摘" 要： 雷達設(shè)備是重要的電子設(shè)備，但在工作過程中可能會出現(xiàn)各種故障。通過開發(fā)虛擬維修訓(xùn)練仿真模型，可以提供一個實際環(huán)境下的虛擬場景，使維修人員能夠在虛擬的情境下進行維修訓(xùn)練，以此提高維修人員的操作技能和判斷能力，在面對實際故障時能更高效和準(zhǔn)確地進行維修，提升雷達設(shè)備維修效果。為此，文中設(shè)計一種基于人工智能的雷達設(shè)備虛擬維修訓(xùn)練仿真模型。依據(jù)用戶輸入的雷達設(shè)備虛擬維修訓(xùn)練的相關(guān)設(shè)計參數(shù)，以及線性激光掃描儀采集的點云數(shù)據(jù)，采用人工智能中的三維重建技術(shù)構(gòu)建雷達設(shè)備和維修場景三維模型。利用人工智能中的粒子群算法對仿真過程進行碰撞檢測，得到維修訓(xùn)練路徑規(guī)劃結(jié)果。對仿真過程展開維修性檢驗，判斷雷達設(shè)備是否符合維修性要求，并利用投影儀呈現(xiàn)虛擬維修訓(xùn)練仿真過程的相關(guān)數(shù)據(jù)，顯示雷達設(shè)備虛擬維修訓(xùn)練結(jié)果。實驗結(jié)果表明：所設(shè)計模型可有效實現(xiàn)雷達設(shè)備的三維點云重建，得到雷達設(shè)備三維模型，完成雷達設(shè)備虛擬維修訓(xùn)練仿真。

關(guān)鍵詞： 人工智能； 雷達設(shè)備； 虛擬維修訓(xùn)練； 三維重建技術(shù)； 粒子群算法； 碰撞檢測； 路徑規(guī)劃

中圖分類號： TN957.52+4?34； TP391.9" " " " " " " " "文獻標(biāo)識碼： A" " " " " " " " 文章編號： 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

雷達設(shè)備是一種利用無線電波探測目標(biāo)并獲取其位置、速度、形狀等信息的裝置[1]。根據(jù)應(yīng)用領(lǐng)域不同，雷達設(shè)備可分為軍事雷達、航空雷達、氣象雷達等[2]。隨著科技進步，雷達設(shè)備的性能和復(fù)雜性不斷提高，在工作過程中可能會出現(xiàn)各種故障，對維修人員的技能和訓(xùn)練要求也越來越高[3]。因此，對提高維修人員的技能和訓(xùn)練效果具有重要意義。

李榮強等利用計算機仿真技術(shù)構(gòu)建一個虛擬維修訓(xùn)練環(huán)境，用戶可以通過虛擬仿真模型來模擬設(shè)備的維修和訓(xùn)練過程[4]。該模型的開發(fā)和應(yīng)用可以提高設(shè)備維修訓(xùn)練的效率和質(zhì)量，同時還可以降低實際維修成本和風(fēng)險，但用戶的交互性和參與度導(dǎo)致該模型的應(yīng)用效果降低。姚壽文等利用虛擬現(xiàn)實技術(shù)來創(chuàng)建設(shè)備模型和維修場景，同時通過實時感知設(shè)備狀態(tài)和直觀性交互，幫助受訓(xùn)者理解和實踐正確的維修步驟[5]。應(yīng)用該模型能夠提高訓(xùn)練的質(zhì)量和效率，并減少實際設(shè)備維修時的錯誤。但該模型的實施依賴于先進的硬件設(shè)備，如果這些硬件設(shè)備出現(xiàn)故障或性能問題，會影響模型的正常運行和使用。

在雷達設(shè)備維修訓(xùn)練中，人工智能的應(yīng)用可以在很大程度上提高訓(xùn)練效率，降低實裝成本，并保證較高的安全性。三維重建技術(shù)屬于人工智能領(lǐng)域的一個重要方向，它的主要目的是將二維圖像轉(zhuǎn)化為三維模型，以實現(xiàn)對真實世界的仿真、虛擬現(xiàn)實、增強現(xiàn)實等應(yīng)用[6?7]。為此，本文設(shè)計一種基于人工智能的雷達設(shè)備虛擬維修訓(xùn)練仿真模型，旨在提高維修訓(xùn)練的效率和效果，降低訓(xùn)練成本。

1" 雷達設(shè)備虛擬維修訓(xùn)練仿真模型

1.1" 雷達設(shè)備虛擬維修訓(xùn)練仿真模型設(shè)計流程

利用人工智能設(shè)計雷達設(shè)備虛擬維修訓(xùn)練仿真模型，該模型的設(shè)計流程如圖1所示，主要包含三個階段，分別是概念設(shè)計階段、基礎(chǔ)設(shè)計階段與詳細設(shè)計階段。

在概念設(shè)計階段中，依據(jù)用戶輸入的雷達設(shè)備虛擬維修訓(xùn)練的相關(guān)設(shè)計參數(shù)，以及線性激光掃描儀采集的雷達設(shè)備點云數(shù)據(jù)，采用人工智能中的三維重建技術(shù)[8?9]，構(gòu)建雷達設(shè)備三維模型以及維修場景三維模型。

在基礎(chǔ)設(shè)計階段，通過整合雷達設(shè)備和維修場景三維模型，得到雷達設(shè)備虛擬維修訓(xùn)練仿真模型；利用外設(shè)的VR設(shè)備進行交互，得到雷達設(shè)備虛擬維修訓(xùn)練仿真過程。利用人工智能中的粒子群算法[10?12]對雷達設(shè)備虛擬維修訓(xùn)練仿真過程進行碰撞檢測，得到維修訓(xùn)練路徑規(guī)劃結(jié)果。

在詳細設(shè)計階段，對雷達設(shè)備虛擬維修訓(xùn)練仿真過程展開維修性檢驗，判斷雷達設(shè)備是否符合維修性要求，如果符合設(shè)定的維修性要求，那么利用投影儀呈現(xiàn)虛擬維修訓(xùn)練仿真過程的相關(guān)數(shù)據(jù)，顯示雷達設(shè)備虛擬維修訓(xùn)練結(jié)果；反之，返回概念設(shè)計階段，重新設(shè)計雷達設(shè)備虛擬維修訓(xùn)練仿真模型。

1.2" 雷達設(shè)備虛擬維修訓(xùn)練三維模型構(gòu)建

通過人工智能中的三維重建技術(shù)，構(gòu)建雷達設(shè)備三維模型以及維修場景三維模型。

在進行雷達設(shè)備三維模型以及維修場景三維模型構(gòu)建前，需要對采集的雷達設(shè)備以及維修場景點云圖像進行圖像坐標(biāo)系和角度坐標(biāo)系的轉(zhuǎn)換，坐標(biāo)圖如圖2所示。

以雷達設(shè)備三維模型構(gòu)建為例，令線性激光掃描儀光軸[σ]和雷達設(shè)備點云圖像的交點是[H]，光軸和基線的夾角為[θ]；雷達設(shè)備點云圖像內(nèi)的隨機一點為[Px，y]，[P]至平面的垂足為[A]，垂線為[AB]，且[AB]與[σM]垂直；在角度坐標(biāo)系內(nèi)，[P]在點云圖像內(nèi)的投影點坐標(biāo)是[uL，vL]。

根據(jù)余弦定理能夠得到：

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

式中：[σP]、[σH]、[AP]、[AH]分別是兩點間的長度。

因為[σH]為焦距[f]，[σP2=σH2+AH2+AP2]，則式（1）變更為：

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

依據(jù)三角形關(guān)系可得：

[tanv=APAB=yftanθ-x?cosuL]" " "（3）

通過式（2）與式（3）了解到，雷達設(shè)備點云圖像內(nèi)隨機一點均可轉(zhuǎn)換成角度坐標(biāo)，表達形式為[uL，vL]。

通過上述方式可獲取左、右線性激光掃描儀采集的左右雷達設(shè)備點云圖像的角度坐標(biāo)[uL，vL]、[uR，vR]。

對左右雷達設(shè)備點云圖像進行立體匹配后，可獲取匹配點坐標(biāo)[uL，vL]與[uR，vR]。

按照正弦定理得知三角形[△PσLσR]的關(guān)系為：

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

式中：[σL]、[σR]分別為左、右線性激光掃描儀的光軸中心點。

令基線長[σLσR=b]，則雷達設(shè)備點云數(shù)據(jù)的三維坐標(biāo)變換關(guān)系為：

[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]。

依據(jù)式（5）可獲取雷達設(shè)備點云圖像二維匹配點至三維坐標(biāo)的轉(zhuǎn)換關(guān)系，完成三維點云重建；再依據(jù)曲面擬合構(gòu)建雷達設(shè)備三維模型。同理，構(gòu)建雷達設(shè)備維修場景三維模型。

1.3" 雷達設(shè)備虛擬維修訓(xùn)練仿真過程的碰撞檢測

在1.2節(jié)構(gòu)建的雷達設(shè)備維修場景三維模型內(nèi)，放置雷達設(shè)備三維模型，并通過外設(shè)的VR設(shè)備進行交互，實現(xiàn)雷達設(shè)備虛擬維修訓(xùn)練仿真。利用人工智能中的粒子群算法，結(jié)合任意方向包圍盒（Oriented Bounding Boxes， OBB）[13]對仿真過程進行碰撞檢測，當(dāng)無碰撞問題時，則記錄雷達設(shè)備虛擬維修訓(xùn)練路徑點，添加至維修訓(xùn)練路徑內(nèi)，得到最終的維修訓(xùn)練路徑。

首先，利用粒子群算法進行碰撞檢測，具體步驟如下：

1） 塑造Sphere?OBB包圍盒層次樹。首先，構(gòu)造雷達設(shè)備虛擬維修訓(xùn)練仿真模型全部物體基本幾何元素的包圍球Sphere；其次，通過分離軸劃分層次樹的根節(jié)點，并分析子節(jié)點內(nèi)存在的基本幾何元素片是否符合葉子節(jié)點需求，如果符合需求，那么將其當(dāng)成葉子節(jié)點，完成OBB包圍盒構(gòu)造；最后，對葉子節(jié)點展開遞歸操作與分割處理，獲取Sphere?OBB包圍盒層次樹。

2） 以O(shè)BB包圍盒的中心點為特征，實施采樣處理，構(gòu)造二維離散搜索空間，通過粒子群算法在該空間內(nèi)搜索重疊的包圍盒，并展開基元相交測試，獲取碰撞檢測結(jié)果。

然后，利用粒子群算法搜索重疊包圍盒，具體步驟如下：

1） 參數(shù)初始化，令每個粒子均代表一個可能存在重疊的包圍盒。

2） 計算各粒子的適應(yīng)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]為迭代次數(shù)；[si]為第[i]個粒子位置，即可能存在重疊的包圍盒；[ai]為速度；[w]為權(quán)值；[c1]、[c2]為學(xué)習(xí)因子； [r1]、[r2]為隨機數(shù)；[Qbest]為個體極值；[Gbest]為全局極值。

4） 判斷是否符合結(jié)束條件，若符合，則輸出最佳解，即存在重疊的包圍盒。

最后，對雷達設(shè)備虛擬維修訓(xùn)練仿真過程展開維修性檢驗，判斷雷達設(shè)備是否符合維修性要求，并利用投影儀呈現(xiàn)虛擬維修訓(xùn)練仿真過程的相關(guān)數(shù)據(jù)，顯示雷達設(shè)備虛擬維修訓(xùn)練結(jié)果。

2" 實驗分析

為了驗證基于人工智能的雷達設(shè)備虛擬維修訓(xùn)練仿真模型的有效性，以某高校雷達工程專業(yè)的學(xué)生為實驗對象，為該雷達工程專業(yè)的學(xué)生設(shè)計雷達設(shè)備虛擬維修訓(xùn)練仿真模型，旨在提升雷達維修質(zhì)量與維修效率。該高校雷達工程專業(yè)需要維修的雷達設(shè)備相關(guān)參數(shù)如表1所示。

當(dāng)線性激光掃描儀凝視角不同時，利用設(shè)計模型對該雷達設(shè)備進行三維點云重建，分析不同凝視角時的雷達設(shè)備三維點云重建效果。凝視角為左右線性激光掃描儀的光軸夾角，不同凝視角的雷達設(shè)備三維點云重建結(jié)果如圖3所示。

由圖3a）可知，在凝視角為2°時，設(shè)計模型可有效完成雷達設(shè)備三維點云重建，且三維點云重建效果較好，并無點云數(shù)據(jù)缺失問題。由圖3b）可知，在凝視角為15°時，設(shè)計模型也可有效重建雷達設(shè)備三維點云，但重建結(jié)果存在點云數(shù)據(jù)缺失問題，影響后續(xù)三維模型構(gòu)建精度。綜合分析可知，凝視角的大小會影響雷達設(shè)備三維點云重建效果，凝視角過大，雷達設(shè)備三維點云重建效果較差。

對凝視角為2°時的雷達設(shè)備三維點云重建結(jié)果進行曲面擬合，構(gòu)建雷達設(shè)備三維模型，雷達設(shè)備三維模型構(gòu)建結(jié)果如圖4所示。

從圖4中可以看出，設(shè)計模型可以有效地生成雷達設(shè)備的三維模型，這表明該模型在技術(shù)上具有可行性。設(shè)計模型在構(gòu)建三維模型時的主觀效果較好，這意味著使用該模型構(gòu)建的雷達設(shè)備三維模型能夠清晰地呈現(xiàn)出雷達設(shè)備的細節(jié)信息，使得操作者可以更加直觀地了解雷達設(shè)備的外觀和內(nèi)部結(jié)構(gòu)。

利用設(shè)計模型進行雷達設(shè)備虛擬維修訓(xùn)練仿真，虛擬維修訓(xùn)練仿真過程圖如圖5所示。

從圖5可以看出，設(shè)計模型能夠構(gòu)建雷達設(shè)備虛擬維修訓(xùn)練環(huán)境，這種環(huán)境與真實設(shè)備維修環(huán)境有很高的相似度，可使學(xué)習(xí)者更好地理解和適應(yīng)實際維修場景，提高維修技能的真實性。設(shè)計模型還提供了交互性的操作界面，允許學(xué)習(xí)者在虛擬環(huán)境中進行各種操作，并得到實時的反饋，這種交互性使得學(xué)習(xí)者能夠更好地理解和掌握維修技能。

3" 結(jié)" 論

本文設(shè)計一種基于人工智能的雷達設(shè)備虛擬維修訓(xùn)練仿真模型，為雷達設(shè)備的維修訓(xùn)練提供了一種新的、有效的手段。依據(jù)用戶輸入的雷達設(shè)備虛擬維修訓(xùn)練的相關(guān)設(shè)計參數(shù)，以及線性激光掃描儀采集的點云數(shù)據(jù)，采用人工智能中的三維重建技術(shù)構(gòu)建雷達設(shè)備和維修場景三維模型。利用人工智能中的粒子群算法對仿真過程進行碰撞檢測，得到維修訓(xùn)練路徑規(guī)劃結(jié)果。對仿真過程展開維修性檢驗，判斷雷達設(shè)備是否符合維修性要求，并利用投影儀呈現(xiàn)虛擬維修訓(xùn)練仿真過程的相關(guān)數(shù)據(jù)，顯示雷達設(shè)備虛擬維修訓(xùn)練結(jié)果。實驗結(jié)果表明：所設(shè)計模型可有效實現(xiàn)雷達設(shè)備的三維點云重建，從而得到雷達設(shè)備三維模型，完成雷達設(shè)備虛擬維修訓(xùn)練仿真。該模型可以提高學(xué)習(xí)者的維修技能，避免實裝損耗，還可以為維修人員提供模擬故障排除的實踐機會，提高維修工作的效率和準(zhǔn)確性。因此，該模型具有重要的應(yīng)用價值和前景，值得進一步研究和推廣。

參考文獻

[1] 張原，李璇.Petri網(wǎng)作用下航空裝備虛擬維修訓(xùn)練仿真[J].計算機仿真，2023，40（4）：52?56.

[2] 姜定，李福東，俞松，等.基于CAD模型虛擬仿真數(shù)據(jù)的深度學(xué)習(xí)目標(biāo)檢測[J].揚州大學(xué)學(xué)報（自然科學(xué)版），2021，24（4）：44?49.

[3] 何倩倩.機載雷達設(shè)備大修體系建立及過程分析[J].現(xiàn)代雷達，2021，43（1）：30?33.

[4] 李榮強，文愛兵，花斌，等.航空裝備虛擬維修訓(xùn)練仿真模型快速開發(fā)技術(shù)[J].系統(tǒng)仿真學(xué)報，2021，33（5）：1167?1176.

[5] 姚壽文，胡子然，柳博文，等.基于實時裝配狀態(tài)感知和直觀性交互的虛擬現(xiàn)實輔助維修訓(xùn)練[J].工程設(shè)計學(xué)報，2021，28（1）：14?24.

[6] 閆俊伢，裴婭男，姚宏，等.虛擬現(xiàn)實中基于果蠅優(yōu)化算法的碰撞檢測[J].南京理工大學(xué)學(xué)報，2023，47（1）：74?80.

[7] 王宇，馬琳娟，張福泉，等.基于量子蟻群算法的虛擬現(xiàn)實碰撞檢測方法[J].南京理工大學(xué)學(xué)報，2022，46（6）：735?741.

[8] 張昀瑋，竹夢圓.通信行業(yè)天面類資源識別與三維重建[J].郵電設(shè)計技術(shù)，2023（7）：37?42.

[9] 王政，竹夢圓，武歡，等.人工智能技術(shù)在通信工程數(shù)字化設(shè)計中的應(yīng)用[J].郵電設(shè)計技術(shù)，2021（6）：29?34.

[10] 徐尹翔，陳祺東，孫俊.應(yīng)用量子行為粒子群優(yōu)化算法的文本對抗[J].計算機工程與應(yīng)用，2022，58（9）：175?180.

[11] 陳春燕，劉夢赤.基于粒子群遺傳算法的智能組卷策略[J].計算機與現(xiàn)代化，2021（8）：16?23.

[12] 張丹.皮革企業(yè)內(nèi)部審計與人工智能技術(shù)融合研究[J].中國皮革，2022，51（6）：43?46.

[13] 楊帆.基于B+樹存儲的AABB包圍盒碰撞檢測算法[J].計算機科學(xué)，2021，48（z1）：331?333.

作者簡介：許" 誠（1986—），男，湖北武漢人，碩士，講師，研究方向為計算機仿真。

李小年（1992—），男，甘肅慶陽人，碩士，助教，研究方向為大數(shù)據(jù)、人工智能。

趙" 鵬（1985—），男，遼寧遼陽人，碩士，講師，研究方向為計算機仿真。

盧" 坤（1987—），男，湖北仙桃人，碩士，助教，研究方向為模擬訓(xùn)練。