• 한국시뮬레이션학회논문지
• /
• 제28권1호
• /
• pp.99-107
• /
• 2019

기존 본 연구팀에서 연구한 직사화기 무기효과 산출방법론은 JMEM(Joint Munitions Effectiveness Manuals : 합동탄약효과편람)내(內) 표적에 대해서만 무기효과자료를 산출 가능하다는 제한 사항을 가지고 있었다. 따라서 본 연구에서는 JMEM 이외의 현실적 표적을 추가하여 무기효과자료를 산출하는 방법을 인공신경망(ANN : Artificial Neural Network)을 적용하여 도출하는 데 중점을 두었다. 즉, 미국 JMEM내(內) 표적의 제원과 효과지수인 취약면적(Av : vulnerable area)을 이용하여 인공신경망의 예측모델을 학습시키고, 학습된 예측모델에 현실적 표적의 제원을 적용하여 취약면적을 계산한다. 최종적으로 본 연구팀이 연구한 기존 직사화기 무기효과 산출방법론에 계산된 취약면적을 적용하여 살상확률(Pk)을 계산하는 방법론을 제시하였다.

• 한국시뮬레이션학회논문지
• /
• 제30권2호
• /
• pp.23-31
• /
• 2021

개체단위 M&S의 교전 결과에 대한 정확도를 높이기 위해서는 신뢰성 있는 무기효과지수를 바탕으로 피해 정도가 모의되어야 한다. 무기효과지수는 특정 교전 환경에서 무기체계와 표적에 대한 명중확률(Ph)과 살상확률(Pk)을 지수화한 값으로, 주로 JMEM 데이터나 JMEM 방법론에 따라 생산된 데이터가 활용되고 있다. 그러나 JMEM 방법론은 표적 중심부를 기준으로 원형공산오차를 통과하는 파편이나 탄의 격자 통과량으로 살상확률을 계산하기 때문에 지형, 대기, 장애물 등의 추가적인 환경 요소를 고려하기 위해서는 전문가에 의한 보정이 요구된다. 따라서 본 논문에서는 다수의 교전 및 환경요소가 반영된 무기효과지수 생산을 위해 공학급 무기체계 모델을 활용하여 몬테카를로 시뮬레이션을 수행하고, 그 결과 데이터를 바탕으로 메타모델을 생성하였다. 명중확률과 살상확률 메타모델로 로지스틱 회귀모델과 가우시안 프로세스 회귀모델이 각각 생성되었으며, 예시 시나리오에 적용하여 모델 적합도를 관찰하였다. 본 연구에서 제시한 절차를 따르면 개체단위 M&S의 입력자료를 효율적으로 생산할 수 있을 것으로 기대한다.

• 한국시뮬레이션학회논문지
• /
• 제26권3호
• /
• pp.115-123
• /
• 2017

우리 군이 그동안 전차, 자주포, 미사일 등 주요 무기체계를 개발하여 전력화 하면서 외형적으로 괄목할만한 성과를 이루어 왔음에도 불구하고, 개발된 무기가 실제 전장에서 어떤 효과를 발휘할 것인가에 대한 척도를 제시해 주는 무기효과자료를 산출하는 것에 대해서는 관심이 부족하였다. 이러한 이유로 아직까지 무기효과자료 산출을 위한 기반이 미흡하여, 무기효과자료는 대부분 미국으로부터 도입된 JMEM 자료를 활용하고 있고 미 확보된 자료에 대해서는 사용부서에서 각자 연구하여 데이터를 생산, 활용하고 있다. 따라서 본 연구에서는 기존에 수행되어 온 무기효과 산출방법론을 연구하여 간편하면서도 적은 예산으로 신뢰성있는 무기효과자료를 산출할 수 있는 방법을 도출하는 데 중점을 두었다. 미국의 JMEM 방법론으로부터 식별한 절차 및 알고리즘을 활용하고, 현재 한국군이 보유하고 있는 유사 무기체계의 무기효과자료를 기초로 통계 및 시뮬레이션기법을 복합적으로 적용하여 직사화기 중 대표화기인 전차를 중심으로 살상확률(Pk)을 계산하는 방법론을 제시하였다.