CN104765968B - 一种无人机系统健康状态测评装置 - Google Patents

Abstract

本发明公开了一种无人机系统健康状态测评装置，是应用于评价K个无人机的健康状态；其特征是包括：信息采集模块、信息处理模块、评价处理模块、健康状态得分显示模块和健康状态信息数据库；信息采集模块用于获取无人机在飞行过程中的飞行数据；信息处理模块用于对飞行数据进行处理获得标准飞行数据块；评价处理模块根据所设定的健康状态评估指标体系，利用熵权G1赋权方法对标准飞行数据进行处理，获得各个评估指标的权重和无人机系统健康状态得分并发送给健康状态得分显示模块用于显示。本发明能对无人机的飞行数据进行采集、监控和处理，获得直观的反映无人机健康状态得分用于无人机决策支持。

Description

一种无人机系统健康状态测评装置

技术领域

本发明属于无人机技术领域，具体地说，是指一种能够为地面控制人员提供飞行信息反馈的无人机系统健康状态测评装置。

背景技术

现有技术当中，针对无人机的健康状态评估最常见的几种方式是：一种状态意识示踪器，该工具利用一般性状态模型和对无人机群操控者行为的分析来推断和评估无人机状态；一种新的无人机系统健康状态评估方法，对某型无人机部分分系统发生故障及采取修复措施后的健康状态分别进行了评估；一种无人机系统效能的基本算法和公式，定量分析和评估无人机系统在给定作战环境下完成高空电视侦察目标任务的程度，对无人机系统的效能进行了分析和评估建模，实现了无人机系统可用度、可信性、系统能力的计算。这些方式考虑无人机执行侦察任务的因素较为单一，而影响无人机执行侦察任务的因素仍然较多。其次，无人机所处高度、角加速度、所处位置等飞行信息的采集，目前的主要方式是传感器测量，收集到的信息较为零散，不具有可读性，不能为操控者提供直观的决策支持信息。

发明内容

本发明为了克服上述现有技术的缺点，提出了一种无人机系统健康状态测评装置，以期能对无人机的飞行数据进行采集、监控和处理，获得直观的反映无人机健康状态得分用于无人机决策支持。

本发明为解决现有问题采用如下技术方案是：

本发明一种无人机系统健康状态测评装置，是应用于评价K个无人机的健康状态；其特点是包括：信息采集模块、信息处理模块、评价处理模块、健康状态得分显示模块和健康状态信息数据库；

所述信息采集模块利用无人机机载传感器组获取无人机在飞行过程中的飞行数据并发送给所述信息处理模块；

所述信息处理模块用于对飞行数据进行筛选处理，获得预评价数据；对所述预评价数据进行无量纲处理，获得0-1之间的标准飞行数据并发送给所述评价处理模块；

所述评价处理模块根据所设定的健康状态评估指标体系，利用熵权G1赋权方法对所述标准飞行数据进行处理，获得所述健康状态评估指标体系中各个评估指标的权重；根据所述各个评估指标的权重获得无人机系统健康状态得分并发送给所述健康状态得分显示模块用于显示；

所述健康状态信息数据库用于存储所述飞行评价数据、所述预评价数据、所述标准飞行数据和所述无人机系统健康状态得分。

本发明所述的无人机系统健康状态测评装置的特点也在于，

所述健康状态评估指标体系如表1所示：

表1健康状态评估指标体系

表1中的评估指标体系分为三个准则层，分别为生存能力B₁，侦察性能B₂和稳定性能B₃，其重要程度排序为：B₁＞B₂＞B₃；生存能力包含七个评估指标，即B₁＝{C₁₁,C₁₂,…,C₁₇}，其重要程度排序为：C₁₂＞C₁₆＞C₁₁＞C₁₇＞C₁₃＞C₁₄＞C₁₅；侦察性能B₂包含七个评估指标，即B₂＝{C₂₁,C₂₂,…,C₂₇}，其重要程度排序为：C₂₃＞C₂₄＞C₂₁＞C₂₆＞C₂₂＞C₂₇＞C₂₅；稳定性能B₃包含六个评估指标，即B₃＝{C₃₁,C₃₂,…,C₃₆}，其重要程度排序为：C₃₁＞C₃₂＞C₃₃＞C₃₄＞C₃₅＞C₃₆。

所述熵权G1赋权方法是按如下步骤进行：

步骤1、计算健康状态评估指标体系中各评价评估指标所对应的熵权值μ_ij,k：

步骤1.1、利用式(1)获得第k个无人机的第i个准则层中第j个评估指标的特征比重h_ij,k：

式(1)中，v_ij,k表示第k个无人机的第i个准则层中第j个评估指标在所述预评价数据中所对应的数据；i∈[1,2,…,L]；L表示所述健康状态评估指标体系中准则层的总数；

j∈[1,2,…,M_i]；M_i表示第i个准则层中的所有评估指标的总个数；

步骤1.2、利用式(2)获得第k个无人机的第i个准则层中第j个评估指标的熵值e_ij,k：

步骤1.3、利用式(3)获得第k个无人机的第i个准则层中第j个评估指标的熵权值μ_ij,k：

步骤2、计算所述健康状态评估指标体系中相邻评估指标的重要程度：

利用式(4)获得第k个无人机的第i个准则层中第j-1个评估指标与第k个无人机的第i个准则层中第j个评估指标重要程度r_i(j-1),k：

式(4)中，j≠1；

步骤3、计算健康状态评估指标体系中各个评估指标对准则层的权重：

步骤3.1、利用式(5)获得第k个无人机的第i个准则层中第M_i个评估指标对第i个准则层的权重f_iMi,k：

步骤3.2、利用式(6)获得第k个无人机的第i个准则层中其他M_i-1项评估指标对第i个准则层的权重f_i(j-1),k，从而获得第k个无人机的第i个准则层中第j个评估指标对第i个准则层的权重f_ij,k：

f_i(j-1),k＝r_i(j-1),kf_ij,k (6)

式(6)中，j≠1；

步骤4、计算健康状态评估指标体系中各个评估指标的权重：

步骤4.1、利用式(7)获得第k个无人机的第i个准则层的熵权μ_i,k：

步骤4.2、利用式(8)获得第k个无人机的第i-1个准则层相对于第i个准则层的重要程度r_(i-1),k：

步骤4.3、利用式(9)获得第k个无人机的第L个准则层的权重C_L,k：

步骤4.4、利用式(10)获得第k个无人机的其他L-1个准则层的权重C_(i-1),k，从而获得第k个无人机的第i个准则层的权重C_i,k：

C_(i-1),k＝r_(i-1),kC_i,k (10)

式(10)中，i≠1；

步骤4.5、利用式(11)获得第k个无人机的第i个准则层中第j个评估指标的权重C_ij,k：

C_ij,k＝f_ij,k×C_i,k (11)。

与现有技术相比，本发明的有益效果体现在：

1、本发明通过信息采集模块、信息处理模块、评价处理模块和健康状态得分显示模块，解决了无人机在执行任务过程中无法实时反馈健康状态的问题，提高了地面控制人员对无人机系统健康状态的把握程度，有助于操作人员优化控制无人机的相关决策，从而提高了无人机的使用效率，避免了因无人机健康状态出现问题而造成的损失。

2、本发明通过采用健康状态评估指标体系，通过3个方面20个指标对无人机健康状态进行评估，提高了无人机健康状态评估的全面性、客观性、科学性和可行性。

3、本发明通过采用熵权G1赋权方法，该方法将主观G1赋权法和客观熵权法组合形成一种基于熵权的组合赋权方法，通过计算相邻指标间的客观熵权值之比，进而得到各指标的权重。从而克服了由于专家确定的指标重要性程度的量化并不完全准确，导致由此而生成的指标权重存在较大的主观性的问题，避免了主观意见量化的不合理性。

4、本发明通过采用熵权获取相邻指标间的重要程度，则通过先比较相邻两指标熵权的大小，若前者熵权小，则两者比值即为两指标间的重要程度，否则为1，这避免了直接指定重要程度的主观性，从而使得指标权重的分配符合实际情况，提高了客观性和准确性。

附图说明

图1为本发明装置模块示意图；

图2为本发明熵权G1赋权方法的流程图。

具体实施方式

如图1所示，本实施例中，一种无人机系统健康状态测评装置包括以下模块：信息采集模块、信息处理模块、评价处理模块、健康状态得分显示模块和健康状态信息数据库；

信息采集模块利用无人机机载传感器组获取无人机在飞行过程中的飞行数据并发送给信息处理模块；无人机机载传感器包括：无线电高度表、角加速度计、GPS等传感器；飞行数据包括无人机所处高度、角加速度、所处位置等飞行信息；

信息处理模块用于对飞行数据进行筛选，删除与无人机系统健康状态评价无关的数据信息，获得预评价数据；对预评价数据进行无量纲处理，这里采用的是极差变化法获得0-1之间的标准飞行数据并发送给评价处理模块；

所述评价处理模块根据所设定的健康状态评估指标体系，利用熵权G1赋权方法对所述标准飞行数据进行处理，获得所述健康状态评估指标体系中各个评估指标的权重；根据所述各个评估指标的权重与标准飞行数据相乘获得无人机系统健康状态得分并发送给所述健康状态得分显示模块用于显示；

健康状态信息数据库用于存储飞行评价数据、预评价数据、标准飞行数据和无人机系统健康状态得分。

如图2所示，本发明熵权G1赋权方法包括以下步骤：

步骤1、计算健康状态评估指标体系中各评价评估指标所对应的熵权值μ_ij,k：

假设有7架无人机，以生存性能准则下的各指标熵权值为例。

步骤1.1、利用式(1)获得第k个无人机的第i个准则层中第j个评估指标的特征比重h_ij,k：

式(1)中，v_ij,k表示第k个无人机的第i个准则层中第j个评估指标在所述预评价数据中所对应的数据，假设v_ij,k的取值如表2所示，比如7个无人机的生存性能准则的巡航速度指标下的数据向量v_11，k＝(2333,1667,2000,3500,2133,2500,3000)^T；i∈[1,2,…,L]；L表示所述健康状态评估指标体系中准则层的总数；j∈[1,2,…,M_i]；M_i表示第i个准则层中的所有评估指标的总个数；本实施例中，计算得到h_11，k＝(0.1362,0,0973,0.1167,0.2043,0.1245,0.1459,0.1751)^T。

表2无人机预评价数据

步骤1.2、利用式(2)获得第k个无人机的第i个准则层中第j个评估指标的熵值e_ij,k：

本实施例中，计算得到生存性能准则下的巡航速度指标的熵值e_11，k为0.9860。

步骤1.3、利用式(3)获得第k个无人机的第i个准则层中第j个评估指标的熵权值μ_ij,k：

本实施例中，计算得到生存性能准则中巡航速度指标的熵权值μ_11，k为0.1026。同理，计算的μ_1j，k＝(0.1026,0.0876,0.0622,0.0385,0.0244,0.0756,0.1349)^T，其中j∈[1,2...7]；

步骤2、计算所述健康状态评估指标体系中相邻评估指标的重要程度：

利用式(4)获得第k个无人机的第i个准则层中第j-1个评估指标与第k个无人机的第i个准则层中第j个评估指标重要程度r_i(j-1),k：

本实施例中，计算得到生存性能准则中相邻指标间的重要程度向量r_1(j-1),k为：

r_1(j-1),k＝(1.1713,1.4083,1.6138,1.5822,1,1)^T，其中j∈[2,3，…，7]；

步骤3、计算健康状态评估指标体系中各个评估指标对准则层的权重：

步骤3.1、利用式(5)获得第k个无人机的第i个准则层中第M_i个评估指标对第i个准则层的权重f_iMi,k：

本实施例中，计算得到生存性能准则下最后一项指标相对于该准则的权重f_17,k为0.0669。

步骤3.2、利用式(6)获得第k个无人机的第i个准则层中其他M_i-1项评估指标对第i个准则层的权重f_i(j-1),k，从而获得第k个无人机的第i个准则层中第j个评估指标对第i个准则层的权重f_ij,k：

f_i(j-1),k＝r_i(j-1),kf_ij,k (6)

式(6)中，j≠1；

本实施例中，利用式(6)计算出其他6项指标相对于该准则的权重。此7项指标相对于生存性能准则的权重向量f_1j,k为：f_1j,k＝(0.2819,0.2406,0.1709,0.1059,0.0669,0.0669,0.0669)^T，其中，j∈[1,2，…，7]；

步骤4、计算健康状态评估指标体系中各个评估指标的权重：

步骤4.1、利用式(7)获得第k个无人机的第i个准则层的熵权μ_i,k：

步骤4.2、利用式(8)获得第k个无人机的第i-1个准则层相对于第i个准则层的重要程度r_(i-1),k：

步骤4.3、利用式(9)获得第k个无人机的第L个准则层的权重C_L,k：

步骤4.4、利用式(10)获得第k个无人机的其他L-1个准则层的权重C_(i-1),k，从而获得第k个无人机的第i个准则层的权重C_i,k：

C_(i-1),k＝r_(i-1),kC_i,k (10)

式(10)中，i≠1；

本实施例中，利用式(7)、式(8)、式(9)和式(10)得出3个准则的权重向量C_i,1为：

C_i,1＝(0.5258,0.2986,0.1756)，其中i∈[1,2,3]。重复上述步骤得到_，可得其他指标相对于准则的权重，最终结果如表3所示：

表3无人机指标权重表

步骤4.5、利用式(11)获得第k个无人机的第i个准则层中第j个评估指标的权重C_ij,k：

C_ij,k＝f_ij,k×C_i,k (11)。

本实施例中利用式(11)对表3中准则权重和相对权重进行计算，得到各项指标的权重向量为：

C＝(0.1482,0.1265,0.0899,0.0557,0.0352,0.0352,0.0352；0.0560,0.0463,0.0444,0.0444,0.0422,0.0333,0.0319；0.0463,0.0368,0.0333,0.0256,0.0191,0.0145)^T。

根据无人机数据及各指标所赋权重，计算各机型无人机的得分值，并确定其排名。

将表3数据采用极差变化法进行标准化，如7个无人机巡航速度标准化后的向量值M_1j为：M_1j＝(0.3633,0,0.1817,1,0.2542,0.4544,0.7272)，其中，j∈[1,2...7]。

第一种型号无人机RQ数据标准化后的向量值M_i1为：

M_i1＝(0.3633,0.3333,0.5625,0.0118,0.5926,0.2821,1,0.7105,0.7714,0.8421,0.3333,0.4324,0.6571,0.3333,0.2222,1,0.5625,0.2963,0.4583,0)^T

其中i表示无人机准化后的指标数量，i∈[1,2...20]。

无人机标准化数据与各指标权重乘积即为该机型无人机的得分值V₁，即：

式(12)中，i∈[1,2...20]；

同理可得7种机型无人机的得分值向量V_j为：

V_j＝(0.4739,0.4881,0.5821,0.5602,0.3209,0.4999,0.6721)^T，其中，j∈[1,2...7]，从而可得机型排序：HE>PR>SA>SI>GN>RQ>HU，故应选择机型为HE的无人机。

Claims (1)

1.一种无人机系统健康状态测评装置，是应用于评价K个无人机的健康状态；其特征是包括：信息采集模块、信息处理模块、评价处理模块、健康状态得分显示模块和健康状态信息数据库；

所述信息采集模块利用无人机机载传感器组获取无人机在飞行过程中的飞行数据并发送给所述信息处理模块；

所述信息处理模块用于对飞行数据进行筛选处理，获得预评价数据；对所述预评价数据进行无量纲处理，获得0-1之间的标准飞行数据并发送给所述评价处理模块；

所述评价处理模块根据所设定的健康状态评估指标体系，利用熵权G1赋权方法对所述标准飞行数据进行处理，获得所述健康状态评估指标体系中各个评估指标的权重；根据所述各个评估指标的权重获得无人机系统健康状态得分并发送给所述健康状态得分显示模块用于显示；

所述健康状态信息数据库用于存储飞行评价数据、所述预评价数据、所述标准飞行数据和所述无人机系统健康状态得分；

所述健康状态评估指标体系分为三个准则层，分别为生存能力B₁，侦察性能B₂和稳定性能B₃，其重要程度排序为：B₁＞B₂＞B₃；

所述生存能力B₁包含七个评估指标，包括：巡航速度C₁₂、续航时间C₁₆、巡航高度C₁₁、实用升限C₁₇、抗损伤能力C₁₃、最小转弯半径C₁₄、最大爬升率C₁₅；即B₁＝{C₁₁,C₁₂,…,C₁₇}，其重要程度排序为：C₁₂＞C₁₆＞C₁₁＞C₁₇＞C₁₃＞C₁₄＞C₁₅；

所述侦察性能B₂包含七个评估指标，包括：发现目标能力C₂₃、识别目标能力C₂₄、信息处理与传输能力C₂₁、巡航时间C₂₆、抗敌干扰能力C₂₂、机载电子设备可靠性C₂₇、侦察高度C₂₅；

即B₂＝{C₂₁,C₂₂,…,C₂₇}，其重要程度排序为：C₂₃＞C₂₄＞C₂₁＞C₂₆＞C₂₂＞C₂₇＞C₂₅；

所述稳定性能B₃包含六个评估指标，包括：平均无故障时间C₃₁、平均修复时间C₃₂、环境适应能力C₃₃、数据链路可靠性C₃₄、有效载荷可靠性C₃₅、起降控制系统可靠性C₃₆；即B₃＝{C₃₁,C₃₂,…,C₃₆}，其重要程度排序为：C₃₁＞C₃₂＞C₃₃＞C₃₄＞C₃₅＞C₃₆；

所述熵权G1赋权方法是按如下步骤进行：

步骤1、计算健康状态评估指标体系中各评价评估指标所对应的熵权值μ_ij,k：

步骤1.1、利用式(1)获得第k个无人机的第i个准则层中第j个评估指标的特征比重h_ij,k：

$h_{ij,k}=\frac{v_{ij,k}}{\underset{k=1}{\overset{K}{\Σ}}{v}_{ij,k}}---\left(1\right)$

式(1)中，v_ij,k表示第k个无人机的第i个准则层中第j个评估指标在所述预评价数据中所对应的数据；i∈[1,2,…,L]；L表示所述健康状态评估指标体系中准则层的总数；

j∈[1,2,…,M_i]；M_i表示第i个准则层中的所有评估指标的总个数；

步骤1.2、利用式(2)获得第k个无人机的第i个准则层中第j个评估指标的熵值e_ij,k：

$e_{ij,k}=-\frac{1}{\ln K}\underset{k=1}{\overset{K}{\Σ}}{h}_{ij,k}\ln h_{ij,k}---\left(2\right)$

步骤1.3、利用式(3)获得第k个无人机的第i个准则层中第j个评估指标的熵权值μ_ij,k：

${\mathrm{\μ}}_{ij,k}=\frac{1-e_{ij,k}}{\underset{i=1}{\overset{L}{\Σ}}{M}_i-\underset{i=1}{\overset{L}{\Σ}}\underset{j=1}{\overset{M_i}{\Σ}}{e}_{ij,k}}---\left(3\right)$

步骤2、计算所述健康状态评估指标体系中相邻评估指标的重要程度：

利用式(4)获得第k个无人机的第i个准则层中第j-1个评估指标相对于第k个无人机的第i个准则层中第j个评估指标重要程度r_i(j-1),k：

$r_{i(j-1),k}=\left\{\begin{array}{cc}{\mathrm{\μ}}_{i(j-1),k}/{\mathrm{\μ}}_{ij,k}& {\mathrm{\μ}}_{i(j-1),k}\≥{\mathrm{\μ}}_{ij,k}\\ 1& else\end{array}\right.---\left(4\right)$

式(4)中，j≠1；

步骤3、计算健康状态评估指标体系中各个评估指标对准则层的权重：

步骤3.1、利用式(5)获得第k个无人机的第i个准则层中第M_i个评估指标对第i个准则层的权重

$f_{{\mathrm{iM}}_i,k}={(1+\underset{t=2}{\overset{M_i}{\Σ}}\underset{j=t}{\overset{M_i}{\Π}}{r}_{i(j-1),k})}^{-1}---\left(5\right)$

步骤3.2、利用式(6)获得第k个无人机的第i个准则层中其他M_i-1项评估指标对第i个准则层的权重f_i(j-1),k，从而获得第k个无人机的第i个准则层中第j个评估指标对第i个准则层的权重f_ij,k：

f_i(j-1),k＝r_i(j-1),kf_ij,k (6)

式(6)中，j≠1；

步骤4、计算健康状态评估指标体系中各个评估指标的权重：

步骤4.1、利用式(7)获得第k个无人机的第i个准则层的熵权μ_i,k：

${\mathrm{\μ}}_{i,k}=\underset{j=1}{\overset{M_i}{\Σ}}{\mathrm{\μ}}_{ij,k}---\left(7\right)$

步骤4.2、利用式(8)获得第k个无人机的第i-1个准则层相对于第i个准则层的重要程度r_(i-1),k：

$r_{(i-1),k}=\left\{\begin{array}{cc}{\mathrm{\μ}}_{(i-1),k}/{\mathrm{\μ}}_{i,k};& {\mathrm{\μ}}_{(i-1),k}\≥{\mathrm{\μ}}_{i,k}\\ 1;& else\end{array}\right.---\left(8\right)$

式(8)中，i≠1；

步骤4.3、利用式(9)获得第k个无人机的第L个准则层的权重C_L,k：

$C_{L,k}={(1+\underset{t=2}{\overset{L}{\Σ}}\underset{i=t}{\overset{L}{\Π}}{r}_{(i-1),k})}^{-1}---\left(9\right)$

步骤4.4、利用式(10)获得第k个无人机的其他L-1个准则层的权重C_(i-1),k，从而获得第k个无人机的第i个准则层的权重C_i,k：

C_(i-1),k＝r_(i-1),kC_i,k (10)

式(10)中，i≠1；

步骤4.5、利用式(11)获得第k个无人机的第i个准则层中第j个评估指标的权重C_ij,k：

C_ij,k＝f_ij,k×C_i,k (11)。