CN111308912A - 一种反辐射无人机制导半实物仿真系统可信度评估方法 - Google Patents

Abstract

本发明涉及一种反辐射无人机制导半实物仿真系统可信度评估方法，全面分析了反辐射无人机制导半实物仿真系统的组成和误差，把复杂系统逐步细化为可以量化的误差因子，降低了可信度评估的复杂程度，使反辐射无人机制导半实物仿真系统可信度评估的结果具有说服力。

Description

一种反辐射无人机制导半实物仿真系统可信度评估方法

技术领域

本发明属于仿真系统可信度评估技术领域，尤其涉及反辐射无人机制导半实物仿真系统可信度评估方法。

背景技术

反辐射无人机系统复杂，造价昂贵，不具备回收能力，因此需要有极高的命中率。半实物仿真系统具有可重复、经济性好、灵活可控和实验数据采集方便等特点，是研制新型反辐射无人机的重要试验手段，其重要依据是半实物仿真系统是真实可信的。现有的制导半实物仿真系统采用相似性分析等手段评估，难以准确评判半实物仿真系统的可信度，对于如何提高半实物仿真系统的可信度难以给出最直接有效的方法，特别是针对反辐射无人机制导半实物仿真系统的可信度评估，还没有一种工程上可以实现的有效方法。

发明内容

要解决的技术问题

本发明为了解决现有方法难以用定量方式评估反辐射无人机制导半实物仿真系统可信度的问题，提出了一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法。

技术方案

一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，其特征在于步骤如下：

步骤1：结合反辐射无人机制导半实物仿真试验目的，建立反辐射无人机制导半实物仿真系统可信度评估体系，记为S；

步骤2：将反辐射无人机制导半实物仿真系统的误差分为系统组成误差S₁₁、传感器测量噪声与干扰误差S₁₂、仿真结果误差S₁₃三类；

步骤3：对反辐射无人机制导半实物仿真系统误差进行逐层分解，直到分解为相互独立的若干个误差因子S_ij，S_ij表示可信度评估体系中分解的第i层第j个误差因子的可信度评估结果；

步骤4：对误差因子S_ij进行可信度评估量化；关于系统组成误差S₁₁分解的误差因子采用知识库辅助量化方法；关于传感器测量噪声与干扰误差S₁₂分解的误差因子采用相似度分析方法，关于仿真结果误差S₁₃分解的误差因子采用置信区间估计方法；

步骤5：对每层误差因子相对于上一层误差的重要性进行两两比较，获取误差因子的权重判断数据，对判断矩阵进行赋值，构造误差因子的权重判断矩阵；所述的判断矩阵如下式所示：

式中，A_n表示该层误差因子判断矩阵，a_ij表示误差因子i相对误差因子j对上一层误差的重要性标度；

步骤6：对误差因子的判断矩阵进行一致性检验，以检验对反辐射无人机制导半实物仿真系统可信度评估的判断是否一致。如果满足一致性检验条件后则进行下一步，否则需要返回上一步，对误差因子的判断矩阵进行重新赋值。

步骤7：采用幂法计算判断矩阵的最大特征根和对应的特征向量，归一化后作为同层次误差因子对上层误差的相对重要性排序权值，得到每一项误差因子S_ij的指标权重W_ij；

步骤8：计算反辐射无人机制导半实物仿真系统的可信度：

。

所述的步骤3对系统误差进行第2层分解，具体如下：

把系统组成误差S₁₁分为：与真实系统组成一致的实物系统误差S₂₁、由实物组成但与真实系统组成不一致的物理效应模拟系统误差S₂₂、与真实系统组成不一致的仿真系统误差S₂₃；把传感器测量噪声与干扰S₁₂分为：传感器测量噪声S₂₄、随机干扰S₂₅、常值拉偏S₂₆；把仿真结果误差S₁₃分为：静态仿真结果误差S₂₇、动态仿真结果误差S₂₈；

实物系统S₂₁包含被动导引头S₃₁、捷联惯导装置S₃₂、机载计算机S₃₃、伺服舵机S₃₄；物理效应模拟系统S₂₂包含双转台S₃₅、微波暗室S₃₆、射频目标模拟器S₃₇；仿真模型S₂₃包含无人机六自由度非线性动力学运动学模型S₃₈、气动模型S₃₉、发动机与螺旋桨模型S_3,10、无人机与目标相对运动模型S_3,11、动静压传感器模型S_3,12；

传感器测量噪声S₂₄分为动静压传感器测量噪声S_3,13、导引头测量噪声S_3,14；随机干扰S₂₅分为常值风干扰S_3,15；常值拉偏S₂₆分为舵效拉偏S_3,16、转动惯量拉偏S_3,17；

静态仿真结果S₂₇包含脱靶量S_3,18和命中角S_3,19；动态仿真结果S₂₈包含姿态角S_3,20、姿态角速度S_3,21、速度S_3,22、舵机角度S_3,23和制导参数S_3,14。

所述的步骤4具体如下：

进一步地，对系统组成误差S₁₁分解的误差因子采用知识库辅助量化方法：真实系统的可信度评估分值≥0.9，物理效应模拟系统的可信度评估分值介于0.7～0.9，仿真系统的可信度评估分值介于0.6～0.95；

进一步地，传感器测量噪声与干扰误差S₁₂分解的误差因子采用相似度分析方法：真实打靶或飞行试验中采集到的噪声或者干扰信号，其平均频率记为ω，其平均幅值记为λ，将其注入到半实物仿真模型中，测量半实物仿真输出的信号，其平均频率记为ω′，其平均幅值记为λ′；计算

则误差因子可信度评估分值为p_λ·p_ω；

进一步地，仿真结果误差S₁₃采用置信区间估计方法：重复进行n次反辐射无人机制导半实物仿真试验，得到误差因子中仿真结果的样本：X′＝(x′₁,x′₂,…x′_n)，记X′∈N′(μ′,σ′²)，对样本进行统计处理，其中

构造仿真结果的置信区间，在给定的置信概率1-ɑ下，对μ′和σ′²进行置信区间估计：

一般取置信度为95％，计

以真实试验数据为样本，得到真实结果的样本：X＝(x₁,x₂,…x_m)，记X∈N(μ,σ²)，对样本进行统计处理，其中

对μ和σ²进行置信区间估计：

一般取置信度为95％；计

计算

仿真结果的可信度评估分值为p_μ·p_σ。

所述的步骤5误差因子的权重依据反辐射无人机制导半实物仿真系统的试验目的：如果仿真过程中不涉及某项误差因子的改变，则其权重取值为1；将仿真过程涉及到改变的误差因子的相对重要程度分为9级；如果该误差因子是试验原因或试验结果，则其重要程度为9级；如果某误差因子在仿真过程中改变，则其相对重要级别为5级；同为改变的误差因子，如果相对重要则其相对重要级别为7级，如果相对次要则其相对重要级别为3级。重要性标度a_ij为两两误差因子权重取值的比。

所述的步骤6中当满足以下公式，则满足一致性检验条件，否则需要对判断矩阵重新赋值：

式中：λ_max为判断矩阵最大特征根，n为判断矩阵阶数，RI为随机一致性指标；

进一步地，对于n阶的判断矩阵A_n，如果不满足一致性检验条件，则采用降阶法去掉误差因子i＝(1,2,…n)，对判断矩阵A_n-1进行一致性检验，直到找到导致一致性检验不满足的误差因子i，对误差因子i的相对重要级别下降1级，构造新的判断矩阵A′_n。

有益效果

本发明提出的基于系统误差的反辐射无人机制导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)全面分析了反辐射无人机制导半实物仿真系统的组成和误差，把复杂系统逐步细化为可以量化的误差因子，降低了可信度评估的复杂程度，使反辐射无人机制导半实物仿真系统可信度评估的结果具有说服力。

(2)基于系统误差的可信度评估方法，对反辐射无人机制导半实物仿真系统中较大误差源具有明显的辨识功能，对于如何消除误差和提高试验可信度具有积极的作用。

(3)在工程研制阶段，武器装备的技术状态可能会随时变更，应用本方法能避免可信度重新评估过程中的复杂性和重复性，仅对相关的误差因子进行修正，可快速得到可信度评估数据，并能对修正的误差因子进行可信度对比，提高可信度评估的工作效率。

附图说明

图1为本发明提出的一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法流程框图。

图2为本发明实施例建立的反辐射无人机制导半实物仿真系统组成示意图。

图3为本发明实施例建立的反辐射无人机制导半实物仿真系统可信度评估体系。

具体实施方式

现结合实施例、附图对本发明作进一步描述：

实施例：本实施例提出针对某型反辐射无人机，进行基于系统误差的半实物仿真系统可信度评估，所述方法包括：

步骤一：结合反辐射无人机制导半实物仿真试验目的，建立反辐射无人机制导半实物仿真系统可信度评估体系，记为S。

步骤二：将反辐射无人机制导半实物仿真系统的误差分为系统组成误差、传感器测量噪声与干扰、仿真结果误差三类，所述系统组成误差记为S₁₁，所述传感器测量噪声与干扰误差记为S₁₂，所述仿真结果误差记为S₁₃。

步骤三：对反辐射无人机制导半实物仿真系统误差进行逐层分解，直到分解为相互独立的若干个误差因子S_ij，S_ij表示可信度评估体系中分解的第i层第j个误差因子的可信度评估结果。

进一步地，在本发明的步骤三中，反辐射无人机制导半实物仿真系统的组成如图2所示，无人机飞行数学模型采用六自由度非线性动力学运动学模型，通过射频目标模拟系统模拟静止的目标，目标模拟系统和导引头均置于微波暗室，三轴转台模拟无人机姿态运动，其中一台安装导引头，另一台安装捷联惯导装置，这两台三轴转台同步跟踪运动。仿真计算机实时解算无人机运动学动力学模型，输出无人机和目标的各类参数数据，实时控制三轴转台和目标模拟系统工作，并对整个半实物仿真系统进行管理与调度。

具体地，对系统误差进行第2层分解。把系统组成误差S₁₁分为：与真实系统组成一致的实物系统误差S₂₁、由实物组成但与真实系统组成不一致的物理效应模拟系统误差S₂₂、与真实系统组成不一致的仿真系统误差S₂₃；把传感器测量噪声与干扰S₁₂分为：传感器测量噪声S₂₄、随机干扰S₂₅、常值拉偏S₂₆；把仿真结果误差S₁₃分为：静态仿真结果误差S₂₇、动态仿真结果误差S₂₈。

实物系统S₂₁包含被动导引头S₃₁、捷联惯导装置S₃₂、机载计算机S₃₃、伺服舵机S₃₄；物理效应模拟系统S₂₂包含双转台S₃₅、微波暗室S₃₆、射频目标模拟器S₃₇；仿真模型S₂₃包含无人机六自由度非线性动力学运动学模型S₃₈、气动模型S₃₉、发动机与螺旋桨模型S_3,10、无人机与目标相对运动模型S_3,11、动静压传感器模型S_3,12。

传感器测量噪声S₂₄主要为动静压传感器测量噪声S_3,13、导引头测量噪声S_3,14；随机干扰S₂₅主要为常值风干扰S_3,15；常值拉偏S₂₆包括：舵效拉偏S_3,16、转动惯量拉偏S_3,17。

静态仿真结果S₂₇主要是最终仿真结果，包含脱靶量S_3,18和命中角S_3,19；动态仿真结果S₂₈是仿真过程数据，主要包含姿态角S_3,20、姿态角速度S_3,21、速度S_3,22、舵机角度S_3,23和制导参数S_3,14。

步骤四：对步骤三中可信度评估体系S分解的最底层误差因子S_ij进行可信度评估量化打分。关于系统组成误差S₁₁分解的误差因子采用知识库辅助量化方法；关于传感器测量噪声与干扰误差采用相似度分析方法，关于仿真结果采用置信区间估计方法。

进一步地，在本发明的步骤四中，对系统组成误差S₁₁分解的误差因子采用知识库辅助量化方法，真实系统的可信度评估分值≥0.9，物理效应模拟系统的可信度评估分值介于0.7～0.9，仿真系统的可信度评估分值介于0.6～0.95。

具体地，在本发明的步骤四中，由于系统组成复杂，分别以真实系统S₂₁中的捷联惯导装置S₃₂、物理效应模拟系统S₂₂中的射频目标模拟器S₃₇、仿真模型S₂₃中的气动模型S₃₉为例进行知识库辅助量化方法。

捷联惯导装置S₃₂可设计以下的可信度评估原则：

(1)如果采用经实际打靶试验验证过的同型捷联惯导装置，且该捷联惯导装置进行了实际飞行试验，则捷联惯导装置S₃₂可信度评估分值为0.99；

(2)如果采用经实际打靶试验验证过的同型捷联惯导装置，但该捷联惯导装置未进行实际飞行试验，则捷联惯导装置S₃₂可信度评估分值为0.98；

(3)如果采用未经实际打靶试验但进行了实际飞行试验的捷联惯导装置，则捷联惯导装置S₃₂可信度评估分值为0.95；

(4)如果采用未经实际打靶试验也未经实际飞行试验的捷联惯导装置，则捷联惯导装置S₃₂可信度评估分值为0.90；

射频目标模拟器S₃₇可设计以下的可信度评估原则：

(1)如果采用经实际打靶试验验证过的射频目标模拟器，则射频目标模拟器S₃₇可信度评估分值为0.9；

(2)如果采用经实际飞行试验验证过的射频目标模拟器，则射频目标模拟器S₃₇可信度评估分值为0.8；

(3)如果采用基于原有型号局部修改后的射频目标模拟器，则射频目标模拟器S₃₇可信度评估分值为0.7。

气动模型S₃₉可设计以下的可信度评估原则：

(1)如果采用经实际打靶试验验证过的气动模型，则气动模型S₃₉可信度评估分值为0.95；

(2)如果采用经实际飞行试验验证过的气动模型，则气动模型S₃₉可信度评估分值为0.9；

(3)如果采用经风洞试验验证过的气动模型，则气动模型S₃₉可信度评估分值为0.8；

(4)如果采用基于原有型号局部修改后的气动模型，则气动模型S₃₉可信度评估分值为0.7；

(5)如果采用基于理论推导的气动模型，则气动模型S₃₉可信度评估分值为0.6。

具体地，在本发明的步骤四中，由于传感器测量与干扰S₁₂比较复杂，以传感器测量噪声S₂₄中的导引头测量噪声S_3,14为例进行相似度可信度评估。

导引头在真实打靶或飞行试验中可以采集到真实的导引头测量信号，其平均频率记为ω，其平均幅值记为λ，把真实的导引头测量信号加注到半实物仿真模型中，测量导引头半实物仿真输出的信号，其平均频率记为ω＇，其平均幅值记为λ＇。计算

导引头测量噪声S_3,14可信度评估分值为p_λ·p_ω。

具体地，在本发明的步骤四中，仿真结果S₁₃可通过蒙特卡洛试验进行定量的误差统计分析，以静态仿真结果S₂₇中的脱靶量S_3,18为例，采用置信区间的可信度评估。

在脱靶量的可信度评估中，重复进行n次反辐射无人机制导半实物仿真打靶试验，得到脱靶量仿真结果的样本：X′＝(x′₁,x′₂,…x′_n)，记X′∈N′(μ′,σ′²)，对样本进行统计处理，其中

构造脱靶量的置信区间，在给定的置信概率1-ɑ下，对μ′和σ′²进行置信区间估计：

一般取置信度为95％，计

以真实攻击型无人机打靶试验数据为样本，得到脱靶量真实结果的样本：X＝(x₁,x₂,…x_m)，记X∈N(μ,σ²)，对样本进行统计处理，其中

对μ和σ²进行置信区间估计：

一般取置信度为95％。计

计算

脱靶量S_3,18可信度评估分值为p_μ·p_σ。

步骤五：对每层误差因子相对于上一层误差的重要性进行两两比较，获取误差因子的权重判断数据，对判断矩阵进行赋值，构造误差因子的权重判断矩阵。判断矩阵如下式所示：

式中，A_n表示该层误差因子判断矩阵，a_ij表示误差因子i相对误差因子j对上一层误差的重要性标度。

表1指数标度法取值

进一步地，误差因子的权重依据反辐射无人机制导半实物仿真系统的试验目的。如果仿真过程中不涉及某项误差因子的改变，则其权重取值为1。将仿真过程涉及到改变的误差因子的相对重要级别分为9级，如表1按照指数标度法取值，如果该误差因子是试验原因或试验结果，则其重要程度为9级，其权重取值为9；如果某误差因子在仿真过程中改变，则其相对重要级别为5级，其权重取值为3.387；同为改变的误差因子，如果相对重要则其相对重要级别为7级，其权重取值为5.515，如果相对次要则其相对重要级别为3级，其权重取值为2.080。重要性标度a_ij为两两误差因子权重取值的比。

具体地，以反辐射无人机制导半实物仿真系统验证真实导引头测量噪声对脱靶量影响的试验为例，则试验原因为引入真实导引头测量噪声，其相对重要级别为9级，权重取值为9；试验结果为脱靶量，其相对重要级别为9级，权重取值为9；仿真中改变的误差因子为制导参数，其相对重要级别为5级，权重取值为3.387；其他未涉及的误差因子，其相对重要级别均为0级，权重取值为1。

步骤六：对误差因子的判断矩阵进行一致性检验，以检验对反辐射无人机制导半实物仿真系统可信度评估的判断是否一致。如果满足一致性检验条件后则进行下一步，否则需要返回上一步，对误差因子的判断矩阵进行重新赋值。

进一步地，在步骤六中，当满足以下公式，则满足一致性检验条件，否则需要对判断矩阵重新赋值。

式中：λ_max为判断矩阵最大特征根，n为判断矩阵阶数，RI为随机一致性指标，取值如下表所示。

表2随机一致性指标

阶数	1	2	3	4	5	6	7	8	9	10	11
												RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45	1.49	1.51

进一步地，对于n阶的判断矩阵A_n，如果不满足一致性检验条件，则采用降阶方式去掉误差因子i＝(1,2,…n)，对判断矩阵A_n-1进行一致性检验，直到找到导致一致性检验不满足的误差因子i，对误差因子i的重要程度下降1级，构造新的判断矩阵A_n′。

步骤七：采用幂法计算判断矩阵的最大特征根和对应的特征向量，归一化后作为同层次误差因子对上层误差的相对重要性排序权值，得到每一项误差因子S_ij的指标权重W_ij。

步骤八：计算反辐射无人机制导半实物仿真系统的可信度：

综上所述：该基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，对复杂的半实物仿真系统的可信度评估进行了逐层分解，用清晰的可信度评估思路和合理的评估步骤，解决了复杂的反辐射无人机制导半实物仿真系统不能准确进行可信度量化评估和可信度评估对比的问题。

本发明提出的一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，可以应用到多种领域的复杂半实物仿真系统中，特别是制导半实物仿真系统。针对处于工程研制阶段的装备，技术状态可能会随时发生变化，采用该方法可以避免重复性的工作，能快速得到需要重新评估的可信度评估结果，提高了可信度评估的工作效率。

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 (5)

1.一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，其特征在于步骤如下：

步骤1：结合反辐射无人机制导半实物仿真试验目的，建立反辐射无人机制导半实物仿真系统可信度评估体系，记为S；

步骤2：将反辐射无人机制导半实物仿真系统的误差分为系统组成误差S₁₁、传感器测量噪声与干扰误差S₁₂、仿真结果误差S₁₃三类；

步骤3：对反辐射无人机制导半实物仿真系统误差进行逐层分解，直到分解为相互独立的若干个误差因子S_ij，S_ij表示可信度评估体系中分解的第i层第j个误差因子的可信度评估结果；

步骤4：对误差因子S_ij进行可信度评估量化；关于系统组成误差S₁₁分解的误差因子采用知识库辅助量化方法；关于传感器测量噪声与干扰误差S₁₂分解的误差因子采用相似度分析方法，关于仿真结果误差S₁₃分解的误差因子采用置信区间估计方法；

步骤5：对每层误差因子相对于上一层误差的重要性进行两两比较，获取误差因子的权重判断数据，对判断矩阵进行赋值，构造误差因子的权重判断矩阵；所述的判断矩阵如下式所示：

式中，A_n表示该层误差因子判断矩阵，a_ij表示误差因子i相对误差因子j对上一层误差的重要性标度；

步骤6：对误差因子的判断矩阵进行一致性检验，以检验对反辐射无人机制导半实物仿真系统可信度评估的判断是否一致。如果满足一致性检验条件后则进行下一步，否则需要返回上一步，对误差因子的判断矩阵进行重新赋值。

步骤7：采用幂法计算判断矩阵的最大特征根和对应的特征向量，归一化后作为同层次误差因子对上层误差的相对重要性排序权值，得到每一项误差因子S_ij的指标权重W_ij；

步骤8：计算反辐射无人机制导半实物仿真系统的可信度：

2.根据权利要求1所述的一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，其特征在于所述的步骤3对系统误差进行第2层分解，具体如下：

把系统组成误差S₁₁分为：与真实系统组成一致的实物系统误差S₂₁、由实物组成但与真实系统组成不一致的物理效应模拟系统误差S₂₂、与真实系统组成不一致的仿真系统误差S₂₃；把传感器测量噪声与干扰S₁₂分为：传感器测量噪声S₂₄、随机干扰S₂₅、常值拉偏S₂₆；把仿真结果误差S₁₃分为：静态仿真结果误差S₂₇、动态仿真结果误差S₂₈；

实物系统S₂₁包含被动导引头S₃₁、捷联惯导装置S₃₂、机载计算机S₃₃、伺服舵机S₃₄；物理效应模拟系统S₂₂包含双转台S₃₅、微波暗室S₃₆、射频目标模拟器S₃₇；仿真模型S₂₃包含无人机六自由度非线性动力学运动学模型S₃₈、气动模型S₃₉、发动机与螺旋桨模型S_3,10、无人机与目标相对运动模型S_3,11、动静压传感器模型S_3,12；

传感器测量噪声S₂₄分为动静压传感器测量噪声S_3,13、导引头测量噪声S_3,14；随机干扰S₂₅分为常值风干扰S_3,15；常值拉偏S₂₆分为舵效拉偏S_3,16、转动惯量拉偏S_3,17；

静态仿真结果S₂₇包含脱靶量S_3,18和命中角S_3,19；动态仿真结果S₂₈包含姿态角S_3,20、姿态角速度S_3,21、速度S_3,22、舵机角度S_3,23和制导参数S_3,14。

3.根据权利要求1所述的一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，其特征在于所述的步骤4具体如下：

进一步地，对系统组成误差S₁₁分解的误差因子采用知识库辅助量化方法：真实系统的可信度评估分值≥0.9，物理效应模拟系统的可信度评估分值介于0.7～0.9，仿真系统的可信度评估分值介于0.6～0.95；

进一步地，传感器测量噪声与干扰误差S₁₂分解的误差因子采用相似度分析方法：真实打靶或飞行试验中采集到的噪声或者干扰信号，其平均频率记为ω，其平均幅值记为λ，将其注入到半实物仿真模型中，测量半实物仿真输出的信号，其平均频率记为ω′，其平均幅值记为λ′；计算

则误差因子可信度评估分值为p_λ·p_ω；

进一步地，仿真结果误差S₁₃采用置信区间估计方法：重复进行n次反辐射无人机制导半实物仿真试验，得到误差因子中仿真结果的样本：X′＝(x′₁，,x′₂，…x′_n)，记X′∈N′(μ′,σ′²)，对样本进行统计处理，其中

构造仿真结果的置信区间，在给定的置信概率1-ɑ下，对μ′和σ′²进行置信区间估计：

一般取置信度为95％，计

以真实试验数据为样本，得到真实结果的样本：X＝(x₁,x₂,…x_m)，记X∈N(μ,σ²)，对样本进行统计处理，其中

对μ和σ²进行置信区间估计：

一般取置信度为95％；计

计算

仿真结果的可信度评估分值为p_μ·p_σ。

4.根据权利要求1所述的一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，其特征在于所述的步骤5误差因子的权重依据反辐射无人机制导半实物仿真系统的试验目的：如果仿真过程中不涉及某项误差因子的改变，则其权重取值为1；将仿真过程涉及到改变的误差因子的相对重要程度分为9级；如果该误差因子是试验原因或试验结果，则其重要程度为9级；如果某误差因子在仿真过程中改变，则其相对重要级别为5级；同为改变的误差因子，如果相对重要则其相对重要级别为7级，如果相对次要则其相对重要级别为3级。重要性标度a_ij为两两误差因子权重取值的比。

5.根据权利要求1所述的一种基于系统误差的反辐射无人机制导半实物仿真系统可信度评估方法，其特征在于所述的步骤6中当满足以下公式，则满足一致性检验条件，否则需要对判断矩阵重新赋值：

式中：λ_max为判断矩阵最大特征根，n为判断矩阵阶数，RI为随机一致性指标；

进一步地，对于n阶的判断矩阵A_n，如果不满足一致性检验条件，则采用降阶法去掉误差因子i＝(1,2,…n)，对判断矩阵A_n-1进行一致性检验，直到找到导致一致性检验不满足的误差因子i，对误差因子i的相对重要级别下降1级，构造新的判断矩阵A′_n。

Images