击； 多元组MBHLij表示第i种弹对第j个目标的火力分配方案， 则 式中， dij表示第i种弹分配用于打击第j个目 标的弹量， 取正整数或0， 其中， i ＝1,…， m； j＝1, …， n； 对给定的弹种和弹量， 火力规划问题的决策变量可用多元组MBHLij的集合HL来描述， 多元组矩阵HL中， 共有m ×n个多元 组， 每个多元组 包含1个整型变量， 和2 ×dij个实 数型变量； 多弹种火力规划问题中目标整体毁伤效果可表示为各目标属性信 息、 各弹种属性信 息 以及混合火力分配方案HL的泛函， max  P＝f(MB1，…， MBn， DZ1，…， DZm， HL)； 式中， MBi表示计 算毁伤效果需要的目标参数， i＝1, …， n； DXj表示计算毁伤效果需要的武器参数， j＝1, …， m。 3.根据权利要求2所述的基于人工智能的多弹种快速火力规划方法， 其特征在于： 步骤 S1中所述的有限元毁伤仿 真云计算平台包括火力规划用户层、 云平台应用层、 资源调 度层、 模型服务层和基础设施层； 所述火力规划用户层为火力规划辅助决策人员提供操作界面， 通过火力规划用户层向 云计算平台发送毁伤计算请求， 根据需要调整武器和目标的各类参数； 所述云平台应用 层包含模型创建、 毁伤仿真和数据管理， 根据火力规划用户层的毁伤 计算需求， 动态组合有限元分析服务以响应用户请求， 进行任务拆解， 计算多弹种的毁伤效 果， 为资源调度提供基础； 所述资源调度层为实施基于有限元的毁伤计算分配足够的虚拟资源， 提高计算效率； 所述模型服务层包含云计算平台提供的有限元网格划分、 仿真算法服务和动态模型服 务， 将基于有限元的毁伤计算按照功能模块的方式服 务化实现； 所述基础实施层包 含计算主机、 存 储设备和网络设备。 4.根据权利要求3所述的基于人工智能的多弹种快速火力规划方法， 其特征在于， 所述 云平台应用层计算多弹种的毁伤效果的具体操作包括以下步骤，权　利　要　求　书 1/3 页 2 CN 114372385 A 2S11： 根据战斗部命中区域的形状以及物理特点， 将 命中区域Ω分成M个子域Δσm(m＝1， 2，…， M)， 即为单 元； S12： 对单 元与节点进行编号， 并确定相互之间关系， 列出自然边界及相应的边界值； S13： 根据区域单元节点数目以及计算近似解要求， 选择相应的插值函数作为单元形函 数， 将各个区域单元 的求解函数用单元形函数 的线性组合表达式进行逼近， 再将近似函数 代入积分方程， 对单元区域进 行积分， 获得含有待定系数的代数方程， 即为单元有限元方程 组； 所述待定系数包括目标 结构参数、 目标 材料参数和目标功能参数； S14： 根据边界条件， 采用有限元中适当的数值计算方法求解， 即得到各个节点的系数 值， 也即待定系数的值； S15： 战斗部命中Δσm所造成的目标毁伤程度D(m)由各目标单元的毁伤程度及易损性 分 析结果确定， 计算公式为： 式中， K为目标单元个数； S(m， k)为第k个目 标单元的毁伤程度， A(k)为第k个目标 单元的影响因子； 其中， 战斗部命中Δσm造成目标单元毁伤程度S(m， k)的计算表达式为S(m， k)＝S{Z(0， k)， Y， C， O}， 式中， Z(0， k)为完好状态下第k个目标单元的毁伤准则； Y为侵彻效应参数； C为 冲击波效应参数； O为振动效应参数； 第k个目标单元的影响因子A(k)的计算表达式为A(k)＝[Ac(CT， MT)k， AF(FT， MT)k]， 式中， AC(CT， MT)k为第k个目标单元的结构影响因子； AF(FT， MT)k为第k个目标单元的功能影响因子； CT为目标结构参数； MT为目标材料参数， FT为目标功能参数。 5.根据权利要求2所述的基于人工智能的多弹种快速火力规划方法， 其特征在于， 步骤 S2中基于知识图谱推理进行弹目匹配的具体操作包括以下步骤， S21、 知识 获取： 运用自动化抽取技术， 从专家经验、 作战仿真实验、 外场毁伤试验、 典型 战例的结构化、 半结构化、 非结构化数据中抽取目标实体、 类型、 特性、 毁伤效应、 武器运用 原则相关知识， 构建基础 知识库； S22、 知识融合： 通过异构数据整合、 知识重要度计算和验证环节对步骤S21中构 建的基 础知识库进行 结构化处 理， 建立弹目匹配规则库； S23、 知识存储： 采用基于图的数据结构， 设计形式灵活、 可扩展的存储模式， 实现知识 库、 规则库的有效存 储， 并实现动态管理； S24、 问询解析： 预测用户的查询意图， 按照特征词进行分类， 识别用户问询涉及的武 器、 目标属性， 生成标准 解析语句， 并对用户问询的战场环境和作战意图进行分析； S25、 知识推理： 根据知识图谱中的知识库、 规则库， 使用推理模型与算法推断出用户问 询的答案， 给 出弹目匹配方案排序。 6.根据权利要求5所述的基于人工智能的多弹种快速火力规划方法， 其特征在于， 步骤 S25的具体操作包括， S251： 根据知识图谱所构建的图结构知识库 与规则库， 建立动态键值记 忆网络模型； S252： 将外部输入数据分为 “键”和“值”两部分{(ki， vi)}i＝1N作为网络的记忆， 用一个静 态的键矩阵key存储所有的目标属性、 战场环境和目的意图信息， 一个动态的值矩阵value 存储以及更新武器匹配结果， 其中key负责寻址， 对记忆和问题的相关程度进行评分， 而 value负责读取， 对记 忆的值进行加权求和得到 输出， 进而实现推理功能。权　利　要　求　书 2/3 页 3 CN 114372385 A 3