[论文解读] AI-Augmented Multi Function Radar Engineering with Digital Twin: Towards Proactivity

Mathieu Klein, Thomas Carpentier+8 more|arXiv (Cornell University)|Jun 18, 2020

Radar Systems and Signal Processing参考文献 22被引用 15

一句话总结

本文提出了一种AI增强的数字孪生框架，用于主动式多功能雷达工程，利用离散与连续优化算法，在时间预算约束下自主设计雷达工作模式（如波束成形、波形和体积网格）。该系统可在动态环境、威胁和故障条件下实现实时、自适应的模式推荐，展现出适合主动雷达运行的高速计算能力。

ABSTRACT

Thales new generation digital multi-missions radars, fully-digital and software-defined, like the Sea Fire and Ground Fire radars, benefit from a considerable increase of accessible degrees of freedoms to optimally design their operational modes. To effectively leverage these design choices and turn them into operational capabilities, it is necessary to develop new engineering tools, using artificial intelligence. Innovative optimization algorithms in the discrete and continuous domains, coupled with a radar Digital Twins, allowed construction of a generic tool for "search" mode design (beam synthesis, waveform and volume grid) compliant with the available radar time budget. The high computation speeds of these algorithms suggest tool application in a "Proactive Radar" configuration, which would dynamically propose to the operator, operational modes better adapted to environment, threats and the equipment failure conditions.

研究动机与目标

• 为应对软件定义、全数字化多功能雷达（如Sea Fire和Ground Fire）中自由度增加的挑战。
• 开发一种工程工具，以在时间预算约束下高效探索雷达工作模式的复杂设计空间。
• 通过基于实时环境、威胁和系统健康状况动态推荐最优模式，实现主动雷达运行。
• 将人工智能与数字孪生技术整合到雷达系统工程中，以提升操作适应性与性能。

提出的方法

• 在离散与连续领域中采用混合优化算法，以探索雷达模式设计空间（波束图、波形、体积网格）。
• 利用雷达系统的数字孪生模型，在部署前对设计配置进行仿真与验证。
• 整合实时环境、威胁和系统状态数据，以指导AI驱动的模式推荐。
• 设计一种通用且可重用的工具，用于‘搜索’模式配置，同时遵守雷达的时间预算约束。
• 利用优化流程的高计算速度，支持实时或近实时决策支持。
• 结合AI与数字孪生技术，实现预测性与自适应雷达行为，超越传统反应式运行模式。

实验结果

研究问题

• RQ1 如何整合AI与数字孪生技术，以在时间预算约束下自动化并优化多功能雷达模式设计？
• RQ2 何种优化策略可实现对涉及波束图、波形和体积网格的复杂雷达设计空间的高效探索？
• RQ3 AI驱动的推荐能否提升雷达在动态环境中应对演变威胁与系统状态变化的适应能力？
• RQ4 所提出框架的计算速度在多大程度上可支持实时或主动雷达运行？
• RQ5 数字孪生模型在不依赖物理测试的前提下，如何提升AI增强雷达工程的保真度与可靠性？

主要发现

• 所提出的AI增强数字孪生框架可实现雷达工作模式的快速、自动化设计，包括波束成形、波形选择和体积网格配置。
• 优化算法实现高速计算，使实时或近实时的模式推荐在主动雷达系统中成为可能。
• 该系统展现出根据环境条件、威胁水平和设备故障状态动态推荐运行模式的能力。
• 数字孪生可实现雷达配置的精确仿真与验证，降低对昂贵物理测试的依赖。
• 该框架具有通用性，可跨不同雷达平台复用，如泰雷兹公司的Sea Fire和Ground Fire雷达。
• AI与数字孪生技术的集成实现了从反应式到主动式雷达运行的转变，显著提升了任务效能。