CN111191926B - 基于可拓不确定性量化法的装备抢修效能云评估方法 - Google Patents

Abstract

本发明公开了一种基于可拓不确定性量化法的装备抢修效能云评估方法，属于航空设备抢修技术领域，其包括以下步骤：第一步，确定装备抢修效能评估指标；第二步，构建效能评估指标体系；第三步，基于可拓层次分析法和不确定性量化法确定指标的综合权重；第四步，构建标准评价语的云模型；第五步，归一化处理指标量化值；第六步，基于可拓不确定性量化法建立底层指标的云模型；第七步，构建装备抢修效能评估模型。本发明能够对装备抢修效能进行全面合理、科学、有效地评估，为抢修作业辅助决策、抢修力量建设提供重要依据。

Description

基于可拓不确定性量化法的装备抢修效能云评估方法

技术领域

本发明涉及航空设备抢修技术领域，具体是一种基于可拓不确定性量化法的装备抢修效能云评估方法。

背景技术

据统计，现代战争中，飞机等装备的战伤与战损数量之比呈上升趋势。有效实施战场抢修，可及时补充战斗实力，是保持和提高部队持续作战能力直接、有效的最佳手段，已在实战中得到了充分验证。抢修效能指的是在规定的时间和规定的条件下，战伤装备通过抢修，能恢复到执行下次任务要求的基本功能或更多功能的能力或概率。抢修效能评估是战伤装备进行抢修决策和资源优化配置的基础，为抢修能力建设、提升抢修水平提供理论参考和技术支撑，对飞机的抢修性设计、生存力的提升等具有重要意义。

公布号为CN 106971270A的专利文献公开了一种电子装备使用适用性的评估方法，采用对人机工程、使用环境、使用任务、使用保障和使用编成等5个分项适应性的评估问题。建立5个分项适应性的层次性评估指标体系，假设每个层次的要素之间都是相互独立的，所以在考虑同层次同类要素之间相对重要性的基础上，选择基于加法规则的加权求和模型进行同层次同类要素的聚合，对于5个分项适应性的聚合，基于同样的思路也选用同样的模型。该发明能够实现对装备多个性能多个影响因素的综合分析并对其主次关系进行排序。但是，该发明对飞机装备抢修评估不具有普适性。

公布号为CN 109242318A的专利文献公开了一种飞机损伤抢修效能评估方法：A、确定飞机损伤抢修效能评估指标；B、构建效能评估指标体系；C、建立指标的可拓评价矩阵；D、计算指标的综合可拓判断矩阵；E、计算指标的可拓相对熵权值；F、得到指标的综合权重值；G、建立效能评估模型。该方法综合指标数据包含的信息和专家判断的模糊性，为计算指标权重提供了一种客观、合理的理论方法，基于可拓理论和熵权法给出了指标权重的确定方法，使得指标权重的确定更加合理、客观、科学，根据评估指标，建立了飞机损伤抢修效能评估模型，对飞机损伤抢修效能进行合理、科学、有效的评价，为其辅助决策提供重要依据。但是，该发明主要侧重考虑专家判断的模糊性，而忽略了专家决策的可信度，缺乏对认知不确定性的量化处理，实际运用不够全面，与现实情况不够吻合。

发明内容

针对上述现有评估方法中存在的问题，本发明提出一种基于可拓不确定性量化法的装备抢修效能云评估方法，对装备抢修效能进行全面、合理、科学、有效地评估，为抢修作业辅助决策、抢修力量建设提供重要依据。

为解决上述技术问题，本发明所采取的技术方案是：一种基于可拓不确定性量化法的装备抢修效能云评估方法，包括以下步骤：

S1：根据装备抢修的特点，确定评估装备抢修效能的评估指标；

S2：根据所述评估指标，构建装备抢修效能评估指标体系；

S3：根据所述装备抢修效能评估指标体系，基于可拓层次分析法和不确定性量化法，确定所述评估指标的综合权重；

S4：根据所述装备抢修效能评估指标体系，构建标准评价语的云模型；

S5：根据所述装备抢修效能评估指标体系，归一化处理指标量化值；

S6：根据所述归一化的指标量化值，基于可拓不确定性量化法，建立底层指标的云模型；

S7：根据所述底层指标的云模型，构建装备抢修效能评估模型。

进一步的，所述评估指标至少包括以下指标中的一种：装备固有性能、技术要素、人员能力、保障供应和抢修环境指标。

进一步的，步骤S3中，确定指标综合权重的方法，包括以下步骤：

S31：根据指标间的相对重要程度，通过两两比较，构造可拓区间数判断矩阵；

S32：结合专家的可信度，量化专家判断指标相对重要程度时的不确定性；

S33：集结所有指标的不确定量化可拓区间数，进行专家可信度加权求和，建立综合可拓判断矩阵；

S34：通过求解综合可拓判断矩阵的最大特征值对应的归一化特征向量，得到权重区间向量；

S35：对每一组权重区间向量分别进行层次单排序、上下级的总排序，得到指标的综合权重。

进一步的，步骤S6中，建立底层指标云模型的方法，包括以下步骤：

S61：收集底层指标的所有归一化可拓区间数，进行专家可信度加权求和，得到期望可拓区间数；

S62：对期望可拓区间数的求平均值，得到底层指标的云模型的期望；

S63：计算底层指标的所有可拓区间数比期望可拓区间数大的可能性程度，得到可能性程度向量；

S64：对可能性程度向量求绝对值，且进行专家可信度加权求和，乘以调整系数，得到底层指标云模型的熵；

S65：对可能性程度向量求平方，且进行专家可信度加权求和，得到指标关于期望的相对方差，并与熵的平方的差开平方，得到底层指标云模型的超熵。

进一步的，步骤S7中，构建装备抢修效能评估模型的方法，包括以下步骤：

S71：收集某一上级指标包含的所有下级指标的云模型、综合权重值，将所有下级指标的熵和对应的指标权重相乘，并求和，得到该上级指标的云模型的熵；

S72：将所有下级指标的期望、熵和对应指标权重相乘求和，最后除以上述步骤得到的上级指标的云模型的熵，得到该上级指标的云模型的期望；

S73：将所有下级指标的超熵、熵和对应指标权重相乘求和，最后除以前面步骤得到的上级指标的云模型的熵，得到该上级指标的云模型的超熵；

S74：重复上述步骤，从装备抢修效能评估指标体系最底层指标开始，逐层求解各级指标的云模型，直至得到指标体系最顶层评价指标的云模型；

S75：利用正向云发生器，基于钟形隶属函数，计算装备抢修效能评估云与步骤四中的标准评价云的隶属度，根据最大隶属度原则，隶属度最大值对应的标准评价云就是装备抢修效能评估云所在的区间。针对装备抢修效能评估云，通过计算3倍超熵与熵的商，得到评估结论的概念含混度。

针对装备抢修效能评估，目前的评估方法主要有：层次分析法(AnalyticHierarchy Process，AHP)、集对分析法、ADC(Availability Dependability andCapability)法、灰色理论、证据理论、云模型、神经网络等。罗九林等在《熵权-集对分析方法在抢修效能评估中的应用》(兵工自动化，2013，32(5):10-13)中利用熵权-集对分析法，构建了评估模型，并基于云理论，提出了一种效能评价方法；孙玉琳等在《基于WBS-AHP与灰色聚类的装备抢修效能评估》(火力与指挥控制，2017,42(10):34-38)中基于工作分解结构方法(Work Breakdown Structure，WBS)和AHP，建立了基于灰色聚类法的评估模型；董成喜等在《基于有色Petri网的通信装备战场抢修效能评估》(装备指挥技术学院学报，2006,17(3):112-115)中利用有色Petri网，对通信装备的战场抢修效能进行了评估；张勇等在《防空导弹武器系统抢修效能》(弹箭与制导学报，2006,26(1):531-534)中建立了防空导弹武器系统抢修效能的评估模型；刘超等在《地空导弹装备战场抢修效能评估》(四川兵工学报，2014,35(8):39-42)中基于AHP和模糊综合评估法构建了地空导弹战场抢修效能评估模型；刘亚国等在《战时陆军防空兵车辆装备抢修作业效能评估研究》(国防交通工程与技术，2013,6:1-3)中利用ADC对防空兵车辆装备进行了抢修效能评估研究。

装备抢修效能涉及装备的固有属性、抢修人员能力、技术资料、保障供应等多方面因素，评价指标既包含具体数值型的定量指标，也包含了大量的语言描述型的定性指标，在量化定性指标和评估结论时存在不确定性、模糊性和随机性。然而，现有的方法，在对定性指标量化时，仅仅是给出一个确定的数值，忽略了定性指标量化的不确定性，也未考虑专家在量化定性指标时的模糊性，使得评估结论不科学、不合理。

实际上，在通过比较指标的相对重要程度确定权重时，或者将某定性指标量化成具体数值时，都存在着认知的不确定性和模糊性。因此，把原本不确定的重要程度确定化，或把定性指标本来模糊的量明显化，或者变成毫无弹性的硬指标则不尽合理。不确定性量化(Unascertained Quantification，UQ)法是根据专家自身的知识水平(即可信度)及其意见，用未确知有理数或盲数等不确定性的量来表示专家的知识或意见的方法。云反映了定性指标量化中语言概念的不确定性。可拓学根据事物关于特征的量值来判断事物属于某集合的程度，并采用扩展到(-∞,+∞)的关联函数值能使评价精细化、定量化。将这三种方法有机结合并运用到装备抢修效能评估中，为解决评估过程中存在的不确定性问题提供了新途径。

与现有技术相比，本发明的有益效果如下：

本发明提供了一种基于可拓不确定性量化法的装备抢修效能云评估方法，根据评估指标建立了评估指标体系，基于可拓层次分析法和不确定性量化法，考虑专家的可信度及判断模糊性，建立了指标权重的确定方法，并构建了装备抢修效能评估的云模型。该方法综合考虑了效能评估过程中的认知不确定性、随机性和模糊性，实现了装备抢修效能的科学、合理评估，为抢修决策、抢修力量建设提供理论参考和技术支撑。该方法不仅可用于装备抢修效能的评估，也可用于人力资源、教学质量、评价考核等领域中。

本发明基于可拓不确定性量化法的装备抢修效能云评估方法，相对于现有技术，采用不确定性量化法和可拓层次分析法对判断指标进行量化，模糊处理，对评估过程中的认知不确定性、随机性和模糊性综合分析，评估结果更加符合实际情况，而且更加全面。

附图说明

图1示出基于可拓不确定性量化法的装备抢修效能云评估方法流程图；

图2示出基于可拓层次分析法和不确定性量化法确定指标综合权重的方法流程图；

图3示出基于可拓不确定性量化法建立指标云模型的方法流程图；

图4示出构建装备抢修效能评估模型的方法流程图；

图5示出装备抢修效能指标体系图；

图6示出装备抢修效能评估标准评价语及其云模型数字特征。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的方法是：第一步，确定装备抢修效能评估指标；第二步，构建效能评估指标体系；第三步，基于可拓层次分析法和不确定性量化法确定指标的综合权重；第四步，构建标准评价语的云模型；第五步，归一化处理指标量化值；第六步，基于可拓不确定性量化法建立底层指标的云模型；第七步，构建装备抢修效能评估模型。

如图1～5所示，本发明实施例实现上述本发明方法的具体步骤如下：

步骤1，确定装备抢修效能评估指标。

抢修效能指的是在规定的时间和规定的条件下，战伤装备通过抢修，能恢复到执行下次任务要求的基本功能或更多功能的能力或概率。

针对装备抢修的特点，从抢修的需求出发，借鉴本领域相关专家的建议，按照科学性、系统性、完备性、独立性和可操作性原则，确定装备抢修效能评估指标包括：装备固有性能、技术要素、人员能力、保障供应和抢修环境指标。其中，装备固有性能指标反映装备在设计过程中采用的利于抢修实施的一些措施，主要包括：战伤可达性、可测性、部件可换性、关键件余度设计、模块化程度、材质适应性和零件规范化等。技术要素指标反映开展损伤检测、修复的技术和方法的有效性、先进性水平，主要包括：损伤检测技术、修复技术和技术资料齐全率、利用率等。人员能力指标反映参与抢修决策、实施人员的能力水平，主要包括：评估人员能力、决策指挥人员能力和抢修人员能力等。保障供应指标反映为装备抢修提供合适的工具、设备及备件的能力水平，包括抢修工具器材及备件保障供应等。抢修环境指标反映实施抢修的环境对抢修人员能力的影响水平，包括：场地设施状况、自然环境因素等。

步骤2，根据评估指标，构建装备抢修效能评估指标体系。

以装备抢修效能为顶层指标，下设装备固有性能、技术要素、人员能力、保障供应和抢修环境等五个一级指标。装备固有性能指标包括战伤可达性、可测性、部件可换性、关键件余度设计等四个二级指标。技术要素指标包括损伤检测技术、修复技术和技术资料齐全率、利用率等四个二级指标。人员能力指标包括评估人员能力、决策指挥人员能力和抢修人员能力等三个二级指标。保障供应指标包括抢修工具器材及备件保障供应等二个二级指标。抢修环境指标包括场地设施状况、自然环境因素等二个二级指标。

步骤3，根据所述装备抢修效能评估指标体系，基于可拓层次分析法和不确定性量化法，确定所述评估指标的综合权重。

步骤31，构建可拓区间数判断矩阵。

根据所述指标体系，针对第k-1层的某一个因素或准则，将第k层与之有关的全部n_k个指标，通过T位专家，进行两两比较，利用可拓区间数定量表示指标间的相对重要程度，得到可拓区间数判断矩阵(i,j＝1,2,…,n_k；t＝1,2,…,T)，其中，/>是可拓区间数，且满足

步骤32，相对重要程度的不确定性量化。

假设第t位专家的可信度为α_t(t＝1,2,…,T)，且0≤α_t≤1。基于不确定性量化法，第i个指标相对于第j个指标的重要程度可量化为：

步骤33，建立综合可拓判断矩阵。

集结所有专家的可拓区间数判断矩阵(i,j＝1,2,…,n_k；t＝1,2,…,T)，结合专家的可信度，根据下式求得第k层的综合可拓判断矩阵。

步骤34，确定权重区间向量。

为便于计算，记上述的综合可拓判断矩阵A＝<A^-,A⁺>。分别计算A^-、A⁺的最大特征值所对应的具有正分量的归一化特征向量x^-，x⁺。

由计算

进而，得到权重区间向量为：

步骤35，确定指标的综合权重。

利用式(4)计算权重区间数比/>大的可能性程度：

若均有/>则

其中，表示第k层指标第i个因素对上级第k-1层的第h个因素的单排序，经归一化后得到第k层指标对第k-1层的第h个因素的单排序权重向量/>

重复上述步骤，得到所有的(h＝1,2,…,n_k-1)，,组成矩阵/>从而得到各指标的综合总排序权重向量为：

W^k＝P^kP^k-1...P³W² (5)

其中，W²就是上述单排序权重向量。

步骤4，根据所述装备抢修效能评估指标体系，构建标准评价语的云模型。

在装备抢修效能评估体系中，针对定性指标，用模糊的定性词语集进行表示，标准评价语的云模型的数字特征如图6所示，其中效益型指标的评语集为{很好，好，一般，差，很差}，成本型指标的评语集为{弱，较弱，一般，较强，强}。

步骤5，根据所述装备抢修效能评估指标体系，归一化处理指标量化值。

在装备抢修效能评估体系中，假设专家对定性指标采用百分制打分的方式进行评估，且分值越高，表示此指标越好。因此，对打分得到的定性指标做除以100的归一化处理。对定量指标的归一化处理方法如下：

对于效益型指标：

对于成本型指标：

其中，b_ij是归一化处理后的值，b'_ij是第i个待评对象的第j项指标原始值，分别是b'_ij的列最大值和最小值。

步骤6，根据所述归一化的指标量化值，基于可拓不确定性量化法，建立底层指标的云模型。

步骤61，确定期望可拓区间数。

根据效能评估指标体系，针对第k-1层的某一个因素或准则，构建第k层(即指标体系的最底层)与之有关的全部n_k个指标的云模型。对于定量指标，其数值即为云模型的期望，熵和超熵均为0。对于定性指标，假设(t＝1,2,…,T；j＝1,2,…,n_k)是第t位专家对第k层的第j个指标的量化的可拓区间数，则，该层第j个指标的云模型的期望可拓区间数为：

步骤62，确定指标云模型的期望。

对第j个指标的期望可拓区间数求平均，得到该指标的云模型的期望为：

步骤63，确定可能性程度向量。

利用式(4)，对于第j个指标，计算每位专家给出的可拓区间数比期望可拓区间数大的可能性程度，得到可能性程度向量：

步骤64，确定云模型的熵。

对可能性程度向量取绝对值，且进行专家可信度加权求和，乘以调整系数，得到该指标的云模型的熵：

步骤65，确定云模型的超熵。

对可能性程度向量平方，并进行专家可信度加权求和，得到该指标的相对方差：

利用相对方差和熵，得到该指标的云模型的超熵为：

步骤7，根据所述指标的云模型，构建装备抢修效能评估模型。

步骤71，确定上层级指标的云模型的熵。

根据步骤6和3，得到指标体系最底层指标的云模型参数和对应指标的权重值，进而，得到上一层级指标的云模型的熵为：

其中，n_k是第k层指标的总数，n_k-1是第k-1层指标的总数。

步骤72，确定上层指标云模型的期望。

利用下式，计算上层指标云模型的期望。

步骤73，确定上层指标云模型的超熵。

通过式(16)，计算上层指标云模型的超熵。

步骤74，得到装备抢修效能顶层指标的云模型参数。

从最底层指标开始，逐层按照上述步骤，计算每层指标的云模型，最终得到装备抢修效能顶层指标的云模型参数，设为：E_x、E_n和H_e。

步骤75，确定抢修效能评估结论。

基于钟形隶属函数，如下式所示，利用正向云发生器，计算抢修效能评估云与所有标准评价云的隶属度。

其中，j＝1,2,…,N，N是标准评价云的数量，E_j、E_nj分别是第j个标准评价云的期望和熵。

根据最大隶属度原则，最大隶属度对应的标准评价云就是抢修效能评估结论。利用式(18)，计算该抢修效能评估结论的概念含混度。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种基于可拓不确定性量化法的装备抢修效能云评估方法，其特征在于：包括以下步骤：

S1：根据装备抢修的特点，确定评估装备抢修效能的评估指标；

S2：根据所述评估指标，构建装备抢修效能评估指标体系；

S3：根据所述装备抢修效能评估指标体系，基于可拓层次分析法和不确定性量化法，确定所述评估指标的综合权重；

步骤31，构建可拓区间数判断矩阵；

根据所述指标体系，针对第k-1层的某一个因素或准则，将第k层与之有关的全部n_k个指标，通过T位专家，进行两两比较，利用可拓区间数定量表示指标间的相对重要程度，得到可拓区间数判断矩阵 其中，/>是可拓区间数，且满足

步骤32，相对重要程度的不确定性量化；

假设第t位专家的可信度为α_t(t＝1,2,…,T)，且0≤α_t≤1；基于不确定性量化法，第i个指标相对于第j个指标的重要程度可量化为：

步骤33，建立综合可拓判断矩阵；

集结所有专家的可拓区间数判断矩阵结合专家的可信度，根据下式求得第k层的综合可拓判断矩阵；

步骤34，确定权重区间向量；

为便于计算，记上述的综合可拓判断矩阵A＝<A^-,A⁺>；分别计算A^-、A⁺的最大特征值所对应的具有正分量的归一化特征向量x^-，x⁺；

由计算

进而，得到权重区间向量为：

步骤35，确定指标的综合权重；

利用式(4)计算权重区间数比/>大的可能性程度：

若均有/>则

其中，表示第k层指标第i个因素对上级第k-1层的第h个因素的单排序，经归一化后得到第k层指标对第k-1层的第h个因素的单排序权重向量/>

重复上述步骤，得到所有的组成矩阵/>从而得到各指标的综合总排序权重向量为：

W^k＝P^kP^k-1…P³W² (5)

其中，W²就是上述单排序权重向量；

S4：根据所述装备抢修效能评估指标体系，构建标准评价语的云模型；

S5：根据所述装备抢修效能评估指标体系，归一化处理指标量化值；

S6：根据所述归一化的指标量化值，基于可拓不确定性量化法，建立底层指标的云模型；

步骤61，确定期望可拓区间数；

根据效能评估指标体系，针对第k-1层的某一个因素或准则，构建第k层与之有关的全部n_k个指标的云模型；对于定量指标，其数值即为云模型的期望，熵和超熵均为0；对于定性指标，假设是第t位专家对第k层的第j个指标的量化的可拓区间数，则，该层第j个指标的云模型的期望可拓区间数为：

步骤62，确定指标云模型的期望；

对第j个指标的期望可拓区间数求平均，得到该指标的云模型的期望为：

步骤63，确定可能性程度向量；

利用式(4)，对于第j个指标，计算每位专家给出的可拓区间数比期望可拓区间数大的可能性程度，得到可能性程度向量：

步骤64，确定云模型的熵；

对可能性程度向量取绝对值，且进行专家可信度加权求和，乘以调整系数，得到该指标的云模型的熵：

步骤65，确定云模型的超熵；

对可能性程度向量平方，并进行专家可信度加权求和，得到该指标的相对方差：

利用相对方差和熵，得到该指标的云模型的超熵为：

S7：根据所述底层指标的云模型，构建装备抢修效能评估模型；

步骤71，确定上层级指标的云模型的熵；

根据步骤S6和S3，得到指标体系最底层指标的云模型参数和对应指标的权重值，进而，得到上一层级指标的云模型的熵为：

其中，n_k是第k层指标的总数，n_k-1是第k-1层指标的总数；

步骤72，确定上层指标云模型的期望；

利用下式，计算上层指标云模型的期望；

步骤73，确定上层指标云模型的超熵；

通过式(16)，计算上层指标云模型的超熵；

步骤74，得到装备抢修效能顶层指标的云模型参数；

从最底层指标开始，逐层按照上述步骤，计算每层指标的云模型，最终得到装备抢修效能顶层指标的云模型参数，设为：E_x、E_n和H_e；

步骤75，确定抢修效能评估结论；

基于钟形隶属函数，如下式所示，利用正向云发生器，计算抢修效能评估云与所有标准评价云的隶属度；

其中，j＝1,2,…,N，N是标准评价云的数量，E_j、E_nj分别是第j个标准评价云的期望和熵；

根据最大隶属度原则，最大隶属度对应的标准评价云就是抢修效能评估结论；利用式(18)，计算该抢修效能评估结论的概念含混度。

2.如权利要求1所述的基于可拓不确定性量化法的装备抢修效能云评估方法，其特征在于：所述评估指标至少包括以下指标中的一种：装备固有性能、技术要素、人员能力、保障供应和抢修环境指标。