CN113743811A - 采用系数加权计算的综合效能评估方法和系统 - Google Patents
采用系数加权计算的综合效能评估方法和系统 Download PDFInfo
- Publication number
- CN113743811A CN113743811A CN202111065490.XA CN202111065490A CN113743811A CN 113743811 A CN113743811 A CN 113743811A CN 202111065490 A CN202111065490 A CN 202111065490A CN 113743811 A CN113743811 A CN 113743811A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- indexes
- comprehensive
- module
- 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 127
- 238000004364 calculation method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000003384 imaging method Methods 0.000 claims abstract description 42
- 239000000446 fuel Substances 0.000 claims abstract description 20
- 239000012634 fragment Substances 0.000 claims abstract description 7
- 238000012854 evaluation process Methods 0.000 claims abstract description 5
- 238000013459 approach Methods 0.000 claims description 30
- 238000000354 decomposition reaction Methods 0.000 claims description 14
- 238000005286 illumination Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 5
- 230000004075 alteration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
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)
- Image Analysis (AREA)
Abstract
本发明提供了一种采用系数加权计算的综合效能评估方法和系统,包括:指标建立组件,用于建立分层指标数,利用用户输入和默认选择建立对各种项目的评估指标体系;赋权组件,用于对各项指标的赋权操作,支持专家手动打分,输入两两指标之间的重要程度比较值;综合评估组件,用于对一项或多项单独的指标进行评估并综合,生成最终的评估数值;综合评估的流程为:步骤S1:建立用于评估成像效能的指标体系;步骤S2:采用相对比较法对各项指标进行赋权;步骤S3:计算成像效能的各项技术指标;步骤S4:利用加权法进行综合效能评估。利用本发明,可以对空间在轨服务、碎片清除和在轨燃料加注等应用领域具备较好的评估效果。
Description
技术领域
本发明涉及综合效能评估技术领域,具体地,涉及一种采用系数加权计算的综合效能评估方法和系统。
背景技术
传统的成像卫星对成像对象的观测具有流程复杂性和难以评估性,需要结合成像卫星的载荷和成像时机、光照条件等判断一次成像过程的最终效果。为了解决对成像过程的真实能力进行评估的问题,本发明采用一种系数加权的方法,对卫星成像效能进行综合评估,首先建立评估指标体系,然后采用系数加权的方法进行聚合,最终可以对卫星一次服务过程进行综合的效能评估。利用本发明,可以对空间在轨服务、碎片清除和在轨燃料加注等应用领域具备较好的评估效果。
专利“成像光学系统的像差评估方法及其调整方法”(专利号:CN1441236A)介绍了一种可解析评估成像光学系统像差的评估方法,此方法适用于一般投影光学系统PL。该专利针对成像光学系统,以像差多项式的方式建立像面坐标与瞳面坐标的函数,以函数的方式解析计算光学系统的成像能力。本发明与其不同之处在于,对评估的各项指标进行分解,并使用系数加权的方式进行综合效能评估,所述方法适用范围更广。
专利“一种网络安全综合评估系统”(专利号:CN101119236A)介绍了一种对网络安全进行综合评估的系统,该系统包含了数据库、模型库和功能库三个子系统,引入专家判断和检测数据对网络安全进行综合评测,并在数据库中建立了灰色评估、模糊评估和神经网络评估的方法,可对三种方法给出的结果进行组合评估。与之不同的是,本专利给出的评估对象是卫星成像过程,且采用更加简单可靠的系数加权进行指标的聚合,并最终计算出综合效能。
专利“一种综合气象观测系统运行监控综合评估方法”(专利号:CN104778548A)介绍了一种用于气象观测系统监控的综合评估方法,该方法建立了三个子模块的评估,计算指标数据,并按照预定格式输出结果。该方法局限于对指标的分解和计算,没有考虑如何对整个系统进行综合评估,并且没有给出指标聚合的具体方法。与之相比,本发明不仅给出了指标分解结果和计算方式,并给出了综合评估的方法,实用性更强。
专利文献CN108536919A(申请号:CN201810221835.8)公开了一种探月航天器离线任务效能评估系统及其评估方法。包括基于分布式计算机并行框架和基于模糊综合评估法的探月航天器任务效能评估系统两部分。基于分布式计算机并行框架包括服务器、n台节点服务机,分布式计算机计算得到航天器状态信息,由效能评估系统进行评估后输出评估报告及可视化评估结果。然而该专利未对指标进行分解,具有流程复杂性和难以评估性。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种采用系数加权计算的综合效能评估方法和系统。
根据本发明提供的采用系数加权计算的综合效能评估方法,包括:
指标建立组件,用于建立分层指标数,利用用户输入和默认选择建立对各种项目的评估指标体系;
赋权组件,用于对各项指标的赋权操作,支持专家手动打分,输入两两指标之间的重要程度比较值;
综合评估组件,用于对一项或多项单独的指标进行评估并综合,生成最终的评估数值,并根据评估分数自适应对空间在轨服务、碎片清除和在轨燃料加注的状态进行判断,并进行相应操作;
综合评估的流程为:
步骤S1:建立用于评估成像效能的指标体系;
步骤S2:采用相对比较法对各项指标进行赋权;
步骤S3:计算成像效能的各项技术指标;
步骤S4:利用加权法进行综合效能评估。
优选的,所述步骤S1包括:
步骤S1.1:建立轨道机动效能指标体系,第一层指标为接近能力、伴飞能力综合指标;
接近能力综合指标分解为接近相对位置、接近相对距离、接近光照条件、接近机动燃料消耗和接近机动时间消耗指标;
伴飞能力综合指标分解为伴飞控制精度、形态调整时间消耗和形态调整燃料消耗指标;
步骤S1.2:建立载荷成像效能评估指标体系,第一层指标为指向能力、识别能力和仪器性能综合指标;
指向能力综合指标分解为指向精度、指向稳定度指标;
识别能力综合指标分解为图像辨识度、参数辨识度指标;
仪器性能综合指标分解为图像分辨率、目标和背景光谱特性、多光谱特性和曝光时间可调范围指标。
优选的,所述步骤S2包括:
步骤S2.1:将所有的评估指标Xj分别按行和列排列,构成一个正方形表,其中,j=1,2,…,n,表示第j个评估指标,n表示评估指标的总数;
步骤S2.2:根据三级比例标度对任意两个指标的相对重要关系进行分析,并将评分值记入表中相应位置,三级比例标度两两对比评分的分值为qij,标度值及其含义如下;
式中,i、j表示为所有评估中第i个评估指标和第j个评估指标;
步骤S2.3:将各个指标评分按行求和,得到各个指标的评分总和;
步骤S2.4:将评分总和做归一化处理,得到指标的权重系数,计算公式如下所示:
其中,qij表示为两两对比评分分值。
优选的,在所述步骤S3包括:对轨道机动效能分解的各项指标进行计算,包括接近能力、伴飞能力,对相机成像效能分解的各项指标进行计算,包括指向能力、识别能力和仪器性能。
优选的,在所述步骤S4包括:根据计算得到的各项指标的值,以及各项指标对应的权重,采用加权和公式评估最终的综合性能指标,公式如下:
式中,yi表示最终的加权综合评估值,wj为第j个指标的权重,xij为第i个评估方案的第j个归一化后的指标值,n为评估指标的总数。
根据本发明提供的采用系数加权计算的综合效能评估系统,包括:
指标建立模块,用于建立分层指标数,利用用户输入和默认选择建立对各种项目的评估指标体系;
赋权模块,用于对各项指标的赋权操作,支持专家手动打分,输入两两指标之间的重要程度比较值;
综合评估模块,用于对一项或多项单独的指标进行评估并综合,生成最终的评估数值,并根据评估分数自适应对空间在轨服务、碎片清除和在轨燃料加注的状态进行判断,并进行相应操作;
综合评估的流程为:
模块M1:建立用于评估成像效能的指标体系;
模块M2:采用相对比较法对各项指标进行赋权;
模块M3:计算成像效能的各项技术指标;
模块M4:利用加权法进行综合效能评估。
优选的,所述模块M1包括:
模块M1.1:建立轨道机动效能指标体系,第一层指标为接近能力、伴飞能力综合指标;
接近能力综合指标分解为接近相对位置、接近相对距离、接近光照条件、接近机动燃料消耗和接近机动时间消耗指标;
伴飞能力综合指标分解为伴飞控制精度、形态调整时间消耗和形态调整燃料消耗指标;
模块M1.2:建立载荷成像效能评估指标体系,第一层指标为指向能力、识别能力和仪器性能综合指标;
指向能力综合指标分解为指向精度、指向稳定度指标;
识别能力综合指标分解为图像辨识度、参数辨识度指标;
仪器性能综合指标分解为图像分辨率、目标和背景光谱特性、多光谱特性和曝光时间可调范围指标。
优选的,所述模块M2包括:
模块M2.1:将所有的评估指标Xj分别按行和列排列,构成一个正方形表,其中,j=1,2,…,n,表示第j个评估指标,n表示评估指标的总数;
模块M2.2:根据三级比例标度对任意两个指标的相对重要关系进行分析,并将评分值记入表中相应位置,三级比例标度两两对比评分的分值为qij,标度值及其含义如下;
式中,i、j表示为所有评估中第i个评估指标和第j个评估指标;
模块M2.3:将各个指标评分按行求和,得到各个指标的评分总和;
模块M2.4:将评分总和做归一化处理,得到指标的权重系数,计算公式如下所示:
其中,qij表示为两两对比评分分值。
优选的,在所述模块M3包括:对轨道机动效能分解的各项指标进行计算,包括接近能力、伴飞能力,对相机成像效能分解的各项指标进行计算,包括指向能力、识别能力和仪器性能。
优选的,在所述模块M4包括:根据计算得到的各项指标的值,以及各项指标对应的权重,采用加权和公式评估最终的综合性能指标,公式如下:
式中,yi表示最终的加权综合评估值,wj为第j个指标的权重,xij为第i个评估方案的第j个归一化后的指标值,n为评估指标的总数。
与现有技术相比,本发明具有如下的有益效果:
(1)本发明有效解决了一次空间成像任务的效能评估问题,将变轨过程和载荷成像过程分别评估并综合的方法,工程应用性更强;
(2)本发明提供了一种较为简洁的指标权重评估方法,即相对比较法,通过比较两两指标之间的重要程度确定评分矩阵,最终综合计算指标权重,具有简单可行性;
(3)本发明利用加权和的方法进行最终指标评估,使得可以建立树形的指标体系,使得各指标的价值函数是可加型函数,指标见的价值是完全可以互补的,且容易计算便于应用;
(4)利用本发明,可以对空间在轨服务、碎片清除和在轨燃料加注等应用领域具备较好的评估效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是采用系数加权计算的综合效能评估方法流程示意图;
图2是轨道机动效能指标分解示意图;
图3是载荷成像效能指标分解示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例:
如图1,是本发明采用系数加权计算的综合效能评估方法流程示意图;如图1的实施例所示,该流程包括:
步骤S1:建立用于评估轨道机动效能、载荷成像效能的指标体系;
步骤S1.1:建立轨道机动效能指标体系,第一层指标为接近能力、伴飞能力和巡视能力等综合指标;
步骤S1.2:接近能力综合指标可分解为接近相对位置、接近相对距离、接近光照条件、接近机动燃料消耗和接近机动时间消耗等指标,伴飞能力综合指标可分解为伴飞控制精度、形态调整时间消耗和形态调整燃料消耗等指标,巡视能力综合指标可分解为巡视范围、巡视消耗时长和巡视机动燃料消耗等指标;
步骤S1.3:建立载荷成像效能评估指标体系,第一层指标为目标跟踪能力、目标辨识能力和相机能力等综合指标;
步骤S1.4:指向能力综合指标可分解为指向精度、指向稳定度等指标,识别能力可分解为图像辨识度、参数辨识度等指标,仪器性能综合指标可分解为图像分辨率、目标和背景光谱特性、多光谱特性和曝光时间可调范围等指标。
步骤S2:采用相对比较法对各项指标进行赋权;
步骤S2.1:将所有的评估指标Xj(j=1,2,…,n)分别按行和列排列,构成一个正方形表,式中,n表示评估指标的总数,j表示第j个评估指标;
步骤S2.2:根据三级比例标度对任意两个指标的相对重要关系进行分析,并将评分值记入表中相应位置,三级比例标度两两对比评分的分值为qij,标度值及其含义如下:
式中,i、j表示为所有评估中第i个评估指标和第j个评估指标;
步骤S2.3:将各个指标评分按行求和,得到各个指标的评分总和;
步骤S2.4:将评分总和做归一化处理,得到指标的权重系数,计算公式如下所示:
步骤S3:计算轨道机动、载荷成像效能的各项技术指标;
对轨道机动效能分解的各项指标进行计算,包括接近能力、伴飞能力,对相机成像效能分解的各项指标进行计算,包括指向能力、识别能力和仪器性能。
步骤S4:利用加权法进行综合效能评估;
根据计算得到的各项指标的值,以及各项指标对应的权重,采用加权和公式评估最终的综合性能指标,公式如下:
式中,yi表示最终的加权综合评估值,wj为为第j个指标的权重,xij为第i个评估方案的第j个归一化后的指标值。
为了解决对服务卫星的工作流程进行综合的效能评估,本发明的目的在于提出采用一种系数加权的方法对机动、成像效能进行评估的方法,首先建立评估指标体系,然后采用系数加权的方法进行聚合,最终可以对卫星一次服务过程进行综合的效能评估。
根据本发明提供的采用系数加权计算的综合效能评估系统,包括:模块M1:建立用于评估轨道机动效能、成像效能的指标体系;模块M2:采用相对比较法对各项指标进行赋权;模块M3:计算轨道机动、成像效能的各项技术指标;模块M4:利用加权法进行综合效能评估。
在所述模块M1中:参考图2,建立轨道机动效能指标体系,第一层指标为接近能力、伴飞能力等综合指标。接近能力综合指标可分解为接近相对位置、接近相对距离、接近光照条件、接近机动燃料消耗和接近机动时间消耗等指标,伴飞能力综合指标可分解为伴飞控制精度、形态调整时间消耗和形态调整燃料消耗等指标;参考图3,建立载荷成像效能评估指标体系,第一层指标为指向能力、识别能力和仪器性能等综合指标。目标跟踪能力综合指标可分解为指向精度、指向稳定度等指标,目标辨识能力可分解为图像辨识度、参数辨识度等指标,仪器性能综合指标可分解为图像分辨率、目标和背景光谱特性、多光谱特性和曝光时间可调范围等指标。在所述模块M2中:将所有的评估指标Xj(j=1,2,…,n)分别按行和列排列,构成一个正方形表,根据三级比例标度对任意两个指标的相对重要关系进行分析,并将评分值记入表中相应位置,将各个指标评分按行求和,得到各个指标的评分总和,将评分总和做归一化处理,得到指标的权重系数。在所述模块M3中:对轨道机动效能分解的各项指标进行计算,包括接近能力、伴飞能力,对相机成像效能分解的各项指标进行计算,包括指向能力、识别能力和仪器性能。在所述模块M4中:根据计算得到的各项指标的值,以及各项指标对应的权重,采用加权和公式评估最终的综合性能指标。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种采用系数加权计算的综合效能评估方法,其特征在于,包括:
指标建立组件,用于建立分层指标数,利用用户输入和默认选择建立对各种项目的评估指标体系;
赋权组件,用于对各项指标的赋权操作,支持专家手动打分,输入两两指标之间的重要程度比较值;
综合评估组件,用于对一项或多项单独的指标进行评估并综合,生成最终的评估数值,并根据评估分数自适应对空间在轨服务、碎片清除和在轨燃料加注的状态进行判断,并进行相应操作;
综合评估的流程为:
步骤S1:建立用于评估成像效能的指标体系;
步骤S2:采用相对比较法对各项指标进行赋权;
步骤S3:计算成像效能的各项技术指标;
步骤S4:利用加权法进行综合效能评估。
2.根据权利要求1所述的采用系数加权计算的综合效能评估方法,其特征在于,所述步骤S1包括:
步骤S1.1:建立轨道机动效能指标体系,第一层指标为接近能力、伴飞能力综合指标;
接近能力综合指标分解为接近相对位置、接近相对距离、接近光照条件、接近机动燃料消耗和接近机动时间消耗指标;
伴飞能力综合指标分解为伴飞控制精度、形态调整时间消耗和形态调整燃料消耗指标;
步骤S1.2:建立载荷成像效能评估指标体系,第一层指标为指向能力、识别能力和仪器性能综合指标;
指向能力综合指标分解为指向精度、指向稳定度指标;
识别能力综合指标分解为图像辨识度、参数辨识度指标;
仪器性能综合指标分解为图像分辨率、目标和背景光谱特性、多光谱特性和曝光时间可调范围指标。
3.根据权利要求1所述的采用系数加权计算的综合效能评估方法,其特征在于,所述步骤S2包括:
步骤S2.1:将所有的评估指标Xj分别按行和列排列,构成一个正方形表,其中,j=1,2,…,n,表示第j个评估指标,n表示评估指标的总数;
步骤S2.2:根据三级比例标度对任意两个指标的相对重要关系进行分析,并将评分值记入表中相应位置,三级比例标度两两对比评分的分值为qij,标度值及其含义如下;
式中,i、j表示为所有评估中第i个评估指标和第j个评估指标;
步骤S2.3:将各个指标评分按行求和,得到各个指标的评分总和;
步骤S2.4:将评分总和做归一化处理,得到指标的权重系数,计算公式如下所示:
其中,qij表示为两两对比评分分值。
4.根据权利要求1所述的采用系数加权计算的综合效能评估方法,其特征在于,在所述步骤S3包括:对轨道机动效能分解的各项指标进行计算,包括接近能力、伴飞能力,对相机成像效能分解的各项指标进行计算,包括指向能力、识别能力和仪器性能。
6.一种采用系数加权计算的综合效能评估系统,其特征在于,包括:
指标建立模块,用于建立分层指标数,利用用户输入和默认选择建立对各种项目的评估指标体系;
赋权模块,用于对各项指标的赋权操作,支持专家手动打分,输入两两指标之间的重要程度比较值;
综合评估模块,用于对一项或多项单独的指标进行评估并综合,生成最终的评估数值,并根据评估分数自适应对空间在轨服务、碎片清除和在轨燃料加注的状态进行判断,并进行相应操作;
综合评估的流程为:
模块M1:建立用于评估成像效能的指标体系;
模块M2:采用相对比较法对各项指标进行赋权;
模块M3:计算成像效能的各项技术指标;
模块M4:利用加权法进行综合效能评估。
7.根据权利要求6所述的采用系数加权计算的综合效能评估系统,其特征在于,所述模块M1包括:
模块M1.1:建立轨道机动效能指标体系,第一层指标为接近能力、伴飞能力综合指标;
接近能力综合指标分解为接近相对位置、接近相对距离、接近光照条件、接近机动燃料消耗和接近机动时间消耗指标;
伴飞能力综合指标分解为伴飞控制精度、形态调整时间消耗和形态调整燃料消耗指标;
模块M1.2:建立载荷成像效能评估指标体系,第一层指标为指向能力、识别能力和仪器性能综合指标;
指向能力综合指标分解为指向精度、指向稳定度指标;
识别能力综合指标分解为图像辨识度、参数辨识度指标;
仪器性能综合指标分解为图像分辨率、目标和背景光谱特性、多光谱特性和曝光时间可调范围指标。
8.根据权利要求6所述的采用系数加权计算的综合效能评估系统,其特征在于,所述模块M2包括:
模块M2.1:将所有的评估指标Xj分别按行和列排列,构成一个正方形表,其中,j=1,2,…,n,表示第j个评估指标,n表示评估指标的总数;
模块M2.2:根据三级比例标度对任意两个指标的相对重要关系进行分析,并将评分值记入表中相应位置,三级比例标度两两对比评分的分值为qij,标度值及其含义如下;
式中,i、j表示为所有评估中第i个评估指标和第j个评估指标;
模块M2.3:将各个指标评分按行求和,得到各个指标的评分总和;
模块M2.4:将评分总和做归一化处理,得到指标的权重系数,计算公式如下所示:
其中,qij表示为两两对比评分分值。
9.根据权利要求6所述的采用系数加权计算的综合效能评估系统,其特征在于,在所述模块M3包括:对轨道机动效能分解的各项指标进行计算,包括接近能力、伴飞能力,对相机成像效能分解的各项指标进行计算,包括指向能力、识别能力和仪器性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111065490.XA CN113743811A (zh) | 2021-09-10 | 2021-09-10 | 采用系数加权计算的综合效能评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111065490.XA CN113743811A (zh) | 2021-09-10 | 2021-09-10 | 采用系数加权计算的综合效能评估方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743811A true CN113743811A (zh) | 2021-12-03 |
Family
ID=78738172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111065490.XA Pending CN113743811A (zh) | 2021-09-10 | 2021-09-10 | 采用系数加权计算的综合效能评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743811A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022631A (zh) * | 2016-05-30 | 2016-10-12 | 南京航空航天大学 | 一种指标权重分析方法 |
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
CN108399481A (zh) * | 2018-01-15 | 2018-08-14 | 上海机电工程研究所 | 基于组合赋权的武器系统效能评估方法及评价方法 |
CN108629511A (zh) * | 2018-05-04 | 2018-10-09 | 上海微小卫星工程中心 | 一种基于多因素模糊理论推理及层级分析法的卫星综合效能评估方法 |
CN109447394A (zh) * | 2018-09-14 | 2019-03-08 | 中国科学院空间应用工程与技术中心 | 一种对地观测卫星任务效能评价指标体系及分析方法 |
US20200081898A1 (en) * | 2017-11-22 | 2020-03-12 | Beijing Kedong Power Control System Co Ltd | A Method for Constructing Electricity Transaction Index System Based on Big Data Technology |
CN112257025A (zh) * | 2020-10-14 | 2021-01-22 | 江苏徐工工程机械研究院有限公司 | 用于工程车辆行驶性能综合评价的组合赋权方法及系统 |
CN112330219A (zh) * | 2020-11-27 | 2021-02-05 | 中国人民解放军国防科技大学 | 一种空间在轨服务目标的选取方法 |
CN112529241A (zh) * | 2020-09-18 | 2021-03-19 | 北京空间飞行器总体设计部 | 一种遥感卫星效费权衡优化方法 |
-
2021
- 2021-09-10 CN CN202111065490.XA patent/CN113743811A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
CN106022631A (zh) * | 2016-05-30 | 2016-10-12 | 南京航空航天大学 | 一种指标权重分析方法 |
US20200081898A1 (en) * | 2017-11-22 | 2020-03-12 | Beijing Kedong Power Control System Co Ltd | A Method for Constructing Electricity Transaction Index System Based on Big Data Technology |
CN108399481A (zh) * | 2018-01-15 | 2018-08-14 | 上海机电工程研究所 | 基于组合赋权的武器系统效能评估方法及评价方法 |
CN108629511A (zh) * | 2018-05-04 | 2018-10-09 | 上海微小卫星工程中心 | 一种基于多因素模糊理论推理及层级分析法的卫星综合效能评估方法 |
CN109447394A (zh) * | 2018-09-14 | 2019-03-08 | 中国科学院空间应用工程与技术中心 | 一种对地观测卫星任务效能评价指标体系及分析方法 |
CN112529241A (zh) * | 2020-09-18 | 2021-03-19 | 北京空间飞行器总体设计部 | 一种遥感卫星效费权衡优化方法 |
CN112257025A (zh) * | 2020-10-14 | 2021-01-22 | 江苏徐工工程机械研究院有限公司 | 用于工程车辆行驶性能综合评价的组合赋权方法及系统 |
CN112330219A (zh) * | 2020-11-27 | 2021-02-05 | 中国人民解放军国防科技大学 | 一种空间在轨服务目标的选取方法 |
Non-Patent Citations (6)
Title |
---|
刘锋: "遥感卫星系统任务效能评估方法研究", 《中国博士学位论文全文数据库 工程科技II辑》, no. 01, 15 January 2018 (2018-01-15), pages 031 - 69 * |
周鹏: "高分辨率光学遥感卫星效能评估与参数敏感性分析研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 03, 15 March 2021 (2021-03-15), pages 008 - 129 * |
安雪滢;赵勇;杨乐平;张为华;: "基于模糊理论的卫星系统效能评估仿真研究", 系统仿真学报, vol. 18, no. 08, 20 August 2006 (2006-08-20), pages 2334 - 2337 * |
李岩 等: "在轨服务系统评估方案研究", 《航天控制》, vol. 27, no. 2, 15 April 2009 (2009-04-15), pages 41 - 45 * |
虞业泺;郑倩云;杨善强;常枭;方小梅;: "基于多因素模糊推理的卫星综合效能评估", 计算机测量与控制, vol. 28, no. 09, 25 September 2020 (2020-09-25), pages 267 - 271 * |
项磊;杨新;张扬;余晓刚;: "基于层次分析法与模糊理论的卫星效能评估", 计算机仿真, vol. 30, no. 02, 15 February 2013 (2013-02-15), pages 55 - 61 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11386307B2 (en) | Machine vision system | |
Xu et al. | Recognition of rust grade and rust ratio of steel structures based on ensembled convolutional neural network | |
CN114842681A (zh) | 一种基于多头注意力机制的机场场面航迹预测方法 | |
Barkalov et al. | Application of digital twins in the management of socio-economic systems | |
De Miguel et al. | Vehicles trajectory prediction using recurrent VAE network | |
Zhang | Application of artificial intelligence recognition technology in digital image processing | |
Kim et al. | Massive scale deep learning for detecting extreme climate events | |
Liu et al. | Human reliability evaluation based on objective and subjective comprehensive method used for ergonomic interface design | |
Berger et al. | ZEBRA: Z-order Curve-based Event Retrieval Approach to Efficiently Explore Automotive Data | |
CN113743811A (zh) | 采用系数加权计算的综合效能评估方法和系统 | |
Liu et al. | Early warning control model and simulation study of engineering safety risk based on a convolutional neural network | |
Prakash et al. | Determination of the relative inclination and the viewing angle of an interacting pair of galaxies using Convolutional Neural Networks | |
García-Balboa et al. | Automated Assessment of Road Generalization Results by Means of an Artificial Neural Network | |
Ma et al. | Highway construction investment risk evaluation using BP neural network model | |
Siwek et al. | Evolving the ensemble of predictors model for forecasting the daily average PM10 | |
CN114398769A (zh) | 一种无人直升机飞行控制系统评分自动获取方法 | |
Chernyshev et al. | Integration of building information modeling and artificial intelligence systems to create a digital twin of the construction site | |
Wang et al. | An information entropy-based method of evidential source separation and refusion | |
De Silva | Challenges in designing spatial decision support systems for evacuation planning | |
Yang | Automated employee salary prediction algorithm based on machine learning | |
Hogo | The design of academic programs using rough set association rule mining | |
Minghua et al. | Rough Set Neural Network Evaluation Method for UAV Reconnaissance Effectiveness | |
Hogan | An Analysis of Learning Curve Theory & Diminishing Rates of Learning | |
Ososkov et al. | Simulation and Analysis of the Properties of Linear Structures in the Mass Distribution of Nuclear Reaction Products by Machine Learning Methods | |
Crystal-Ornelas et al. | A library of AI-assisted FAIR water cycle and related disturbance datasets to enable model training, parameterization and validation |
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 |