закономерностей из экспериментальных данных (Data mining) пред-
полагают адекватные формы представления восстановленных зависи-
мостей, более информативные, чем обычно используемые уравнения
регрессии. В интеллектуальной ОО САПР можно подобрать структу-
ры оптимальной сложности для таких моделей, инкапсулировать их в
рабочие объекты, чтобы агенты могли использовать восстановленные
модели наравне с алгоритмически заданными функциями.
Наиболее сложны для анализа эффективности осколочные поля
по следующим трем причинам: высокая степень неопределенности
естественного дробления и формирования полей, сложная динамика
осколочного поля и накрытие цели, особенно быстролетящей, недо-
стоверные критерии поражающей способности осколков по механи-
ческому, зажигательному и инициирующему действиям. Перечислен-
ные трудности соответствуют трем последовательным стадиям суще-
ствования поля. На первой стадии интеллектуальные средства могут
помочь в идентификации осколочных спектров и пространственных
распределений по экспериментальным данным. В исследованиях спо-
собов повышения эффективности большее значение имеет не стандар-
тизация форматов данных, а информативность данных. Инструменты
и структуры данных интеллектуального ядра способствуют постро-
ению оптимальной структуры поля с той степенью достоверности,
какую имеют первичные материалы испытаний. На этапе действия по
цели объектная модель осколочного поля предоставляет моделям дей-
ствия полную информацию о попаданиях, вплоть до распределения
углов подхода удлиненных осколков, что позволяет оценивать не по-
ражающую способность отдельных осколков, а поражающее действие
совокупных попаданий с учетом близости, синхронности попаданий и
т.д. Существующие модели поражения слишком фрагментарны, чтобы
с толком использовать эти данные. Скорее, характерные ситуации, вы-
являемые уточненными моделями накрытии целей в статистических
испытаниях должны стать предметом дополнительных исследований.
Исчерпывающим образом объектная модель осколочного поля ре-
шает проблему пространственной динамики поля. В основе объектной
иерархии лежит
Фрагмент
— обобщенная модель осколка, структура
данных которой может быть конкретизирована свойствами ГПЭ или
осколков естественного дробления.
Фракция
— производный класс от
Фрагмент
— представляет фракцию осколков данного типа: общее чи-
сло, распределение по углам вылета, скорости вылета. Объект класса
Фракция
может быть конкретизирован как дискретное или как пуас-
соново поле. В дискретном поле осколки индивидуализированы, т.е.
в имитационной модели разыгрывается направление вылета каждо-
го осколка в соответствии с угловым распределением. В пуассоновом
254