CN116523384A - 基于独立否决和联合否决的无人机效能确定方法及系统 - Google Patents
基于独立否决和联合否决的无人机效能确定方法及系统 Download PDFInfo
- Publication number
- CN116523384A CN116523384A CN202310378162.8A CN202310378162A CN116523384A CN 116523384 A CN116523384 A CN 116523384A CN 202310378162 A CN202310378162 A CN 202310378162A CN 116523384 A CN116523384 A CN 116523384A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- efficiency
- factors
- overruling
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 24
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 238000004451 qualitative analysis Methods 0.000 description 9
- 238000004445 quantitative analysis Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于独立否决和联合否决的无人机效能确定方法及系统,涉及无人机效能确定技术领域,该方法包括:确定影响无人机效能的因素;影响无人机效能的因素包括环境因素、装备因素和人员因素;根据影响无人机效能的因素,建立无人机效能指标体系;应用评估算法,计算无人机效能指标体系中各级指标的权重;获取无人机的飞行任务;根据飞行任务,确定影响无人机效能的因素中各因素指标的属性;属性包括否决项和通过项;根据权重和属性,应用加权值算法,得到飞行任务对应的无人机效能的评估结果;评估结果包括能够完成飞行任务和不能够完成飞行任务。本发明能够提高小型无人机任务执行的及时性和高效性。
Description
技术领域
本发明涉及无人机效能确定技术领域,特别是涉及基于独立否决和联合否决的无人机效能确定方法及系统。
背景技术
目前无人机效能确定的技术为:获取飞行评估信息,通过预测评估模型处理所述飞行评估信息,获得飞行任务评估结果,若所述飞行任务评估结果中的飞行风险值高于预设风险阈值,则调整所述小型无人机的飞行控制指令直至所述飞行任务评估结果为评估通过或飞行结束。通过预测评估模型处理飞行评估信息,快速客观准确的获取飞行任务评估结果,从而根据飞行任务评估结果实现对小型无人机进行精细化控制。其基本设计步骤见如图1所示。
当前小型无人机使用频率不断提高,针对小型无人机飞行安全,效能输出的研究也在逐步完善,影响小型无人机飞行安全和效能输出的因素有很多,相关的评估指标体系也繁多,完善复杂的指标体系和算法模型对小型无人机效能输出的预测精度更高。但算法计算输出效率较差,达不到操作无感级别,而降低评估指标体系和算法的复杂度,无法高级别还原实际场景,高精准效能预测的目标得不到保障。
发明内容
本发明的目的是提供基于独立否决和联合否决的无人机效能确定方法及系统,能够提高小型无人机任务执行的及时性和高效性。
为实现上述目的,本发明提供了如下方案:
一种基于独立否决和联合否决的无人机效能确定方法,所述方法包括:
确定影响无人机效能的因素;所述影响无人机效能的因素包括环境因素、装备因素和人员因素;
根据所述影响无人机效能的因素,建立无人机效能指标体系;
应用评估算法,计算所述无人机效能指标体系中各级指标的权重;
获取所述无人机的飞行任务;
根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性;所述属性包括否决项和通过项;
根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果;所述评估结果包括能够完成飞行任务和不能够完成飞行任务。
可选地,所述环境因素中的因素指标包括天候环境、电磁环境、地理环境和障碍物;所述装备因素中的因素指标包括装备基本性能、装备任务功能性、装备环境适应性和装备操作;所述人员因素中的因素指标包括基本能力、飞行经验和培训情况。
可选地,所述根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性,具体包括:
根据所述飞行任务,确定不符合无人机飞行要求的所述因素模型中的因素指标,得到否决因素指标;所述否决因素指标的属性为否决项;所述否决因素指标包括不符合飞行要求的单一因素指标和不符合飞行要求的联合多个因素指标;
根据所述飞行任务,确定符合无人机飞行要求的所述因素模型中的因素指标,得到通过因素指标;所述通过因素指标的属性为通过项。
可选地,所述根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果,具体包括:
根据所述权重和所述属性,确定所述通过因素指标对应的权重;
根据所述通过因素指标对应的权重,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果。
可选地,所述评估算法为层次分析法。
一种基于独立否决和联合否决的无人机效能确定系统,应用于上述的基于独立否决和联合否决的无人机效能确定方法,所述系统包括:
因素模型确定模块,用于确定影响无人机效能的因素;所述影响无人机效能的因素包括环境因素、装备因素和人员因素;
建立模块,用于根据所述影响无人机效能的因素,建立无人机效能指标体系;
权重确定模块,用于应用评估算法,计算所述无人机效能指标体系中各级指标的权重;
获取模块,用于获取所述无人机的飞行任务;
属性确定模块,用于根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性;所述属性包括否决项和通过项;
评估结果确定模块,用于根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果;所述评估结果包括能够完成飞行任务和不能够完成飞行任务。
.一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的基于独立否决和联合否决的无人机效能确定方法。
一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述的基于独立否决和联合否决的无人机效能确定方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的一种基于独立否决和联合否决的无人机效能确定方法,包括:确定影响无人机效能的因素;影响无人机效能的因素包括环境因素、装备因素和人员因素;根据影响无人机效能的因素,建立无人机效能指标体系;应用评估算法,计算无人机效能指标体系中各级指标的权重;获取无人机的飞行任务;根据飞行任务,确定影响无人机效能的因素中各因素指标的属性;属性包括否决项和通过项;根据权重和属性,应用加权值算法,得到飞行任务对应的无人机效能的评估结果;评估结果包括能够完成飞行任务和不能够完成飞行任务。本发明基于现有复杂影响环境下小型无人机效能评估指标体系,融入否决项和通过项的方法,减少独立和综合的无效运算,提高算法输出效率,有效提升评估模型大型数据综合运算能力,进而提高小型无人机任务执行的及时性和高效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为基于独立否决和联合否决的无人机效能确定方法的现有技术的框图;
图2为本发明实施例中提供的基于独立否决和联合否决的无人机效能确定方法流程图;
图3为本发明实施例中环境因素功能组成框图;
图4为本发明实施例中装备因素功能组成框图;
图5为本发明实施例中人员因素功能组成框图;
图6为本发明实施例中指标体系构建框图;
图7为本发明实施例中任务模型功能组成框图;
图8为本发明实施例中提供的基于独立否决和联合否决的无人机效能确定方法的逻辑关系图;
图9为本发明实施例中提供的基于独立否决和联合否决的无人机效能确定系统模块图;
图10为本发明实施例中软件程序集成的层次分析法界面示意图;
图11为本发明实施例评估结果展示示意图。
符号说明:
1-因素模型确定模块,2-建立模块,3-权重确定模块,4-获取模块,5-属性确定模块,6-评估结果确定模块。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供基于独立否决和联合否决的无人机效能确定方法及系统,能够提高小型无人机任务执行的及时性和高效性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图2所示,本发明提供了一种基于独立否决和联合否决的无人机效能确定方法,所述方法包括:
步骤S1:确定影响无人机效能的因素;所述影响无人机效能的因素包括环境因素、装备因素和人员因素。具体地,所述环境因素中的因素指标包括天候环境、电磁环境、地理环境和障碍物;所述装备因素中的因素指标包括装备基本性能、装备任务功能性、装备环境适应性和装备操作;所述人员因素中的因素指标包括基本能力、飞行经验和培训情况。
在实际应用中,采集小型无人机理论基础、专家经验、实验结果和应用结果四个方面的飞行数据,重点关注环境、装备、人员等因素中涉及的内容,根据飞行任务中包含的因素,综合环境、装备、人员和相互之间的作用关系,对小型无人机运用效能评估指标体系进行构建。通过构建模型的方式构建效能评估指标体系,即构建环境模型、装备模型、人员模型,有利于进行更具针对性、多样性的小型无人机运用效能的评估。例如针对A型小型无人机、山地复杂环境中和初级操作手,装备运用效能的评估;针对B型小型无人机、山地复杂环境中和初级操作手,装备运用效能的评估,以及不同机型、不同等级的操作手和不同的复杂环境,不同的匹配情况下,各机型运行效能的评估。
具体地,当前影响小型无人机飞行任务的因素主要集中在环境因素、装备性能、人员(操作手的综合素质)三个方面,通过层次分析法,针对以上三个方面的影响因素进行逐步分析。
其中,如图3所示,分析影响小型无人机执行任务过程中,典型的环境因素,包括地理、电磁、天气等,抽象生成树状的环境因素;加入环境因素内部的独立否决和联合否决因素,例如天候环境中采集暴雨、大雨环境数据,完成环境因素的实例化,为任务执行效能预测和监测提供实例化环境数据支撑。
图4为本发明实施例中装备因素功能组成框图,如图4所示,分析、管理并维护装备因素信息,通过分析影响任务执行效能输出的与装备有关的地形因素、天气因素、电磁因素、人员素质因素等关键因素,抽象生成树状的小型无人机装备因素,采集典型小型无人机装备类型数据,完成装备因素的实例化,为任务效能预测和检测提供装备因素数据支撑。
图5为本发明实施例中人员因素功能组成框图;如图5所示,分析小型无人机操作手人员素质,对任务完成效能有较大影响的人员数据进行抽象,包括人员基本信息、飞行资历等,生成树状的人员因素;采集操作手数据,完成人员因素的实例化,为任务执行效能预测和监测提供实例化人员数据支撑。
步骤S2:根据所述影响无人机效能的因素,建立无人机效能指标体系。
在实际应用中,根据已经生成的环境、人员、装备等信息,加入相关评估权重信息,设置否决项和通过项,否决项包含独立否决项和联合否决项,构建基于层次分析的三级装备运用效能评估指标体系。
步骤S3:应用评估算法,计算所述无人机效能指标体系中各级指标的权重。
如图10所示,以环境模型天候环境指标权重计算为例,在软件程序集成的层次分析法界面由专家用户设置要计算权重的指标,通过两两对比,然后计算得出各指标权重,其他指标权重同样按此方法计算。
步骤S4:获取所述无人机的飞行任务。
在实际应用中,如图7所示,在影响无人机效能的因素基础之上,分析确定其各因素指标相互之间的关联关系,并加入飞行任务基本信息的分析,即可构建出小型无人机飞行任务模型,所述无人机飞行任务模型是在各种影响模型确立的前提下,就某类飞行任务进行实例化,根据实际情况,确定独立否决项和关联否决项的过程。分析生成并管理任务信息,采用定性和定量两种模式,分析影响任务执行效能的环境、人员素质和装备等关键因素,抽象生成任务模型;采集任务数据,完成任务模型的实例化,为任务执行效能预测和监测提供任务数据支撑。
步骤S5:根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性;所述属性包括否决项和通过项。具体包括:
(1)根据所述飞行任务,确定不符合无人机飞行要求的所述因素模型中的因素指标,得到否决因素指标;所述否决因素指标的属性为否决项;所述否决因素指标包括不符合飞行要求的单一因素指标和不符合飞行要求的联合多个因素指标。
(2)根据所述飞行任务,确定符合无人机飞行要求的所述因素模型中的因素指标,得到通过因素指标;所述通过因素指标的属性为通过项。
如图6所示。结合理论、专家、实验和应用情况,有些因素指标并不符合小型无人机飞行要求,例如某些小型无人机在中雨级别无法飞行,此项属于装备类型+天气环境联合的否决;独立否决项往往是在有记录的情况中,独立即可否决的指标项,例如暴风雪、暴雨等极端天气情况,没有小型无人机能够完成任务的记录,理论、专家、实验也不能支撑的,即被定为独立否决,经现有数据分析,此类指标量庞大,因此加入否决项的概念将有效减少无效计算,提高效能评估输出效率。如表1所示,以某装备型号小型无人机模型指标体系构建成果为例。
表1某装备型号小型无人机模型指标体系表
/>
/>
/>
/>
步骤S6:根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果;所述评估结果包括能够完成飞行任务和不能够完成飞行任务。具体地,所述评估算法为层次分析法。
如图10所示,以环境模型天候环境指标权重计算为例,在软件程序集成的层次分析法界面由专家用户设置要计算权重的指标,通过两两对比,然后计算得出各指标权重,其他指标权重同样按此方法计算。
根据加权值最后得到的结果,如果综合评分大于等于90分,则装备效能评估为优,如果综合评分大于等于80分,则装备效能评估为良,如果综合评分低于80分则装备效能评估为中,提取一项综合评分最低的指标,建议优化提取的指标,如果综合评分低于60分则装备效能评估为差,提取两项综合评分最低的指标,要求优化提取的指标。评估结果展示如图11所示。
S6具体包括:
步骤S61:根据所述权重和所述属性,确定所述通过因素指标对应的权重。
步骤S62:根据所述通过因素指标对应的权重,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果。
在实际应用中,根据本发明提供的基于独立否决和联合否决的无人机效能确定方法,生成相应的无人机效能预测软件,鉴于装备使用的便捷高效性、环境约束,以及人员(操作人员)技术水平情况,软件系统将任务分析功能设计为更便于操作的方式,即分析过程采用精准分析和概率分析两种模式,精准分析是对任务、装备、人员和环境因素,采用定量数据的分析的方式,该种方式能够为评估算法提供更精准的数据输入,提高评估的准确性;针对任务紧急、人员水平限制等客观情况,采用定性分析方式进行,系统根据定性分析结果,转换为定量分析数据后,输入到评估算法中进行评估运算。基于独立否决和联合否决的无人机效能确定方法的逻辑关系图如图8所示。
首次使用预测软件系统需对装备信息进行分析设定,从基础数据库中找到对应的装备实体,对与该装备执行任务有关的地形因素、天气因素、电磁因素、人员素质因素进行针对性修正。之后将作为预测软件系统的默认设备信息用于评估计算,如有需要,设备信息可在每次评估计算前进行修订。
人员因素信息分析设定,预测软件系统自动读取系统人员登录信息,根据外界关联,分析登录人员的情况信息,重点分析该人员的飞行资历信息,飞行资历信息构建通过基础数据中人员信息和预测软件系统根据用户使用系统完成任务情况记录信息分析统计完成。
任务因素信息分析设定,预测软件系统采用任务信息列表形式展示基础数据库中已经示例化完成的任务实例,用户选择符合要求的任务实例后,预测软件系统将根据模型设定,自动分析该任务相关指标信息,用于评估计算。
环境因素分析从地理环境、天气环境和电磁环境三个方面进行分析。地理环境需要进行城市或野外、障碍物、河流湖泊、海拔等;天气环境需要对风、雨、雪、雾、雷电、云量等方面进行分析;电磁环境需要对电磁频段、强度、范围等方面进行分析。
其中,人员因素、设备因素和环境因素的分析采用定量分析和定性分析相结合的分析方法,具体包括:
(1)定量分析
根据表1中的等级评估指标项,对人员因素、设备因素和环境因素信息进行定量分析。预测软件系统支持单独针对第二级和第三级指标数据进行分析设定。
(2)定性分析
通过定性分析,采集定性分析结果,将定性分析结果按照指标规则转换为定量数据。
经过定性和定量分析后,将任务指标划分为难度大、难度适中和难度小三个等级;将环境指标划分为环境恶劣、环境适中和环境适宜三个等级;向下可在根据地理环境、天气环境和电磁环境进行三个等级的划分。将人员指标划分为综合素质优、综合素质中、综合素质弱三个等级;将装备指标划分为性能优、中、差三个等级。
根据经过定性和定量分析后的得到的任务指标等级,所述对应的影响无人机效能的因素中各因素指标的属性,应用评估算法,得到所述飞行任务对应的无人机效能的评估结果。应用评估算法的计算过程如下所述:
当独立否决和联合否决的评估的指标体系确定后,可应用的评估的方式可自由选择,以层次分析法为例。AHP的基本方法与具体步骤如下:
1、建立层次结构模型
层次的划分及各影响因素的选择必须根据工程的具体情况而定,一般包含目标层提出总目标、准则层目标层的主要影响因素、子准则层准则层的影响因素、方案层可供选择的方案。
2、构造判断矩阵并求最大特征值和特征向量
构造判断矩阵的关键是利用何种标度来表示指标之间两两比较结果,常用的标度方法有名义标度、序标度、区间标度和比例标度等,其中各层中的因素个数及因素两两成对比较的取值不是一成不变的,而是要根据评估系统所涉及的具体评估内容等方面的具体情况决定,如表2所示。
表2 1~9比例标度表
以环境模型天候环境指标为例,由表3可以看出风和雨具有相同的重要性,风和雨比雪和雾稍微重要。
表3以环境模型天候环境指标为例的计算权重的指标统计表
指标 | 风 | 雨 | 雪 | 雾 |
风 | 1 | 1 | 3 | 3 |
雨 | 1 | 1 | 3 | 3 |
雪 | 3 | 3 | 1 | 1 |
雾 | 3 | 3 | 1 | 1 |
设经过调研和专家咨询后得到的某一判断矩阵为:
其中:aij取值为1~9,1/2~1/9。
求判断矩阵的特征向量的方法有很多,包括:幂法(特征根法或特征向量法)、和法和根法,在本发明中,m=n,采用和法来求矩阵的特征向量:
对上面的判断矩阵A=(aij)nxn,令并以W=(w1,w2,…wn)T作为权向量。由/>可取最大特征值为/>
3、判断矩阵的一致性检验
在构造判断矩阵时,由于客观实物的复杂性,主体认识的局限性,以及主体之间认识的多样性(也可称为决策者的不同偏好结构),所以判断经常伴随有误差,判断矩阵不可能具有完全一致性(即当有aij×ajk=aik),所以,AHP法要求对n阶判断矩阵作n(n-1)/2一次两两比较的原因。本来对于n个指标评判进行(n-1)次比较就可以了,而且用(n-1)次比较结果按相互关系,不仅可以推算出n阶矩阵的全部指标,甚至可以得到满足关系的一致性矩阵,但是,这样做恰恰舍弃了两两比较的精髓。设想如果仅用n-1次判断决定指标的权重大小,那么其中任何一个判断错误必将导致不合理的结果,而进行一次两两比较判断,就可以集结决策者提供的更多信息,从不同角度的反复比较中,最终导出一个比较合理的反映决策者判断的结果,而且对难免带有扰动误差的多个判断,可以起到相互抵偿作用,使最终结果的准确性较好。当然每个判断的误差亦不应过大,整个判断矩阵亦不应偏离一致性过大,否则亦会影响结果的准确性。因此,在由判断矩阵导出权重向量时,要求矩阵具有一致性或偏离一致性的程度不能太大,否则导出的权重并不能完全反映各指标之间的相对重要性程度。因此,在求权重之前,必须对判断矩阵用某些指标进行一致性检验。经过及其同事们的理论研究和社会实践,总结出了下述一致性检验的方法步骤:
(1)计算一致性指标:
(2)求出随机一致性指标:
其中,CI为一致性指标;λmax为判断矩阵A的最大特征值;n为矩阵的阶数;RI为平均随机一致性指标,可采用表3中所列数值。
表3平均随机一致性指标表
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 | 1.59 |
(3)判断矩阵的一致性检验标准。当随机一致性指标CR≤0.1或CI≤0.1RI时,一般认为判断矩阵的一致性是可以接受的,这时可利用上列求权重的方法,否则必须重新调整判断矩阵A中的指标值,再重新计算,直到满足一致性要求。
4、计算各层指标对系统目标的合成权重,并进行排序。
根据过程2中计算出来的各级指标的权重值,在经过过程2中的一致性检验后,既可由各级指标的权重值来计算各层指标对系统目标的合成权重,其方法是采用性线求和的方法来求取合成权重,最后再根据求得的合成权重值来进行优劣排序或作进一步的计算。
因此,AHP可分为4个步骤进行:
(1)分析系统中各指标之间的关系,建立系统的递阶层次结构。(2)对同一层次的各指标关于上一层次中某一准则的重要性进行两两比较,构造两两比较判断矩阵。(3)由判断矩阵计算被比较指标对于该准则的相对权重。(4)计算各层指标对系统目标的合成权重,并进行排序。
影响无人机飞行的因素很多,不同模型对无人机的影响也各不相同。为了确定某个指标对无人机装备运用效能评估的权重,采用层次分析法(AHP)中两两比较的方式,判断每一层中各因素的相对重要性,然后用解判断矩阵特征值的方法求出各指标的权重,确定权重比重较大的指标作为影响无人机运用效能评估的关键指标。
本发明提供的基于独立否决和联合否决的无人机效能确定方法融入独立否决和联合否决的方法用于结合专家经验,将复杂指标体系中对小型无人机任务执行中有联合否决的指标项进行提出,降低复杂指标体系情况中,评估算法的计算维度,同是也降低了算法设计的难度,提高评估算法的输出效率。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种基于独立否决和联合否决的无人机效能确定系统,如图9所示,所述系统包括:
因素模型确定模块1,用于确定影响无人机效能的因素;所述影响无人机效能的因素包括环境因素、装备因素和人员因素。
建立模块2,用于根据所述影响无人机效能的因素,建立无人机效能指标体系。
权重确定模块3,用于应用评估算法,计算所述无人机效能指标体系中各级指标的权重。
获取模块4,用于获取所述无人机的飞行任务。
属性确定模块5,用于根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性;所述属性包括否决项和通过项。
评估结果确定模块6,用于根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果;所述评估结果包括能够完成飞行任务和不能够完成飞行任务。
实施例三
本发明实施例提供一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行计算机程序以使电子设备执行实施例一的基于独立否决和联合否决的无人机效能确定方法。
可选地,上述电子设备可以是服务器。
另外,本发明实施例还提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例一的基于独立否决和联合否决的无人机效能确定方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于独立否决和联合否决的无人机效能确定方法,其特征在于,所述方法包括:
确定影响无人机效能的因素;所述影响无人机效能的因素包括环境因素、装备因素和人员因素;
根据所述影响无人机效能的因素,建立无人机效能指标体系;
应用评估算法,计算所述无人机效能指标体系中各级指标的权重;
获取所述无人机的飞行任务;
根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性;所述属性包括否决项和通过项;
根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果;所述评估结果包括能够完成飞行任务和不能够完成飞行任务。
2.根据权利要求1所述的基于独立否决和联合否决的无人机效能确定方法,其特征在于,所述环境因素中的因素指标包括天候环境、电磁环境、地理环境和障碍物;所述装备因素中的因素指标包括装备基本性能、装备任务功能性、装备环境适应性和装备操作;所述人员因素中的因素指标包括基本能力、飞行经验和培训情况。
3.根据权利要求1所述的基于独立否决和联合否决的无人机效能确定方法,其特征在于,所述根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性,具体包括:
根据所述飞行任务,确定不符合无人机飞行要求的所述影响无人机效能的因素中的因素指标,得到否决因素指标;所述否决因素指标的属性为否决项;所述否决因素指标包括不符合飞行要求的单一因素指标和不符合飞行要求的联合多个因素指标;
根据所述飞行任务,确定符合无人机飞行要求的所述影响无人机效能的因素中的因素指标,得到通过因素指标;所述通过因素指标的属性为通过项。
4.根据权利要求3所述的基于独立否决和联合否决的无人机效能确定方法,其特征在于,所述根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果,具体包括:
根据所述权重和所述属性,确定所述通过因素指标对应的权重;
根据所述通过因素指标对应的权重,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果。
5.根据权利要求1所述的基于独立否决和联合否决的无人机效能确定方法,其特征在于,所述评估算法为层次分析法。
6.一种基于独立否决和联合否决的无人机效能确定系统,其特征在于,所述系统包括:
因素模型确定模块,用于确定影响无人机效能的因素;所述影响无人机效能的因素包括环境因素、装备因素和人员因素;
建立模块,用于根据所述影响无人机效能的因素,建立无人机效能指标体系;
权重确定模块,用于应用评估算法,计算所述无人机效能指标体系中各级指标的权重;
获取模块,用于获取所述无人机的飞行任务;
属性确定模块,用于根据所述飞行任务,确定所述影响无人机效能的因素中各因素指标的属性;所述属性包括否决项和通过项;
评估结果确定模块,用于根据所述权重和所述属性,应用加权值算法,得到所述飞行任务对应的无人机效能的评估结果;所述评估结果包括能够完成飞行任务和不能够完成飞行任务。
7.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的基于独立否决和联合否决的无人机效能确定方法。
8.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的基于独立否决和联合否决的无人机效能确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310378162.8A CN116523384B (zh) | 2023-04-11 | 2023-04-11 | 基于独立否决和联合否决的无人机效能确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310378162.8A CN116523384B (zh) | 2023-04-11 | 2023-04-11 | 基于独立否决和联合否决的无人机效能确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116523384A true CN116523384A (zh) | 2023-08-01 |
CN116523384B CN116523384B (zh) | 2024-05-14 |
Family
ID=87400317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310378162.8A Active CN116523384B (zh) | 2023-04-11 | 2023-04-11 | 基于独立否决和联合否决的无人机效能确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523384B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427674A (zh) * | 2015-11-02 | 2016-03-23 | 国网山东省电力公司电力科学研究院 | 一种无人机飞行状态实时评估预警系统及方法 |
CN106769089A (zh) * | 2016-12-19 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 无人机飞行性能分析与飞行品质评估一体化实时监控方法 |
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 |
CN110473204A (zh) * | 2019-06-18 | 2019-11-19 | 常熟理工学院 | 一种基于弱链接约束的交互式图像分割方法 |
CN111311967A (zh) * | 2020-03-31 | 2020-06-19 | 普宙飞行器科技(深圳)有限公司 | 基于无人机的电力线路巡检系统及方法 |
CN111666307A (zh) * | 2019-12-03 | 2020-09-15 | 张少军 | 根据场景观察进行直觉推断的无人驾驶安全判断系统 |
CN112183915A (zh) * | 2019-07-05 | 2021-01-05 | 吉林省通联信用服务有限公司 | 一种科研信用评价方法 |
CN113537663A (zh) * | 2020-04-15 | 2021-10-22 | 海鹰航空通用装备有限责任公司 | 基于topsis算法的无人机航迹评价方法 |
WO2021213542A1 (zh) * | 2020-11-09 | 2021-10-28 | 中国民航大学 | 基于贝叶斯网络的物流无人机失效风险评估方法 |
CN113571157A (zh) * | 2021-04-20 | 2021-10-29 | 杭州袋虎信息技术有限公司 | 基于fmt特征智能识别风险人员心理画像系统 |
CN114118802A (zh) * | 2021-11-26 | 2022-03-01 | 中国电子科技集团公司第五十四研究所 | 一种基于层次分析法的直升机飞行风险评估方法 |
CN114201925A (zh) * | 2022-02-17 | 2022-03-18 | 佛山科学技术学院 | 无人机集群协同任务规划方法、电子设备及可读存储介质 |
CN114219242A (zh) * | 2021-12-01 | 2022-03-22 | 中国人民解放军32200部队 | 车辆装备的效能评估方法及效能评估体系构建系统 |
US11295131B1 (en) * | 2021-06-15 | 2022-04-05 | Knoetik Solutions, Inc. | Smoke and fire recognition, fire forecasting, and monitoring |
CN114398769A (zh) * | 2021-12-29 | 2022-04-26 | 中国人民解放军92728部队 | 一种无人直升机飞行控制系统评分自动获取方法 |
CN114812564A (zh) * | 2022-06-22 | 2022-07-29 | 北京航空航天大学杭州创新研究院 | 基于城市动态时空风险分析的多目标无人机路径规划方法 |
CN115599110A (zh) * | 2022-10-17 | 2023-01-13 | 国网冀北电力有限公司承德供电公司(Cn) | 基于三维倾斜摄影模型的无人机路径规划方法及装置 |
CN115909111A (zh) * | 2022-12-20 | 2023-04-04 | 理工全盛(北京)科技有限公司 | 用于防御低空无人机的数据处理方法和装置 |
-
2023
- 2023-04-11 CN CN202310378162.8A patent/CN116523384B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427674A (zh) * | 2015-11-02 | 2016-03-23 | 国网山东省电力公司电力科学研究院 | 一种无人机飞行状态实时评估预警系统及方法 |
CN106769089A (zh) * | 2016-12-19 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 无人机飞行性能分析与飞行品质评估一体化实时监控方法 |
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 |
CN110473204A (zh) * | 2019-06-18 | 2019-11-19 | 常熟理工学院 | 一种基于弱链接约束的交互式图像分割方法 |
CN112183915A (zh) * | 2019-07-05 | 2021-01-05 | 吉林省通联信用服务有限公司 | 一种科研信用评价方法 |
CN111666307A (zh) * | 2019-12-03 | 2020-09-15 | 张少军 | 根据场景观察进行直觉推断的无人驾驶安全判断系统 |
CN111311967A (zh) * | 2020-03-31 | 2020-06-19 | 普宙飞行器科技(深圳)有限公司 | 基于无人机的电力线路巡检系统及方法 |
CN113537663A (zh) * | 2020-04-15 | 2021-10-22 | 海鹰航空通用装备有限责任公司 | 基于topsis算法的无人机航迹评价方法 |
WO2021213542A1 (zh) * | 2020-11-09 | 2021-10-28 | 中国民航大学 | 基于贝叶斯网络的物流无人机失效风险评估方法 |
CN113571157A (zh) * | 2021-04-20 | 2021-10-29 | 杭州袋虎信息技术有限公司 | 基于fmt特征智能识别风险人员心理画像系统 |
US11295131B1 (en) * | 2021-06-15 | 2022-04-05 | Knoetik Solutions, Inc. | Smoke and fire recognition, fire forecasting, and monitoring |
CN114118802A (zh) * | 2021-11-26 | 2022-03-01 | 中国电子科技集团公司第五十四研究所 | 一种基于层次分析法的直升机飞行风险评估方法 |
CN114219242A (zh) * | 2021-12-01 | 2022-03-22 | 中国人民解放军32200部队 | 车辆装备的效能评估方法及效能评估体系构建系统 |
CN114398769A (zh) * | 2021-12-29 | 2022-04-26 | 中国人民解放军92728部队 | 一种无人直升机飞行控制系统评分自动获取方法 |
CN114201925A (zh) * | 2022-02-17 | 2022-03-18 | 佛山科学技术学院 | 无人机集群协同任务规划方法、电子设备及可读存储介质 |
CN114812564A (zh) * | 2022-06-22 | 2022-07-29 | 北京航空航天大学杭州创新研究院 | 基于城市动态时空风险分析的多目标无人机路径规划方法 |
CN115599110A (zh) * | 2022-10-17 | 2023-01-13 | 国网冀北电力有限公司承德供电公司(Cn) | 基于三维倾斜摄影模型的无人机路径规划方法及装置 |
CN115909111A (zh) * | 2022-12-20 | 2023-04-04 | 理工全盛(北京)科技有限公司 | 用于防御低空无人机的数据处理方法和装置 |
Non-Patent Citations (4)
Title |
---|
张永利;孙治水;周荣坤;: "基于AHP-模糊综合评判法的有人机/无人机协同作战效能评估", 舰船电子对抗, no. 06 * |
张海峰等: ""基于DBN的察打一体无人机作战效能评估"", 《电光与控制》, vol. 26, no. 4 * |
王洋 等: ""跟踪地面目标小型无人机地面显控平台的设计与实现"", 《遥测遥控》, vol. 30, no. 6 * |
齐小刚;李博;范英盛;刘立芳;: "多约束下多无人机的任务规划研究综述", 智能系统学报, vol. 15, no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN116523384B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508360B (zh) | 一种基于元胞自动机的地理多元流数据时空自相关分析方法 | |
CN110008442A (zh) | 一种基于飞行员综合能力评价的飞行员训练控制方法 | |
CN112287018A (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
CN103235877A (zh) | 机器人控制软件模块划分方法 | |
CN113362604B (zh) | 一种基于扇区动态交通特征的管制员工作负荷评估方法 | |
CN112734258A (zh) | 航空电子系统效能评估表征系统 | |
CN113420722B (zh) | 一种机场安全管理平台的突发事件联动方法及系统 | |
CN105933138B (zh) | 一种时空维度相结合的云服务可信态势评估与预测方法 | |
CN116523384B (zh) | 基于独立否决和联合否决的无人机效能确定方法及系统 | |
CN110751201B (zh) | 基于纹理特征变换的sar装备任务失效成因推理方法 | |
CN116384695B (zh) | 基于独立否决和联合否决的无人机运用监测方法及系统 | |
CN113435780B (zh) | 一种基于神经网络的应急通信感知装备体系效能评估方法 | |
CN116206214A (zh) | 一种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法、系统、设备及介质 | |
Zhou et al. | The UAV landing quality evaluation research based on combined weight and VIKOR algorithm | |
CN115188223A (zh) | 一种基于机场天气实况的飞机起降安全指数确定方法 | |
US11669519B2 (en) | System for generating predicate-weighted histograms | |
CN114819344A (zh) | 一种基于关键影响因子的全局时空气象农灾预测方法 | |
CN114118802A (zh) | 一种基于层次分析法的直升机飞行风险评估方法 | |
CN113408895A (zh) | 基于像元尺度的生态质量指数构建方法及系统 | |
CN111160439A (zh) | 一种无人机系统自主能力评价方法、系统及可读存储介质 | |
CN110941904A (zh) | 一种基于不同作战天气下的感知设备组合搭配方法 | |
CN115759887B (zh) | 一种基于多维度的充电站选址智能测评方法及系统 | |
CN117788737B (zh) | 一种基于无人机高光谱遥感的测绘方法 | |
CN112508266B (zh) | 生态系统属性组分空间结构演化趋势预测方法 | |
En-Nejjary et al. | A method to improve the performance of raster selection based on a user-defined condition: An example of application for agri-environmental data |
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 |