CN111813086A - 一种基于模型的无人系统自主性评估方法 - Google Patents
一种基于模型的无人系统自主性评估方法 Download PDFInfo
- Publication number
- CN111813086A CN111813086A CN202010682056.5A CN202010682056A CN111813086A CN 111813086 A CN111813086 A CN 111813086A CN 202010682056 A CN202010682056 A CN 202010682056A CN 111813086 A CN111813086 A CN 111813086A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- index system
- level
- autonomous
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于模型的无人系统自主性评估方法,包括以下步骤:步骤S100:预审自主性评估资料是否达到评估要求,对于达到评估要求的评估资料中不同量纲的指标进行归一化处理;步骤S200:基于层次分析法将评估资料中各指标划分为一级指标和二级指标,之后分别对一级指标和二级指标配置指标权重;步骤S300:构建如下式的无人系统自主性评估的闭环模型;步骤S400:根据模型得出综合得分。该方法能实现综合考虑实际应用中不同工况下无人系统的共性问题和个性问题,同时克服了自主技术实现难题,提高了无人系统自主性评估的科学性和实用性。
Description
技术领域
本申请涉及一种基于模型的无人系统自主性评估方法,属于无人系统领域。
背景技术
无人系统与有人系统的显著区别在于无人系统的自主性,由于无人系统的工作环境大多是危险且遥远的复杂环境,因此提高无人系统的自主性来应对复杂的工作环境,完成复杂任务,实现无人系统的自主作业能力,显得尤为重要。
目前众多机构致力于研究无人系统自主性评估方法和标准,服务于无人系统政策的制定者和决策者,以及无人系统的研发者和使用用户。
纵观国内外文献中无人系统的自主性评估方法,可以统筹为无人系统的自主能力等级法评估和公式化评估。Sheridan是等级法的首位提倡者,随后NASA提出了一个精简的六个级别的自主等级。美国OSD提出以时间为横轴,以自主等级为纵轴,在二维坐标系中可以清晰地表征出在特定时内该无人系统所达到的自主能力。
H.M.Huang提出了三维坐标法,将系统自主性评价的环境复杂性、外界依赖程度、任务复杂性这三个主要方面分别作为xyz轴。王越超提出了一种普适性的评估模型“蛛网模型”对无人系统自主性进行评价。这种模型通过确定不同类型无人系统评价模型中纬线和经线的数量和数值,综合处理经线的互耦合、高纬度、多样性等因素,对无人系统自主性评价具有重要的参考价值。
现有无人系统自主性评估方法,针对不同应用场景,给出相应的专业评估方法,各评估方法适用范围有限,不同的对象需要单独重新确定评估方法,评估步骤繁琐,同时所得评估结果无法定量地衡量出在实际应用中无人系统的自主能力。
发明内容
本申请提供了一种基于模型的无人系统自主性评估方法,该方法用于解决现有技术中存在的评估方法受限于应用场景,缺乏通用性定量的评估方法的技术问题。
本申请提供了一种基于模型的无人系统自主性评估方法,包括以下步骤:
步骤S100:预审自主性评估资料是否达到评估要求,对于达到评估要求的评估资料中不同量纲的指标进行归一化处理;
步骤S200:基于层次分析法将评估资料中各指标划分为一级指标和二级指标,之后分别对一级指标和二级指标配置指标权重;
步骤S300:构建如下式的无人系统自主性评估的闭环模型:
式中,m是一级指标体系的数目,ni是第i个一级指标体系中细分为二级指标体系的数目,θi是各一级指标体系中对应的权值,满足是在第i个一级指标体系中二级指标体系中所对应的权值,满足g(x)是自主性需求下的评估得分,h(x)为自主技术反馈;
步骤S400:把各指标项的加权得分作为所述闭环模型中指数函数的底数,对于指标项目加权得分不大于1分的记作0分,将自主技术成熟度得分作为指数函数的指数,根据期望和实际评估自主能力间的差距,以及自主技术反馈与实际无人系统落地部署间的差距e调节自主需求x,其中k(e)是关于误差e的操作,δ是正整数,e0是获得最大自主能力以及最大自主技术水平的最优误差,得到g(x+k(e))是可调节自主需求下的评估得分,h(x+k(e))是可调节自主需求下的自主技术反馈,得到无人系统自主性评估结果f(x)。
优选地,所述步骤S200包括以下步骤:
步骤S210:基于层次分析法将无人系统自主能力评估作为目标层A,将一级指标体系作为准则层B,将各一级指标体系下的二级指标体系作为方案层C;
步骤S230:根据各判断矩阵最大特征值λmax,计算一致性指标CI与平均随机一致性指标RI,然后相应地计算出一致性比率CR,并进行一致性检验;
对于通过一致性检验的判断矩阵判断矩阵确定各指标体系下的权重,并进行总层次一致性检验,若CR≤0.1,则确定最终各指标项的权重,即θi是各一级指标体系中对应的权值,满足θij是在第i个一级指标体系中二级指标体系中所对应的权值,满足
优选地,所述步骤S300中构建无人系统自主性评估的闭环模型包括以下步骤:
步骤S310:根据无人系统服务对象的职能需求,分析出对无人系统安全、决策、规划、调配、执行、交互、感知和认知八个层面的自主需求,以及自主技术反馈需求;
步骤S320:根据步骤S310获得的自主性需求,将无人系统自主性需求指标划分为安全指标体系、决策指标体系、规划指标体系、调配指标体系、执行指标体系、交互指标体系、感知指标体系和认知指标体系,并量化各个指标体系的得分细则;
步骤S330:根据步骤S320获得的指标体系,采用层次分析法配置相应指标体系的权重,根据步骤S310:中的自主技术反馈需求,描述不同等级中自主技术水平所处的实际状态,量化不同技术等级的得分,并构建所述无人系统自主性评估的闭环模型。
优选地,所述步骤S320:中所得指标体系均为一级指标体系,根据指标体系的度量需求,在一级指标体系中,分类得到二级指标体系。
优选地,所述安全指标体系包括保密性、抗干扰、反侦察和事故防控四个指标项;决策指标体系包括决策可行性、可靠性、有效性和效能指标项;规划指标体系包括运动规划、任务满足度、资源利用率、和规划算法性能指标项。
优选地,所述调配指标体系包括权限调配、配合度、可行性和可靠性指标项。执行指标体系包括执行效果、执行效率、执行难度和复杂度指标项;交互指标体系包括状态可视化、人机配合度、协同交互和集群交互指标项。
优选地,所述感知指标体系包括导航感知、任务感知、系统健康感知和操作感知指标项;认知指标体系包括环境认知、感官认知、情感认知和语言认知指标项。
本申请能产生的有益效果包括:
1)本申请所提供的基于模型的无人系统自主性评估方法,通过构建无人系统自主性评估模型,该模型可适用于不同应用场景,能简便地衡量无人系统的自主性能是否到达预期目标。该方法能实现综合考虑实际应用中不同工况下无人系统的共性问题和个性问题,同时克服了自主技术实现难题,提高了无人系统自主性评估的科学性和实用性。
2)本申请所提供的基于模型的无人系统自主性评估方法,与现有无人系统自主性评估方法相比,本申请提供方法首先对数据进行归一化处理,之后分别构建目标层,并分别对各目标层构建判断矩阵,并计算出各个判断矩阵的最大特征值以及特征向量,并采用从面向客户的角度出发,按需设计指标体系和自主技术反馈,搭建了一种关于无人系统自主性评估的模型,实现快速、准确、闭环输出无人系统的自主性评估结果。
附图说明
图1为本申请提供的基于模型的无人系统自主性评估方法流程示意图;
图2是本申请提供的无人系统自主性评估的模型;
图3是本申请提供的无人系统自主性评估的对象;
图4是本申请提供的无人系统自主性评估的自主需求;
图5是本申请提供的无人系统自主性评估的指标体系;
图6是本申请提供的无人系统自主性评估的量化模型;
图7是本申请提供方法中采用的NASA技术成熟度等级(TRL);
图8是本申请一具体实施例中所用无人系统自主性评估的流程图;
具体实施方式
下面结合实施例详述本申请,但本申请并不局限于这些实施例。
参见图1,本申请提供的基于模型的无人系统自主性评估方法,包括以下步骤:
步骤S100:预审自主性评估资料是否达到评估要求,对于达到评估要求的评估资料中不同量纲的指标进行归一化处理;
步骤S200:基于层次分析法将评估资料中各指标划分为一级指标和二级指标,之后分别对一级指标和二级指标配置指标权重;
步骤S300:构建如下式的无人系统自主性评估的闭环模型:
式中,m是一级指标体系的数目,ni是第i个一级指标体系中细分为二级指标体系的数目,θi是各一级指标体系中对应的权值,满足θij是在第i个一级指标体系中二级指标体系中所对应的权值,满足g(x)是自主性需求下的评估得分,h(x)为自主技术反馈;
步骤S400:把各指标项的加权得分作为所述闭环模型中指数函数的底数(对于指标项目加权得分不大于1分的记作0分),将自主技术成熟度得分作为指数函数的指数,根据期望和实际评估自主能力间的差距,以及自主技术反馈与实际无人系统落地部署间的差距e调节自主需求x,其中k(e)是关于误差e的操作,δ是正整数,e0是获得最大自主能力以及最大自主技术水平的最优误差,得到g(x+k(e))是可调节自主需求下的评估得分,h(x+k(e))是可调节自主需求下的自主技术反馈,得到无人系统自主性评估结果f(x)。
本申请提供方法通过将自主性评估资料各项指标归一化后,并分类为一级指标、二级指标,并分别对一级、二级指标配置权重后,通过所构建模型进行分析即可得出评估结果,评估方法简便,且适用范围广,能适用于各类无人系统的评估,无需反复构建模型,提高评估效率及准确性。
本申请专利在NASA技术准备水平的基础上,阶段性描述了不同等级中自主技术水平所处的实际状态,量化了不同技术等级的得分情况h(x),该反馈采用自主技术成熟度等级有助于管理无人系统技术开发和转变所做的决策。
对于步骤S100中对于未达到评估要求的自主性评估资料需及时反馈修改要求,直到能满足组织专家评估小组的条件。对于新领域新技术的无人系统自主性评估,通过专家评估小组进一步明确评估需求,完善评估指标。
优选地,所述步骤S200包括以下步骤:
步骤S210:基于层次分析法将无人系统自主能力评估作为目标层A,将一级指标体系作为准则层B,将各一级指标体系下的二级指标体系作为方案层C;
步骤S230:根据各判断矩阵最大特征值λmax,计算一致性指标CI与平均随机一致性指标RI,然后相应地计算出一致性比率CR,并进行一致性检验;
对于通过一致性检验的判断矩阵判断矩阵确定各指标体系下的权重,并进行总层次一致性检验,若CR≤0.1,则确定最终各指标项的权重,即θi是各一级指标体系中对应的权值,满足θij是在第i个一级指标体系中二级指标体系中所对应的权值,满足
按此步骤进行,量化各项指标权重,能提高评估结果的准确性,避免重要指标评分过低的问题出现。
优选地,自主性评估资料包括:无人系统应用场景和研究领域、无人系统的可行性研究报告、设计说明书和其它相关材料。无人系统包括:外空探测器、无人航空器、无人车、无人潜水器。
优选地,步骤S300中构建无人系统自主性评估的闭环模型包括以下步骤:
步骤S310:根据无人系统服务对象的职能需求,分析出对无人系统安全、决策、规划、调配、执行、交互、感知和认知八个层面的自主需求,以及自主技术反馈需求;
步骤S320:根据步骤S310获得的自主性需求,将无人系统自主性需求指标划分为安全指标体系、决策指标体系、规划指标体系、调配指标体系、执行指标体系、交互指标体系、感知指标体系和认知指标体系,并量化各个指标体系的得分细则;
步骤S330:根据步骤S320获得的指标体系,采用层次分析法配置相应指标体系的权重,根据步骤S310:中的自主技术反馈需求,描述不同等级中自主技术水平所处的实际状态,量化不同技术等级的得分,并构建所述无人系统自主性评估的闭环模型。
本申请通过的模型框架结构包括模型的输入和输出,对象,自主需求,指标体系,量化模型,自主技术反馈。模型的输入指明了本申请所研究的系统是无人系统,模型的输出表明了本申请所解决的问题是评估无人系统的自主能力。根据模型输入的用户分解可得到相应的服务对象分别为指挥者、操作者和研发者。然后从三者的角度出发,提出无人系统相应的自主能力需求,建立了相应的指标体系和自主技术反馈,通过量化模型量化出各个指标体系的得分步骤,采用层次分析法配置相应指标项的权重,最终得到无人系统的自主能力评估。本申请旨在为无人系统提供一套自主性评估标准,采用基于模型的设计方法,从面向客户的角度,按需设计指标体系和自主技术反馈,建立一种关于无人系统自主性评估的闭环模型,输出无人系统的自主能力。本申请综合考虑了实际应用中不同工况下无人系统的共性问题和个性问题,以及自主技术实现的难题,提高了无人系统自主性评估的科学性和实用性。
优选地,所述步骤S320:中所得指标体系均为一级指标体系,根据指标体系的度量需求,在一级指标体系中,分类得到二级指标体系。
优选地,所述安全指标体系包括保密性、抗干扰、反侦察和事故防控四个指标项;决策指标体系包括决策可行性、可靠性、有效性和效能指标项;规划指标体系包括运动规划、任务满足度、资源利用率、和规划算法性能指标项;调配指标体系包括权限调配、配合度、可行性和可靠性指标项。执行指标体系包括执行效果、执行效率、执行难度和复杂度指标项;交互指标体系包括状态可视化、人机配合度、协同交互和集群交互指标项;感知指标体系包括导航感知、任务感知、系统健康感知和操作感知指标项;认知指标体系包括环境认知、感官认知、情感认知和语言认知指标项。
在一具体实施例中,本申请提供的基于模型的无人系统自主性评估方法,包括以下步骤:
如图2所示,一种基于模型的无人系统自主性评估方法,其框架结构包括模型的输入和输出,对象,自主需求,指标体系,量化模型,自主技术反馈。首先需要明确模型的输入与输出,即模型的输入指明本申请所研究的系统是无人系统,从空间领域方面上来划分,无人系统包括外空探测器、无人航空器、无人车、无人潜水器等,涉及空地海领域,本申请提供方法可以实现在不同领域和工况下的无人系统准确评估,该方法具有普适性的特点。
模型的输出表明本申请所解决的问题是评估无人系统的自主能力,能准确衡量无人系统的自主性能是否到达预期目标。然后分析出无人系统所服务的对象,所构建模型输入的用户可得到相应的服务对象分别为指挥者、操作者和研发者。然后从指挥者、操作者和研发者的角度出发,提出无人系统相应的自主能力需求,提出相应的指标体系和自主技术反馈,最终闭环输出无人系统的自主能力。
如图3所示,分解模型输入的用户可得到无人系统所服务的对象分别为指挥者、操作者和研发者。自主性是无人系统区别于有人系统的显著技术特征,相比于有人系统和无人系统所服务的对象,可得到系统所服务的对象没有变化,只是所服务对象的需求发生了变化,即对系统自主性的需求随着科技的不断发展和进步而逐渐加强。
如图4所示,根据无人系统所服务的对象挖掘出相应的自主需求。对指挥者而言,无人系统应具备自主决策、自主规划和自主调配的能力,对操作者而言,无人系统应具备自主执行、自主交互、自主感知和自主认知的能力,而对于指挥者、操作者和研发者共同安全利益出发,无人系统应具有自主安全能力。
如图5所示,根据无人系统的自主需求分析,可得一级指标体系:安全指标体系、决策指标体系、规划指标体系、调配指标体系、执行指标体系、交互指标体系、感知指标体系和认知指标体系。根据指标体系的度量需求,在一级指标体系中,可以继续分类出二级指标体系。安全指标体系包括保密性、抗干扰、反侦察和事故防控四个指标项。决策指标体系包括决策可行性、可靠性、有效性和效能指标项。规划指标体系包括运动规划、任务满足度、资源利用率、和规划算法性能指标项。调配指标体系包括权限调配、配合度、可行性和可靠性指标项。执行指标体系包括执行效果、执行效率、执行难度和复杂度指标项。交互指标体系包括状态可视化、人机配合度、协同交互和集群交互指标项。感知指标体系包括导航感知、任务感知、系统健康感知和操作感知指标项。认知指标体系包括环境认知、感官认知、情感认知和语言认知指标项。
如图6所示,该量化模型为指标体系提供数值量化步骤的同时,还将不同量纲的指标进行归一化处理,对每一指标进行评估得分处理,分别对一级指标和二级指标配置指标权重。
基于层次分析法将无人系统自主能力评估作为目标层A,将一级指标体系作为准则层B,将各一级指标体系下的二级指标体系作为方案层C。
根据上述构造的判断矩阵,计算出各个判断矩阵的最大特征值λmax,以及和最大特征值对应的特征向量,并归一化后得到判断矩阵的权重。
之后根据各判断矩阵最大特征值λmax,来计算一致性指标CI与平均随机一致性指标RI,然后相应地计算出一致性比率CR,并进行一致性检验。
待判断矩阵一致性检验通过后,确定各指标体系下的权重,并进行总层次一致性检验,若CR≤0.1,则可以确定最终各指标项的权重,即θi是各一级指标体系中对应的权值,满足θij是在第i个一级指标体系中二级指标体系中所对应的权值,满足
如图7所示,自主技术水平以自主技术成熟度作为等级模型,从等级TRL1到等级TRL9,反映了无人系统自主技术的技术准备水平。本申请专利在NASA技术准备水平的基础上,阶段性描述了不同等级中自主技术水平所处的实际状态,量化了不同技术等级的得分情况h(x),该反馈采用自主技术成熟度等级有助于管理无人系统技术开发和转变所做的决策。
通过专家组的评估打分,评判无人系统在各个指标项的得分情况g(x),综合考虑闭环量化模型中的自主技术成熟度的得分h(x),客观上从自主技术实现的能力角度出发,根据自主需求期望和实际评估自主能力间的差距,以及自主技术反馈与实际无人系统落地部署间的差距e,允许修正相应的自主需求x+k(e),相应指标项的得分变为g(x+k(e)),以至于期望无人系统能实际部署,将该得分h(x+k(e))作为指数函数的指数,把各指标项的加权得分g(x+k(e))作为指数函数的底数,着重自主技术实现的能力,综合评估无人系统的自主能力,建立无人系统自主性评估的闭环模型:
在具体实施例中,如图8所示,无人系统自主性评估以流程图形式表示,首先需要提供自主性评估资料,包括无人系统应用场景和研究领域、无人系统的可行性研究报告、设计说明书和其它相关材料。然后根据资料预审判定是否达到评估要求,待完善的及时反馈修改要求,直到能满足组织专家评估小组的条件。
对于新领域新技术的无人系统自主性评估,通过专家评估小组进一步明确评估需求,完善评估指标,然后明确评估指标并进行相关指标测试,对于没有通过指标测试的,反馈修改完善要求,进一步健全设计文件后,专家组基于层次分析法分别对一级指标和二级指标配置指标权重。
明确各级指标的权值后,根据指标测试和自主技术反馈,把各指标项的加权得分作为指数函数的底数(对于指标项目加权得分不大于1分的记作0分),将自主技术成熟度得分作为指数函数的指数,进行综合评估得分。最后根据会议纪要做出评估报告,经过审核审定后资料存档。
在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”、“优选实施例”等,指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说,结合任一实施例描述一个具体特征、结构或者特点时,所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本申请的范围内。
尽管这里参照本申请的多个解释性实施例对本申请进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开说明书和权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变形和改进外,对于本领域技术人员来说,其他的用途也将是明显的。
Claims (7)
1.一种基于模型的无人系统自主性评估方法,其特征在于,包括以下步骤:
步骤S100:预审自主性评估资料是否达到评估要求,对于达到评估要求的评估资料中不同量纲的指标进行归一化处理;
步骤S200:基于层次分析法将评估资料中各指标划分为一级指标和二级指标,之后分别对一级指标和二级指标配置指标权重;
步骤S300:构建如下式的无人系统自主性评估的闭环模型:
式中,m是一级指标体系的数目,ni是第i个一级指标体系中细分为二级指标体系的数目,θi是各一级指标体系中对应的权值,满足θij是在第i个一级指标体系中二级指标体系中所对应的权值,满足g(x)是自主性需求下的评估得分,h(x)为自主技术反馈;
步骤S400:把各指标项的加权得分作为所述闭环模型中指数函数的底数,对于指标项目加权得分不大于1分的记作0分,将自主技术成熟度得分作为指数函数的指数,根据期望和实际评估自主能力间的差距,以及自主技术反馈与实际无人系统落地部署间的差距e调节自主需求x,其中k(e)是关于误差e的操作,δ是正整数,e0是获得最大自主能力以及最大自主技术水平的最优误差,得到g(x+k(e))是可调节自主需求下的评估得分,h(x+k(e))是可调节自主需求下的自主技术反馈,得到无人系统自主性评估结果f(x)。
2.根据权利要求1所述的一种基于模型的无人系统自主性评估方法,其特征在于,所述步骤S200包括以下步骤:
步骤S210:基于层次分析法将无人系统自主能力评估作为目标层A,将一级指标体系作为准则层B,将各一级指标体系下的二级指标体系作为方案层C;
步骤S230:根据各判断矩阵最大特征值λmax,计算一致性指标CI与平均随机一致性指标RI,然后相应地计算出一致性比率CR,并进行一致性检验;
3.根据权利要求1所述的一种基于模型的无人系统自主性评估方法,其特征在于,所述步骤S300中构建无人系统自主性评估的闭环模型包括以下步骤:
步骤S310:根据无人系统服务对象的职能需求,分析出对无人系统安全、决策、规划、调配、执行、交互、感知和认知八个层面的自主需求,以及自主技术反馈需求;
步骤S320:根据步骤S310获得的自主性需求,将无人系统自主性需求指标划分为安全指标体系、决策指标体系、规划指标体系、调配指标体系、执行指标体系、交互指标体系、感知指标体系和认知指标体系,并量化各个指标体系的得分细则;
步骤S330:根据步骤S320获得的指标体系,采用层次分析法配置相应指标体系的权重,根据步骤S310:中的自主技术反馈需求,描述不同等级中自主技术水平所处的实际状态,量化不同技术等级的得分,并构建所述无人系统自主性评估的闭环模型。
4.根据权利要求3所述的一种基于模型的无人系统自主性评估方法,其特征在于,所述步骤S320:中所得指标体系均为一级指标体系,根据指标体系的度量需求,在一级指标体系中,分类得到二级指标体系。
5.根据权利要求3所述的一种基于模型的无人系统自主性评估方法,其特征在于,所述安全指标体系包括保密性、抗干扰、反侦察和事故防控四个指标项;决策指标体系包括决策可行性、可靠性、有效性和效能指标项;规划指标体系包括运动规划、任务满足度、资源利用率、和规划算法性能指标项。
6.根据权利要求3所述的一种基于模型的无人系统自主性评估方法,其特征在于,所述调配指标体系包括权限调配、配合度、可行性和可靠性指标项;
执行指标体系包括执行效果、执行效率、执行难度和复杂度指标项;交互指标体系包括状态可视化、人机配合度、协同交互和集群交互指标项。
7.根据权利要求3所述的一种基于模型的无人系统自主性评估方法,其特征在于,所述感知指标体系包括导航感知、任务感知、系统健康感知和操作感知指标项;认知指标体系包括环境认知、感官认知、情感认知和语言认知指标项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010682056.5A CN111813086B (zh) | 2020-07-15 | 2020-07-15 | 一种基于模型的无人系统自主性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010682056.5A CN111813086B (zh) | 2020-07-15 | 2020-07-15 | 一种基于模型的无人系统自主性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111813086A true CN111813086A (zh) | 2020-10-23 |
CN111813086B CN111813086B (zh) | 2023-08-25 |
Family
ID=72865217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010682056.5A Active CN111813086B (zh) | 2020-07-15 | 2020-07-15 | 一种基于模型的无人系统自主性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111813086B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080004882A1 (en) * | 2004-06-14 | 2008-01-03 | Papadimitriou Wanda G | Autonomous Fitness for Service Assessment |
CN101441478A (zh) * | 2008-12-26 | 2009-05-27 | 北京航空航天大学 | 一种小型无人机自动着陆拉平控制方法及其装置 |
CN103995539A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 一种无人机自主编队评价指标与mpc编队控制方法 |
CN106444776A (zh) * | 2016-10-28 | 2017-02-22 | 中国舰船研究设计中心 | 一种无人艇自主性能评估方法 |
GB201717960D0 (en) * | 2016-11-04 | 2017-12-13 | Ford Global Tech Llc | A system and methods for assessing the interior of an autonomous vehicle |
CN109960148A (zh) * | 2019-03-20 | 2019-07-02 | 中国科学院软件研究所 | 一种智能无人系统的自主性评估方法及系统 |
JP2019197356A (ja) * | 2018-05-09 | 2019-11-14 | トヨタ自動車株式会社 | 自動運転システム |
US20190384292A1 (en) * | 2018-06-15 | 2019-12-19 | Allstate Insurance Company | Processing System For Evaluating Autonomous Vehicle Control Systems Through Continuous Learning |
CN110998470A (zh) * | 2017-08-22 | 2020-04-10 | 华为技术有限公司 | 自动驾驶车辆可靠性评估的系统、方法和处理器可读介质 |
CN111160439A (zh) * | 2019-12-24 | 2020-05-15 | 西北工业大学 | 一种无人机系统自主能力评价方法、系统及可读存储介质 |
-
2020
- 2020-07-15 CN CN202010682056.5A patent/CN111813086B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080004882A1 (en) * | 2004-06-14 | 2008-01-03 | Papadimitriou Wanda G | Autonomous Fitness for Service Assessment |
CN101441478A (zh) * | 2008-12-26 | 2009-05-27 | 北京航空航天大学 | 一种小型无人机自动着陆拉平控制方法及其装置 |
CN103995539A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 一种无人机自主编队评价指标与mpc编队控制方法 |
CN106444776A (zh) * | 2016-10-28 | 2017-02-22 | 中国舰船研究设计中心 | 一种无人艇自主性能评估方法 |
GB201717960D0 (en) * | 2016-11-04 | 2017-12-13 | Ford Global Tech Llc | A system and methods for assessing the interior of an autonomous vehicle |
CN110998470A (zh) * | 2017-08-22 | 2020-04-10 | 华为技术有限公司 | 自动驾驶车辆可靠性评估的系统、方法和处理器可读介质 |
JP2019197356A (ja) * | 2018-05-09 | 2019-11-14 | トヨタ自動車株式会社 | 自動運転システム |
US20190384292A1 (en) * | 2018-06-15 | 2019-12-19 | Allstate Insurance Company | Processing System For Evaluating Autonomous Vehicle Control Systems Through Continuous Learning |
CN109960148A (zh) * | 2019-03-20 | 2019-07-02 | 中国科学院软件研究所 | 一种智能无人系统的自主性评估方法及系统 |
CN111160439A (zh) * | 2019-12-24 | 2020-05-15 | 西北工业大学 | 一种无人机系统自主能力评价方法、系统及可读存储介质 |
Non-Patent Citations (4)
Title |
---|
YINGRU DONG: "An USV controlling autonomy level algorithm based on PROMMETHEE", 《2016 12TH WORLD CONGRESS ON INTELLIGENT CONTROL AND AUTOMATION (WCICA)》, no. 1 * |
张昕: "无人车通过特殊区域智能行为评价研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》, no. 7 * |
王新星: "无人平台自主能力分级模型研究", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 8 * |
陈宗基: "无人机自主控制等级及其系统结构研究", 《航空学报》, vol. 32, no. 6 * |
Also Published As
Publication number | Publication date |
---|---|
CN111813086B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A new integrated MCDM approach for improving QFD based on DEMATEL and extended MULTIMOORA under uncertainty environment | |
CN103679558B (zh) | 电动汽车充换电站火灾风险数据评估方法 | |
CN107122894A (zh) | 一种组合赋权的教育信息化水平评估方法及系统 | |
CN108537600A (zh) | 一种电力市场运行评价方法及计算设备 | |
CN105512465B (zh) | 基于改进vikor法的云平台安全性量化评估方法 | |
KR20160011776A (ko) | 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법 | |
CN109446812A (zh) | 一种嵌入式系统固件安全分析方法及系统 | |
CN104809235B (zh) | 一种节目评价系统及方法 | |
Deng | A similarity-based approach to ranking multicriteria alternatives | |
CN113947280A (zh) | 一种基于反馈调整权值的组合评价方法 | |
CN110472363A (zh) | 适用于高速铁路隧道的围岩变形等级预测方法及系统 | |
CN113869655A (zh) | 快速响应运火箭作战试验指标的确定方法和装置 | |
Kandemir et al. | Work process improvement through simulation optimization of task assignment and mental workload | |
CN111813086A (zh) | 一种基于模型的无人系统自主性评估方法 | |
Humann et al. | Modeling, simulation, and trade‐off analysis for multirobot, multioperator surveillance | |
CN112561227A (zh) | 一种基于递归神经网络的多机器人协同方法及系统 | |
Deng et al. | Fuzzy comprehensive evaluation model for flight safety evaluation research based on an empowerment combination | |
Lin et al. | Multi period performance assessment model for the site property management | |
Tang | Prioritizing User Requirements based on Analytic Hierarchy Process | |
CN113094971A (zh) | 基于熵权-灰色层次分析的建模仿真即服务可信度评估方法及系统 | |
Srisaeng et al. | Forecasting Australia’s domestic low cost carrier passenger demand using a genetic algorithm approach | |
CN113435780B (zh) | 一种基于神经网络的应急通信感知装备体系效能评估方法 | |
Gonçalves et al. | Decision Methodology for Maintenance KPI Selection: Based on ELECTRE I | |
Sheikh et al. | A Novel Opportunity Losses‐Based Polar Coordinate Distance (OPLO‐POCOD) Approach to Multiple Criteria Decision‐Making | |
Azadfallah | Two new Eigenvector-based approaches to assign weights to decision makers in group decision making under multiple criteria |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |