CN114881526A - 一种面向多平台航电系统的综合工作任务效能评估方法 - Google Patents
一种面向多平台航电系统的综合工作任务效能评估方法 Download PDFInfo
- Publication number
- CN114881526A CN114881526A CN202210629194.6A CN202210629194A CN114881526A CN 114881526 A CN114881526 A CN 114881526A CN 202210629194 A CN202210629194 A CN 202210629194A CN 114881526 A CN114881526 A CN 114881526A
- Authority
- CN
- China
- Prior art keywords
- index
- platform
- indexes
- avionic
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 58
- 230000000295 complement effect Effects 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 18
- 230000008901 benefit Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 238000013077 scoring method Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 2
- 230000015556 catabolic process Effects 0.000 claims description 2
- 238000006731 degradation reaction Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
Abstract
本发明属于机载航空电子技术领域，具体涉及一种面向多平台航电系统的综合工作任务效能评估方法。基于层次化多平台航电系统架构，构建可信度度量综合指标。在此基础上，利用层次分析理论和专家打分相结合的方法，提出具有可操作性的多平台航电系统可信度度量指标体系架构。本发明考虑多平台航电系统面对的信息协同与共享难题、协同任务规划，为多平台航电系统提供高效、透明的信任评估方案。
Description
技术领域
本发明属于机载航空电子技术领域，具体涉及一种面向多平台航电系统的综合工作任务效能评估方法。
背景技术
近年来，集成导航、搜索、通信等功能于一体的航空电子系统，尤其是多平台航电系统通过整合各平台的设备与电子系统，充分利用各平台的特点，实现复杂工作任务的有效协同和部署。然而，多平台航电系统面对来自其自身属性(如对协同工作任务的支撑程度)和设备效能稳定性两方面挑战，尤其在复杂电磁环境下。因此，需要及时评估多平台航电系统的可信程度具有重要的意义。
相关研究如下：无线航空网络和航空电子网络结合的信息交互方式，给多平台航电系统带来了更为严格的可靠性和安全性要求。2015年，Akram等人在《Challenges ofsecurity and trust in avionics wireless networks》中对航空电子无线网络进行了研究，为了降低网络有线部署方法的复杂性、提高可配置性，提议使用无线部署方法，由此构成了航空电子无线网络，这也同时带了新的安全性和信任性挑战。2017年，Strohmeier等人在《Crowdsourcing security for wireless air traffic communications》中对无线空中网络通信安全问题进行了研究，利用信任模型防御受损传感器所带来的潜在内部威胁，基于众包概念，无线通信验证综合模型提高网络的安全性。2018年，Xu等人在《DynamicSelection Method for Cooperative Decision-Making Center of Multi-UAV Systembased on Cloud Trust Model》中研究了基于云信任模型的多无人机系统协同决策中心选择问题，将每个无人机的决策能力建模为信任，利用无人机之间的交互信任，通过信任度和信誉度计算，并利用云模型增强对不确定环境的适应性，从而自适应地选择被欺骗和干扰环境中的最佳决策中心。2021年，Wu等人在《Blockchain-Based Trust Model for AirTraffic Management Network》中同样研究无线空中网络通信安全问题，基于区块链构建信任模型，结合国内密码算法，在空天地一体化网络中建立信任链，利用这种分布式账本技术来保证网络数据的安全传输和可靠共享。在多平台航电系统中，信任被视为一个综合概念，既衡量系统的安全性，也衡量系统的效能，即能够按照预期完成计划任务。2015年，侯倩等人在《航电系统多指标下效能评估方法研究》中研究了航电系统效能评估问题，考虑航电系统在任务达到过程中面临的环境条件、时间等因素参数，将航电系统效能定义为系统达到了完成规定条件下特定任务要求的能力。2020年，周璇等人在《航电系统体系贡献率权重演化动态综合评估》中对航电系统体系贡献率评估进行了研究，基于航电系统任务能力要素，构建分层的体系贡献率评估指标体系，并应用粒子群优化算法实现有效评估阶段的时间加权，能够更准确地反映指标贡献权重和能力贡献分布等评估结果。2020年，Li等人在《Research on System Reliability of Eight-Rotor Fire-Fighting UAVS》中对无人机系统的可靠性进行了分析，考虑系统单元之间的相关性，定义了基于串并联概念的系统可靠性模型，通过基本的可靠性分析和任务可靠性分析计算可靠性参数的上下界，更接近实际情况、更准确。
发明内容
为了在考虑复杂协同工作任务特性的多平台航电系统，提供精确、可靠、稳定的信任评估，本发明提出一种面向多平台航电系统的综合工作任务效能评估方法。
本发明的技术方案如下：一种面向多平台航电系统的综合工作任务效能评估方法，基于层次化多平台航电系统架构，构建可信度度量综合指标；具体步骤如下：
(1)构建层次化多平台航电系统；
(1.1)利用无线航空网络和航空电子网络实现整个层次化多平台航电系统内的信息交互，其中，无线航空网络连接航空编队内多个航空平台，航空电子网络连接单个航空平台内多个子系统；
(1.2)在航空编队范围内建立统一的网络控制机制与信息交互机制，在一个中心控制器逻辑集中的控制下，根据交互信息种类和节点通信代价，为航电系统提供差异化、精细化的网络服务；
(2)构建可信度度量综合指标，包括构建多平台可信度度量指标体系架构和综合工作任务效能评估方法；
(2.1)构建多平台可信度度量指标体系架构，包括步骤如下：
(2.1.1)分析多平台航电系统可能承担的作战工作任务，分解工作任务，将其映射成支撑工作任务的能力需求，得到多平台航电系统的任务支撑度；
(2.1.2)根据任务支撑度，结合系统可靠性，构建用于多平台航电系统可信度度量的指标体系；综合多平台航电系统在指标体系上的表现，评估多平台航电系统的可信度；
根据多平台航电系统的任务支撑度和系统可靠性，提取反映多平台航电系统可信度的指标，拟构建用于可信度度量的指标体系；该指标体系为层次化结构，以多平台航电系统可信度为顶层，任务支撑度、系统可靠性这两大维度及其下属子项为中层，若干底层指标；
(2.2)综合工作任务效能评估方法
基于构建的多平台航电系统可信度度量指标体系，应用模糊层次分析法与专家打分法评估多平台航电系统可信度，包括指标量化、权重确定、综合评估三个步骤；
(2.2.1)指标量化
由于多平台航电系统可信度度量指标体系中底层指标的量纲和大小存在差异，因此，首先对底层指标去量纲和归一化，使取值范围均为[0，1]；
任意底层指标，利用仿真分析获取其原值P，对各底层指标利用场景应用结合预期工作任务目的推演获取要求值为R，要求值分为理想要求Rideal和最低要求Rworst等参数形式；
当P≥Rideal时，该指标支持实现最佳工作任务目的，并完全满足具体任务要求，量化赋值为1；当P＜Rworst时，该指标未能达到最低工作任务目的，且不满足基本任务要求，量化赋值为0；当Rworst≤P＜Rideal时，该指标能达到最低工作任务目的，且基本满足具体任务需求，量化赋值为[0，1]之间；
根据指标属性特征，分为效益型指标、成本型指标和适度型指标，不同类型指标设有不同形式的标准化函数；
考虑实际变化过程往往呈现中部迅速而边界缓慢的趋势，以S型函数作为基本函数：
θ为概率的原值，αβ为要求的上界和下界，当α＝β时，该S型函数退化为阶跃函数：
效益型指标包括位置精度指标、测距精度指标，其标准化函数为：
成本型指标包括传输延迟指标、虚警概率指标，其标准化函数为：
适度型指标包括设备配置冗余性指标，其标准化函数为：
其中，
(2.2.2)权重确定
权重确定是多平台航电系统可信度度量方法的核心。组织S位专家对多平台航电系统可信度度量指标体系中同一层指标相对于上一层指标的重要程度进行两两比较打分，采用0.1-0.9标度方法；设第i层指标集合为
由专家打分法得任意专家S针对该层指标相对上一层指标重要程度的模糊互补判断矩阵Ai,s，其表示为
其中，
表示专家S认为第i层第j个指标和第k个指标相对上一层指标重要程度的比较结果；
模糊互补判断矩阵Ai,s满足：
该模糊互补判断矩阵权重采用如下通用求解公式：
该公式充分包含了模糊一致性判断矩阵的优良特性及其判断信息，计算量小且便于计算机编程实现，为实际应用带来了极大方便。但是，当偏移一致性过大时，将权重向量的计算结果作为决策依据是不可靠的。
采用模糊判断矩阵的相容性对其进行一致性检验，将不一致的矩阵进行调整使其满足一致性条件，继续进行权重计算；假设
是模糊判断矩阵Ai,s的特征向量，则令
矩阵Wi,s为矩阵Ai,s的特征矩阵，同为模糊判断矩阵；
计算矩阵Ai,s与矩阵Wi,s的相容性指标I(Ai,s,Wi,s)，如下：
设判断标准为ψ，当相容性指标I(Ai,s,Wi,s)满足：
I(Ai,s,Wi,s)≤ψ (14)
判断矩阵Ai,s是满意一致的；
S位专家给出判断，获得S个模糊互补判断矩阵Ai,s,s＝1,2,…,S，以及S个相应的特征矩阵Wi,s,s＝1,2,…,S，要进一步检验这些模糊互补判断矩阵的一致性：
首先，检验S个判断矩阵Ai,s的满意一致性；
I(Ai,s,Wi,s)≤ψ,s＝1,2,…,S (15)
然后，检验判断矩阵间的满意相容性；
I(Ai,t,Ai,p)≤ψ,t≠p；t,p＝1,2,…,S (16)
公式(15)(16)表明在模糊互补判断矩阵Ai,s是一致可接受的情况下，它们的综合判断矩阵也是一致可接受的。同时满足式(15)(16)时，使用S个权重向量的均值作为该层指标权重，基于公式(11)，得到指标权重的计算公式为：
除顶层外，构建每一层指标相对上一层指标重要程度的模糊互补判断矩阵，并计算得到每层指标相对上一层指标的权重结果wi,i＝1,2,3；
(2.2.3)综合评估
最后，根据量化后的底层指标值集合F，结合每层的权重结果wi,i＝1,2,3，综合评估得到多平台航电系统可信度为
T＝F#wi,i＝1,2,3 (18)
其中，公式(18)中#是自定义的算子，反映底层指标的交或并状态。
所述多平台航电系统组成的航空编队中，主控平台由主控无人机担任，其他小型无人机则担任子平台，均基于综合模块化航电系统；多平台航电系统由多种类型的航电平台组成，航电平台系统依据应用分类包括攻击类航电系统、探测类航电系统、运输类航电系统、微航电系统和无人航电系统
所述判断标准ψ根据决策者对模糊判断矩阵的一致性要求取值，小数值对应高要求。
所述判断标准ψ＝0.1。
所述系统可靠性包括安全性、稳定性、可靠性、时敏性即时间有效性、鲁棒性、可维性和有效性。
所述安全性包括抗干扰性、抗截获性和抗窃听性；稳定性包括系统故障发生率、平均故障延迟时间和平均故障平均时间；可靠性包括系统失效检测率、系统失效等级和系统失效发生率；鲁棒性包括系统硬件节点利用率、系统任务丢失率和数据交换网络鲁棒性；可维性包括系统故障修复率、系统故障修复费用和平均故障修复时间；有效性包括测算有效性、通信有效性和资源有效性。
所述任务支撑度包括通信能力、导航能力、探测能力、识别能力、对抗能力、控制能力和管理能力。
所述通信能力包括通信容量、覆盖范围、传输延迟、误码率、节点发现时间和网络规划时间；导航能力包括位置精度、速度精度、航向精度、航向规划时间和横向航迹偏差；探测能力包括测距精度、测速精度、测角精度、轨迹预测一致性和位置预测精确度；识别能力包括目标属性准确度和目标类型准确度；对抗能力包括虚警概率、漏警概率、失锁捕获时间和干扰成功率；控制能力包括决策指挥时间、数据融合程度、体系结构通用性、飞行操纵自主性、显示输出时延和指令输入识别率；管理能力包括调度派发合理性、性能降级鲁棒性、设备配置冗余性、故障预测及时性和寿命预测准确度。
本发明的有益效果：本发明根据飞行器所搭载的多平台航电系统的技术特征，建立航电系统对工作任务支持能力的度量理论，给出多平台航电系统对作战效能支撑度的评估方案。在此基础上，利用层次分析理论和专家打分相结合的方法，提出具有可操作性的多平台航电系统可信度度量指标体系架构。本发明考虑多平台航电系统面对的信息协同与共享难题、协同任务规划，为多平台航电系统提供高效、透明的信任评估方案。
附图说明
图1是本发明一种实施例的多平台航电系统架构示意图；
图2是本发明一种实施例的多平台航电系统可信度度量指标体系架构示意图；
图3是本发明一种实施例的多平台航电系统可信度综合指标构建示意图。
具体实施方式
下面结合附图和技术方案进一步说明本发明的具体实施方式。
一种面向多平台航电系统的综合工作任务效能评估方法，包括如下步骤：
(1)构建的层次化多平台航电系统，具体步骤如下：
(1.1)如图1所示，利用无线航空网络和航空电子网络实现整个系统内的信息交互，其中，无线航空网络连接航空编队内多个航空平台，航空电子网络连接单个航空平台内多个子系统。
(1.2)在航空编队范围内建立统一的网络控制机制与信息交互机制，在一个中心控制器逻辑集中的控制下，根据交互信息种类和节点通信代价的差异，为航电系统提供精细化的网络服务。
此外，在本发明公布的多平台航电系统组成的航空编队中，主控平台由主控无人机担任，其他小型无人机则担任子平台，均基于综合模块化航电系统；多平台航电系统由多种类型的航电平台组成，航电平台系统依据应用分类包括攻击类航电系统、探测类航电系统、运输类航电系统、微航电系统和无人航电系统。
(2)构建可信度度量综合指标，包括构建多平台可信度度量指标体系架构和综合工作任务效能评估方法；
(2.1)多平台可信度度量指标体系架构的具体构建步骤如下：
(2.1.1)首先，分析多平台航电系统可能承担的工作任务，分解这些工作任务，映射为支撑工作任务的能力需求，得到多平台航电系统的任务支撑度。
(2.1.2)然后，根据任务支撑度，结合系统可靠性，构建用于多平台航电系统可信度度量的指标体系。
(2.1.3)最后，综合多平台航电系统在指标体系上的表现，评估多平台航电系统的可信度，如图2所示。
如图3所示，根据多平台航电系统的任务支撑度和系统可靠性，提取能够反映多平台航电系统可信度的指标，拟构建用于可信度度量的指标体系。该指标体系为层次化结构，以多平台航电系统可信度为顶层，任务支撑度、系统可靠性这两大维度及其下属子项为中层，若干底层指标为底层。
(2.2)综合工作任务效能评估方法
基于构建的多平台航电系统可信度度量指标体系，应用模糊层次分析法与专家打分法评估多平台航电系统可信度包括指标量化、权重确定、综合评估三个主要步骤。
(2.2.1)指标量化
由于多平台航电系统可信度度量指标体系中底层指标的量纲和大小存在差异，因此，首先需要对底层指标进行量化，即去量纲和归一化，使取值范围均为[0，1]。
假设对于任意底层指标，其原值表示为P，这可以利用仿真分析或其他途径获得；对该指标的要求值为R，这可以利用场景应用实际结合预期工作任务目的推演得出，具体又拓展为理想要求Rideal和最低要求Rworst等参数形式。
当P≥Rideal时，该指标支持实现最佳工作任务目的，并完全满足具体任务要求，量化赋值为1；当P＜Rworst时，该指标未能达到最低工作任务目的，且不满足基本作任务要求，量化赋值为0；当Rworst≤P＜Rideal时，该指标能达到最低工作任务目的，且基本满足具体任务需求，量化赋值为[0，1]之间。
根据指标属性特征，可分为效益型指标、成本型指标和适度型指标，不同类型指标有不同形式的标准化函数。
考虑实际变化过程往往呈现中部迅速而边界缓慢的趋势，选择如下的S型函数作为基本函数：
θ为概率的原值，αβ为要求的上界和下界，当α＝β时，该S型函数退化为阶跃函数：
效益型指标是指取值越大越好的指标，例如位置精度、测距精度等指标，其标准化函数为
成本型指标是指取值越小越好的指标，例如传输延迟、虚警概率等指标，其标准化函数为
适度型指标是指取合适值最好的指标，例如设备配置冗余性等指标，其标准化函数为
其中，
这里以通信容量这个指标为例对指标量化进行说明，通信容量这一指标其原值表示为P为52，理想要求Rideal为100，最低要求Rworst为10，指标单位为Mbps，类型为效益型指标。因为指标类型为效益型，因此将原值P，理想要求Rideal和最低要求Rworst三个指标带入效益型指标标准化函数Fx得出其指标量化后的值为0.43556，结果保留5位有效数字。
(2.2.2)权重确定
权重确定是多平台航电系统可信度度量方法的核心。组织S位专家对多平台航电系统可信度度量指标体系中同一层指标相对于上一层指标的重要程度进行两两比较打分，这里采用0.1-0.9标度方法.假设第i层指标集合表示为
由专家打分法可得任意专家s针对该层指标相对上一层指标重要程度的模糊互补判断矩阵Ai,s，其表示为
其中，
表示专家s认为第i层第j个指标和第k个指标相对上一层指标重要程度的比较结果。
模糊互补判断矩阵Ai,s满足
该模糊互补判断矩阵权重采用如下通用求解公式
该公式充分包含了模糊一致性判断矩阵的优良特性及其判断信息，计算量小且便于计算机编程实现，为实际应用带来了极大方便。但是，当偏移一致性过大时，将权重向量的计算结果作为决策依据是不可靠的。
因此，需要对模糊互补判断矩阵Ai,s进行一致性检验，将不一致的矩阵进行调整使其满足一致性条件，才可进行下面的权重计算，这里采用模糊判断矩阵的相容性来检验其一致性原则的方法。
假设
是模糊判断矩阵Ai,s的特征向量，则令
其所组成矩阵Wi,s即为矩阵Ai,s的特征矩阵，同时也是一个模糊判断矩阵。
计算矩阵Ai,s与矩阵Wi,s的相容性指标I(Ai,s,Wi,s)，如下
假设判断标准为α，当相容性指标I(Ai,s,Wi,s)满足
I(Ai,s,Wi,s)≤ψ (14)
则认为判断矩阵Ai,s是满意一致的。ψ越小，表明决策者对模糊判断矩阵的一致性要求越高，一般可取ψ＝0.1。
这里是S位专家给出判断，会有S个模糊互补判断矩阵Ai,s,s＝1,2,…,S，以及S个相应的特征矩阵Wi,s,s＝1,2,…,S，因此需要进一步检验这些模糊互补判断矩阵的一致性：
首先，检验S个判断矩阵Ai,s的满意一致性；
I(Ai,s,Wi,s)≤ψ,s＝1,2,…,S (15)
然后，检验判断矩阵间的满意相容性。
I(Ai,t,Ai,p)≤ψ,t≠p；t,p＝1,2,…,S (16)
公式(15)(16)表明在模糊互补判断矩阵Ai,s是一致可接受的情况下，它们的综合判断矩阵也是一致可接受的。只有两者同时满足时，使用S个权重向量的均值作为该层指标权重才是合理和可靠的，此时，基于公式(11)，得到指标权重的计算公式为
以此类推，除顶层外，构建每一层指标相对上一层指标重要程度的模糊互补判断矩阵，并计算得到每层指标相对上一层指标的权重结果wi,i＝1,2,3。
这里以1位专家打分的得到的部分权重模糊互补判断矩阵为例进行权重确定的说明。
该判断矩阵满足模糊互补判断矩阵定义要求，权重采用通用求解公式可得
可得出
则相容性指标I(Ai,s,Wi,s)＝0.075，这里取也一般值ψ＝0.1，因此满足一致性判断，如有多个矩阵同理可验证相容性判断。因为此判断矩阵满足满意一致性和相容性，因此可得到
(2.2.3)综合评估
最后，根据量化后的底层指标值集合F，结合每层的权重结果wi,i＝1,2,3，综合评估得到多平台航电系统可信度为
T＝F#wi,i＝1,2,3 (18)
其中，公式(18)中#是自定义的算子，能够反映底层指标的交并状态，从而提高多平台航电系统可信度的准确性和鲁棒性。
这里以3个底层指标为例来说明多平台航电系统可信度的计算方法，底层指标集F＝[0.5,0.2,0.3]，权重结果为w1＝0.5，w2＝0.3，w3＝0.2，其底层指标的交并状态为指标1与指标2为“交”状态，指标1，指标2都与指标3为“并”状态，因此可得出多平台航电系统可信度
结果保留5位有效数字。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种面向多平台航电系统的综合工作任务效能评估方法，其特征在于包括如下步骤：
(1)构建层次化多平台航电系统；
(1.1)利用无线航空网络和航空电子网络实现整个层次化多平台航电系统内的信息交互，其中，无线航空网络连接航空编队内多个航空平台，航空电子网络连接单个航空平台内多个子系统；
(1.2)在航空编队范围内建立统一的网络控制机制与信息交互机制，在一个中心控制器逻辑集中的控制下，根据交互信息种类和节点通信代价，为多平台航电系统提供差异化、精细化的网络服务；
(2)构建可信度度量综合指标，包括构建多平台可信度度量指标体系架构和综合工作任务效能评估方法；
(2.1)构建多平台可信度度量指标体系架构，包括步骤如下：
(2.1.1)分析多平台航电系统承担的工作任务，分解工作任务，将其映射成支撑工作任务的能力需求，得到多平台航电系统的任务支撑度；
(2.1.2)根据任务支撑度，结合系统可靠性，构建用于多平台航电系统可信度度量的指标体系；综合多平台航电系统在指标体系上的表现，评估多平台航电系统的可信度；
根据多平台航电系统的任务支撑度和系统可靠性，提取反映多平台航电系统可信度的指标，拟构建用于可信度度量的指标体系；该指标体系为层次化结构，以多平台航电系统可信度为顶层指标，任务支撑度、系统可靠性这两大维度及其下属子项为中层指标，若干底层指标；
(2.2)综合工作任务效能评估方法
基于构建的多平台航电系统可信度度量指标体系，应用模糊层次分析法与专家打分法评估多平台航电系统可信度，包括指标量化、权重确定、综合评估三个步骤；
(2.2.1)指标量化
首先对底层指标去量纲和归一化，使取值范围均为[0，1]；
任意底层指标，利用仿真分析获取其原值P，对各底层指标利用场景应用结合预期工作任务目的推演获取要求值为R，要求值分为理想要求Rideal和最低要求Rworst；
当P≥Rideal时，该指标支持实现最佳工作任务目的，并完全满足具体任务要求，量化赋值为1；当P＜Rworst时，该指标未能达到最低工作任务目的，且不满足基本任务要求，量化赋值为0；当Rworst≤P＜Rideal时，该指标能达到最低工作任务目的，且基本满足具体任务需求，量化赋值为[0，1]之间；
根据指标属性特征，分为效益型指标、成本型指标和适度型指标，不同类型指标设有不同形式的标准化函数；
以S型函数作为基本函数：
θ为概率的原值，αβ为要求的上界和下界，当α＝β时，该S型函数退化为阶跃函数：
效益型指标包括位置精度指标、测距精度指标，其标准化函数为：
成本型指标包括传输延迟指标、虚警概率指标，其标准化函数为：
适度型指标包括设备配置冗余性指标，其标准化函数为：
其中，
(2.2.2)权重确定
组织S位专家对多平台航电系统可信度度量指标体系中同一层指标相对于上一层指标的重要程度进行两两比较打分，采用0.1-0.9标度方法；设第i层指标集合为
由专家打分法得任意专家S针对该层指标相对上一层指标重要程度的模糊互补判断矩阵Ai,s，其表示为
其中，
表示专家S认为第i层第j个指标和第k个指标相对上一层指标重要程度的比较结果；
模糊互补判断矩阵Ai,s满足：
该模糊互补判断矩阵权重采用如下通用求解公式：
采用模糊判断矩阵的相容性对其进行一致性检验，将不一致的矩阵进行调整使其满足一致性条件，继续进行权重计算；假设
是模糊判断矩阵Ai,s的特征向量，则令
矩阵Wi,s为矩阵Ai,s的特征矩阵，同为模糊判断矩阵；
计算矩阵Ai,s与矩阵Wi,s的相容性指标I(Ai,s,Wi,s)，如下：
设判断标准为ψ，当相容性指标I(Ai,s,Wi,s)满足：
I(Ai,s,Wi,s)≤ψ (14)
判断矩阵Ai,s是满意一致的；
S位专家给出判断，获得S个模糊互补判断矩阵Ai,s,s＝1,2,…,S，以及S个相应的特征矩阵Wi,s,s＝1,2,…,S，要进一步检验这些模糊互补判断矩阵的一致性：
首先，检验S个判断矩阵Ai,s的满意一致性；
I(Ai,s,Wi,s)≤ψ,s＝1,2,…,S (15)
然后，检验判断矩阵间的满意相容性；
I(Ai,t,Ai,p)≤ψ,t≠p；t,p＝1,2,…,S (16)
同时满足式(15)(16)时，使用S个权重向量的均值作为该层指标权重，基于公式(11)，得到指标权重的计算公式为：
除顶层指标外，构建每一层指标相对上一层指标重要程度的模糊互补判断矩阵，并计算得到每层指标相对上一层指标的权重结果wi,i＝1,2,3；
(2.2.3)综合评估
最后，根据量化后的底层指标值集合F，结合每层的权重结果wi,i＝1,2,3，综合评估得到多平台航电系统可信度为
T＝F#wi,i＝1,2,3 (18)
其中，公式(18)中#是自定义的算子，反映底层指标的交或并状态。
2.根据权利要求1所述的面向多平台航电系统的综合工作任务效能评估方法，其特征在于，所述多平台航电系统组成的航空编队中，主控平台由主控无人机担任，其他小型无人机则担任子平台，均基于综合模块化航电系统；多平台航电系统由多种类型的航电平台组成，航电平台系统依据应用分类包括攻击类航电系统、探测类航电系统、运输类航电系统、微航电系统和无人航电系统。
3.根据权利要求1或2所述的面向多平台航电系统的综合工作任务效能评估方法，其特征在于，所述判断标准ψ根据决策者对模糊判断矩阵的一致性要求取值，小数值对应高要求。
4.根据权利要求3所述的面向多平台航电系统的综合工作任务效能评估方法，其特征在于，所述判断标准ψ＝0.1。
5.根据权利要求1所述的面向多平台航电系统的综合工作任务效能评估方法，其特征在于，所述系统可靠性包括安全性、稳定性、可靠性、时敏性即时间有效性、鲁棒性、可维性和有效性。
6.根据权利要求5所述的面向多平台航电系统的综合工作任务效能评估方法，其特征在于，所述安全性包括抗干扰性、抗截获性和抗窃听性；稳定性包括系统故障发生率、平均故障延迟时间和平均故障平均时间；可靠性包括系统失效检测率、系统失效等级和系统失效发生率；鲁棒性包括系统硬件节点利用率、系统任务丢失率和数据交换网络鲁棒性；可维性包括系统故障修复率、系统故障修复费用和平均故障修复时间；有效性包括测算有效性、通信有效性和资源有效性。
7.根据权利要求1所述的面向多平台航电系统的综合工作任务效能评估方法，其特征在于，所述任务支撑度包括通信能力、导航能力、探测能力、识别能力、对抗能力、控制能力和管理能力。
8.根据权利要求7所述的面向多平台航电系统的综合工作任务效能评估方法，其特征在于，所述通信能力包括通信容量、覆盖范围、传输延迟、误码率、节点发现时间和网络规划时间；导航能力包括位置精度、速度精度、航向精度、航向规划时间和横向航迹偏差；探测能力包括测距精度、测速精度、测角精度、轨迹预测一致性和位置预测精确度；识别能力包括目标属性准确度和目标类型准确度；对抗能力包括虚警概率、漏警概率、失锁捕获时间和干扰成功率；控制能力包括决策指挥时间、数据融合程度、体系结构通用性、飞行操纵自主性、显示输出时延和指令输入识别率；管理能力包括调度派发合理性、性能降级鲁棒性、设备配置冗余性、故障预测及时性和寿命预测准确度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210629194.6A CN114881526A (zh) | 2022-05-24 | 2022-05-24 | 一种面向多平台航电系统的综合工作任务效能评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210629194.6A CN114881526A (zh) | 2022-05-24 | 2022-05-24 | 一种面向多平台航电系统的综合工作任务效能评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114881526A true CN114881526A (zh) | 2022-08-09 |
Family
ID=82679134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210629194.6A Pending CN114881526A (zh) | 2022-05-24 | 2022-05-24 | 一种面向多平台航电系统的综合工作任务效能评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114881526A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520756A (zh) * | 2023-06-29 | 2023-08-01 | 北京创博联航科技有限公司 | 数据采集监控系统、航电系统以及无人机 |
-
2022
- 2022-05-24 CN CN202210629194.6A patent/CN114881526A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520756A (zh) * | 2023-06-29 | 2023-08-01 | 北京创博联航科技有限公司 | 数据采集监控系统、航电系统以及无人机 |
| CN116520756B (zh) * | 2023-06-29 | 2023-09-26 | 北京创博联航科技有限公司 | 数据采集监控系统、航电系统以及无人机 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hamurcu et al. | Selection of unmanned aerial vehicles by using multicriteria decision-making for defence | |
| CN109960863B (zh) | 一种基于网络拓扑路径的复杂仿真系统可信度评估方法 | |
| CN114510072B (zh) | 基于进化迁移优化的多无人机路径规划方法、终端及介质 | |
| CN104363104A (zh) | 一种面向用户需求的海量多元数据态势显示系统与方法 | |
| CN114881526A (zh) | 一种面向多平台航电系统的综合工作任务效能评估方法 | |
| Zhang et al. | A reliability allocation method of mechanism considering system performance reliability | |
| CN112734258A (zh) | 航空电子系统效能评估表征系统 | |
| Shao et al. | A comprehensive G-Lz-ADC effectiveness evaluation model for the single communication satellite system in the context of poor information | |
| Sai et al. | A comprehensive survey on artificial intelligence for unmanned aerial vehicles | |
| CN117350615A (zh) | 一种国际物流轨迹追踪系统及方法 | |
| CN110826891A (zh) | 一种基于船舶集群态势的相对碰撞危险度获取方法 | |
| CN114970086B (zh) | 一种基于数据空间的复杂系统级数字孪生构建方法 | |
| CN113111440B (zh) | 基于逻辑关系的集群无人机任务模型构建方法 | |
| CN115358496A (zh) | 一种联合投送网络构建方法及系统 | |
| Lyu et al. | Examination on avionics system fault prediction technology based on ashy neural network and fuzzy recognition | |
| Shao et al. | Multi-layer modeling for capability generation of UAV swarm system | |
| Sousa et al. | Decentralized distribution of uav fleets based on fuzzy clustering for demand-driven aerial services | |
| Zhang et al. | Performance bottleneck analysis of drone computation offloading to a shared fog node | |
| Feng et al. | Autonomous Capability Evaluation of Ground‐Attack UAV Based on Cloud Model and Combined Weight Theory | |
| Minghua et al. | Rough Set Neural Network Evaluation Method for UAV Reconnaissance Effectiveness | |
| Lu et al. | Distributed multi-UAV cooperation for path planning by an NTVPSO-ADE algorithm | |
| Sui et al. | Research on mission capability testing and evaluation system of UAV swarm | |
| Huang et al. | Overview of Cooperative Fault-Tolerant Control Driven by the Full Information Chain of Intelligent Connected Vehicle Platoons Under the Zero-Trust Framework: Opportunities and Challenges | |
| CN108199868A (zh) | 一种基于战术云的集群系统分布式控制方法 | |
| CN116151128B (zh) | 一种装备体系贡献率评估方法 |
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 |