CN109241617A - 一种基于系统分类的制导控制半实物仿真系统可信度评估方法 - Google Patents
一种基于系统分类的制导控制半实物仿真系统可信度评估方法 Download PDFInfo
- Publication number
- CN109241617A CN109241617A CN201811019945.2A CN201811019945A CN109241617A CN 109241617 A CN109241617 A CN 109241617A CN 201811019945 A CN201811019945 A CN 201811019945A CN 109241617 A CN109241617 A CN 109241617A
- Authority
- CN
- China
- Prior art keywords
- index
- simulation
- evaluation
- assessment
- guidance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 76
- 238000004088 simulation Methods 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 79
- 238000013461 design Methods 0.000 claims abstract description 16
- 230000000704 physical effect Effects 0.000 claims description 32
- 239000010410 layer Substances 0.000 claims description 28
- 238000013178 mathematical model Methods 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 6
- 238000013517 stratification Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 15
- 238000002474 experimental method Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于系统分类的制导控制半实物仿真系统可信度评估方法,属于仿真系统可信度评估技术领域。所述方法根据不同的系统类型,设计相应的性能指标和评估实验方案,适用于复杂系统可信度评估难以直接应用数据相似性分析方法的情况。该方法能够适用于多类型组合的复杂系统可信度评估;同时,该方法能够适用于数据相似性分析难以应用的情况。
Description
技术领域
本发明涉及一种基于系统分类的制导控制半实物仿真系统可信度评估方法,属于仿真系 统可信度评估技术领域。
背景技术
制导控制半实物仿真系统是一种实验设备,涉及到微波、电子、信号处理、控制、计算 机等多种学科。在制导控制半实物仿真可信度评估方面,现有研究分析了影响射频仿真系统 精度和可靠性的因素,并提出了可信度评估的基本理论体系和技术要求;涉及到可信度指标 量化算法时,现有的方法基本是保证仿真系统和真实系统输入一致的情况下,对比输出的仿 真数据与真实数据,利用数据相似性分析方法来计算可信度。
而面对制导控制半实物仿真系统这样的多元化复杂仿真系统,其结构复杂,涉及的系统 类型众多,有一些系统部分可能难以获取真实数据,或者不能保证仿真系统和真实系统输入 一致,那么就难以实现数据相似性分析的应用条件。
发明内容
本发明为了解决现有方法难以实现数据相似性分析的应用条件的问题,提出一种基于系 统分类的制导控制半实物仿真系统可信度评估方法。对于多元化的制导控制半实物仿真系统, 有些系统部分难以获取参考数据,有些系统部分难以保证与真实系统输入一致,因此依赖于 参考数据和仿真数据的相似性分析方法难以完成全面的系统可信度评估。针对这一问题,借 鉴系统性能评估方法,提出一种基于系统分类的制导控制半实物仿真系统可信度评估方法。 该方法根据不同的系统类型,设计相应的性能指标和评估实验方案,适用于复杂系统可信度 评估难以直接应用数据相似性分析方法的情况。所采取的技术方案如下:
一种基于系统分类的制导控制半实物仿真系统可信度评估方法,所述方法包括:
步骤一:利用制导控制仿真系统的组成结构,结合仿真可信度评估的目的,建立仿真系 统可信度评估总指标集,其中,所述制导控制仿真系统记为S,仿真系统可信度评估总指标 集记为:{I0i|i=1,2,…,n};
步骤二:将步骤一所述仿真系统可信度评估总指标集逐层细化,直到底层指标依靠数据 直接进行定量评估;所述仿真系统可信度评估总指标集逐层细化过程中每层指标保持相互独 立性和对上层指标表达的完整性,最终形成层次化的射频体目标制导半实物仿真可信度评估 指标体系;所述层次化的射频体目标制导半实物仿真可信度评估指标体系记为 {Ijk|j=1,2,…,m;k=1,2,…,p},其中m为子指标层数,p为单层的最大指标个数;
步骤三:将制导控制半实物仿真系统按照子系统特点,分为物理效应模拟系统、实物系 统和数学模型仿真系统三类,其中,所述物理效应模拟系统记为S1;所述实物系统记为S2; 所述数学模型仿真系统记为S3;分别针对物理效应模拟系统、实物系统和数学模型仿真系统 确定可信度评估方案;
步骤四:根据所建立的制导半实物仿真可信度评估指标体系I和相应三类子系统S1、S2、 S3的可信度评估方案,获取底层指标的定量评估计算方法映射集{Cλ:Dλ→Vλ|λ=1,2,…,Γ}, 其中Γ为底层指标个数;在保证数据质量和实验成本的最优化的前提下,根据评估计算方法 设计底层指标评估数据获取实验{Eλ|λ=1,2,…,Γ},同时建立相应的指标评估可接受准则集 {Aλ|λ=1,2,…,Γ};
步骤五:利用评估数据获取实验,获得每项底层指标所需实验数据{Dλ|λ=1,2,…,Γ}; 依据每项底层指标的计算方法映射集Cλ:Dλ→Vλ将实验数据Dλ映射为评估指标测量值或计 算值Vλ;
步骤六:采用无量纲化方法集{Mλ:(Vλ,Aλ)→Fλ|λ=1,2,…,Γ}对指标值Vλ进行无量纲化 处理,将每项底层指标值和每项底层指标值所对应的可接受准则映射为评估分值{Fλ|λ=1,2,…,Γ},Fλ∈(0,10)0;每项底层指标的无量纲化方法根据指标值特点确定函数和参 数,保证指标值到无量纲的指标分值有统一、合理的映射;
步骤七:根据层次分析法,获得指标体系各层指标的权重判断调查表,并依据调查表确 定各层指标的权重向量{Wjk|j=0,1,…,m-1;k=1,2,…,p},保证各层指标得到科学的、可靠 性高的权重分配;
步骤八:依据所得到的评估分值Fλ和权重向量Wjk,进行指标体系综合,得到最后的可 信度评估结果,所述最后的可信度评估结果记为O;记非底层指标分数集为 {Fjk|j=0,1,…,m-1;k=1,2,…,p},每个指标对应的子指标权向量集为 {Wjk|j=0,1,…,m-1;k=1,2,…,p};设每个非底层指标Fjk对应的子指标分数向量集为{Fjk|j=1,2,…,m-1;k=1,2,…,p},若指标Ijk的子指标为第j+1层的第k1个指标到第k2个 指标,则有
Fjk=Fjk×Wjk
令j依次由m取到0,得到最后系统总指标的评估分值{F0i|i=1,2,…,n},根据总指标分 值到结果的映射f:F0i→O,得到最后的评估结果O。
进一步地,步骤三针对所述物理效应模拟系统确定可信度评估方案的过程为:
所述数学模型仿真系统S1在仿真过程中在仿真计算机上完成,所述数学模型仿真系统S1的输入数据经过所述数学模型仿真系统的处理和计算,得到相应的输出数据;所述数学模型 仿真系统S1包括射频制导半实物仿真系统中的弹体与气动模型、目标运动模型或铰链力矩计 算模型;针对数学模型仿真系统采取的评估方案为:令仿真系统和真实系统在同样的条件下, 具有同样的输入,考察仿真系统输出与真实系统输出的一致性,其中,所述评估方案记为P1。
进一步地,步骤三针对所述实物系统确定可信度评估方案的过程为:
实物系统S2是与真实系统一致或与真实系统具有相同特性的实物,在仿真过程中实物系 统S2会完全模拟与真实系统一样的动态过程;所述实物系统S2包括射频制导半实物仿真系 统中的导引头、飞行转台或舵机;针对实物系统S2的可信度评估,采取的评估方案为:令仿 真系统和真实系统在同样的条件下,具有同样的输入,考察实物仿真系统输出与真实系统输 出的一致性。
进一步地,步骤三针对所述数学模型仿真系统确定可信度评估方案的过程为:
物理效应模拟系统S3是具有模拟物理效应作用的实物,在仿真过程中,将输入的数字信 号转化成物理效应,输出给相应的接收系统;所述物理效应模拟系统S3包括射频制导半实物 仿真系统中的射频目标模拟器或负载力矩模拟器;所述物理效应模拟系统S3采取的评估方案 为:设计性能评价指标的方法,考察其模拟性能,通过指标测试来评估其可信度。
本发明有益效果:
本发明提出的基于系统分类的制导控制半实物仿真系统可信度评估方法,其已经或者预 期取得的有益效果包括:
(1)本发明提出的基于系统分类的制导控制半实物仿真系统可信度评估方法,实现了一 种解决多元化复杂系统可信度评估的综合评估方法;基于系统分类的制导控制半实物仿真系 统可信度评估方法针对系统建立全面的可信度评估指标体系,全面地表达系统的各个部分, 实现从整体到局部,再从局部到整体的可信度评估过程,使可信度评估结果更为全面,更有 说服力。
(2)本发明提出的基于系统分类的制导控制半实物仿真系统可信度评估方法,将制导控 制半实物仿真系统划分为物理效应模拟系统、实物系统和数学模型仿真系统三类子系统,分 别针对三种子系统的特点设计可信度评估指标;在某些系统部分难以应用数据相似性分析方 法来进行可信度评估的情况下,基于性能指标和实验方法的设计,完成系统的综合可信度评 估。避免了苛刻的实验条件要求,提高了可信度评估工作效率。
(3)本发明提出的基于系统分类的制导控制半实物仿真系统可信度评估方法实施过程 中,给出了数据获取实验方案和指标无量纲化方法。数据获取实验方案保证了实验数据的全 面性和一般性,为评估指标的计算提供可利用依据;指标无量纲化方法充分考虑指标量纲特 征,选取合适的无量纲化方法,充分保证了各可信度评估指标合理映射到统一的无量纲区间 里。方法有利于保证可信度评估过程的合理性,减少方法实施过程中引入的计算误差。
附图说明
图1为本发明提出的基于系统分类的制导控制半实物仿真系统可信度评估方法示意图。
图2为本发明建立的制导控制半实物仿真系统可信度评估指标体系I。
图3为本发明采用的层次分析法(AHP)流程图。
具体实施方式
下面结合具体实施例对本发明做进一步说明,但本发明不受实施例的限制。
实施例1:
一种基于系统分类的制导控制半实物仿真系统可信度评估方法,所述方法包括:
步骤1:从制导控制控制仿真系统(记为S)的组成结构入手,结合仿真可信度评估的 目的,建立仿真系统可信度评估总指标集(记为{I0i|i=1,2,…,n})。
步骤2:将评估总指标逐层细化,直到底层指标可以依靠数据直接定量评估。细化过程 中每层指标要注意保持相互独立性和对上层指标表达的完整性,最终形成层次化的射频体目 标制导半实物仿真可信度评估指标体系(记为{Ijk|j=1,2,…,m;k=1,2,…,p}),其中m为 子指标层数,p为单层的最大指标个数。
步骤3:将制导控制半实物仿真系统按照子系统特点,分为物理效应模拟系统(记为S1)、 实物系统(记为S2)和数学模型仿真系统(记为S3)三类,分别给出评估方案,具体如下:
1)数学模型仿真系统S1
数学模型仿真系统S1在仿真过程中一般在仿真计算机上完成,系统的输入数据经过子系 统的处理和计算,得到相应的输出数据。如射频制导半实物仿真系统中的弹体与气动模型、 目标运动模型、铰链力矩计算模型等。
对于这类子系统的可信度评估,一般采取的评估方案(记为P1)是:令仿真系统和真实 系统在同样的条件下,具有同样的输入,考察仿真系统输出与真实系统输出的一致性。
2)实物系统S2
实物系统S2一般是与真实系统一致或与真实系统具有相同特性的实物,在仿真过程中这 类系统会完全模拟与真实系统一样的动态过程,一般可信度较高。如射频制导半实物仿真系 统中的导引头、飞行转台、舵机等。
对于这类子系统的可信度评估,一般采取的方法与数学模型子系统一样:令仿真系统和 真实系统在同样的条件下,具有同样的输入,考察实物仿真系统输出与真实系统输出的一致 性。
3)物理效应模拟系统S3
物理效应模拟系统S3一般是具有模拟物理效应作用的实物,在仿真过程中,将输入的数 字信号转化成物理效应,输出给相应的接收系统。如射频制导半实物仿真系统中的射频目标 模拟器、负载力矩模拟器等。
物理效应模拟系统一般难以获取真实数据或难以保证仿真系统与真实系统输出一致,所 以对于这类子系统的可信度评估,一般采取的方法与前两种子系统不同,其可信度评估并不 是使其在与真实系统具有相同输入的条件下考察是否具有相同的输出,而是考察其是否可以 按照数字信号描述模拟出与真实系统相同的物理效应。
这里针对此类系统采用设计性能评价指标的方法,考察其模拟性能,通过一系列指标测 试来评估其可信度。
步骤4:根据所建立的制导控制半实物仿真系统可信度评估指标体系I和相应三类子系统S1、S2、S3的可信度评估方案,设计底层指标的定量评估计算方法映射集 {Cλ:Dλ→Vλ|λ=1,2,…,Γ},其中Γ为底层指标个数。在保证数据质量和实验成本的最 优化的前提下,根据评估计算方法设计底层指标评估数据获取实验{Eλ|λ=1,2,…,Γ},同 时建立相应的指标评估可接受准则集{Aλ|λ=1,2,…,Γ}。
步骤5:利用评估数据获取实验,获得每项底层指标所需实验数据{Dλ|λ=1,2,…,Γ}。 依据每项底层指标的计算方法Cλ:Dλ→Vλ将实验数据Dλ映射为评估指标测量值或计算值Vλ。
步骤6:采用无量纲化方法映射集{Mλ:(Vλ,Aλ)→Fλ|λ=1,2,…,Γ}对指标值Vλ进行无量纲化处理,将每项底层指标值和对应的可接受准则映射为评估分值 {Fλ|λ=1,2,…,Γ},Fλ∈(0,100)。每项底层指标的无量纲化方法根据指标值特点来选取函 数和参数,保证指标值到无量纲的指标分值有统一、合理的映射。
步骤7:根据层次分析法,请领域专家填写指标体系各层指标的权重判断调查表,并依 据调查表得到各层指标的权重向量{Wjk|j=0,1,…,m-1;k=1,2,…,p},保证各层指标得 到科学的、可靠性高的权重分配。
步骤8:依据所得到的评估分值Fλ和权重向量Wjk,进行指标体系综合,得到最后的可信度评估结果(记为O)。记非底层指标分数集为{Fjk|j=0,1,…,m-1;k=1,2,…,p}, 每个指标对应的子指标权向量集为{Wjk|j=0,1,…,m-1;k=1,2,…,p}。设每个非底层指 标Fjk对应的子指标分数向量集为{Fjk|j=1,2,…,m-1;k=1,2,…,p},若指标Ijk的子 指标为第j+1层的第k1个指标到第k2个指标,则有
Fjk=Fjk×Wjk
令j依次由m取到0,得到最后系统总指标的评估分值{F0i|i=1,2,…,n},根据总指标分值到结果的映射f:F0i→O,得到最后的评估结果O。
本实施例提出的一种综合性的制导控制半实物仿真系统可信度评估方法,能够适用于多 类型组合的复杂系统可信度评估;同时,该方法能够适用于数据相似性分析难以应用的情况。
将复杂系统按照其特点进行分类,针对某些类型的子系统,以性能评估来代替数据相似 性分析为解决这一问题提供了可行的解决途径,性能评估结果来源于性能指标和实验方法的 设计,而不依赖与真实数据和仿真数据的对比。因此,基于性能指标的可信度评估方法,可 以在无法保证真实系统和仿真系统输入一致或实验数据难以获取的情况下,实现科学的、全 面的、有依据的系统可信度评估,提高了评估工作的效率。
实施例2
图1为本发明提出的基于系统分类的制导控制半实物仿真系统可信度评估方法示意图, 本发明方法的核心是在实现一个解决非单一指标的复杂系统可信度评估问题的综合评估方 法。
步骤1:从制导控制仿真系统S的组成结构入手,结合评估目的,建立评估总指标为“复 杂射频体目标制导半实物仿真可信度”。
步骤2:将评估总指标根据系统结构组成进行细化,建立具有完备性、可追溯性的复杂 射频体目标制导半实物仿真可信度评估指标体系I。考察射频制导半实物仿真系统可信度将 主要进行射频目标仿真器、导引头、飞行转台、舵机和导弹模型等方面的可信度评估。因此, 射频制导半实物仿真系统设为评估指标体系的第一层指标,即根指标I11;将射频目标仿真 器可信度、导引头及飞行转台可信度、舵机可信度以及导弹模型可信度作为复杂射频体目标 仿真可信度评估指标体系中的第二层评估指标I2j(其中i=1,2,…,5),为了可以将底层指标 的数据序列与标准序列进行比对,得出可信度评估结果,则根据第二层各评估指标I2j的系统 输出所涵盖的内容,将其进一步细分为若干层评估指标Iij(其中角标表示第i层的第j个指 标),包括导引头的测角、测速、测距数据,舵机的输出舵偏角序列和模型输出的加速度和角 加速度等,从而构成如图2所示的射频制导半实物仿真系统可信度评估指标体系I的树形结 构。
步骤3:按照系统各部分特点,将系统分成物理效应模拟系统S1、实物系统S2和数学模 型仿真系统S3三类子系统,根据三类系统不同的特点分别设计相应的可信度评估方案。针对 射频制导半实物仿真系统,属于物理效应模拟系统S1的有射频目标模拟器S11;属于实物系 统S2的有负载力矩模拟器S21、转台S22、导引头S23和舵机S24;属于数学模型仿真系统S31的有弹体模型。关于实物系统S2和数学模型仿真系统S3,适于用传统的数据相似性分析方法, 即确保仿真系统和真实系统具有一定的输入,通过比较二者输出数据相似性来判断其可信度, 常用方法包括TIC法、灰色关联法、窗谱估计法等;而关于物理效应模拟系统S1部分,由于 物理效应难以测量或难以转换为数字序列,所以限制了传统的数据相似性方法的应用。这里 采用性能评估的方案来代替数据相似性分析,对于物理效应模拟系统设计一系列性能指标, 通过对性能指标的评价来对子系统进行可信度评估。
步骤4:完整的射频制导半实物仿真系统可信度指标体系过于庞大,由于物理效应模拟 系统的特殊性,这里以射频目标模拟器中的阵列信号指标I31部分为例,展示后续步骤的具体 实施方法。
根据所建立评估指标体系,设计性能指标和底层指标评估数据获取实验,建立相应的指 标评估接收准则集,对射频目标模拟器进行评估。
阵列信号I31有三个子指标,分别为信号匹配度I41、幅相平衡度I42和辐射能量平稳度 I43,分别设计三个子指标的性能评估方法:
信号匹配度I41
拟对射频目标信号的频率进行测试,使目标阵列模拟静态目标信号,对其辐射信号频率 进行测试,将测试序列进行剔除野值等预处理后,得到其辐射频率平均值ω;与导引头接收 频率ω0作对比,得到一个相对频率偏差值
其中,λ值越接近0,表示这个指标的性能越好,反之则越差。
幅相平衡度I42
在器件校准结束后进行幅相平衡校准。测试过程分为两个步骤:
测试各个通路在未进行幅相平衡补偿时的损耗与相位,建立平衡补偿表。将平衡补偿表提 供给面阵控制机进行补偿,再次测试,验证补偿的结果是否准确。
在平衡前后进行测量得到测量结果,根据测试数据分别提取平衡后的幅度偏差λ和相位 偏差ω,与指标要求标准最大幅度偏差λ*和最大相位偏差ω*作比较,计算是否满足精度 要求。
偏差量小于0代表满足精度要求;大于0越多,代表平衡精度越差。
另外将俯仰、偏航和滚转三个子通道的幅相平衡结果分别进行分析,分析各个子通道之 间的差异性,得到统计分析数据表,分析器均值、方差、极值等数据。采取有效的措施减小 三个通道之间的整体偏差,整个系统的平衡结果将会更好,目标的仿真精度也会有所提高。
辐射能量平稳度I43
对静止目标进行模拟实验,保证期望的辐射能量为恒值。通过采集目标模拟器辐射能量 数据,对其抖动、毛刺等现象进行观察。
根据目标模拟器的输出能量数据,用数值方法求得输出能量导数的数据列,利用输出能 量导数数据列的平均值来定义辐射能量平稳度。
其中n为数列容量,Wk为辐射能量第k个数据大小。
ζ值越小则平稳度越好,反之则平稳度越差。
步骤5:根据评估指标计算方法C41,C42,C43和实验数据D41,D42,D43计算得到各底层指 标的评估指标测量值或计算值V41,V42,V43。以射频目标模拟器的辐射能量平稳度指标I43计算 为例,采集目标模拟器辐射能量数据D43,对其抖动、毛刺等现象进行考察。
使目标模拟器对不同远近的静止目标进行模拟,测量得到m组不同的辐射能量数据列 Wi={Wi(1),Wi(2),…,Wi(n)},其中i=1,2,…,m。
根据目标模拟器的输出能量数据,用数值方法求得每组输出能量导数的数据列D43,利 用输出能量导数数据列的平均值来定义辐射能量平稳度。
为了展示具体数值计算过程,取某组数据列前20个数据,得到辐射能量数据列
根据公式对辐射能量平稳度进行计算
根据每组完整辐射能量数据列,利用上述计算方法C43,对每组的辐射能量平稳度进行 计算,最后将每组平稳度计算结果取平均值,得到综合辐射能量平稳度的指标计算结果V43。
步骤6:采用相应无量纲化方法对指标值进行无量纲化处理,针对于指标体系中各子系 统的指标,运用不同的指标量化计算方法,得到每个需要量化评估的底层指标可信度值根据 指标标准化算法,将指标计算结果映射到区间[0,100]。无量纲化方法根据指标值特点和接收 准则来选取函数和参数,保证指标值到无量纲的指标分值有统一、合理的映射。指标无量纲 化表格如表1所示。
表1指标无量纲化表格
得到阵列信号的三个子指标标准化分值结果如表2所示:
表2阵列信号指标分值
步骤7:根据层次分析法,请领域专家填写指标体系各层指标的权重判断调查表,并依 据调查表得到各层指标的权重向量,保证各层指标得到科学的、可靠性高的权重分配,流程 图如附图3。
首先邀请领域专家填写影响因素相对贡献大小调查表如表3所示:
表3阵列信号影响因素相对贡献大小调查表
依据AHP应用流程最终计算得到三个子指标的权重向量,并根据权重向量和指标分值对 上层指标进行综合计算:
表4阵列信号权重向量及指标综合结果表
步骤8:类似于阵列信号I31的指标可信度评估过程,按照每个指标类别利用相应的评估 方法计算得到可信度评估结果,最终利用层次分析法加权综合完成整个射频制导半实物仿真 系统的可信度评估。即利用公式
Fjk=Fjk×Wjk
令i依次由m取到0,得到最后根指标的评估分值F01,根据根指标分值和分值到结果的映射f:F01→O,得到最后的评估结果O。
综上所述,基于系统分类的制导控制半实物仿真系统可信度评估方法不依赖于一致输入 下的真实数据和仿真数据,而是基于系统分类和性能指标的设计将数据相似性分析转化为对 性能指标的评估。针对于某些复杂系统时,该方法能够完整表达系统的各部分,并合理地对 每一部分进行针对性评估和整体综合,从而实现对复杂系统可信度的验证,并使可信度评估结 果有一点的可追溯性。
本发明提出的基于系统分类的射频制导半实物仿真可信度评估方法可以应用于多种领域 的复杂系统可信度评估,尤其是各种半实物仿真系统。例如带有转台和导引头或带有雷达、 目标模拟器的导弹相关半实物仿真可信度验证等。
虽然本发明已以较佳的实施例公开如上,但其并非用以限定本发明,任何熟悉此技术的 人,在不脱离本发明的精神和范围内,都可以做各种改动和修饰,因此本发明的保护范围应 该以权利要求书所界定的为准。
Claims (4)
1.一种基于系统分类的制导控制半实物仿真系统可信度评估方法,其特征在于,所述方法包括:
步骤一:利用制导控制仿真系统的组成结构,结合仿真可信度评估的目的,建立仿真系统可信度评估总指标集,其中,所述制导控制仿真系统记为S,仿真系统可信度评估总指标集记为:{I0i|i=1,2,…,n};
步骤二:将步骤一所述仿真系统可信度评估总指标集逐层细化,直到底层指标依靠数据直接进行定量评估;所述仿真系统可信度评估总指标集逐层细化过程中每层指标保持相互独立性和对上层指标表达的完整性,最终形成层次化的射频体目标制导半实物仿真可信度评估指标体系;所述层次化的射频体目标制导半实物仿真可信度评估指标体系记为{Ijk|j=1,2,…,m;k=1,2,…,p},其中m为子指标层数,p为单层的最大指标个数;
步骤三:将制导控制半实物仿真系统按照子系统特点,分为物理效应模拟系统、实物系统和数学模型仿真系统三类,其中,所述物理效应模拟系统记为S1;所述实物系统记为S2;所述数学模型仿真系统记为S3;分别针对物理效应模拟系统、实物系统和数学模型仿真系统确定可信度评估方案;
步骤四:根据所建立的制导半实物仿真可信度评估指标体系I和相应三类子系统S1、S2、S3的可信度评估方案,获取底层指标的定量评估计算方法映射集{Cλ:Dλ→Vλ|λ=1,2,…,Γ},其中Γ为底层指标个数;根据评估计算方法设计底层指标评估数据获取实验{Eλ|λ=1,2,…,Γ},同时建立相应的指标评估可接受准则集{Aλ|λ=1,2,…,Γ};
步骤五:利用评估数据获取实验,获得每项底层指标所需实验数据{Dλ|λ=1,2,…,Γ};依据每项底层指标的计算方法映射集Cλ:Dλ→Vλ将实验数据Dλ映射为评估指标测量值或计算值Vλ;
步骤六:采用无量纲化方法集{Mλ:(Vλ,Aλ)→Fλ|λ=1,2,…,Γ}对指标值Vλ进行无量纲化处理,将每项底层指标值和每项底层指标值所对应的可接受准则映射为评估分值{Fλ|λ=1,2,…,Γ},Fλ∈(0,100);每项底层指标的无量纲化方法根据指标值特点确定函数和参数;
步骤七:根据层次分析法,获得指标体系各层指标的权重判断调查表,并依据调查表确定各层指标的权重向量{Wjk|j=0,1,…,m-1;k=1,2,…,p};
步骤八:依据所得到的评估分值Fλ和权重向量Wjk,进行指标体系综合,得到最后的可信度评估结果,所述最后的可信度评估结果记为O;记非底层指标分数集为{Fjk|j=0,1,…,m-1;k=1,2,…,p},每个指标对应的子指标权向量集为{Wjk|j=0,1,…,m-1;k=1,2,…,p};设每个非底层指标Fjk对应的子指标分数向量集为{Fjk|j=1,2,…,m-1;k=1,2,…,p},若指标Ijk的子指标为第j+1层的第k1个指标到第k2个指标,则有
Fjk=Fjk×Wjk
令j依次由m取到0,得到最后系统总指标的评估分值{F0i|i=1,2,…,n},根据总指标分值到结果的映射f:F0i→O,得到最后的评估结果O。
2.根据权利要求1所述信度评估方法,其特征在于,步骤三针对所述物理效应模拟系统确定可信度评估方案的过程为:
所述数学模型仿真系统S1在仿真过程中在仿真计算机上完成,所述数学模型仿真系统S1的输入数据经过所述数学模型仿真系统的处理和计算,得到相应的输出数据;所述数学模型仿真系统S1包括射频制导半实物仿真系统中的弹体与气动模型、目标运动模型或铰链力矩计算模型;针对数学模型仿真系统采取的评估方案为:令仿真系统和真实系统在同样的条件下,具有同样的输入,考察仿真系统输出与真实系统输出的一致性,其中,所述评估方案记为P1。
3.根据权利要求1所述信度评估方法,其特征在于,步骤三针对所述实物系统确定可信度评估方案的过程为:
实物系统S2是与真实系统一致或与真实系统具有相同特性的实物,在仿真过程中实物系统S2会完全模拟与真实系统一样的动态过程;所述实物系统S2包括射频制导半实物仿真系统中的导引头、飞行转台或舵机;针对实物系统S2的可信度评估,采取的评估方案为:令仿真系统和真实系统在同样的条件下,具有同样的输入,考察实物仿真系统输出与真实系统输出的一致性。
4.根据权利要求1所述信度评估方法,其特征在于,步骤三针对所述数学模型仿真系统确定可信度评估方案的过程为:
物理效应模拟系统S3是具有模拟物理效应作用的实物,在仿真过程中,将输入的数字信号转化成物理效应,输出给相应的接收系统;所述物理效应模拟系统S3包括射频制导半实物仿真系统中的射频目标模拟器或负载力矩模拟器;所述物理效应模拟系统S3采取的评估方案为:设计性能评价指标的方法,考察其模拟性能,通过指标测试来评估其可信度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019945.2A CN109241617A (zh) | 2018-09-03 | 2018-09-03 | 一种基于系统分类的制导控制半实物仿真系统可信度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019945.2A CN109241617A (zh) | 2018-09-03 | 2018-09-03 | 一种基于系统分类的制导控制半实物仿真系统可信度评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241617A true CN109241617A (zh) | 2019-01-18 |
Family
ID=65059980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811019945.2A Pending CN109241617A (zh) | 2018-09-03 | 2018-09-03 | 一种基于系统分类的制导控制半实物仿真系统可信度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241617A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109918718A (zh) * | 2019-01-25 | 2019-06-21 | 沈阳无距科技有限公司 | 无人机飞行质量评估方法、装置、存储介质及电子设备 |
CN109918833A (zh) * | 2019-03-21 | 2019-06-21 | 中国空气动力研究与发展中心 | 一种数值模拟可信度的定量分析方法 |
CN110119097A (zh) * | 2019-04-08 | 2019-08-13 | 上海机电工程研究所 | 武器系统半实物仿真数据相似性检验方法 |
CN111142406A (zh) * | 2019-12-23 | 2020-05-12 | 北京机电工程研究所 | 一种半实物仿真试验中链路时延快速测定方法 |
CN111308912A (zh) * | 2020-03-15 | 2020-06-19 | 西安爱生技术集团公司 | 一种反辐射无人机制导半实物仿真系统可信度评估方法 |
CN112212735A (zh) * | 2020-09-27 | 2021-01-12 | 中国电子信息产业集团有限公司第六研究所 | 一种交互式半实物仿真试验系统 |
CN112528418A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估系统 |
CN115577318A (zh) * | 2022-09-30 | 2023-01-06 | 北京大数据先进技术研究院 | 基于半实物的数据融合评估方法、系统、设备及储存介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077456A (zh) * | 2014-07-06 | 2014-10-01 | 哈尔滨工业大学 | 空间飞行器姿态控制地面仿真系统效能评估方法 |
CN104950878A (zh) * | 2015-06-26 | 2015-09-30 | 中南大学 | 一种高速列车信息控制系统协同故障仿真系统 |
CN105260786A (zh) * | 2015-09-08 | 2016-01-20 | 哈尔滨工程大学 | 一种电力推进系统仿真可信度评估模型综合优化方法 |
CN106960065A (zh) * | 2016-01-11 | 2017-07-18 | 北京仿真中心 | 一种复杂仿真系统可信度的鲁棒评估方法及系统 |
-
2018
- 2018-09-03 CN CN201811019945.2A patent/CN109241617A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077456A (zh) * | 2014-07-06 | 2014-10-01 | 哈尔滨工业大学 | 空间飞行器姿态控制地面仿真系统效能评估方法 |
CN104950878A (zh) * | 2015-06-26 | 2015-09-30 | 中南大学 | 一种高速列车信息控制系统协同故障仿真系统 |
CN105260786A (zh) * | 2015-09-08 | 2016-01-20 | 哈尔滨工程大学 | 一种电力推进系统仿真可信度评估模型综合优化方法 |
CN106960065A (zh) * | 2016-01-11 | 2017-07-18 | 北京仿真中心 | 一种复杂仿真系统可信度的鲁棒评估方法及系统 |
Non-Patent Citations (3)
Title |
---|
YUXIAO WANG 等: "Research on credibility evaluation for radio frequency guided Hardware-In-the-Loop Simulation system", 《 2017 36TH CHINESE CONTROL CONFERENCE》 * |
王雨潇 等: "制导控制系统的多准则变权综合评估方法", 《系统仿真学报》 * |
王雨潇: "制导控制系统性能评估方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109918718A (zh) * | 2019-01-25 | 2019-06-21 | 沈阳无距科技有限公司 | 无人机飞行质量评估方法、装置、存储介质及电子设备 |
CN109918718B (zh) * | 2019-01-25 | 2023-01-10 | 沈阳无距科技有限公司 | 无人机飞行质量评估方法、装置、存储介质及电子设备 |
CN109918833B (zh) * | 2019-03-21 | 2022-10-21 | 中国空气动力研究与发展中心 | 一种数值模拟可信度的定量分析方法 |
CN109918833A (zh) * | 2019-03-21 | 2019-06-21 | 中国空气动力研究与发展中心 | 一种数值模拟可信度的定量分析方法 |
CN110119097A (zh) * | 2019-04-08 | 2019-08-13 | 上海机电工程研究所 | 武器系统半实物仿真数据相似性检验方法 |
CN111142406A (zh) * | 2019-12-23 | 2020-05-12 | 北京机电工程研究所 | 一种半实物仿真试验中链路时延快速测定方法 |
CN111142406B (zh) * | 2019-12-23 | 2023-04-07 | 北京机电工程研究所 | 一种半实物仿真试验中链路时延快速测定方法 |
CN111308912A (zh) * | 2020-03-15 | 2020-06-19 | 西安爱生技术集团公司 | 一种反辐射无人机制导半实物仿真系统可信度评估方法 |
CN112212735A (zh) * | 2020-09-27 | 2021-01-12 | 中国电子信息产业集团有限公司第六研究所 | 一种交互式半实物仿真试验系统 |
CN112528418A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估系统 |
CN112528418B (zh) * | 2020-12-18 | 2024-06-11 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估系统 |
CN115577318A (zh) * | 2022-09-30 | 2023-01-06 | 北京大数据先进技术研究院 | 基于半实物的数据融合评估方法、系统、设备及储存介质 |
CN115577318B (zh) * | 2022-09-30 | 2023-07-21 | 北京大数据先进技术研究院 | 基于半实物的数据融合评估方法、系统、设备及储存介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241617A (zh) | 一种基于系统分类的制导控制半实物仿真系统可信度评估方法 | |
CN107132516B (zh) | 一种基于深度置信网络的雷达一维距离像目标识别方法 | |
CN110245443A (zh) | 一种基于映射函数的多类型输出仿真模型可信度综合评估方法 | |
CN109635494A (zh) | 一种飞行试验与地面仿真气动力数据综合建模方法 | |
CN105334504B (zh) | 基于大边界的非线性判别投影模型的雷达目标识别方法 | |
CN110000787A (zh) | 一种超冗余机械臂的控制方法 | |
CN107958267B (zh) | 一种基于光谱线性表示的油品性质预测方法 | |
CN105629958A (zh) | 一种基于子时段mpca-svm的间歇过程故障诊断方法 | |
CN110082738B (zh) | 基于高斯混合和张量循环神经网络的雷达目标识别方法 | |
CN114004023A (zh) | 一种基于循环神经网络的飞行器气动参数辨识的方法 | |
RU2432592C1 (ru) | Моделирующий комплекс для проверки системы управления беспилотного летательного аппарата | |
CN108319776A (zh) | 基于群广义区间直觉模糊软集的仿真参数选择决策方法 | |
CN106599419B (zh) | 舰船艉流场数值仿真与风洞试验数据综合对比方法 | |
CN106939840A (zh) | 用于确定内燃机中的气体质量流量的方法和装置 | |
CN111812424A (zh) | 一种装备全系统威胁电磁环境下综合能力评估方法 | |
CN110070004A (zh) | 一种应用于深度学习的近地高光谱数据扩展方法 | |
CN105447228B (zh) | 一种地球扰动引力赋值模型适用性能评估方法 | |
CN112947080A (zh) | 一种基于场景参数变换的智能决策模型性能评估系统 | |
CN108647878B (zh) | 一种训练仿真器的可信度评估方法 | |
CN107391289A (zh) | 一种三维笔式交互界面可用性评估方法 | |
CN115101149B (zh) | 材料微观结构总能量预测方法 | |
CN115541621A (zh) | 一种基于微波扫频技术和Stacking集成模型的茶叶籽仁含水率检测方法及系统 | |
CN114348291A (zh) | 一种基于飞参数据和仿真的飞行故障诊断方法 | |
CN107292045A (zh) | 一种含阻尼结构有限元模型的复模态评估方法 | |
Jenings et al. | Novel Methodology for Comparing Student Pilot Flight Performance with Instructor Pilot Expert Ratings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
RJ01 | Rejection of invention patent application after publication |