CN114398769A - 一种无人直升机飞行控制系统评分自动获取方法 - Google Patents

Abstract

本发明涉及一种无人直升机飞行控制系统评分自动获取方法，包括：步骤1：获取无人直升机的设备数据，并对其进行规范量化处理；步骤2：构建模糊层次分析模型；步骤3：确定评分因素集U；步骤4：确定评语集V；步骤5：确定权重指标集A；步骤6：确定模糊评分矩阵R；步骤7：根据评分因素集U从最低一层开始进行多级模糊合成运算，获得当前无人直升机飞行控制系统的评分等级。与现有技术相比，本发明具有自动化程度高、评分更加客观等优点。

Description

一种无人直升机飞行控制系统评分自动获取方法

技术领域

本发明涉及无人直升机评价技术领域，尤其是涉及一种无人直升机飞行控制系统评分自动获取方法。

背景技术

无人直升机除具有无人机的一般特点外，还具有垂直起降、空中悬停、全向飞行和低速机动等独特的飞行性能，特别适宜在水面舰艇、城市、山区等复杂狭小地域使用，执行侦察监视、目标指示、毁伤评估等多样化任务，在军用、民用领域都有十分广泛的需求。无人直升机由于是静不稳定、非线性、多变量、强耦合的复杂被控对象，实现稳定自主飞行控制具有很大难度，无人直升机飞行控制系统性能评价指标类型多样，为了对飞控性能进行系统全面评价，需要就无人直升机飞行控制综合评价方法进行研究。

目前，国际上使用较为广泛的有人直升机评估标准是航空设计标准ADS-33，即“军用旋翼飞行器驾驶品质要求”。国内也对无人机飞行品质问题进行了积极探讨。在无人直升机的飞行品质研究方面，建立了无人直升机半物理仿真系统，设计集成了直升机飞行辨识建模软件系统，初步选定了一些无人直升机飞行控制系统设计指标，并用于飞行控制律的优化设计，取得了许多宝贵经验。

经过对现有文献检索发现，现有飞控系统综合评估方法大都面向固定翼飞机或者有人直升机，对于无人直升机，尤其是无人直升机飞行控制系统的综合评价方法目前依然是个空白。由于无人直升机飞行品质内涵与有人直升机存在较大差异,在系统组成、分类、飞行阶段种类、操纵方式、人的因素等方面与有人直升机存在较大差异，无人直升机飞行品质评估方法、评估准则如果照搬有人直升机标准，显然存在一定的局限性与不适应性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种自动化程度高、评分更加客观的无人直升机飞行控制系统评分自动获取方法。

本发明的目的可以通过以下技术方案来实现：

一种无人直升机飞行控制系统评分自动获取方法，所述的自动获取方法包括：

步骤1：获取无人直升机的设备数据，并对其进行规范量化处理；

步骤2：构建模糊层次分析模型；

步骤3：确定评分因素集U；

步骤4：确定评语集V；

步骤5：确定权重指标集A；

步骤6：确定模糊评分矩阵R；

步骤7：根据评分因素集U从最低一层开始进行多级模糊合成运算，获得当前无人直升机飞行控制系统的评分等级。

优选地，所述的步骤1具体为：

设定满分y_d为设计指标所希望达到的最优标准，及格y_a为经过充分放宽后系统需要达到的最低标准，零分y₀为完全无法满足设计指标的测量结果，基于规范量化曲线，采用百分制来获取各项数据的规范量化。

优选地，所述的评分模型指标体系包括：

目标层，具体为无人直升机飞行控制系统的评分及等级；

主准则层，包括设计方案评分、性能评分、进度评分和应用评分四个评分科目；

次准则层，数量为若干个，具体为由主准则层分解的评分科目。

优选地，所述的步骤3具体为：

首先，将主准则层中的评分科目确定为主评分因素集U＝{U₁,U₂,…,U_n}；

其次，按照次准则层中每个科目的评分指标细分为m个二级子评分因素集：

U_i＝{U_i1,U_i2,…,U_ij}，i＝1,2,…,m，j＝1,2,…,t

其中，U_ij为第i个二级子评分因素的第j个评分指标；

若存在多个准则层，则继续细分子评分因素集，直至最底层。

优选地，所述的步骤4具体为：

定义评语集为：

V＝{V₁,V₂,…,V_n}

其中，n为等级数量；

将评语集中的等级与百分制相对应。

优选地，所述的步骤5具体为：

判断当前准则层中评分因素的数量是否小于预设的数量阈值，若是，则直接设置每个评分因素的权重，否则，通过专家评分获取权重；

专家评分获取权重的方法为：

首先，构建专家评分权重表；

其次，获取若干个专家通过九级标定法进行的打分数据；

最后，确定各项指标的最终权重，具体方法为：

计算权重表中每一行元素的乘积：

其中，m_ij为权重表中第i行第j列的评分值；

计算M_i的n次方根：

对向量

进行归一化处理：

构建权重向量：

W＝[W₁,W₂,…,W_n]^T

最后对权重值进行加总求平均，确定确定各项指标的最终权重：

A＝{a₁,a₂,…,a_n}。

优选地，所述的步骤6具体为：

将各个评估因素集中的元素U_i到评语集V看作一个模糊映射，确定模糊评估矩阵R_i：

R_i＝{r_ijk}

对于定量评分科目，根据规范量化后的评分，按照区间直接归属到对应的评语集，若某个科目获取了多组数据，则对多组数据分别进行评分：

r_ijk＝c_ijk/c

其中，c_ijk为评估因素集U_i中第ij项评估指标被作出评语集中第k种评估的次数，c为数据总组数；

对于定性评分科目：

r_ijk＝d_ijk/d

其中，d_ijk为评估子因素集U_i中第ij项评估指标被作出评语集中第k种评估V_k的专家人数；d为参加评分的总专家数。

优选地，所述的步骤7具体为：

已知某一层的权重指标为A_i，模糊评估矩阵为R_i，根据模糊理论，得出该层的综合评分向量

即：

然后逐层向上进行模糊运算，新的模糊评判矩阵R具体为：已经得到的同一层综合评判向量

的集合，即：

最终获取的目标层的评分结果：

对评分结果进行归一化：

根据最大隶属原则获得：

B_k＝max(b₁',b₂',b₃',b₄',b₅')

则得出模糊综合评分为V_k，同时获得待评估无人直升机飞行控制系统的评分等级。

优选地，所述的无人直升机飞行控制系统评分自动获取方法还包括：

步骤8：获取当前无人直升机飞行控制系统的综合评分值。

更加优选地，所述的步骤8具体为：

根据评语集中定义的各等级分数，计算综合评分值：

与现有技术相比，本发明具有以下有益效果：

一、自动化程度高：本发明中的无人直升机飞行控制系统评分自动获取方法通过预先构建的评分模型，通过输入无人直升机的设备数据即可完成对无人直升机飞行控制系统的自动评分，自动化程度高。

二、评分更加客观：本发明中在参考ADS-33E等设计标准的基础上，结合无人直升机研制的现状，第一次提出了适用于无人直升机飞行控制系统的评分模型；并且采用模糊层次分析法，解决了定性和定量指标混合评价时模糊量明显化的问题，有利于更加科学的综合出评价结果。

附图说明

图1为本发明中无人直升机飞行控制系统评分自动获取方法的流程示意图；

图2为本发明实施例中综合评分指标体系的示意图；

图3为本发明实施例中效益型规范量化曲线示意图；

图4为本发明实施例中成本型规范量化曲线示意图；

图5为本发明实施例中固定型规范量化曲线示意图；

图6为本发明实施例中模糊层次分析法模型示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

本实施例针对无人直升机的特点，提出了无人直升机飞行控制系统评分框架，具体为：

步骤一、建立评价指标体系

无人直升机飞行控制系统综合评价应从技术方案、飞行控制系统功能和性能、后续开展型号研制的风险等多方面进行综合评判，从整体上反应超视距飞行控制技术突破程度和能力水平。评价指标体系的目标层是无人直升机飞行控制系统的综合评价品质及相应的等级。主准则层从方案、性能、进度和应用性四个方面进行综合评价。次准则层为主准则层分解的评估科目，在实际应用中，可根据需要设定多个次准则层。各项评估科目具体评估指标、各级权重设定在综合评价细则中进行明确。

步骤二、评价科目的生成

在评价指标体系中，结合国内外相关评估工作的经验，可以将评价科目分为定性分析和定量评估两种类型。

定性分析科目主要是一些无法直接用数据量化的科目，包括方案合理性、可行性、先进性、系统的可靠性、完成进度、研制风险和推广前景等。在综合评价中引入对定性科目的评判，可以更全面的掌握被测型号飞行控制系统的能力，覆盖面广，具有很强的实用性。对于定性分析科目的评判，主要采用专家打分的形式完成。若干专家对同一科目在优秀、良好、中等、合格和不合格五种评判等级中打分，通过隶属度分析和加权求和的方法得到该科目的评价结果。

而定量评估科目是综合评价的重点部分。这些科目的选取与具体指标参数的制定融合了ADS-33E-PRF和无人直升机飞行控制系统评估的最新研究成果。在本文中做了一些改进，设定满分y_d为设计指标所希望达到的最优标准，及格y_a为经过充分放宽后系统需要达到的最低标准，零分y₀为完全无法满足设计指标的测量结果。引入这三个数值的概念，可以更好的规范量化不同类型的指标之间的关系，增强可比性。对于定量评估科目的评判，主要采用试飞验证的方式完成。通过将采集到试飞数据规范量化，得到不同指标的实际评分。

步骤三、综合评价方法

无人直升机飞行控制系统综合评价是一个根据评估方案，先按各个科目具体考核，再按科目权重综合评价的过程。

在这个流程中，首先需要建立测试评估方案。根据待评估科目类型的不同，选取合适的性能参数指标或分析评估标准，完善评价指标体系。结合具体的战术应用和飞控系统的性能要求，建立面向飞行控制模型的测试评估方案。

接下来，需要面向飞行控制模型及典型飞行任务，结合方案中的各个科目单元进行典型航路的规划，以及根据制定的测试点进行试飞测试。这个过程的目标是基于测试设备获得相关的飞行测试数据。而对于一些需要定性分析的科目，则通过考核执行状态或完成情况，记录相关数据或有专家完成打分。

评估数据预处理是针对典型飞行测试数据的测量过程中，可能存在野值及测量误差等进行的噪声消除工作。包括野值的剔除和测量数据的平滑等工作。其目标是提高测量数据的可靠性和有效性。

性能评估需要先建立面向飞行控制系统的评估算法库，提供直观和有效的评估标准算法。然后再通过调用和执行算法库内的算法，进行飞行控制系统的整体性能评估。评估结果和相关数据将保存在评估信息数据库中，并可与该数据库中已有的其他评估结果进行对比。

单科目的评估结果可以反映出飞行控制系统在某些指标下的表现情况。将这些数据根据一定的原则加权汇总，最终得到总体评价结果，通过评估报告的形式，图文并茂的提供给用户。

基于上述框架，本实施例提出了一种无人直升机飞行控制系统评分自动获取方法，其流程如图1所示，包括：

步骤1：获取无人直升机的设备数据，并对其进行规范量化处理；

经过测试与记录设备的数据，是一系列有量纲的数值。比如飞行高度、飞行速度以及时间等。将这些不同评估指标中的数据直接进行比较是没有意义的。为了避免不同指标间的不可公度性以及对立性影响，必须对指标数据进行规范化处理。常见的指标类型包括效益型、成本型、固定型三种。设定满分y_d为设计指标所希望达到的最优标准，及格y_a为经过充分放宽后系统需要达到的最低标准，零分y₀为完全无法满足设计指标的测量结果，基于规范量化曲线，采用百分制来获取各项数据的规范量化，可以选用如图3、图4和图5所示的三种规范量化曲线完成评分过程。

步骤2：构建模糊层次分析模型；

根据已建立的评价指标体系，完成模糊层次分析法模型，如图6所示。该模型的目标层是无人直升机飞控系统的综合评价品质及相应的等级。

评分模型指标体系包括：

目标层，具体为无人直升机飞行控制系统的评分及等级，

主准则层，包括设计方案评分、性能评分、进度评分和应用评分四个评分科目，

次准则层，数量为若干个，具体为由主准则层分解的评分科目。

主准则层从方案、性能、进度和应用性四个方面对演示验证项目进行综合评价。次准则层是经过分解后的评判准则以及各任务科目单元的具体评估指标，可以根据实际需要再进行细分。

步骤3：确定评分因素集U；

评估因素集是评价指标体系中除目标层以外，其他各层次组成元素的统称。包括了评价科目、评价指标和相关参数等。为了更清晰的进行评估计算，根据这些元素所处层次的不同，需要对其进行具体编号和归类。

具体的：

首先，将主准则层中的评分科目确定为主评分因素集U＝{U₁,U₂,…,U_n}；

其次，按照次准则层中每个科目的评分指标细分为m个二级子评分因素集：

U_i＝{U_i1,U_i2,…,U_ij}，i＝1,2,…,m，j＝1,2,…,t

其中，U_ij为第i个二级子评分因素的第j个评分指标；

若存在多个准则层，则继续细分子评分因素集，直至最底层；

步骤4：确定评语集V；

定义评语集为：

V＝{V₁,V₂,…,V_n}

其中，n为等级数量，一般划分为3～5个等级，本实施例在无人直升机飞行控制性能综合评价中，将评语集分为V＝{I,II,III,IV,V}五个档次，即{优秀，良好，中等，合格，不合格}。为了做到定性与定量科目的打分统一，将评语集与百分制对应，定义V_i＝{95,85,75,65,0}；

将评语集中的等级与百分制相对应；

步骤5：确定权重指标集A；

判断当前准则层中评分因素的数量是否小于预设的数量阈值，若是，则直接设置每个评分因素的权重，否则，通过专家评分获取权重；

专家评分获取权重的方法为：

首先，构建专家评分权重表；

其次，获取若干个专家通过九级标定法进行的打分数据；

最后，确定各项指标的最终权重，具体方法为：

本实施例中包含四个评估因素的自动悬停科目的指标参数和权重表分别如表1和表2所示，表中m_ij的大小根据九级标度法确定，如表3所示。

计算权重表，即表2中每一行元素的乘积：

其中，m_ij为权重表中第i行第j列的评分值；

计算M_i的n次方根：

对向量

进行归一化处理：

构建权重向量：

W＝[W₁,W₂,…,W_n]^T

最后对权重值进行加总求平均，确定确定各项指标的最终权重：

A＝{a₁,a₂,…,a_n}；

表1自动悬停科目的指标参数

表2自动悬停科目权重表

自动悬停	姿态保持精度	航向保持精度	位置保持精度	高度保持精度
					姿态保持精度	m<sub>11</sub>	m<sub>12</sub>	m<sub>13</sub>	m<sub>14</sub>
航向保持精度	m<sub>21</sub>	m<sub>22</sub>	m<sub>23</sub>	m<sub>24</sub>
					位置保持精度	m<sub>31</sub>	m<sub>32</sub>	m<sub>33</sub>	m<sub>34</sub>
高度保持精度	m<sub>41</sub>	m<sub>42</sub>	m<sub>43</sub>	m<sub>44</sub>

表3根据九级标度法确定的权重

序号	重要性等级	m<sub>ij</sub>的赋值
			1	i，j两元素同等重要	1
2	i比j稍显重要	3
			3	i比j明显重要	5
4	i比j强烈重要	7
			5	i比j极端重要	9
6	i比j稍不重要	1/3
			7	i比j明显不重要	1/5
8	i比j强烈不重要	1/7
			9	i比j极端不重要	1/9

步骤6：确定模糊评分矩阵R；

将各个评估因素集中的元素U_i到评语集V看作一个模糊映射，确定模糊评估矩阵R_i：

R_i＝{r_ijk}

对于定量评分科目，根据规范量化后的评分，按照区间直接归属到对应的评语集，若某个科目获取了多组数据，则对多组数据分别进行评分：

r_ijk＝c_ijk/c

其中，c_ijk为评估因素集U_i中第ij项评估指标被作出评语集中第k种评估的次数，c为数据总组数，

对于定性评分科目：

r_ijk＝d_ijk/d

其中，d_ijk为评估子因素集U_i中第ij项评估指标被作出评语集中第k种评估V_k的专家人数，d为参加评分的总专家数；

步骤7：根据评分因素集U从最低一层开始进行多级模糊合成运算，获得当前无人直升机飞行控制系统的评分等级；

已知某一层的权重指标为A_i，模糊评估矩阵为R_i，根据模糊理论，得出该层的综合评分向量

即：

然后逐层向上进行模糊运算，新的模糊评判矩阵R具体为：已经得到的同一层综合评判向量

的集合，即：

最终获取的目标层的评分结果：

对评分结果进行归一化：

根据最大隶属原则获得：

B_k＝max(b₁',b₂',b₃',b₄',b₅')

则得出模糊综合评分为V_k，同时获得待评估无人直升机飞行控制系统的评分等级。

无人直升机飞行控制系统评分自动获取方法还包括：

步骤8：获取当前无人直升机飞行控制系统的综合评分值。

步骤8具体为：

根据评语集中定义的各等级分数，计算综合评分值：

下面提供一个具体的应用例：

1)指标体系

选用如图2所示的树形指标体系。

2)定量数据评价

定量数据由综合评价软件通过实测试验试飞数据导入。综合评价软件会自动对导入的数据进行规范量化和分析评分。

以“遥控起飞/降落U₂₁₃”科目为例。该科目具有完成时间U₂₁₃₁、位置保持精度U₂₁₃₂、姿态保持精度U₂₁₃₃和过载大小U2₁₃₄四个指标，这属于定量评估科目。假设在三次试飞中，四个指标规范量化后的成绩如表4所示。

表4遥控起飞/降落科目指标评分

根据评语集V，构建模糊评估矩阵：

其中，r_ij＝c_ij/c；

C_ij为第i项评估指标被作出评语集中第j种评估的次数，c＝3为试飞总次数；根据专家对“自动起飞/降落”确定的权重指标：

A₂₁₃＝(0.1 0.3 0.3 0.3)

可以得到该级模糊评判结果：

同理可以得到飞控性能U₂₁下其他科目的评判结果，将这些评判结果组成新的模糊评估矩阵：

根据专家对“飞控性能”确定的权重指标：

A₂₁＝(0.3 0.2 0.2 0.3)

可以得到“飞控性能”模糊评判结果：

3)定性数据评价

定性数据由综合评价软件通过专家评分表的结果导入。

以“系统可靠性U₂₂”科目为例，该科目具有平均故障时间U₂₂₁和故障率U₂₂₂两个评价指标，这属于定性分析科目，由专家打分。假设9名专家参与打分，结果统计如表5所示。

表5系统可靠性科目专家打分结果

评价等级指标名称	优秀	良好	中等	合格	不合格
						平均故障时间	7	0	2	0	0
故障率	5	3	0	1	0

根据评语集V，构建模糊评估矩阵：

其中，r_ij＝d_ij/d；

D_ij为第i项评估指标被作出评语集中第j种评估的专家人数，d＝9为参加评估的总专家数。

根据专家对“系统可靠性”确定的权重指标：

A₂₂＝(0.6 0.4)

可以得到该级模糊评判结果：

4)综合评价

综合评价是一个逐级向上的模糊评判过程。在主准则层的“性能评价U₂”中，根据以上计算得到的“飞控性能U₂₁”和“系统可靠性U₂₂”的评判结果，继续构建新的模糊评估矩阵：

根据专家对“性能评价”确定的权重指标：

A₂＝(0.7 0.3)

可以得到该级模糊评判结果：

最后，综合方案评价U1、性能评价U2、进度评价U3和进度评价U4的评判结果，得到初级模糊评估矩阵：

根据专家对综合评价确定的权重指标：

A＝(0.35 0.5 0.1 0.05)

可以得到最终模糊评判结果：

对结果进行归一化处理：

B'＝(0.32 0.28 0.2 0.2 0)

根据隶属度原则，评价结果为“优秀”。

如果需要综合评分，则根据评语集中定义的各等级分数计算得到评价总分：

F＝95×0.32+85×0.28+75×0.2+65×0.2+0＝82.2

本实施例中的无人直升机飞行控制系统评分自动获取方法在军事、环境监测、医疗卫生、工业自动化、公共安全等领域的控制系统综合评估中有广泛的应用前景。

以上所述，仅为本发明的具体实施方式，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，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的自动获取方法包括：

步骤1：获取无人直升机的设备数据，并对其进行规范量化处理；

步骤2：构建模糊层次分析模型；

步骤3：确定评分因素集U；

步骤4：确定评语集V；

步骤5：确定权重指标集A；

步骤6：确定模糊评分矩阵R；

步骤7：根据评分因素集U从最低一层开始进行多级模糊合成运算，获得当前无人直升机飞行控制系统的评分等级。

2.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的步骤1具体为：

设定满分y_d为设计指标所希望达到的最优标准，及格y_a为经过充分放宽后系统需要达到的最低标准，零分y₀为完全无法满足设计指标的测量结果，基于规范量化曲线，采用百分制来获取各项数据的规范量化。

3.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的评分模型指标体系包括：

目标层，具体为无人直升机飞行控制系统的评分及等级；

主准则层，包括设计方案评分、性能评分、进度评分和应用评分四个评分科目；

次准则层，数量为若干个，具体为由主准则层分解的评分科目。

4.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的步骤3具体为：

首先，将主准则层中的评分科目确定为主评分因素集U＝{U₁,U₂,…,U_n}；

其次，按照次准则层中每个科目的评分指标细分为m个二级子评分因素集：

U_i＝{U_i1,U_i2,…,U_ij}，i＝1,2,…,m，j＝1,2,…,t

其中，U_ij为第i个二级子评分因素的第j个评分指标；

若存在多个准则层，则继续细分子评分因素集，直至最底层。

5.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的步骤4具体为：

定义评语集为：

V＝{V₁,V₂,…,V_n}

其中，n为等级数量；

将评语集中的等级与百分制相对应。

6.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的步骤5具体为：

判断当前准则层中评分因素的数量是否小于预设的数量阈值，若是，则直接设置每个评分因素的权重，否则，通过专家评分获取权重；

专家评分获取权重的方法为：

首先，构建专家评分权重表；

其次，获取若干个专家通过九级标定法进行的打分数据；

最后，确定各项指标的最终权重，具体方法为：

计算权重表中每一行元素的乘积：

其中，m_ij为权重表中第i行第j列的评分值；

计算M_i的n次方根：

对向量

进行归一化处理：

构建权重向量：

W＝[W₁,W₂,…,W_n]^T

最后对权重值进行加总求平均，确定确定各项指标的最终权重：

A＝{a₁,a₂,…,a_n}。

7.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的步骤6具体为：

将各个评估因素集中的元素U_i到评语集V看作一个模糊映射，确定模糊评估矩阵R_i：

R_i＝{r_ijk}

对于定量评分科目，根据规范量化后的评分，按照区间直接归属到对应的评语集，若某个科目获取了多组数据，则对多组数据分别进行评分：

r_ijk＝c_ijk/c

其中，c_ijk为评估因素集U_i中第ij项评估指标被作出评语集中第k种评估的次数，c为数据总组数；

对于定性评分科目：

r_ijk＝d_ijk/d

其中，d_ijk为评估子因素集U_i中第ij项评估指标被作出评语集中第k种评估V_k的专家人数；d为参加评分的总专家数。

8.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的步骤7具体为：

已知某一层的权重指标为A_i，模糊评估矩阵为R_i，根据模糊理论，得出该层的综合评分向量

即：

然后逐层向上进行模糊运算，新的模糊评判矩阵R具体为：已经得到的同一层综合评判向量

的集合，即：

最终获取的目标层的评分结果：

对评分结果进行归一化：

根据最大隶属原则获得：

B_k＝max(b₁',b₂',b₃',b₄',b₅')

则得出模糊综合评分为V_k，同时获得待评估无人直升机飞行控制系统的评分等级。

9.根据权利要求1所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的无人直升机飞行控制系统评分自动获取方法还包括：

步骤8：获取当前无人直升机飞行控制系统的综合评分值。

10.根据权利要求9所述的一种无人直升机飞行控制系统评分自动获取方法，其特征在于，所述的步骤8具体为：

根据评语集中定义的各等级分数，计算综合评分值：

Images