CN116739431B - 基于层次分析法的飞行器实时威胁评估方法 - Google Patents
基于层次分析法的飞行器实时威胁评估方法 Download PDFInfo
- Publication number
- CN116739431B CN116739431B CN202310775500.1A CN202310775500A CN116739431B CN 116739431 B CN116739431 B CN 116739431B CN 202310775500 A CN202310775500 A CN 202310775500A CN 116739431 B CN116739431 B CN 116739431B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- target
- threat
- index
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008569 process Effects 0.000 title claims abstract description 33
- 238000013507 mapping Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000003068 static effect Effects 0.000 claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 12
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 28
- 238000004458 analytical method Methods 0.000 description 8
- 230000007123 defense Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于层次分析法的飞行器实时威胁评估方法,通过获取模块对不同指标值进行归一化处理,映射模块根据指标与威胁程度的相互作用关系选择不同的功效系数作映射,打分模块根据打分得到的不同判断矩阵,权重模块基于层次分析法对判断矩阵计算权重值并进行一致性检验,评估模块对飞行器进行实时威胁评估,直至任务结束。本发明提供一种基于层次分析法的飞行器实时威胁评估方法,采用AHP进行威胁评估的建模、确定权重,将威胁指标归一化、映射到相同的数值范围,实现动态指标与静态指标的配合,最后综合实现了对飞行器威胁程度全面、实时、快速评估。
Description
技术领域
本发明涉及飞行器评估分析领域。更具体地说,本发明涉及一种基于层次分析法的飞行器实时威胁评估方法。
背景技术
随着电子技术、自动控制等技术的不断发展,各类飞行器具备越来越强的机动能力和攻防能力,各类飞行器对空中目标的打击成功率和威胁程度越来越大。飞行器实时威胁评估是进攻方目标突防技术的关键环节,是进攻方目标突防策略生成的基础。飞行器威胁评估的目的,是判明防御飞行器对进攻方目标是否构成威胁以及威胁程度的大小,基于威胁程度评估结果,进攻方目标可以生成相应的突防策略。目前,飞行器威胁评估主要有打分模型、以单因素为主的模型、层次分析模型、神经网络模型、专家系统模型以及基于模糊理论的模型等。其中打分模型和以单因素为主的模型简单实用,广泛应用于防御目标数相对较少、防御纵深较小的近程防空系统;层次分析模型适用于求取不同因素相对某一目标的支持权重;神经网络模型和专家系统模型需要大量的先验知识才能获得较好的效果,工程实现较难;模糊理论模型对不确定因素的量化有其独到的优点,对威胁评估灵敏度要求较高的模型一般是基于多因素的评估,可用模糊理论进行多因素的量化。
但在实际的操作中,一方面,有关飞行器威胁评估的现有方法,大部分是针对单一一方(即进攻方或防御方)的飞行器进行威胁评估,鲜有方法是针对飞行器-目标动态对抗问题;另一方面,大部分现有方法只是选用了飞行器特性、性能指标、飞行能力等静态指标,无法在整个飞行器-目标动态对抗过程中给出实时评估结果,实时性和快速性较差。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说明的优点。
为了实现本发明的这些目的和其它优点,提供了一种基于层次分析法的飞行器实时威胁评估方法,其特征在于,包括:
步骤一,获取防御飞行器与目标飞行器的飞行指标数据,并对飞行指标数据中的相关参数做对应的归一化处理;
步骤二,对归一化后的各参数数据,依据其与威胁程度的相关性映射到不同的数据区间,得到映射指标数据;
步骤三,基于各参数之间的关系,建立与威胁评估相对应的递阶层次结构;
步骤四,对同一层次的各个参数关于上一层次中某一准则的重要性进行两两比较、打分,以根据打分结果构造两两比较的判断矩阵;
步骤五,采用层次分析法AHP对判断矩阵做一次性检验,并在判断结果通过后,计算被比较元素对于该准则的相对权重,以及计算各个层次指标对系统目标的综合权重;
步骤六,基于步骤五中得到的综合权重和步骤二得到的映射指标数据,综合计算威胁评估值;
其中,所述相关参数包括相对运动参数、视线角参数、静态参数。
优选的是,所述静态参数包括:飞行器最大速度和飞行器最大过载;
所述相对运动参数包括飞行器-目标相对速度、飞行器-目标相对距离;
所述视线角参数包括xOy视线角变化率、xOz视线角变化率。
优选的是,在步骤二中,所述映射是基于功效系数法对对归一化后的各参数数据进行操作的过程,所述映射方式为:
在预处理阶段,对各相关参数赋预定的功效系数di,且di=φi(x)i,=1,2,3;
对于飞行器-目标相对速度,采用如下的半正态函数确定功效系数:
其中,x是归一化后的飞行器-目标相对速度信号序列;
对于飞行器-目标相对距离和飞行器-目标在两个平面内的视线角参数,采用如下的正态分布函数确定功效系数:
对于静态参数,采用如下的半正态分布函数确定功效系数:
优选的是,在步骤三中,所述递阶层次结构被配置为包括:目标层、准则层、参数指标层、方案层;
其中,所述目标层为威胁程度,所述准则层为相对运动参数、视线角参数、静态参数;
所述参数指标层为准则层中各参数对应的数据指标;
所述方案层包括:追踪法、比例导引法、平行接近法。
优选的是,步骤五中的一次性校验方式为:
Step1、计算一致性指标CI:
CI=(λmax-n)/(n-1)
上式中,λmax为判断矩阵最大特征值,n为判断矩阵的阶次;
Step2、查找相应的平均一致性指标RI;
Step3、基于下式计算一致性比例CR:
CR=CI/RI
当CR<0.1时,认为判断矩阵的一致性校验通过;当CR≥0.1时,则认为一致性校验不通过,需要对判断矩阵进行修正。
优选的是,步骤五的相对权重wi通过下式获得:
上式中,aij为判断矩阵元素,表示的是第i个因素相对于第j个因素的比较结果,其值使用Santy的1-9标度方法给出;
所述综合权重ωi为准则层权重与指标层权利之积。
优选的是,在步骤六中,所述威胁评估值基于木桶效应通过下式计算得到:
上式中,ωi为综合权重,为映射值。
优选的是,还包括对应的分析评估系统,所述分析评估系统包括获取模块、映射模块、打分模块、权重模块、评估模块
本发明至少包括以下有益效果:
其一,本发明对飞行器的威胁因素进行层次划分,将专家打分转换为判断矩阵,使用AHP方法检验对判断矩阵做一次性检验,降低专家打分的主观性和减少逻辑错误,然后确定各个因素的权重;利用不同威胁因素的数据,归一化和映射后与权重模块得到的权重综合计算出实时威胁评估结果,并及时提供给作战指挥员、系统控制者等相关人员,以便于制定下一步目标飞行器突防策略;
本发明的分析评估方法具有操作简便、实时性强、准确性高等优点,提高了对飞行器威胁评估的效率,在实际应用中具有非常大的应用前景和推广价值。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明飞行器实时威胁评估分析系统的流程处理框图;
图2为本发明的威胁程度评估层次示意图;
图3为本发明实施例3中,飞行器-目标相对速度指标数据的曲线示意图;
图4为本发明实施例3中,飞行器-目标相对速度指标数据归一化处理后的曲线示意图;
图5为本发明实施例3中,飞行器与目标的示意图;
图6为本发明实施例3中,视线角速度指标数据的曲线示意图;
图7为本发明实施例3中,视线角速度指标数据归一化处理后的曲线示意图;
图8为本发明实施例3中,相对距离指标数据的曲线示意图;
图9为本发明实施例3中,相对距离指标数据归一化处理后的曲线示意图;
图10为本发明实施例3中,总威胁度的变化示意图;
图11为本发明实施例4中,飞行器-目标相对速度指标数据的曲线示意图;
图12为本发明实施例4中,飞行器-目标相对速度指标数据归一化处理后的曲线示意图;
图13为本发明实施例4中,飞行器与目标的示意图;
图14为本发明实施例4中,视线角速度指标数据的曲线示意图;
图15为本发明实施例4中,视线角速度指标数据归一化处理后的曲线示意图;
图16为本发明实施例4中,相对距离指标数据的曲线示意图;
图17为本发明实施例4中,相对距离指标数据归一化处理后的曲线示意图;
图18为本发明实施例4中,总威胁度的变化示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明旨在设计一种新的基于层次分析法的飞行器实时威胁评估方法,解决飞行器实时威胁评估过程中存在的一些问题,包括:
1.飞行器威胁的多样性和复杂性。目标飞行器的类型可能有所不同,根据不同的类型,需要采取不同的防御策略。而层次分析法可以将复杂的问题分解成多个因素,从而更好地理解和处理飞行器威胁的多样性和复杂性。
2.数据处理的复杂性。飞行器威胁评估需要处理大量复杂的数据,并对这些数据进行实时分析。而采用层次分析法可以减少数据的冗余,并对目标的各个方面进行分析和评估,以更好地获取实时评估结果。
3.评估的准确性和可靠性。传统的评估方法可能存在主观性和随机性等不确定因素,而层次分析法可以降低这些不确定因素,增加评估结果的准确性和可靠性。
实施例1
本发明提供了一种飞行器实时威胁评估分析系统,主要包括:
获取模块,用于处理飞行器-目标飞行器的飞行指标数据,对其进行归一化;
映射模块,用于将获取模块中归一化后的指标数据依据其与威胁程度的相关性映射到不同的数据区间,得到映射指标数据;
打分模块,用于将专家打分数据转换成判断矩阵,专家打分是对不同因素关于重要性的主观估计;
权重模块,用于基于层次分析法对打分模块输出的判断矩阵进行一次性检验,降低专家打分的主观性,通过一次性检验后得到映射指标数据的权重;
评估模块,用于综合映射模块和权重模块,计算权重模块得到的综合权重与映射模块得到的映射指标数据的乘积得到飞行器实时威胁评估。在此方案中,其主要是针对现有的飞行器威胁评估大多基于静态指标、评估因素少、实时性不高等不足,本发明采用AHP进行威胁评估的建模、确定权重,将威胁指标归一化、映射到相同的数值范围,实现动态指标与静态指标的配合,最后综合实现了对飞行器威胁程度全面、实时、快速评估。
实施例2
与飞行器实时威胁评估分析系统对应的基于层次分析法的飞行器实时威胁评估方法,在实际应用中其分析评估流程框图如图1所示,主要用于解决飞行器-目标动态对抗问题,针对现有方法只是针对单一一方(即进攻方或防御方)的飞行器进行威胁评估,而无法对飞行器-目标动态对抗问题进行评估,同时这些现有评估方法中的大部分都是选用飞行器特性、性能指标、飞行能力等静态指标,而动态对抗中的实时性指标没有参与,其威胁评估有效性、实时性受限的问题,本方案选用了既有静态指标,又有动态对抗过程中的实时性指标,相对于现有威胁评估方法来说,其实时性和快速性较强。
在该框架式的流程中,初始化阶段即获得六项指标的参数,获取模块对不同指标值进行归一化处理,映射模块根据指标与威胁程度的相互作用关系选择不同的功效系数作映射,打分模块根据专家打分得到的不同判断矩阵,权重模块基于层次分析法对判断矩阵计算权重值并进行一致性检验,评估模块对飞行器进行实时威胁评估,直至任务结束。
进一步地,对层次分析法AHP的飞行器实时威胁评估方法各模块处理流程进行详细的说明:
首先,层次分析法(Analytic Hierarchy Process,AHP)是一种多层次权重系数解析法,以定性和定量相结合的方式处理各种决策因素,能够有效捕捉到参与决策人员的不确定性判断,处理人对数字的不确定性与模糊性,降低决策者的主观判断和对方案及准则的偏好选择产生的影响;
其次,本方案的获取模块的处理过程中,先假设飞行器-目标飞行器的飞行指标数据可获取,对特定指标数据做归一化处理,所述指标数据包括:弹目相对速度、相对距离、xOy视线角变化率、xOz视线角变化率、飞行器最大速度和飞行器最大过载。
进一步地,在映射模块中的处理过程中,功效系数法是一种常用的飞行器效能评估方法,该方法利用一组预先定义的评价指标,将对防御效果的影响因素进行定量化分析,并通过计算得到针对不同目标的飞行器的评估结果。故本映射模块使用功效系数法对获取模块输出的指标数据进行映射。
该评估系统有6项指标,其中,飞行器-目标相对速度为负值时飞行器对目标的威胁更大,飞行器-目标相对距离和飞行器-目标视线角速率(两个平面内)为0值附近时飞行器对目标的威胁更大,飞行器最大速度和最大过载越大时飞行器对目标的威胁更大,为统一处理,在预处理阶段对这些指标赋一定的功效系数di,一般取di=φi(x),i=1,2,3,4,5,6。
对于飞行器-目标相对速度指标,可选择如下的半正态函数用以确定功效系数:
其中,x是归一化后的飞行器-目标相对速度信号序列。
对于飞行器-目标相对距离和飞行器-目标视线角速率(两个平面内)指标,可选择如下的正态分布函数用于确定功效系数:
对于飞行器最大速度和最大过载指标,可选择如下的半正态分布函数用于确定功效系数:
进一步地,在打分模块和权重模块中,基于层次分析法分析专家关于威胁因素打分数据的合理性,兼顾决策者对不同威胁因素的重视程度,计算得到权重系数,主要有如下几个步骤:
(1)分析问题中的各个元素之间的关系,建立如图2的问题递阶层次结构,通过在AHP细化准则层,从而使得评估结果可能受专家打分的主观影响会相对较弱,用于有效解决现有大部分已有研究成果在AHP分层中未将准则层进一步细化,导致评估结果可能受专家打分的主观影响较强的问题;
(2)对同一层次的各个元素关于上一层次中某一准则的重要性进行两两比较,由专家进行打分,根据打分结果构造如表1-表4的两两比较判断矩阵;
表1 A-B判断矩阵
A | B1 | B2 | B3 | w |
B1 | 1 | a12 | a13 | w1 |
B2 | a21 | 1 | a23 | w2 |
B3 | a31 | a32 | 1 | w3 |
表2 B1-C判断矩阵
B1 | C1 | C2 | w |
C1 | 1 | a12 | w11 |
C2 | a21 | 1 | w12 |
表3 B2-C判断矩阵
表4 B3-C判断矩阵
B3 | C5 | C6 | w |
C5 | 1 | a12 | w31 |
C6 | a21 | 1 | w32 |
其中,判断矩阵的元素aij表示的是第i个因素相对于第j个因素的比较结果,这个值通常使用如表5的Santy的1-9标度方法给出,且判断矩阵为正互反矩阵。
表5 Santy成对比较矩阵标度方法
(3)对判断矩阵进行一次性检验,通过后计算被比较元素对于该准则的相对权重;
在获取当前层次的权重系数前,必须对判断矩阵进行一致性校验,以排除里面的人为逻辑判断错误。
其中,一致性校验的步骤如下:
Step1计算一致性指标CI:
CI=(λmax-n)/(n-1)
式中:λmax为判断矩阵最大特征值;n为判断矩阵的阶次;
Step2查找相应的平均一致性指标RI;
Step3计算一致性比例CR=CI/RI。
当CR<0.1时,认为判断矩阵的一致性可以接受;当CR≥0.1时,要对判断矩阵进行适当修正。本方案中,AHP用于判断专家的打分数据(打分数据也应该是由他们自己确定或者请相关领域专家确定)是否合理,进一步是用于判断威胁因素权重是否合理的技术,在实际的操作中,先将打分模块中的打分数据通过我们的系统转换成判断矩阵,分析判断矩阵是否通过一次性检验,通过则可以继续计算权重,不通过则需要对专家打分数据进行调整,直至判断矩阵通过一次性检验,这一步骤也旨在降低专家打分数据的主观性。
按照下式计算权重系数wi:
(4)如表5计算各个层次指标对系统目标的综合权重。
表5综合权重
更进一步地,在评估模块的评估过程中,是根据权重模块得到关于各个指标的权重和映射模块得到关于指标的映射值,综合求得系统总的威胁评估值。本项目选定的六个指标相对独立,且对于攻防问题而言,均是飞行器成功防御目标的必要条件,所以采用如下的乘法规则进行评估指标综合。其中,弹目相对速度、相对距离、xOy视线角变化率和xOz视线角变化率这四个指标是实时变化的,飞行器最大速度和飞行器最大过载是静态的,我们将这六个指标归一化、映射到相同的数值范围内,实现了动态指标与静态指标的配合,因此可以实现对飞行器威胁程度的实时评估。
乘法规则:木桶效应,即只要一项指标得分为0,则总评价值为0。
综合评估结果为其中ωi为综合权重。
实施例3
为了进一步说明本发明威胁评估方法的有效性,结合以下的仿真实例进一步展示:
采用实施例2的方法,通过获取模块对飞行器-目标飞行器的飞行指标数据进行归一化处理,得到的归一化处理后的指标数据;
具体处理过程包括:
对图3的飞行器-目标相对速度指标数据进行处理,得到如图4的归一化处理后的数据,而图5示出了整个拦截过程的飞行器和目标的相对运动位置;
对图6的视线角速度指标数据指标数据进行处理,得到如图7的归一化处理后的数据;
对图10的相对距离指标数据进行处理,得到如图9的归一化处理后的数据;
映射模块将归一化后的指标数据依据其与威胁程度的相关性映射到不同的数据区间,得到映射指标数据;
打分模块将专家打分数据转换成判断矩阵,如求得与相对运动、视线角、静态参数相匹配的判断矩阵Ⅰ:
{1.0,0.333,3.0},
{3.0,1.0,3.0},
{0.333,0.333,1.0}
与相对速度、相对距离相匹配的判断矩阵Ⅱ:
{1.0,5},
{0.2,1.0}
与xoy视线角变化率、xoz视线角变化率相匹配的判断矩阵Ⅲ:
{1.0,1.0},
{1.0,1.0}
与最大速度、最大过载相匹配的判断矩阵Ⅳ:
{1.0,0.333},
{3.0,1.0}
权重模块基于层次分析法对打分模块输出的判断矩阵进行一次性检验,通过一次性检验后得到映射指标数据的权重,通过AHP求得的各因素权重值:相对运动0.238677、相对距离0.0477355、xoy视线角变化率0.286862、xoz视线角变化率0.286862、最大速度0.0349526、最大过载0.10491
评估模块综合映射模块和权重模块,计算权重模块得到的综合权重与映射模块得到的映射指标数据的乘积得到如图10的飞行器实时威胁评估示意图,且该实施例为成功案例。
实施例4
为了进一步说明本发明威胁评估方法的有效性,结合以下的仿真实例进一步展示:
采用实施例2的方法,
获取模块对飞行器-目标飞行器的飞行指标数据进行归一化处理,得到的归一化处理后的指标数据;
具体处理过程包括:
对图11的飞行器-目标相对速度指标数据进行处理,得到如图12的归一化处理后的数据,而图13示出了整个拦截过程的飞行器和目标的相对运动位置;
对图14的视线角速度指标数据进行处理,得到如图15的归一化处理后的数据;
对图16的相对距离指标数据进行处理,得到如图17的归一化处理后的数据;
映射模块将归一化后的指标数据依据其与威胁程度的相关性映射到不同的数据区间,得到映射指标数据;
权重模块基于层次分析法对打分模块输出的判断矩阵进行一次性检验,通过一次性检验后得到映射指标数据的权重;
评估模块综合映射模块和权重模块,计算权重模块得到的综合权重与映射模块得到的映射指标数据的乘积得到如图18的飞行器实时威胁评估示意图,且该实施例为失败案例,本实施例中特意列举了拦截失败的案例,可以有效说明本发明的威胁评估方法在失败情况下也是有效的,也因为拦截失败,故威胁评估的结果和成功拦截呈相反状态。
以上方案只是一种较佳实例的说明,但并不局限于此。在实施本发明时,可以根据使用者需求进行适当的替换和/或修改。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种基于层次分析法的飞行器实时威胁评估方法,其特征在于,包括:
步骤一,获取飞行器与目标飞行器的飞行指标数据,并对飞行指标数据中的相关参数做对应的归一化处理;
步骤二,对归一化后的各参数数据,依据其与威胁程度的相关性映射到不同的数据区间,得到映射指标数据;
步骤三,基于各参数之间的关系,建立与威胁评估相对应的递阶层次结构;
步骤四,对同一层次的各个参数关于上一层次中某一准则的重要性进行两两比较、打分,以根据打分结果构造两两比较的判断矩阵;
步骤五,采用层次分析法AHP对判断矩阵做一次性检验,并在判断结果通过后,计算被比较元素对于该准则的相对权重,以及计算各个层次指标对系统目标的综合权重;
步骤六,基于步骤五中得到的综合权重和步骤二得到的映射指标数据,综合计算威胁评估值;
其中,所述相关参数包括相对运动参数、视线角参数、静态参数;
步骤五中的一次性校验方式为:
Step1、计算一致性指标CI:
CI=(λmax-n)/(n-1)
上式中,λmax为判断矩阵最大特征值,n为判断矩阵的阶次;
Step2、查找相应的平均一致性指标RI;
Step3、基于下式计算一致性比例CR:
CR=CI/RI
当CR<0.1时,认为判断矩阵的一致性校验通过;当CR≥0.1时,则认为一致性校验不通过,需要对判断矩阵进行修正;
步骤五的相对权重wi通过下式获得:
上式中,aij为判断矩阵元素,表示的是第i个因素相对于第j个因素的比较结果,其值使用Santy的1-9标度方法给出;
所述综合权重ωi为准则层权重与指标层权利之积;
在步骤六中,所述威胁评估值基于木桶效应通过下式计算得到:
上式中,ωi为综合权重,为映射值。
2.如权利要求1所述的基于层次分析法的飞行器实时威胁评估方法,其特征在于,所述静态参数包括:飞行器最大速度和飞行器最大过载;
所述相对运动参数包括飞行器-目标相对速度、飞行器-目标相对距离;
所述视线角参数包括xOy视线角变化率、xOz视线角变化率。
3.如权利要求2所述的基于层次分析法的飞行器实时威胁评估方法,其特征在于,在步骤二中,所述映射是基于功效系数法对归一化后的各参数数据进行操作的过程,所述映射方式为:
在预处理阶段,对各相关参数赋预定的功效系数di,且di=φi(x),i=1,2,3;
对于飞行器-目标相对速度,采用如下的半正态函数确定功效系数:
其中,x是归一化后的飞行器-目标相对速度信号序列;
对于飞行器-目标相对距离和飞行器-目标在两个平面内的视线角参数,采用如下的正态分布函数确定功效系数:
对于静态参数,采用如下的半正态分布函数确定功效系数:
4.如权利要求1所述的基于层次分析法的飞行器实时威胁评估方法,其特征在于,在步骤三中,所述递阶层次结构被配置为包括:目标层、准则层、参数指标层、方案层;
其中,所述目标层为威胁程度,所述准则层为相对运动参数、视线角参数、静态参数;
所述参数指标层为准则层中各参数对应的数据指标;
所述方案层包括:追踪法、比例导引法、平行接近法。
5.如权利要求1所述的基于层次分析法的飞行器实时威胁评估方法,其特征在于,还包括对应的分析评估系统,所述分析评估系统包括获取模块、映射模块、打分模块、权重模块、评估模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310775500.1A CN116739431B (zh) | 2023-06-28 | 2023-06-28 | 基于层次分析法的飞行器实时威胁评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310775500.1A CN116739431B (zh) | 2023-06-28 | 2023-06-28 | 基于层次分析法的飞行器实时威胁评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739431A CN116739431A (zh) | 2023-09-12 |
CN116739431B true CN116739431B (zh) | 2024-03-26 |
Family
ID=87913195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310775500.1A Active CN116739431B (zh) | 2023-06-28 | 2023-06-28 | 基于层次分析法的飞行器实时威胁评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739431B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188461A (zh) * | 2019-05-29 | 2019-08-30 | 哈尔滨工程大学 | 一种面向基地攻防任务的多uuv红蓝方ahp威胁评估方法 |
CN114444203A (zh) * | 2022-01-25 | 2022-05-06 | 中国人民解放军空军工程大学 | 基于战场态势变权的空中集群威胁评估方法 |
CN115329338A (zh) * | 2022-08-08 | 2022-11-11 | 李思宇 | 基于云计算服务的信息安全风险分析方法及分析系统 |
CN115544714A (zh) * | 2022-07-12 | 2022-12-30 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于飞行器编队的时序动态对抗威胁评估方法 |
-
2023
- 2023-06-28 CN CN202310775500.1A patent/CN116739431B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188461A (zh) * | 2019-05-29 | 2019-08-30 | 哈尔滨工程大学 | 一种面向基地攻防任务的多uuv红蓝方ahp威胁评估方法 |
CN114444203A (zh) * | 2022-01-25 | 2022-05-06 | 中国人民解放军空军工程大学 | 基于战场态势变权的空中集群威胁评估方法 |
CN115544714A (zh) * | 2022-07-12 | 2022-12-30 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于飞行器编队的时序动态对抗威胁评估方法 |
CN115329338A (zh) * | 2022-08-08 | 2022-11-11 | 李思宇 | 基于云计算服务的信息安全风险分析方法及分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116739431A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108615122A (zh) | 一种防空反导体系作战能力评估方法 | |
CN110119904A (zh) | 一种舰船装备维修保障能力评估方法和系统 | |
CN110348708B (zh) | 一种基于极限学习机的地面目标动态威胁评估方法 | |
CN110490422B (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
CN107454105A (zh) | 一种基于ahp与灰色关联的多维网络安全评估方法 | |
CN104392087A (zh) | 一种顶置武器站性能评估方法 | |
CN114444203B (zh) | 基于战场态势变权的空中集群威胁评估方法 | |
CN112861257A (zh) | 一种基于神经网络的飞机火控系统精度敏感性分析方法 | |
CN115310345B (zh) | 基于人工势场的智能算法评估方法及装置 | |
CN110008985A (zh) | 基于改进d-s证据理论规则的舰载机群目标识别方法 | |
CN112950008A (zh) | 一种飞行器的航迹规划评价方法 | |
CN115759754A (zh) | 基于动态博弈变权的超视距空战模拟目标威胁评估方法 | |
Rudong et al. | Bayesian inference for ammunition demand based on Gompertz distribution | |
CN116739431B (zh) | 基于层次分析法的飞行器实时威胁评估方法 | |
CN116739428A (zh) | 一种主客观赋权的变权topsis炮兵火力打击目标价值分析方法 | |
Zheng et al. | Operational effectiveness analysis of cluster submarine formation torpedo weapon system based on fuzzy ahp comprehensive evaluation | |
Qu et al. | Operational effectiveness evaluation of antimissile early warning based on combination weighted TOPSIS | |
CN112217838B (zh) | 一种基于云模型理论的网络攻击面评估方法 | |
Feng et al. | Research on Threat Assessment evaluation model based on improved CNN algorithm | |
CN111654855A (zh) | 基于ahp的水下无线传感器网络中的信任更新方法 | |
Sahni et al. | Performance of maximum likelihood estimator for fitting Lanchester equations on Kursk Battle data | |
Wang et al. | Method for Assessing Operational Readiness of Shipborne Combat System based on AHP and Channel Association | |
Qu et al. | An Improved VIKOR Model for Ballistic Missile Threat Assessment And Ranking | |
CN117892637B (zh) | 一种基于联合网络模型的靶板击穿厚度预测方法及装置 | |
CN117436282B (zh) | 基于双重变权和topsis-灰关联的架构优选方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |