CN112948974B - 一种基于证据理论的飞行器性能评估方法和系统 - Google Patents
一种基于证据理论的飞行器性能评估方法和系统 Download PDFInfo
- Publication number
- CN112948974B CN112948974B CN202110264022.9A CN202110264022A CN112948974B CN 112948974 B CN112948974 B CN 112948974B CN 202110264022 A CN202110264022 A CN 202110264022A CN 112948974 B CN112948974 B CN 112948974B
- Authority
- CN
- China
- Prior art keywords
- evidence
- simulation test
- semi
- evidence body
- outfield
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 409
- 238000004088 simulation Methods 0.000 claims abstract description 268
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000006870 function Effects 0.000 claims description 43
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000009828 non-uniform distribution Methods 0.000 claims description 5
- 238000007500 overflow downdraw method Methods 0.000 claims description 4
- 239000000571 coke Substances 0.000 description 8
- 238000011438 discrete method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于证据理论的飞行器性能评估方法和系统，方法包括：对待测飞行器分别进行外场试验、数字仿真试验和半实物仿真试验，得到飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据；分别转化为证据表示得到飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体；分别计算外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重；基于综合权重，将飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示；基于融合后的飞行器性能指标数据的证据表示对飞行器的性能进行评估，得到待测飞行器的性能评估结果。
Description
技术领域
本发明涉及飞行器性能评估技术领域，尤其涉及一种基于证据理论的飞行器性能评估方法和系统。
背景技术
传统飞行器性能评估依靠外场试验，采用“小子样”理论进行试验设计和数据分析，只能是特定条件下的性能抽样结果，不能覆盖复杂多样的不同战场场景下的性能能力包络边界。内场试验主要针对飞行器的性能指标评估，产生大量试验数据，采用统计理论进行评估，但结果可信度容易受到质疑。为科学有效地评估飞行器性能,需要充分结合仿真试验数据以及外场试验数据进行评估。内场试验数据和外场试验数据相融合，是获得精度更高的飞行器性能评估结果的有效手段。
常见的多源数据融合方法在保证决策风险尽可能小的情况下，可综合利用多种信息类型，但存在数据利用不充分的问题，因而导致飞行器性能指标的评估精度不高。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种基于证据理论的飞行器性能评估方法和系统，用以解决现有的多源数据融合方法存在数据利用不充分的问题。
一方面，本发明实施例提供了一种基于证据理论的飞行器性能评估方法，包括：
对待测飞行器分别进行外场试验、数字仿真试验和半实物仿真试验，分别得到飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据；
将所述飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据分别转化为证据表示，得到所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体；
分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重；
基于所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示；
基于融合后的飞行器性能指标数据的证据表示对所述飞行器的性能进行评估，得到所述待测飞行器的性能评估结果。
上述技术方案的有益效果如下：采用证据理论对飞行器性能指标的多源数据的不确定性进行表征，解决数据利用不充分的问题。
基于上述方法的进一步改进，所述外场试验数据包括外场试验中获得的飞行器性能指标的样本数据；所述数字仿真试验数据包括数字仿真试验中获得的飞行器性能指标的概率密度函数或概率包络函数；所述半实物仿真数据包括半实物仿真试验中获得的飞行器性能指标的概率密度函数或概率包络函数。
进一步地，在所述分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重之前，还包括：采用基于非均匀分布的概率抽样方法，将所述数字仿真试验证据体、半实物仿真试验证据体和外场试验证据体的焦元数量转化为相同的规模。
进一步地，通过以下步骤分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重：
分别获取所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的不确定性后验权重因子；
分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重；
通过公式分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的后验权重，其中αk表示第k个证据体的不确定性后验权重因子，/>表示第k个证据体的基于可信度的基本后验权重，wk表示第k个证据体的后验权重，k＝1,2,3；
分别获取所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的先验权重；
基于所述外场试验证据体、数字仿真试验证据体、半实物仿真试验证据体的先验权重和后验权重，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重其中λk表示第k个证据体的先验权重，/>表示第k个证据体的综合权重。
进一步地，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重，包括：
分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的两两证据体间的综合距离；
根据所述两两证据体间的综合距离，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重。
进一步地，通过以下步骤分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的两两证据体间综合距离：
根据公式分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体两两证据体间对应焦元的EW型距离，其中，E(·)表示求取区间期望，B(·)表示求取区间宽度，/>表示第k个证据体的第i个焦元，/>表示第l个证据体的第i个焦元，；/>表示第k个证据体和第l个证据体对应的第i个焦元的EW型距离；
根据公式分别计算两两证据体间的综合距离，其中/>表示第k个证据体的第i个焦元的基本概率分配，Dk,l表示第k个证据体和第l个证据体间的综合距离，n为焦元数量。
进一步地，根据所述两两证据体间的综合距离，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重，包括：
通过公式对两两证据体间的综合距离进行归一化，得到归一化的综合距离，其中Dk,l表示第k个证据体和第l个证据体间的综合距离；
根据归一化的综合距离计算两两证据体间的可信度
根据公式计算第k个证据体的支持度；
根据公式计算第k个证据体的基于可信度的基本后验权重。
进一步地，基于飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示，包括：
将所述外场试验证据体、半实物仿真试验证据体和数字仿真试验证据体按照焦元边界值的大小重新排列形成一组新的焦元，采用一次线性内插和加权融合的方法，得到融合后的飞行器性能指标数据的证据表示。
进一步地，基于融合后的飞行器性能指标数据的证据表示对飞行器性能进行评估，包括，计算融合后的性能指标每个焦元的信任函数和似然函数，根据所述信任函数和似然函数，基于概率分布的中心概率得到融合后飞行器性能指标的上界和下界，对所述飞行器性能指标的上界和下界平均加权得到飞行器性能指标评估结果。
另一方面，本发明实施例提供了一种基于证据理论的飞行器性能评估系统，包括：
数据获取模块，用于对待测飞行器分别进行外场试验、数字仿真试验和半实物仿真试验，分别得到飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据；
证据理论表示模块，用于将所述飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据分别转化为证据表示，得到所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体；
综合权重计算模块，用于分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重；
数据融合模块，用于基于飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示；
性能评估模块，用于基于融合后的所述飞行器性能指标数据的证据表示对飞行器性能进行评估。
与现有技术相比，本发明至少可实现如下有益效果之一：
1、采用证据理论对飞行器性能指标的多源数据的不确定性进行表征，解决数据利用不充分的问题，进而提高了飞行器性能评估的精度；
2、将飞行器性能指标的数字仿真试验证据体、半实物仿真试验证据体和外场试验证据体的焦元数量转化为相同的规模，避免小样本数据被大样本数据“淹没”的风险，进而提高了飞行器性能评估的精度；
3、通过不确定性和可信度综合确定各数据源的权重，可以更客观的衡量多源数据中每个数据源的权重，避免出现数据源的权重主要依赖专家评估因而不够客观的情况，进而提高了飞行器性能评估的精度。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例基于证据理论的飞行器性能评估方法的流程图；
图2为本发明实施例基于证据理论的飞行器性能评估系统的结构框图；
图3为基于非均匀分布的概率抽样方法示意图；
图4为落点精度指标的外场试验数据的CDF；
图5为落点精度指标的半实物仿真试验数据的CDF；
图6为落点精度指标的数字仿真试验数据的CDF；
图7为落点精度指标的三种数据源融合结果。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
飞行器性能评估指标的多源数据主要来自外场试验数据、数字仿真试验数据和半实物仿真试验数据，因此本发明的实施例针对外场试验数据、数字仿真试验数据和半实物仿真试验数据进行方法说明，飞行器的其他类型试验数据同样可采用本发明公开的方法进行数据融合。
为了获得有效的试验数据，使融合结果更准确，在对源试验数据进行证据理论表示前，可对试验数据进行预处理，例如对静态数据进行剔除野值，对动态数据进行时间校正、数据提取、丢点和重点检测、野值识别与修复、去噪、重采样、数据一致性分析等处理，为性能评估提供有效的多源数据。
实施例一
本发明的一个具体实施例，公开了一种基于证据理论的飞行器性能评估方法，如图1所示，方法包括如下步骤：
S1、对待测飞行器分别进行外场试验、数字仿真试验和半实物仿真试验，分别得到飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据。
具体的，性能指标用于评估待测飞行器的性能，具体可以是落点精度、角度跟踪精度等。
具体的，由于飞行器外场试验数据通常为小样本数据，因此所述外场试验数据包括外场试验中获得的飞行器性能指标的样本数据。
具体的，所述数字仿真试验数据包括数字仿真试验中获得的飞行器性能指标的概率密度函数或概率包络函数。所述半实物仿真数据包括半实物仿真试验中获得的飞行器性能指标的概率密度函数或概率包络函数。
示例性的，若半实物仿真试验中获得的飞行器性能指标数据的样本量较大，可获取该性能指标的概率密度函数，例如通过核密度估计获得；若半实物仿真试验数据不足以获得概率密度函数，可根据性能指标数据的概率分布函数，获得半实物仿真试验中该性能指标的概率包络函数。
S2、将所述飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据分别转化为证据表示，分别得到所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体。
具体的，外场试验数据的证据理论表示步骤如下：
对于样本量为n1的某个飞行器性能指标的外场试验数据将其从小到大排列为/>令
则y1 (1),y1 (2),...y1 (n+1)将区间分割成了n1个子区间，这n1个子区间构成该指标外场试验数据的焦元：
c1 i＝[y1 (i),y1 (i+1)],i＝1,2,…,n1 (2)
第i个焦元c1 i的BPA(Basic Probability Assignment，基本概率分配)p1i为：
p1 i＝m(c1 i)＝1/n1,i＝1,2,…,n1 (3)
以飞行器性能的落点精度指标为例，即为外场试验中的n1个落点精度数据，将其转化为证据表示，落点精度指标的外场试验证据体为(c1 i,m(c1 i))，i＝1,2,…,n1。
具体的，若半实物仿真试验中获得某性能指标数据的概率包络函数，概率包络上界为下界为CDF(x2)，则采用平均离散法或外离散法将概率包络函数转化为证据表示。
以平均离散法为例进行说明，某指标的半实物仿真试验数据x2的概率包络上界为下界为CDF(x2)，将/>和CDF(x2)纵值域[0,1]离散分解成n2个子区间，第i个区间长度为p2 i，i＝1,2,…,n2，p2 i>0，设p2 0＝0,则证据表示为，第i个焦元
c2 i＝[x2 (i),x2 (i+1)]，i＝1,2,…,n2
其中，
m(c2 i)＝p2 i。
若半实物仿真试验中获得某性能指标的概率密度函数，则通过以下方法将该指标的概率密度函数转化为证据表示：
某指标的半实物仿真试验数据x2的概率密度函数为PDF(x2)，x2的样本的分布区间记为[a,b]。将[a,b]分为n2个子区间，第i个区间为[x2 (i),x2 (i+1)]，这n2个子区间构成该指标半实物仿真试验数据的焦元：
c2 i＝[x2 (i),x2 (i+1)],i＝1,2,…,n2 (4)
第i个焦元c2 i的BPAp2 i为：
同样以落点精度数据为例，x2即为半实物仿真试验中的落点精度数据，当落点精度数据的数据量较大时，可获得其概率密度函数PDF(x2)；当落点精度数据的样本量较小时，可获得其概率包络上界和概率包络下界CDF(x2)。根据上述步骤获得落点精度数据的半实物仿真试验证据体(c2 i,m(c2 i))，其i＝1,2,…,n2。
采用同样的方法将落点精度指标的数字仿真试验数据获得的概率密度函数或者概率包络函数转化为证据表示，记为(c3 i,m(c3 i))，i＝1,2,…,n3。
由于外场试验数据样本量通常较小，为了避免小样本数据在融合时被大样本数据“淹没”，采用基于非均匀分布的概率抽样方法，将所述数字仿真试验证据体、半实物仿真试验证据体和外场试验证据体的焦元数量转化为相同的规模。具体的，将数字仿真试验证据体、半实物仿真试验证据体的焦元数量转化为与外场试验证据体的焦元数量相同的规模，以便后续进行数据融合。
以飞行器性能指标中的落点精度指标为例，在步骤S2中获得落点精度的外场试验证据体的焦元和BPA，如公式(2)和公式(3)所示，根据公式(6)得到落点精度的外场试验数据的概率包络下限BelX(x1)和上限PlX(x1)，
其中，i＝1,2,…,n1。
若在步骤S1中获得了落点精度的半实物仿真试验数据的概率密度函数，则以1/n1为间隔，对落点精度的半实物仿真试验数据的CDF(cumulative distribution function，累积分布函数)进行非均匀分布的抽样，即对半实物仿真试验数据的CDF的概率轴进行抽样，对应得到半实物仿真试验数据轴上的一组数值将半实物仿真试验数据重新分成n1个子区间，根据公式(4)和公式(5)，这n1个子区间重新构成半实物仿真试验数据证据体的焦元c2 i＝[y2 (i),y2 (i+1)]，焦元c2 i基本概率分布m(c2 i)＝p1 i，其中，i＝1,2,…,n1。如图3所示。
若在步骤S1中获得了落点精度的半实物仿真试验数据的概率包络函数，则将概率包络函数的纵向值域[0，1]上，以1/n1为间隔进行概率抽样，将概率包络函数的纵向值域离散分解成n1个子区间，根据平均离散法或外离散法重新确定半实物仿真试验数据的焦元c2 i的区间[y2 (i),y2 (i+1)]，第i个焦元c2 i的基本概率分布m(c2 i)＝p1 i，其中，i＝1,2,…,n1。
采用同样的方法将落点精度指标的数字仿真试验证据体的焦元数量转化为与外场试验证据体的焦元数量相同的规模，转化后的数字仿真试验证据体表示为c3 i＝[y3 (i),y3 (i+1)]，m(c3 i)＝p1 i，其中，i＝1,2,…,n1。
经过非均匀抽样后，飞行器性能指标落点精度的外场试验数据、半实物仿真数据和数字仿真试验数据的焦元规模相同，焦元和BPA分别为：
对应的BPA分别为：
经过非均匀抽样，飞行器性能指标的数字仿真试验数据、半实物仿真试验数据和外场试验数据的数据特征统一用证据结构来表示，三个数据源对应焦元的BPA相同，焦元不同。通过度量对应焦元之间的相似性，来衡量飞行器性能指标的数字仿真试验数据、半实物仿真试验数据和外场试验数据的相似性，确定飞行器性能指标的数字仿真试验数据、半实物仿真试验数据和外场试验数据的基于可信度的基本后验权重。
S3、分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重。
具体的，根据外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的先验权重和后验权重，通过公式(9)，分别计算外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，其中λk表示第k个证据体的先验权重，表示第k个证据体的综合权重。先验权重由用户综合评判后确定，仿真试验的输出结果一般赋予较低的权重，而外场试验数据则更被认可，先验权重较高。具体先验权重值可以采用头脑风暴法、循环打分法、AHP法等方法来确定。通过将先验权重和后验权重结合，更加客观的确定综合权重。
其中k＝1,2,3。
具体的，为了更加客观的衡量各证据的权重，在基于可信度的基本后验权重基础上，考虑数据的不确定性度量的影响，确定各证据体的后验权重。
示例性的，可以采用基于面积度量的方法获得所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的不确定性度量结果，根据公式(10)获得各证据体的不确定性后验权重因子，ek表示第k个证据体的不确定性度量结果。
其中k＝1,2,3。
具体的，通过以下步骤分别计算外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重包括以下步骤：
S31、分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的两两证据体间综合距离。
具体的，根据公式(11)分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体两两证据体间对应焦元的EW型距离，其中，E(·)表示求取区间期望，B(·)表示求取区间宽度，表示第k个证据体的第i个焦元，/>表示第l个证据体的第i个焦元，；/>表示第k个证据体和第l个证据体对应的第i个焦元的EW型距离；
根据公式分别计算两两证据体间的综合距离，其中/>表示第k个证据体的第i个焦元的基本概率分配，Dk,l表示第k个证据体和第l个证据体间的综合距离，n为焦元数量，经过步骤S2后，三个证据源的焦元数量相同，对应焦元的BPA相同。
其中k＝1,2,3，l＝1,2,3。
S32、根据两两证据体间的综合距离，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重。
具体的，通过公式(12)对两两证据体间的综合距离进行归一化，得到归一化的综合距离，其中Dk,l表示第k个证据体和第l个证据体间的综合距离；
根据归一化的综合距离计算两两证据体间的可信度：
根据公式(14)计算第k个证据体的支持度：
根据公式(15)计算第k个证据体的基于可信度的基本后验权重：
具体的，通过公式(16)分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的后验权重，其中αk表示第k个证据体的不确定性后验权重因子，表示第k个证据体的基于可信度的基本后验权重，wk表示第k个证据体的后验权重，k＝1,2,3。
示例性的，以落点精度指标为例，其外场试验证据体、半实物仿真试验证据体和数字仿真试验证据体的先验权重分别为λ＝[0.5,0.3,0.2]；
考虑各证据体的相似性，半实物仿真试验证据体和数字仿真试验证据体的基于可信度的基本后验权重
外场试验证据体、半实物仿真试验证据体和数字仿真试验证据体的不确定性度量结果为e＝[0.3298,0.2801,0.3913]；
考虑不确定性度量的影响，根据公式(10)和(16)，计算外场试验证据体、半实物仿真试验证据体和数字仿真试验证据体的后验权重为w＝[0.31,0.40,0.29]；
根据公式(9)计算落点精度指标的外场试验证数据、半实物仿真试验数据和数字仿真试验数据的综合权重为
S4、基于所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示。
具体的，将外场试验证据体、半实物仿真试验证据体和数字仿真试验证据体按照焦元边界值从小到大排列形成一系列新的N个焦元，记为hi(i＝1,2,…,N)，采用概率加权和一次线性内插法计算各焦元的BPA。
示例性的，例如落点精度指标的外场试验证据体的焦元及BPA分别为：
落点精度指标的外场试验证据体的半实物仿真试验证据体的焦元及BPA分别为：
其中，
将各焦元边界值从小到大排列后，形成7个新的焦元为：
落点精度指标的外场试验证据体的焦元和/>与半实物仿真试验证据体的焦元区间/>完全重合，则将区间/>作为新的焦元，采用概率加权法计算其对应的BPA为：
其中，表示外场试验证据体的综合权重，/>表示半实物仿真试验证据体的综合权重。
对于其他焦元，采用一次线性内插法，计算其BPA，例如：
示例性的，落点精度指标的外场试验数据的CDF、半实物仿真试验数据的CDF和数字仿真试验数据的CDF分别如图4、图5和图6所示，基于步骤S3计算的综合权重，根据步骤S4进行融合的结果如图7所示。
S5、基于融合后的飞行器性能指标数据证据表示对飞行器性能进行评估。
具体的，通过公式(17)计算融合后的飞行器某性能指标每个焦元的信任函数和似然函数，根据所述信任函数和似然函数，基于概率分布的中心概率得到融合后的该性能指标的上界和下界，对该性能指标的上界和下界平均加权得到该飞行器性能指标的评估结果。根据所有飞行器性能指标的评估结果对飞行器性能进行综合评估。
具体的，正态分布一般对应的中心概率为0.5，则概率为0.5时对应的信任函数和似然函数的数据轴上的值即为飞行器性能指标的均值的上界和下界。以落点精度指标为例，概率为0.5时对应的信任函数和似然函数的数据轴上的值即为落点精度指标均值的上界和下界，将上界和下界取平均值，即获得落点精度指标的评估结果，将该评估结果与预设落点精度指标进行比较，即可得到落点精度是否符合要求。基于同样的方法也可以获得飞行器其他性能指标的评估结果，从而获得飞行器性能的整体评估结果。
与现有技术相比，本实施例提供的基于证据理论的飞行器性能评估方法具有以下优点：
1、采用证据理论对飞行器性能指标的多源数据的不确定性进行标志，解决数据利用不充分的问题，进而提高了飞行器性能评估的精度；
2、将飞行器性能指标的数字仿真试验证据体、半实物仿真试验证据体和外场试验证据体的焦元数量转化为相同的规模，避免小样本数据被大样本数据“淹没”的风险，进而提高了飞行器性能评估的精度；
3、通过不确定性和可信度综合确定各数据源的权重，可以更客观的衡量多源数据中每个数据源的权重，避免出现数据源的权重主要依赖专家评估因而不够客观的情况，进而提高了飞行器性能评估的精度。
实施例二
本发明的一个具体实施例，公开了一种基于证据理论的飞行器性能评估系统，如图2所示，包括：
数据获取模块，用于对待测飞行器分别进行外场试验、数字仿真试验和半实物仿真试验，分别得到飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据；
证据理论表示模块，用于将所述飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据分别转化为证据表示，得到所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体，其具体采用证据表示的过程参见实施例一，此处不再重述；
综合权重计算模块，用于分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，其具体计算过程参见实施例一，此处不再重述；
数据融合模块，用于基于飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示，其具体融合过程参见实施例一，此处不再重述；
性能评估模块，用于基于融合后的所述飞行器性能指标数据的证据表示对飞行器性能进行评估，其具体评估过程参见实施例一，此处不再重述。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于证据理论的飞行器性能评估方法，其特征在于，包括：
对待测飞行器分别进行外场试验、数字仿真试验和半实物仿真试验，分别得到飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据；
将所述飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据分别转化为证据表示，得到所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体；
分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重；
基于所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示；
基于所述融合后的飞行器性能指标数据的证据表示对所述飞行器的性能进行评估，得到所述待测飞行器的性能评估结果；
通过以下步骤分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重：
分别获取所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的不确定性后验权重因子；
分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体基于可信度的基本后验权重；
通过公式分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的后验权重，其中αk表示第k个证据体的不确定性后验权重因子，/>表示第k个证据体的基于可信度的基本后验权重，wk表示第k个证据体的后验权重，k＝1,2，3；
分别获取所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的先验权重；
基于所述外场试验证据体、数字仿真试验证据体、半实物仿真试验证据体的先验权重和后验权重，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重其中λk表示第k个证据体的先验权重，/>表示第k个证据体的综合权重。
2.根据权利要求1所述的基于证据理论的飞行器性能评估方法，其特征在于，所述外场试验数据包括外场试验中获得的飞行器性能指标的样本数据；所述数字仿真试验数据包括数字仿真试验中获得的飞行器性能指标的概率密度函数或概率包络函数；所述半实物仿真数据包括半实物仿真试验中获得的飞行器性能指标的概率密度函数或概率包络函数。
3.根据权利要求1-2中任一项所述的基于证据理论的飞行器性能评估方法，其特征在于，在所述分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重之前，还包括：采用基于非均匀分布的概率抽样方法，将所述数字仿真试验证据体、半实物仿真试验证据体和外场试验证据体的焦元数量转化为相同的规模。
4.根据权利要求1所述的基于证据理论的飞行器性能评估方法，其特征在于，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重，包括：
分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的两两证据体间的综合距离；
根据所述两两证据体间的综合距离，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重。
5.根据权利要求4所述的基于证据理论的飞行器性能评估方法，其特征在于，通过以下步骤分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的两两证据体间综合距离：
根据公式分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体两两证据体间对应焦元的EW型距离，其中，E(·)表示求取区间期望，B(·)表示求取区间宽度，/>表示第k个证据体的第i个焦元，/>表示第l个证据体的第i个焦元，/>表示第k个证据体和第l个证据体对应的第i个焦元的EW型距离；
根据公式分别计算两两证据体间的综合距离，其中/>表示第k个证据体的第i个焦元的基本概率分配，Dk,l表示第k个证据体和第l个证据体间的综合距离，n为焦元数量。
6.根据权利要求4-5中任一项所述的基于证据理论的飞行器性能评估方法，其特征在于，根据所述两两证据体间的综合距离，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的基于可信度的基本后验权重，包括：
通过公式对两两证据体间的综合距离进行归一化，得到归一化的综合距离，其中Dk,l表示第k个证据体和第l个证据体间的综合距离；
根据归一化的综合距离计算两两证据体间的可信度
根据公式计算第k个证据体的支持度；
根据公式计算第k个证据体的基于可信度的基本后验权重。
7.根据权利要求1所述的基于证据理论的飞行器性能评估方法，其特征在于，基于飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示，包括：
将所述外场试验证据体、半实物仿真试验证据体和数字仿真试验证据体按照焦元边界值的大小重新排列形成一组新的焦元，采用一次线性内插和加权融合的方法，得到融合后的飞行器性能指标数据的证据表示。
8.根据权利要求7所述的基于证据理论的飞行器性能评估方法，其特征在于，基于融合后的飞行器性能指标数据的证据表示对飞行器性能进行评估，包括，计算融合后的性能指标每个焦元的信任函数和似然函数，根据所述信任函数和似然函数，基于概率分布的中心概率得到融合后飞行器性能指标的上界和下界，对所述飞行器性能指标的上界和下界平均加权得到飞行器性能指标评估结果。
9.一种基于证据理论的飞行器性能评估系统，其特征在于，包括：
数据获取模块，用于对待测飞行器分别进行外场试验、数字仿真试验和半实物仿真试验，分别得到飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据；
证据理论表示模块，用于将所述飞行器性能指标的外场试验数据、数字仿真试验数据和半实物仿真试验数据分别转化为证据表示，得到所述飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体；
综合权重计算模块，用于分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重；
数据融合模块，用于基于飞行器性能指标的外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重，将所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体进行融合，得到融合后的飞行器性能指标数据的证据表示；
性能评估模块，用于基于融合后的所述飞行器性能指标数据的证据表示对飞行器性能指标进行评估；
通过以下步骤分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重：
分别获取所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的不确定性后验权重因子；
分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体基于可信度的基本后验权重；
通过公式分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的后验权重，其中αk表示第k个证据体的不确定性后验权重因子，/>表示第k个证据体的基于可信度的基本后验权重，wk表示第k个证据体的后验权重，k＝1,2，3；
分别获取所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的先验权重；
基于所述外场试验证据体、数字仿真试验证据体、半实物仿真试验证据体的先验权重和后验权重，分别计算所述外场试验证据体、数字仿真试验证据体和半实物仿真试验证据体的综合权重其中λk表示第k个证据体的先验权重，/>表示第k个证据体的综合权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110264022.9A CN112948974B (zh) | 2021-03-09 | 2021-03-09 | 一种基于证据理论的飞行器性能评估方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110264022.9A CN112948974B (zh) | 2021-03-09 | 2021-03-09 | 一种基于证据理论的飞行器性能评估方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112948974A CN112948974A (zh) | 2021-06-11 |
| CN112948974B true CN112948974B (zh) | 2023-09-01 |
Family
ID=76229188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110264022.9A Active CN112948974B (zh) | 2021-03-09 | 2021-03-09 | 一种基于证据理论的飞行器性能评估方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112948974B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508692A (zh) * | 2011-09-28 | 2012-06-20 | 天津大学 | 临近空间飞行器控制方法仿真与验证方法 |
| WO2016073581A1 (en) * | 2014-11-04 | 2016-05-12 | Samuelson Douglas A | Machine learning and robust automatic control of complex systems with stochastic factors |
| 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 |
| CN110705132A (zh) * | 2019-10-31 | 2020-01-17 | 哈尔滨工业大学 | 一种基于多源异质数据的制导控制系统性能融合评估方法 |
| CN110716520A (zh) * | 2019-10-29 | 2020-01-21 | 中国航空工业集团公司西安飞行自动控制研究所 | 基于多源信息融合的飞控伺服作动器可靠性评估建模方法 |
| CN111143981A (zh) * | 2019-12-18 | 2020-05-12 | 北京临近空间飞艇技术开发有限公司 | 虚拟试验模型验证系统及方法 |
| CN111368456A (zh) * | 2020-03-19 | 2020-07-03 | 上海机电工程研究所 | 一种基于证据理论的蓝方模型可信度评估方法及系统 |
| CN112001067A (zh) * | 2020-08-03 | 2020-11-27 | 北京机电工程研究所 | 基于不确定性度量的复杂装备仿真系统可信度评估方法 |
| CN112285664A (zh) * | 2020-12-18 | 2021-01-29 | 南京信息工程大学 | 一种雷达-飞行器体系对抗仿真置信度评估方法 |
-
2021
- 2021-03-09 CN CN202110264022.9A patent/CN112948974B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508692A (zh) * | 2011-09-28 | 2012-06-20 | 天津大学 | 临近空间飞行器控制方法仿真与验证方法 |
| WO2016073581A1 (en) * | 2014-11-04 | 2016-05-12 | Samuelson Douglas A | Machine learning and robust automatic control of complex systems with stochastic factors |
| 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 |
| CN110716520A (zh) * | 2019-10-29 | 2020-01-21 | 中国航空工业集团公司西安飞行自动控制研究所 | 基于多源信息融合的飞控伺服作动器可靠性评估建模方法 |
| CN110705132A (zh) * | 2019-10-31 | 2020-01-17 | 哈尔滨工业大学 | 一种基于多源异质数据的制导控制系统性能融合评估方法 |
| CN111143981A (zh) * | 2019-12-18 | 2020-05-12 | 北京临近空间飞艇技术开发有限公司 | 虚拟试验模型验证系统及方法 |
| CN111368456A (zh) * | 2020-03-19 | 2020-07-03 | 上海机电工程研究所 | 一种基于证据理论的蓝方模型可信度评估方法及系统 |
| CN112001067A (zh) * | 2020-08-03 | 2020-11-27 | 北京机电工程研究所 | 基于不确定性度量的复杂装备仿真系统可信度评估方法 |
| CN112285664A (zh) * | 2020-12-18 | 2021-01-29 | 南京信息工程大学 | 一种雷达-飞行器体系对抗仿真置信度评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 航天飞行器座舱可信度评估仿真研究;王珺珺等;《计算机仿真》;第34卷(第2期);第88-91页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112948974A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106650785B (zh) | 基于证据分类和冲突衡量的加权证据融合方法 | |
| CN117454671B (zh) | 基于人工智能的场效应管寿命评估方法 | |
| CN114168906B (zh) | 一种基于云计算的测绘地理信息数据采集系统 | |
| Jones et al. | The AMIGA sample of isolated galaxies-XIII. The HI content of an almost “nurture free” sample | |
| CN111551117B (zh) | 显微图像焦点漂移距离的测量方法及系统、计算机设备 | |
| CN111611549A (zh) | 基于海洋环境参数确定台风影响海域设计波高的方法 | |
| CN114048819A (zh) | 基于注意力机制和卷积神经网络的配电网拓扑辨识方法 | |
| Saris et al. | Detection of specification errors in linear structural equation models | |
| CN112766454A (zh) | 一种空气pm2.5浓度预测方法、系统、终端及存储介质 | |
| CN110852443B (zh) | 特征稳定性检测方法、设备及计算机可读介质 | |
| Luzyanina et al. | Distributed parameter identification for a label-structured cell population dynamics model using CFSE histogram time-series data | |
| CN116303480A (zh) | 基于云计算的电能表误差校验方法 | |
| CN112948974B (zh) | 一种基于证据理论的飞行器性能评估方法和系统 | |
| CN115908051A (zh) | 一种电力系统储能容量确定方法 | |
| Perraut et al. | Benchmarking the fundamental parameters of Ap stars with optical long-baseline interferometric measurements | |
| CN113095579A (zh) | 一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法 | |
| CN112507285A (zh) | 一种干旱检测方法 | |
| CN112729292A (zh) | 基于层次分析方法的多重统计参数的重力适配区选取方法 | |
| CN112001531A (zh) | 基于有效载荷能力的风电短期运行容量可信度评估方法 | |
| CN115083570A (zh) | 一种基于数据共享的医疗影像管理系统 | |
| CN105824871B (zh) | 一种图片检测方法与设备 | |
| CN109243533B (zh) | 一种用于计算基因的组织特异表达的鲁棒z-score打分方法 | |
| Yongguang et al. | Grey distance information approach for parameter estimation of small samples | |
| Li et al. | Correlation analysis based on neural network copula function | |
| Stephen et al. | The use of hidden Markov models for anomaly detection in nuclear core condition monitoring |
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 |