[发明专利]一种武器站智能辅助决策系统架构有效

专利信息
申请号: 202011006875.4 申请日: 2020-09-23
公开(公告)号: CN112129164B 公开(公告)日: 2022-09-27
发明(设计)人: 毛保全;李元超;杨雨迎;韩小平;常雷;朱锐;宋瑞亮 申请(专利权)人: 中国人民解放军陆军装甲兵学院
主分类号: F41A33/00 分类号: F41A33/00;F41A35/00;G06N5/00;G06N20/00;G09B19/00
代理公司: 北京八月瓜知识产权代理有限公司 11543 代理人: 李斌
地址: 100071 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 武器 智能 辅助 决策 系统 架构
【说明书】:

发明公开了一种武器站智能辅助决策系统架构,包括应用层、训练层、模块层以及知识层四层架构与系统的外部接口设计组成;所述应用层包括功能显示窗口,其由目标数据、威胁程度、推荐武器、毁伤效果四者组成,所述应用层是最终在武器站火控系统操控终端上的功能显示窗户;所述训练层包括自学习训练系统,该武器站智能辅助决策系统利用智能化、模块化的思想,将目标识别跟踪、目标威胁排序、武器决策以及目标毁伤评估等功能分别建立一个模块,利用规范化的接口将这四个功能模块融合为一个整体,通过系统的外部接口与武器站的火控、观瞄系统进行连接,构成完整的系统架构,为操纵者实现智能化打击提供全链路辅助决策信息。

技术领域

本发明涉及智能辅助系统技术领域,具体为一种武器站智能辅助决策系统架构。

背景技术

智能辅助决策系统是管理决策科学、运筹学、计算机科学与人工智能相结合的产物,利用专家系统技术,预先把专家的决策经验整理成计算机语言,组织在知识库中,通过逻辑推理来模拟专家的决策思维,从而解决一些现实问题的智能系统。

武器站智能辅助决策系统针对的对象是单个作战平台,为武器站操纵者提供从目标识别、威胁判断、武器决策以及毁伤评估等全链路辅助决策信息,而且可利用自学习训练平台对人工决策数据进行深度学习,操作方式也实现了从有人操控和有人委派向有人监督和全自主操作逐步过渡

目前智能辅助决策系统广泛应用于社会各个领域,在军事领域,现有的智能辅助决策系统主要针对多个平台协同的作战指挥系统,辅助的对象是指挥员,为指挥员在情报处理、战场态势和作战指挥等方面提供决策支持。但是由于战场环境实时变化,难以量化的各类因素成为智能决策的最大障碍,目前辅助决策的准确性和效率比较低。

发明内容

本发明的目的在于提供一种武器站智能辅助决策系统架构,以解决上述背景技术中提出的问题。

为实现上述目的,本发明提供如下技术方案:一种武器站智能辅助决策系统架构,包括应用层、训练层、模块层以及知识层四层架构与系统的外部接口设计组成;

所述应用层包括功能显示窗口,其由目标数据、威胁程度、推荐武器、毁伤效果四者组成,所述应用层是最终在武器站火控系统操控终端上的功能显示窗户;

所述训练层包括自学习训练系统,其由有标注数据、未标注数据、人工决策、决策模型以及通用特征生成模型五者组成,所述训练层是指自学习训练系统,这是整个系统智能化的核心部分,学习过程可以采用监督学习和自主学习相结合的机器学习手段来完成;

所述模块层包括模型信息平台,其由数据接入模块、图像处理模块、目标识别模块、威胁排序模块、武器决策模块以及毁伤评估模块六者组成,所述模块层是模型的信息平台,所述模块层可以接入数据,更新各模块的模型信息,便于提高每个模块的决策准确性;

所述知识层包括智能辅助决策支撑知识库,其由目标特征库、武器信息库、目标知识、算法库以及战场环境五者组成,所述知识层是指智能辅助决策支撑知识库,该知识库主要基于知识图谱技术,实现对武器信息、智能算法、目标知识、目标特性以及战场环境先验知识的统一组织与管理功能。

优选的,该系统工作过程包括:数据接入汇集模块、图像预处理、目标的识别与定位、目标的跟踪、目标威胁排序、武器决策、目标毁伤判定步骤组成。

优选的,所述数据接入模块实现对光电转塔姿态信息、及激光测距机输出的目标距离信息、红外序列图像、可见光序列图像数据的统一接入汇集、编码处理功能。

优选的,所述图像处理模块可以实现对可见光、红外序列图像数据的去噪滤波、增强、彩色化、异常帧剔除预处理功能。

优选的,所述目标的识别模块通过对获取红外、可见光序列图像进行融合处理、特征提取,采用机器学习算法,并融合地理空间坐标信息,实现对目标的搜索、识别和定位功能。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军陆军装甲兵学院,未经中国人民解放军陆军装甲兵学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011006875.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top