CN114818270B - 一种遥测重要事件的确定方法和系统 - Google Patents
一种遥测重要事件的确定方法和系统 Download PDFInfo
- Publication number
- CN114818270B CN114818270B CN202210329721.1A CN202210329721A CN114818270B CN 114818270 B CN114818270 B CN 114818270B CN 202210329721 A CN202210329721 A CN 202210329721A CN 114818270 B CN114818270 B CN 114818270B
- Authority
- CN
- China
- Prior art keywords
- layer
- hierarchical model
- event
- alternative
- judgment matrix
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2115—Selection of the most significant subset of features by evaluating different subsets according to an optimisation criterion, e.g. class separability, forward selection or backward elimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
Abstract
本发明公开了一种遥测重要事件的确定方法和系统,涉及遥测数据开发领域。该方法包括:提取多目标航天器的备选重要数据集,对专家评分结果进行分析,根据分析结果构建所述层次模型的判断矩阵,根据所述判断矩阵和所述层次模型获得所述备选重要数据集中备选事件的影响权值,根据所述影响权值结合所述专家评分结果确定所述备选重要数据集中的遥测重要事件,实现深入分析遥测重要事件的本质、影响因素以及内在的关系,将定性分析转化为提取出一些定量的信息,数学化思维推理过程,实现定量地计算和推理决策。
Description
技术领域
本发明涉及遥测数据开发领域,尤其涉及一种遥测重要事件的确定方法 和系统。
背景技术
遥测重要事件集设计过程中,人为决策的主观性比较大,影响因素较多, 形成的决策结论难以数字化,没有严格的科学推演计算;尤其是随着航天任 务的复杂程度增加,一个任务需要多个航天器参与完成,日益普遍,需要增 加考虑多目标航天器的因素,多目标遥测重要事件相互耦合,具有不确定性、 非线性和并发性。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种遥测重要 事件的确定方法和系统。
本发明解决上述技术问题的技术方案如下:
一种遥测重要事件的确定方法,包括:
S1,提取多目标航天器的备选重要数据集;
S2,对专家评分结果进行分析,根据分析结果构建层次模型的判断矩阵;
S3,根据所述判断矩阵和所述层次模型获得所述备选重要数据集中备选 事件的影响权值;
S4,根据所述影响权值结合所述专家评分结果确定所述备选重要数据集 中的遥测重要事件。
本发明的有益效果是:本方案根据所述判断矩阵和所述层次模型获得所 述备选重要数据集中备选事件的影响权值,根据所述影响权值结合所述专家 评分结果确定所述备选重要数据集中的遥测重要事件,实现深入分析遥测重 要事件的本质、影响因素以及内在的关系,将定性分析转化为提取出一些定 量的信息,数学化思维推理过程,实现定量地计算和推理决策。
面对越来越复杂的航天任务,遥测重要事件数量不断增多,多目标航天 器之间相互耦合,具有不确定性、非线性和并发性的特点,通过本发明能够 合理设计、制定形成重要事件集,而重要事件集是影响任务成功的一个关键 环节,可以及时简要地评估任务实施进展,科学支持辅助决策。
进一步地,还包括:
根据多目标航天器的预设飞行参数和所述备选重要数据集构建层次模 型。
采用上述进一步方案的有益效果是:本方案通过在遥测重要事件的设计 过程建立层次结构模型,提取出可能的定量信息。
进一步地,所述S2具体包括:
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 二层到所述层次模型的第一层的两两比较判别矩阵;
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 三层对所述层次模型的第二层的3个两两比较判别矩阵;
所述判断矩阵包括:所述层次模型的第二层到所述层次模型的第一层的 两两比较判别矩阵和所述层次模型的第三层对所述层次模型的第二层的3个 两两比较判别矩阵。
采用上述进一步方案的有益效果是:本方案按照层次模型分别对重要事 件进行计算和排序选优,实现了将设计决策思维过程的数学化,计算出影响 权值,从而将遥测重要事件集的设计过程转化为了一个直观和快速的定量选 优问题。
进一步地,所述层次模型包括:包括总目标的第一层、包括评价准则的 第二层和包括所述备选重要数据集的第三层。
采用上述进一步方案的有益效果是:本方案通过构建的三层层次模型, 定量分析备选遥测重要事件、影响因素的关联关系。实现基于较少的定量信 息,基于层次模型的计算,实现了重要事件集设计过程的定量快速计算和直 观优选,科学地辅助决策。
进一步地,所述S3包括:
根据所述判断矩阵计算所述第二层相对与所述第一层的第一排序向量;
根据所述判断矩阵计算所述第三层相对所述第二层的第二排序向量;
根据所述判断矩阵计算所述第三层相对于第一层的第三排序向量;
对所述第一排序向量、所述第二排序向量和所述第三排序向量进行总排 序,根据总排序结果计算所述影响权值。
采用上述进一步方案的有益效果是:本方案通过计算遥测重要事件的影 响权值,实现定量优选遥测重要事件。
本发明解决上述技术问题的另一种技术方案如下:
一种遥测重要事件的确定系统,包括:数据提取模块、判断矩阵构建模 块、权值计算模块和选择模块;
所述数据提取模块用于提取备选重要数据集;
所述判断矩阵构建模块用于对专家评分结果进行分析,根据分析结果构 建层次模型的判断矩阵;
所述权值计算模块用于根据所述判断矩阵和所述层次模型获得所述备 选重要数据集中备选事件的影响权值;
所述选择模块用于根据所述影响权值结合所述专家评分结果确定所述 备选重要数据集中的遥测重要事件。
本发明的有益效果是:本方案根据所述判断矩阵和所述层次模型获得所 述备选重要数据集中备选事件的影响权值,根据所述影响权值结合所述专家 评分结果确定所述备选重要数据集中的遥测重要事件,实现深入分析遥测 重要事件的本质、影响因素以及内在的关系,将定性分析转化为提取出一些 定量的信息,数学化思维推理过程,实现定量地计算和推理决策。
面对越来越复杂的航天任务,遥测重要事件数量不断增多,多目标航天 器之间相互耦合,具有不确定性、非线性和并发性的特点,通过本发明能够 合理设计、制定形成重要事件集,而重要事件集是影响任务成功的一个关键 环节,可以及时简要地评估任务实施进展,科学支持辅助决策。
进一步地,还包括:层次模型构建模块,用于根据预设飞行参数和所述 备选重要数据集构建层次模型。
采用上述进一步方案的有益效果是:本方案通过在遥测重要事件的设计 过程建立层次结构模型,提取出可能的定量信息。
进一步地,所述判断矩阵构建模块具体用于对所述专家评分结果进行分 析,根据分析结果构造出所述层次模型的第二层到所述层次模型的第一层的 两两比较判别矩阵;
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 三层对所述层次模型的第二层的3个两两比较判别矩阵。
采用上述进一步方案的有益效果是:本方案按照层次模型分别对重要事 件进行计算和排序选优,实现了将设计决策思维过程的数学化,计算出影响 权值,从而将遥测重要事件集的设计过程转化为了一个直观和快速的定量选 优问题。
进一步地,所述层次模型包括:包括总目标的第一层、包括评价准则的 第二层和包括所述备选重要数据集的第三层。
采用上述进一步方案的有益效果是:本方案通过构建的三层层次模型, 定量分析备选遥测重要事件、影响因素的关联关系。实现基于较少的定量信 息,基于层次模型的计算,实现了重要事件集设计过程的定量快速计算和直 观优选,科学地辅助决策。
进一步地,所述权值计算模块具体用于,根据所述判断矩阵计算所述第 二层相对与所述第一层的第一排序向量;
根据所述判断矩阵计算所述第三层相对所述第二层的第二排序向量;
根据所述判断矩阵计算所述第三层相对于第一层的第三排序向量;
对所述第一排序向量、所述第二排序向量和所述第三排序向量进行总排 序,根据总排序结果计算所述影响权值。
采用上述进一步方案的有益效果是:本方案通过计算遥测重要事件的影 响权值,实现定量优选遥测重要事件。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的 描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的一种遥测重要事件的确定方法的流程示意 图;
图2为本发明的实施例提供的一种遥测重要事件的确定系统的结构框 图;
图3为本发明的其他实施例提供的层次分析模型的结构示意图;
图4为本发明的其他实施例提供的基于层次分析法的遥测重要事件集的 设计方法的流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释 本发明,并非用于限定本发明的范围。
飞行控制中心研发了遥测数据处理系统,其主要作用包括:解析遥测源 包数据格式,提取遥测参数并处理,为飞行器的飞行状态判断提供依据,为 飞控人员提供控制效果反馈,依据航天器的实际情况,推演后续控制策略与 计划,形成决策。重要事件是指与飞行控制、飞行器状态、飞行决策或飞控 中心系统运行关系较为密切的飞行事件,通常采用计算机自动判断该事件的 发生时间,以便飞控中心及时出相应的反应。重要事件设计现有技术一般由 测控系统和飞行器系统领域的专家基于知识经验提出备选集合,后经过人为 决策制定的。本发明通过深入分析遥测重要事件的本质、影响因素以及内在 的关系,将定性分析转化为提取出一些定量的信息,数学化思维推理过程, 实现定量地计算和推理决策。
如图1所示,为本发明实施例提供的一种遥测重要事件的确定方法,包 括:
S1,提取多目标航天器的备选重要数据集;需要说明的是,在某一实施 例中,可以结合任务情况和专家经验,提取备选重要事件集,其中,任务情 况可以包括任务的主要目标、实施流程和步骤等。例如,在某航天任务中, 需要多个目标飞行器控制,设计多目标飞行器重要事件集。可供选择作为重 要事件的备选遥测事件很多,例如:P1为屏蔽自主应急返回;P2为中继综 合单元加电;P3为飞行器与火箭分离;P4为变轨预报;P5为两飞行器分离。 这些遥测事件的设置都具有合理因素,对飞行器的状态或者飞行任务的进展 有一定影响。
S2,对专家评分结果进行分析,根据分析结果构建所述层次模型的判断 矩阵;
S3,根据所述判断矩阵和所述层次模型获得所述备选重要数据集中备选 事件的影响权值;
在某一实施例中,获得备选事件的影响权值可以包括:根据专家评分S, 分析后构建出判断矩阵C按经验打出各个分值,非常重要5分,明显重要3 分,稍微重要1分;通过两两比较的方法,分析构建出判断矩阵C=(a ij),因 素i和因素j相比较,推理影响作用一样,aij=1,因素i和因素j相比较,i 的推理影响作用明显重要,a ij=3,因素i和因素j相比较,i的推理影响作用 非常重要,a ij=5,再对其一致性分析。判断矩阵用于计算各因素对于目标的 影响权值,以及各个备选重要事件对准则的影响权值。例如,经过对专家评 分的分析,可以构造得到第二层到第一层的两两比较判别矩阵为:
再分别进行专家评分的分析,可以得到第三层对第二层的3个两两比较判别 矩阵,依次为:
对于上述各个比较判断矩阵,求出最大的特征值及其对应的特征向量,并进 行归一化计算,获得一致性指标CI以及一致性比例CR,合理设计遥测重要 事件集的计算结果如表1所示:
优选地,在某一实施例中,根据层次结构,进行总排序,再一致性分析, 以确定各个备选重要事件对目标的影响权值,例如:从表1可见,可以计算 获得4个层次单排序的一致性比例CR,其值都在0.1以下,满足一致性要 求。B层相对于总目标(A层)的排序向量为W(2)=(1.047 0.637 0.2583) T。
P层按照Bi为准则,其排序向量依次为:
则,计算得到P层相对于总目标(A层)的排序向量,为:
排序向量一一对应了之前备选重要事件的影响权值,可以初步作为决策 遴选的依据,再进行一致性检验。
层次总排序的一致性检验为:
CI (2)=(0.0198,0.039,0) TRI (2)=(1.12,0.9,0.9) T,
CI (3)=W (2)·CI (2)=(0.1047 0.637 0.2583)(0.0198,0.039,0) T=0.269,
RI (3)=W (2)·RI (2)=(0.1047 0.637 0.2583)(1.12,0.9,0.9) T=0.923,
可见,总排序一致性通过。
S4,根据所述影响权值结合所述专家评分结果确定所述备选重要数据集 中的遥测重要事件。
需要说明的是,在某一实施例中,根据计算得到的影响权值和专家打分 计算备选重要事件的最终得分,根据得分高低,可以决策是否将每一个备选 事件设计为遥测重要事件。
例如:对于合理设计遥测重要事件集的总目标,分析和计算了5种备选 遥测重要事件的相对优先排序为:P3(飞行器与火箭分离),权重为0.4011; P5(两飞行器分离),权重为0.1723;P2(中继综合单元加电),权重为0.1564; P1(屏蔽自主应急返回),权重为0.1488;P4(变轨预报),权重为0.1215。基 于以上的分析和计算结果,可以决定各种备选事件设计为遥测重要事件的先 后次序和等级,以及决定那些可以设计为遥测重要事件,那些不能设计为遥 测重要事件。
优选地,在某一实施例中,基于层次分析法的遥测重要事件集的设计方 法,如图4所示,通过任务情况和专家知识构建备选重要事件集,根据备选 重要事件集获得专家评分、及建立层次结构模型,通过专家评分和层次结构 模型构建判断矩阵,根据层次结构进行一致性分析,再进行总排序,确定各 个备选重要事件对目标的影响权值,根据影响权值计算备选重要事件的最终 得分,设计出遥测重要事件集。
本方案根据所述判断矩阵和所述层次模型获得所述备选重要数据集中 备选事件的影响权值,根据所述影响权值结合所述专家评分结果确定所述备 选重要数据集中的遥测重要事件,实现深入分析遥测重要事件的本质、影响 因素以及内在的关系,将定性分析转化为提取出一些定量的信息,数学化思 维推理过程,实现定量地计算和推理决策。
面对越来越复杂的航天任务,遥测重要事件数量不断增多,多目标航天 器之间相互耦合,具有不确定性、非线性和并发性的特点,通过本发明能够 合理设计、制定形成重要事件集,而重要事件集是影响任务成功的一个关键 环节,可以及时简要地评估任务实施进展,科学支持辅助决策。
优选地,在上述任意实施例中,还包括:根据遥测重要事件,让飞控中 心及时调整飞行事件。
优选地,在上述任意实施例中,还包括:
根据预设飞行参数和所述备选重要数据集构建层次模型。预设飞行参数 可以包括:飞行器状态、飞行控制、飞行决策和飞控中心系统运行等参数。
在某一实施例中,如图3所示,在飞行器状态、飞行控制、飞行决策和 飞控中心系统运行等方面因素基础上,建立包括目标层、准则层和方案层的 层次结构模型,其中,目标层,用于决策某备选事件是否为重要事件;方案 层包括:备选重要事件。
在另一实施例中,获得多专家对备选重要事件及其逆事件(表示该事件 不作为重要事件)的多方面因素评分S。分析各个备选遥测重要事件、影响 因素,建立一个设计决策过程的层次结构模型。该模型最高一层为总目标A: 合理设计遥测重要事件集。第二层设计评价准则,包含的3个准则为:B1 为重要事件需要向飞行任务决策提供依据;B2为重要事件需要向飞行控制 提供依据;B3为重要事件需要为飞控中心系统运行和飞行器状态判断提供 依据。最下面一层为备选的方案集合,包含了从P1-P5共5种备选遥测重 要事件,递阶层次结构如图3所示。
本方案通过在遥测重要事件的设计过程建立层次结构模型,提取出可能 的定量信息。
优选地,在上述任意实施例中,所述S2具体包括:
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 二层到所述层次模型的第一层的两两比较判别矩阵;
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 三层对所述层次模型的第二层的3个两两比较判别矩阵。
本方案按照层次模型分别对重要事件进行计算和排序选优,实现了将设 计决策思维过程的数学化,计算出影响权值,从而将遥测重要事件集的设计 过程转化为了一个直观和快速的定量选优问题。
优选地,在上述任意实施例中,所述层次模型包括:包括总目标的第一 层、包括评价准则的第二层和包括所述备选重要数据集的第三层。
本方案通过构建的三层层次模型,定量分析备选遥测重要事件、影响因 素的关联关系。实现基于较少的定量信息,基于层次模型的计算,实现了重 要事件集设计过程的定量快速计算和直观优选,科学地辅助决策。
优选地,在上述任意实施例中,所述S3包括:
根据所述判断矩阵计算所述第二层相对与所述第一层的第一排序向量;
根据所述判断矩阵计算所述第三层相对所述第二层的第二排序向量;
根据所述判断矩阵计算所述第三层相对于第一层的第三排序向量;
对所述第一排序向量、所述第二排序向量和所述第三排序向量进行总排 序,根据总排序结果计算所述影响权值。
本方案通过计算遥测重要事件的影响权值,实现定量优选遥测重要事 件。
在某一实施例中,如图2所示,一种遥测重要事件的确定系统,包括: 数据提取模块1101、判断矩阵构建模块1102、权值计算模块1103和选择模 块1104;
所述数据提取模块1101用于提取备选重要数据集;
所述判断矩阵构建模块1102用于对专家评分结果进行分析,根据分析 结果构建层次模型的判断矩阵;
所述权值计算模块1103用于根据所述判断矩阵和所述层次模型获得所 述备选重要数据集中备选事件的影响权值;
所述选择模块1104用于根据所述影响权值结合所述专家评分结果确定 所述备选重要数据集中的遥测重要事件。
本方案根据所述判断矩阵和所述层次模型获得所述备选重要数据集中 备选事件的影响权值,根据所述影响权值结合所述专家评分结果确定所述备 选重要数据集中的遥测重要事件,实现深入分析遥测重要事件的本质、影 响因素以及内在的关系,将定性分析转化为提取出一些定量的信息,数学化 思维推理过程,实现定量地计算和推理决策。
面对越来越复杂的航天任务,遥测重要事件数量不断增多,多目标航天 器之间相互耦合,具有不确定性、非线性和并发性的特点,通过本发明能够 合理设计、制定形成重要事件集,而重要事件集是影响任务成功的一个关键 环节,可以及时简要地评估任务实施进展,科学支持辅助决策。
优选地,在上述任意实施例中,还包括:层次模型构建模块,用于根据 预设飞行参数和所述备选重要数据集构建层次模型。
本方案通过在遥测重要事件的设计过程建立层次结构模型,提取出可能 的定量信息。
优选地,在上述任意实施例中,所述判断矩阵构建模块具体用于对所述 专家评分结果进行分析,根据分析结果构造出所述层次模型的第二层到所述 层次模型的第一层的两两比较判别矩阵;
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 三层对所述层次模型的第二层的3个两两比较判别矩阵。
本方案按照层次模型分别对重要事件进行计算和排序选优,实现了将设 计决策思维过程的数学化,计算出影响权值,从而将遥测重要事件集的设计 过程转化为了一个直观和快速的定量选优问题。
优选地,在上述任意实施例中,所述层次模型包括:包括总目标的第一 层、包括评价准则的第二层和包括所述备选重要数据集的第三层。
本方案通过构建的三层层次模型,定量分析备选遥测重要事件、影响因 素的关联关系。实现基于较少的定量信息,基于层次模型的计算,实现了重 要事件集设计过程的定量快速计算和直观优选,科学地辅助决策。
优选地,在上述任意实施例中,所述权值计算模块1103具体用于,根 据所述判断矩阵计算所述第二层相对与所述第一层的第一排序向量;
根据所述判断矩阵计算所述第三层相对所述第二层的第二排序向量;
根据所述判断矩阵计算所述第三层相对于第一层的第三排序向量;
对所述第一排序向量、所述第二排序向量和所述第三排序向量进行总排 序,根据总排序结果计算所述影响权值。
本方案通过计算遥测重要事件的影响权值,实现定量优选遥测重要事 件。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部 可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例, 对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的 对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些 实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该 实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一 个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是 相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在 任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不 同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法, 可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的, 例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划 分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可 以忽略,或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使 用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明 的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全 部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存 储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服 务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而 前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM, Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、 磁碟或者光盘等各种可以存储程序代码的介质。
以上,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)
1.一种遥测重要事件的确定方法,其特征在于,包括:
S1,提取多目标航天器的备选重要数据集;其中,所述备选重要数据集 包括:屏蔽自主应急返回事件、中继综合单元加电事件、飞行器与火箭分离 事件、变轨预报事件和两飞行器分离事件;
S2,对专家评分结果进行分析,根据分析结果构建层次模型的判断矩阵;
S3,根据所述判断矩阵和所述层次模型获得所述备选重要数据集中备选 事件的影响权值;
S4,根据所述影响权值结合所述专家评分结果确定所述备选重要数据集 中的遥测重要事件;其中,所述遥测重要事件包括:飞行器与火箭分离事件、 两飞行器分离事件、中继综合单元加电事件、屏蔽自主应急返回事件和变轨 预报事件中至少一个。
2.根据权利要求1所述的一种遥测重要事件的确定方法,其特征在于, 还包括:
根据多目标航天器的预设飞行参数和所述备选重要数据集构建层次模 型。
3.根据权利要求1所述的一种遥测重要事件的确定方法,其特征在于, 所述S2具体包括:
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 二层到所述层次模型的第一层的两两比较判别矩阵;
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 三层对所述层次模型的第二层的3个两两比较判别矩阵;
所述判断矩阵包括:所述层次模型的第二层到所述层次模型的第一层的 两两比较判别矩阵和所述层次模型的第三层对所述层次模型的第二层的3个 两两比较判别矩阵。
4.根据权利要求2所述的一种遥测重要事件的确定方法,其特征在于, 所述层次模型包括:包括总目标的第一层、包括评价准则的第二层和包括所 述备选重要数据集的第三层。
5.根据权利要求3或4所述的一种遥测重要事件的确定方法,其特征在 于,所述S3包括:
根据所述判断矩阵计算所述第二层相对与所述第一层的第一排序向量;
根据所述判断矩阵计算所述第三层相对所述第二层的第二排序向量;
根据所述判断矩阵计算所述第三层相对于第一层的第三排序向量;
对所述第一排序向量、所述第二排序向量和所述第三排序向量进行总排 序,根据总排序结果计算所述影响权值。
6.一种遥测重要事件的确定系统,其特征在于,包括:数据提取模块、 判断矩阵构建模块、权值计算模块和选择模块;
所述数据提取模块用于提取多目标航天器的备选重要数据集;其中,所 述备选重要数据集包括:屏蔽自主应急返回事件、中继综合单元加电事件、 飞行器与火箭分离事件、变轨预报事件和两飞行器分离事件;
所述判断矩阵构建模块用于对专家评分结果进行分析,根据分析结果构 建层次模型的判断矩阵;
所述权值计算模块用于根据所述判断矩阵和所述层次模型获得所述备 选重要数据集中备选事件的影响权值;
所述选择模块用于根据所述影响权值结合所述专家评分结果确定所述 备选重要数据集中的遥测重要事件;其中,所述遥测重要事件包括:飞行器 与火箭分离事件、两飞行器分离事件、中继综合单元加电事件、屏蔽自主应 急返回事件和变轨预报事件中至少一个。
7.根据权利要求6所述的一种遥测重要事件的确定系统,其特征在于, 还包括:层次模型构建模块,用于根据多目标航天器的预设飞行参数和所述 备选重要数据集构建层次模型。
8.根据权利要求6所述的一种遥测重要事件的确定系统,其特征在于, 所述判断矩阵构建模块具体用于对所述专家评分结果进行分析,根据分析结 果构造出所述层次模型的第二层到所述层次模型的第一层的两两比较判别 矩阵;
对所述专家评分结果进行分析,根据分析结果构造出所述层次模型的第 三层对所述层次模型的第二层的3个两两比较判别矩阵;
所述判断矩阵包括:所述层次模型的第二层到所述层次模型的第一层的 两两比较判别矩阵和所述层次模型的第三层对所述层次模型的第二层的3个 两两比较判别矩阵。
9.根据权利要求7所述的一种遥测重要事件的确定系统,其特征在于, 所述层次模型包括:包括总目标的第一层、包括评价准则的第二层和包括所 述备选重要数据集的第三层。
10.根据权利要求8或9所述的一种遥测重要事件的确定系统,其特征 在于,所述权值计算模块具体用于,根据所述判断矩阵计算所述第二层相对 与所述第一层的第一排序向量;
根据所述判断矩阵计算所述第三层相对所述第二层的第二排序向量;
根据所述判断矩阵计算所述第三层相对于第一层的第三排序向量;
对所述第一排序向量、所述第二排序向量和所述第三排序向量进行总排 序,根据总排序结果计算所述影响权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210329721.1A CN114818270B (zh) | 2022-03-31 | 2022-03-31 | 一种遥测重要事件的确定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210329721.1A CN114818270B (zh) | 2022-03-31 | 2022-03-31 | 一种遥测重要事件的确定方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114818270A CN114818270A (zh) | 2022-07-29 |
CN114818270B true CN114818270B (zh) | 2023-04-07 |
Family
ID=82533266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210329721.1A Active CN114818270B (zh) | 2022-03-31 | 2022-03-31 | 一种遥测重要事件的确定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114818270B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
-
2022
- 2022-03-31 CN CN202210329721.1A patent/CN114818270B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114818270A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yazdi | Improving failure mode and effect analysis (FMEA) with consideration of uncertainty handling as an interactive approach | |
Panoutsos et al. | A neural-fuzzy modelling framework based on granular computing: Concepts and applications | |
Dabbagh et al. | An approach for integrating the prioritization of functional and nonfunctional requirements | |
Ardil | Aircraft Selection Using Preference Optimization Programming (POP) | |
Kuravsky et al. | Assessing the aircraft crew actions with the aid of a human factor risk model | |
Zhou et al. | A large group decision-making method based on fuzzy preference relation | |
CN112101779A (zh) | 基于主客观结合的结构熵权法机场场面运行综合评价系统 | |
Ardil | Unmanned Combat Aircraft Selection using Fuzzy Proximity Measure Method in Multiple Criteria Group Decision Making | |
Li | An intelligent, knowledge-based multiple criteria decision making advisor for systems design | |
CN102968553A (zh) | 一种飞行器着陆风险评测方法 | |
CN114818270B (zh) | 一种遥测重要事件的确定方法和系统 | |
Wilhite et al. | Estimating the risk of technology development | |
Wang et al. | Air combat effectiveness assessment of military aircraft using a fuzzy AHP and TOPSIS methodology | |
Tavana et al. | Applying fuzzy bi-dimensional scenario-based model to the assessment of Mars mission architecture scenarios | |
CN114398769B (zh) | 一种无人直升机飞行控制系统评分自动获取方法 | |
Gardašević-Filipović et al. | Multicriteria optimization in a fuzzy environment: the fuzzy analytic hierarchy process | |
Johnson et al. | Improving classification efficiency by restructuring Army job families | |
CN113869655A (zh) | 快速响应运火箭作战试验指标的确定方法和装置 | |
CN112101780A (zh) | 结构熵权法的机场场面运行综合评价方法 | |
Elwakil | Integrating AHP-fuzzy model for assessing construction organizations’ performance | |
Milosovski et al. | Improvement of aircraft accident investigation through expert systems | |
CN111461558B (zh) | 关键数据安全销毁评估方法 | |
Gohar et al. | Construction projects risk assessment based on fuzzy AHP | |
Kandakoglu et al. | A robust approach for course of action comparison and selection in operation planning process | |
Bourdon et al. | A method for hierarchically prioritizing capabilities with an application to military manned and unmanned aerial vehicles |
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 |