CN117644952A - 一种无人艇综合能力确定方法、系统、平台、设备及介质 - Google Patents
一种无人艇综合能力确定方法、系统、平台、设备及介质 Download PDFInfo
- Publication number
- CN117644952A CN117644952A CN202311648654.0A CN202311648654A CN117644952A CN 117644952 A CN117644952 A CN 117644952A CN 202311648654 A CN202311648654 A CN 202311648654A CN 117644952 A CN117644952 A CN 117644952A
- Authority
- CN
- China
- Prior art keywords
- unmanned ship
- data
- capacity
- comprehensive
- test data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000012360 testing method Methods 0.000 claims abstract description 175
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 64
- 238000011156 evaluation Methods 0.000 claims description 47
- 238000007405 data analysis Methods 0.000 claims description 27
- 238000010606 normalization Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 10
- 238000013523 data management Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000013439 planning Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000013210 evaluation model Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000005111 flow chemistry technique Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种无人艇综合能力确定方法、系统、平台、设备及介质,属于无人艇测试技术领域。所述方法包括:获取测试数据;根据所述测试数据计算无人艇的各指标;根据无人艇的各指标计算无人艇的各单项能力;对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。本发明基于试验过程的测试数据进行指标、单项能力的计算,进而对单项能力进行综合计算,得到综合能力,实现了无人艇综合能力的自动化计算,无需参试人员的参与,降低了试验成本,并提高了试验效率。
Description
技术领域
本发明涉及无人艇测试技术领域,特别是涉及一种无人艇综合能力确定方法、系统、平台、设备及介质。
背景技术
目前主流无人艇试验一般是采取多方案模式,该模式具有两方面的特征,一方面,其描述试验过程的数据量非常大,包括各种类型的参数等;另一方面,试验状态多种多样,试验测试数据必须结合系统和测试状态进行计算和分析。这就导致了对试验数据进行全程实时观测困难,参试人员参与试验流程,获取试验评估信息的能力差、重复试验多、试验各项资源使用效率低等问题。
因此有必要针对目前无人艇试验系统试验数据分析处理与能力评估软件功能自动化、智能化的需求,在准确可靠获得试验数据的基础上,将试验数据保存在相应的通道中,待试验结束后,将数据取出,重新观测、分析,针对多源异构海量试验数据进行功能完善、方便快捷的分析与评估,从而有效降低试验成本、提高试验效率。
发明内容
本发明的目的是提供一种无人艇综合能力确定方法、系统、平台、设备及介质,以降低试验成本,并提高试验效率。
为实现上述目的,本发明提供了如下方案:
本发明提供一种无人艇综合能力确定方法,所述方法包括如下步骤:
获取测试数据;所述测试数据包括无人艇试验场的环境数据和无人艇在试验时的运行数据;
根据所述测试数据计算无人艇的各指标;各指标包括:感知准确率、规划路径距障碍物最小距离、避障成功率和航迹准确性;
根据无人艇的各指标计算无人艇的各单项能力;各单项能力包括:感知识别能力、航迹规划能力、自主避障能力和航行控制能力;
对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。
可选的,根据所述测试数据计算无人艇的各指标,之前还包括:
构建层次分析模型;所述层次分析模型包括综合能力层、单项能力层、指标层和数据层;
基于所述层次分析模型,采用模糊综合评价法确定单项能力层的各单项能力相对于综合能力层的综合能力的权重,指标层的各指标相对于单项能力层的各单项能力的权重,数据层的各数据相对于指标层的各指标的权重。
可选的,根据无人艇的各指标计算无人艇的各单项能力的方式为加权求和法;
可选的,基于影响无人艇各单项能力的指标值计算无人艇的各单项能力的方式为加权求和法。
可选的,对无人艇的各单项能力进行综合计算,获得无人艇的综合能力的方式为加权求和法。
可选的,获取测试数据,之后还包括:
对所述测试数据进行结构化处理,获得结构化处理后的测试数据;
对结构化处理后的测试数据进行归一化和异常数据处理,获得归一化和异常数据处理的测试数据。
一种无人艇综合能力确定系统,所述系统应用于上述的方法,所述系统包括:
测试数据获取模块,用于获取测试数据;所述测试数据包括无人艇试验场的环境数据和无人艇在试验时的运行数据;
指标计算模块,用于根据所述测试数据计算无人艇的各指标;各指标包括:感知准确率、规划路径距障碍物最小距离、避障成功率和航迹准确性;
单项能力计算模块,用于根据无人艇的各指标计算无人艇的各单项能力;各单项能力包括:感知识别能力、航迹规划能力、自主避障能力和航行控制能力;
综合能力计算模块,用于对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。
一种无人艇综合能力确定平台,所述平台包括:
综合测试数据管理子系统,用于对测试数据进行结构化处理,获得结构化处理后的测试数据;
测试数据分析处理子系统,用于对结构化处理后的测试数据进行归一化和异常数据处理,并对归一化和异常数据处理的测试数据进行存储、加载、显示和分析;
无人艇能力综合评估子系统,用于采用上述的方法基于归一化和异常处理后的测试数据确定无人艇的综合能力。
一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的方法。
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:
本发明实施例提供一种无人艇综合能力确定方法、系统、平台、设备及介质,所述方法包括:获取测试数据;根据所述测试数据计算无人艇的各指标;根据无人艇的各指标计算无人艇的各单项能力;对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。本发明基于试验过程的测试数据进行指标、单项能力的计算,进而对单项能力进行综合计算,得到综合能力,实现了无人艇综合能力的自动化计算,无需参试人员的参与,降低了试验成本,并提高了试验效率。
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为本发明实施例提供的一种无人艇综合能力确定方法的流程图;
图2为本发明实施例提供的层次分析模型的结构示意图;
图3为本发明实施例提供的一种无人艇综合能力确定方法的原理图;
图4为本发明实施例提供的层次分析模型的构建过程示意图;
图5为本发明实施例提供的一种无人艇综合能力确定平台的结构示意图;
图6为本发明实施例提供的测试数据分析处理子系统的结构示意图;
图7为本发明实施例提供的数据加载的执行过程的流程图;
图8为本发明实施例提供的数据分析功能模块的具体处理数据过程的流程图;
图9为本发明实施例提供的无人艇综合能力确定装置的结构示意图;
图10为本发明实施例提供的无人艇综合能力确定装置的系统框架图。
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一种无人艇综合能力确定方法、系统、平台、设备及介质,以降低试验成本,并提高试验效率。
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1
如图1所示,本发明实施例1提供一种无人艇综合能力确定方法,所述方法包括如下步骤:
步骤101,获取测试数据;所述测试数据包括无人艇试验场的环境数据和无人艇在试验时的运行数据。
本发明实施例在获得测试数据后,还对测试数据进行如下处理:
对所述测试数据进行结构化处理,获得结构化处理后的测试数据。
对结构化处理后的测试数据进行归一化和异常数据处理,获得归一化和异常数据处理的测试数据。
步骤102,根据所述测试数据计算无人艇的各指标;各指标包括:感知准确率、规划路径距障碍物最小距离、避障成功率和航迹准确性。
步骤103,根据无人艇的各指标计算无人艇的各单项能力;各单项能力包括:感知识别能力、航迹规划能力、自主避障能力和航行控制能力。
步骤104,对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。
本发明实施例中步骤102-步骤104的实现方式均为加权求和法,其中各测试数据、各指标及各单项能力的权重采用层次分析法获得,具体如下:
本发明实施例对无人艇能力进行综合评估,无人艇的综合能力确定或计算主要依赖各类试验数据或测量结果,实现无人艇的性能与可靠性、质量特性、装备能力等方面的综合评价。该方法主要涉及层次分析模型、专家知识模型、层次化评估与分析处理、评估结果展示,评估模块集成与应用部分等。
层次分析模型采用了层次分析法的层次阶次结构进行构建,该结构类似于树状结构,如图2所示,层次分析模型分为综合能力层、单项能力层、指标层和数据层。层次分析法将一个系统的问题分解成多个不同的要素,按照各个要素之间的隶属关系形成一个反映各个因素之间联系的递阶层次结构,将系统性问题转化为一个指标间相对重要性程度的确定或优劣排序的问题。
层次阶次结构是层次分析模型的框架,在建立好框架后还需要对模型进行参数配置,此处所描述的参数主要是指各单项能力的权重值和各指标的权重值,该权重值可以基于基于该层次分析模型,采用模糊综合评价法获得。赋完权重后就构建好了层次分析模型,根据测评需要,可以对该层次分析模型的树状结构节点进行增改和删除操作。
各功能模块之间的关系如图3所示,首先针对无人艇系统能力评估过程、应用目标、用户需求和测试数据完成对评估模型的选择;其次层次评估与分析处理模块进行评估模型参数、对应试验数据的配置,计算出各项指标,进而进行加权求和,得到单项能力和综合能力。
以图形化的方式显示计算结果。评估模块集成与应用模块是对上述功能的综合,支持提供用户自定义评估算法模型的创建和管理功能,从海量数据分析的角度挖掘试验的参数决策信息,包含支撑试验决策的规则、案例、计算模型以及相关技术报告等,进行参数配置,具体如下:
层次分析模型包括了系统任务效能、系统能力和系统性能层次分析模型。其中任务效能模型反应在工况环境下检验系统的任务执行能力和测试效果;系统能力模型反应在复杂环境下无人艇的系统功能发挥情况,包括信息获取能力、信息处理、信息决策功能等;系统性能反应系统在某一属性下相对独立、完整的功能。层次分析模型的构建过程如图4所示,首先根据无人艇型号特点与任务场景描述无人艇综合能力;其次将无人艇综合能力拆分成若干项单项能力(比如感知识别能力、航迹规划能力、自主避障能力和航行控制能力);再次结合任务场景将各单项能力用若干指标进行细分(如感知准确率、规划路径距障碍物最小距离、避障成功率和航迹准确性等);最后用具体的数据来描述各个指标,这些用以支撑各个指标的数据是通过计算公式来建立同数据库原始试验数据之间的联系。
层次分析模型应用在无人艇能力评估的过程,其在数据分析与能力评估分系统中建立起了原始试验数据与最终无人艇能力值之间的联系。
2)专家知识模型一是专家利用知识经验主观地对无人艇单项能力赋予权重值,二是依据层次分析模型中数据层的数据并对照预先制定的打分表辅助模糊综合评价法确定各单项能力和各指标的权重。指标作为评估结果的具体体现,为充分表征系统实际性能,在构建专家评估体系时应遵守以下几个准则:指标完备性,从系统整体性能的角度出发构建性能评估指标体系,以反应系统的整体效能;评估针对性,系统测试场景组成方式多样,可供评估对象丰富,若对每项能力均进行评估,则覆盖范围太大,在具体设计指标内容时应有所侧重,依据所实现系统的主要目的进行评估指标体系的构建,体现组网系统主要功能的改善程度;准确可靠性,从多个角度对评估指标进行设计,建立的评估指标体系能够准确反映目标特性的影响;试验可重复,在指标评估过程中,为了实现对同一态势的多次测量,试验过程及环境参数完全一致,在构建评估指标体系时,需要遵循态势的重复一致性原则。主要知识包含支撑试验决策的规则、案例、计算模型以及相关技术报告等。
3)层次化评估与分析处理功能实现试验数据评估的多指标多层次评估与分析处理,支持多种评估算法获得指标权重,利用指标体系层次分析结构模型对多指标多层次试验结果进行全面、有效评估。确定指标权重包括构造比较判断矩阵、求取单一准则下元素相对权重、求取系统层级时的权重、求取底层指标层元素对于目标层的合成权重等计算过程,确定指标的隶属度包括建立隶属函数模型、性能指标的无量纲化和归一化处理、定性指标的量化处理等计算过程。将所有底层指标合成权重与对应的隶属度采用加权和法进行综合,得到综合能力评估结果。获得综合能力评估结果的具体过程为,首先根据无人艇任务建立层次分析模型,层次分析模型建立包括建立层次阶次结构与配置参数(即单项指标参数赋值);然后利用专家知识模型和模糊综合评价法确定权重,然后基于测试数据进行加权求和计算最终无人艇综合能力。
4)评估结果展示功能根据评估结果建立评估结果分类体系,以图形化的方式显示评估结果,在评估执行过程中,采用交互式界面,提示执行的步骤和位置可以支持多种格式保存评估流程数据,并可自动生成评估报告,操作简单、健壮性强。
5)评估模块集成与应用模块支持提供用户自定义评估算法模型的创建、训练和管理功能,从海量数据分析的角度挖掘试验的参数决策信息,包含支撑试验决策的规则、案例、计算模型以及相关技术报告等,进行参数配置。通过对评估模型的编辑、参数设置和数据源的设置,得出符合业务需求的系统评估模型并且形成系统评估模型库,支持评估模型的进一步优化、更新及升级服务,也包括模型的迁移、导出等,进而保证用户对已搭建的成熟模型具备较丰富的操作空间。
实施例2
本发明实施例2提供一种无人艇综合能力确定系统,所述系统应用于实施例1的方法,所述系统包括:
测试数据获取模块,用于获取测试数据;所述测试数据包括无人艇试验场的环境数据和无人艇在试验时的运行数据。
指标计算模块,用于根据所述测试数据计算无人艇的各指标;各指标包括:感知准确率、规划路径距障碍物最小距离、避障成功率和航迹准确性。
单项能力计算模块,用于根据无人艇的各指标计算无人艇的各单项能力;各单项能力包括:感知识别能力、航迹规划能力、自主避障能力和航行控制能力。
综合能力计算模块,用于对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。
实施例3
本发明实施例3提供一种无人艇综合能力确定平台,如图5所示,所述平台包括:
综合测试数据管理子系统,用于对测试数据进行结构化处理,获得结构化处理后的测试数据。
测试数据分析处理子系统,用于对结构化处理后的测试数据进行归一化和异常数据处理,并对归一化和异常数据处理的测试数据进行存储、加载、显示和分析。
无人艇能力综合评估子系统,用于采用实施例1的方法基于归一化和异常处理后的测试数据确定无人艇的综合能力。
如图5所示,本发明实施例3的平台,首先综合测试数据管理子系统导入外部测试数据,然后测试数据分析处理子系统解析导入的外部测试数据并存储到数据库中,最后无人艇能力综合评估子系统调用存储在数据库中的测试数据对无人艇能力进行综合评估。
1.综合测试数据管理子系统主要负责对无人艇综合测试过程中产生的各类结构化、非结构化数据进行管理。综合测试数据管理子系统中的测试数据导入功能对于结构化和非结构化数据(包括历史数据),系统提供两种方式进行管理,并提供海量数据导入工具,针对结构化数据通过配置文件来规范数据的结构,然后系统根据相关的绑定配置文件对数据进行二次处理,得到满足要求的结构化数据,进而通过结构化数据接入的功能进行数据的入库工作。同时,系统记录结构化数据导入日志信息。针对非结构化数据通过数据导入工具,实现PDF文件、图片、视频等非结构化数据文件的快速导入功能,并支持数据的批量导入。数据导入完毕后,用户可查询、查看、下载非结构化数据信息。导入/导出数据时,系统提供详细的操作日志。
2.测试数据分析处理子系统包括了数据建模、数据加载、数据显示、数据分析、数据流程化、算法集成与应用等功能模块。通过集成大量的处理算法,能够对试验过程数据进行各种数据处理。各模块之间的连接关系,如图6所示,首先经过综合测试数据管理子系统解析的测试数据进入到由测试数据分析处理子系统的数据建模功能模块建立的关系型数据库中,其次数据加载模块对数据库中的数据进行读写操作,再次加载后的数据通过数据可视化模块可以进行可视化展示,然后通过数据分析模块对试验原始数据进行分析处理,通过按照无人艇的型号特征及任务场景,进行数据的归一化以及异常数据的剔除,以达到后续无人艇能力综合评估子系统中层次分析模型对于相应支撑数据的要求,这里数据的归一化是对数据数值本身进行归一化处理,异常数据的剔除主要针对在所获统计数据中相对误差较大的观测数据,比如与平均值的偏差超过两倍标准差的观测数据。
最后使用数据流程化模块实现上述试验数据处理流程的自动化处理,即完成数据的关联与时空关系,存储至关系型数据库,进而根据评估体系的要求按照不同的能力项进行分项存储,形成评估数据建模。
1)数据建模功能利用试验数据实体与实体之间的联系使用关系型数据库系统来实现,对现实事物进行抽象概括并对现实进行近似描述。关系型数据库首先通过对试验各个阶段数据流程的分析,对各种数据类型进行分类、聚集和概括,形成概念数据模型,把不同类型的试验数据以及数据之间的关系转化为实体之间的关系,本发明实施例中的参考关系型数据库的SQL建模,即通过实体---关系方法描述试验数据;其次关系型数据库会把上一步得到的实体关系模型转化为一张张数据库表,每一张表代表一个实体,每一个实体拥有多个属性列,属性列用于描述实体的特征;最后把上述关系型数据库的实体关系模型和数据库表实施到具体的软件环境中。
2)数据加载是试验数据分析的核心功能模块,在数据加载过程中要频繁对数据文件进行读写,故文件读写的效率直接影响系统的运行性能。数据加载模块采用分层处理,在线流式传输技术,实现多级缓存,并根据关注区域实现试验数据按需取用,数据加载模块将多源异构试验数据加载至软件平台后进行后台分析处理数据格式的统一化处理,形成通用的关系型数据库中的数据模型,满足大数据情况下的数据细度与效率平衡处理,实现后续不同种类不同试验数据的对比分析,数据加载支持包括本地PC加载以及数据库访问模式。数据加载的执行过程如图7所示。
3)数据显示功能模块对加载后的数据进行可视化展示,包括曲线展示、表格显示、图形化等不同显示方式,每种显示方式支持对应的可视化交互操作,包括曲线的截取、拼接、缩放等功能。
4)数据分析功能模块的具体处理数据过程如图8所示,数据分析功能模块会从数据库调用试验数据,根据需要选择合适的分析方式,经过分析处理的数据会再被存入至数据库中。
数据分析功能模块包括常用算法处理、公式处理、量纲转换处理功能,通过数据分析功能模块内集成的不同的算法对试验数据或者文件进行层级处理,包括格式化数据导入、数据文件读取、算法处理、结果保存。其中数据算法是整个数据分析的核心,数据分析功能模块集成的算法主要有:时域分析、频域分析、数据预处理、数学计算工具等。考虑到试验数据容量大的特点,数据分析还具备海量数据的处理方法。对数据进行分析处理的目的一是用于将试验原始数据处理成试验人员能够直接阅读地试验分析用数据,二是用于支撑后续评估模型对无人艇指标的计算。
5)数据流程化模块通过设定的试验数据处理流程调用输入相关数据及对应的分析算法,实现试验数据的流程化处理。能够按照指定的数据分析与处理流程自动化完成试验数据的流程化处理,实现试验数据处理配置的自动化。
6)算法集成与应用模块通过系统算法封装及应用场景,完成试验数据分析的集成及用户交互使用。软件界面的优化设计做到界面美观,使用户易于接受。软件的运行过程中和用户的必要交互,比如用户的输入提醒,任务执行完成后的提醒,以及输入数据格式提示等。
本发明实施例3中的无人艇能力综合评估子系统的实现方式与实施例1的方法的实施方式一致,在此不再赘述。
实施例4
本发明实施例4提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1的方法。
此外,上述的存储器中的计算机程序通过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所述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、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例4还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现实施例1的方法。
实施例5
本发明实施例5提供无人艇综合能力确定装置,如图9所示,包括:
数据访问层:主要存储试验原始数据等数据信息。
业务逻辑层:主要分为四大功能模块,分别是用户管理模块、数据导入模块、数据分析模块和能力综合评估模块。各业务模块通过一系列组件与数据库或外部系统进行交互。
界面层:完成用户交互性操作。
本发明实施例中的装置采用C/S结构((Client/Server):客户端----服务器结构),其具有分布性强、维护方便、开发扩展性强且共享性强等优点,系统总体架构如图10所示。
数据导入模块通过试验数据的接口进行数据输入,系统的表单数据、资源信息数据等数据存放于关系型数据库中,以主键的形式进行数据表之间的连接,通过对数据库表单模型的研究,实现系统数据的添加,更新,删除,表单查询,联合查询等操作。并对结构化数据与非结构化数据进行针对性处理。
数据分析模块主要对数据分析算法进行管理,根据算法管理及调度安排对不同的算法模块进行解析与调用。在试验数据获取与算法管理、数据处理与计算的基础上对试验数据进行多维度综合分析。
能力综合评估模块在试验数据分析的基础上,结合能力评估相关指标与知识规则,对系统的能力进行综合评估,并且将评估结果可视化展示。
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:
综上,本发明实施例基于试验过程的测试数据进行指标、单项能力的计算,进而对单项能力进行综合计算,得到综合能力,实现了无人艇综合能力的自动化计算,无需参试人员的参与,降低了试验成本,并提高了试验效率。
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 (10)
1.一种无人艇综合能力确定方法,其特征在于,所述方法包括如下步骤:
获取测试数据;所述测试数据包括无人艇试验场的环境数据和无人艇在试验时的运行数据;
根据所述测试数据计算无人艇的各指标;各指标包括:感知准确率、规划路径距障碍物最小距离、避障成功率和航迹准确性;
根据无人艇的各指标计算无人艇的各单项能力;各单项能力包括:感知识别能力、航迹规划能力、自主避障能力和航行控制能力;
对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。
2.根据权利要求1所述的无人艇综合能力确定方法,其特征在于,根据所述测试数据计算无人艇的各指标,之前还包括:
构建层次分析模型;所述层次分析模型包括综合能力层、单项能力层、指标层和数据层;
基于所述层次分析模型,采用模糊综合评价法确定单项能力层的各单项能力相对于综合能力层的综合能力的权重,指标层的各指标相对于单项能力层的各单项能力的权重,数据层的各数据相对于指标层的各指标的权重。
3.根据权利要求1或2所述的无人艇综合能力确定方法,其特征在于,根据无人艇的各指标计算无人艇的各单项能力的方式为加权求和法。
4.根据权利要求1或2所述的无人艇综合能力确定方法,其特征在于,基于影响无人艇各单项能力的指标值计算无人艇的各单项能力的方式为加权求和法。
5.根据权利要求1或2所述的无人艇综合能力确定方法,其特征在于,对无人艇的各单项能力进行综合计算,获得无人艇的综合能力的方式为加权求和法。
6.根据权利要求1所述的无人艇综合能力确定方法,其特征在于,获取测试数据,之后还包括:
对所述测试数据进行结构化处理,获得结构化处理后的测试数据;
对结构化处理后的测试数据进行归一化和异常数据处理,获得归一化和异常数据处理的测试数据。
7.一种无人艇综合能力确定系统,其特征在于,所述系统应用于权利要求1-6任一项所述的方法,所述系统包括:
测试数据获取模块,用于获取测试数据;所述测试数据包括无人艇试验场的环境数据和无人艇在试验时的运行数据;
指标计算模块,用于根据所述测试数据计算无人艇的各指标;各指标包括:感知准确率、规划路径距障碍物最小距离、避障成功率和航迹准确性;
单项能力计算模块,用于根据无人艇的各指标计算无人艇的各单项能力;各单项能力包括:感知识别能力、航迹规划能力、自主避障能力和航行控制能力;
综合能力计算模块,用于对无人艇的各单项能力进行综合计算,获得无人艇的综合能力。
8.一种无人艇综合能力确定平台,其特征在于,所述平台包括:
综合测试数据管理子系统,用于对测试数据进行结构化处理,获得结构化处理后的测试数据;
测试数据分析处理子系统,用于对结构化处理后的测试数据进行归一化和异常数据处理,并对归一化和异常数据处理的测试数据进行存储、加载、显示和分析;
无人艇能力综合评估子系统,用于采用权利要求1-6任一项所述的方法基于归一化和异常处理后的测试数据确定无人艇的综合能力。
9.一种电子设备,其特征在于,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被执行时实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648654.0A CN117644952A (zh) | 2023-12-05 | 2023-12-05 | 一种无人艇综合能力确定方法、系统、平台、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648654.0A CN117644952A (zh) | 2023-12-05 | 2023-12-05 | 一种无人艇综合能力确定方法、系统、平台、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117644952A true CN117644952A (zh) | 2024-03-05 |
Family
ID=90049165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311648654.0A Pending CN117644952A (zh) | 2023-12-05 | 2023-12-05 | 一种无人艇综合能力确定方法、系统、平台、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117644952A (zh) |
-
2023
- 2023-12-05 CN CN202311648654.0A patent/CN117644952A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112181960B (zh) | 一种基于AIOps的智能运维框架系统 | |
CN110688106B (zh) | 基于可视化配置的量化交易策略编写方法及装置 | |
CN111984709A (zh) | 可视化大数据中台-资源调用和算法 | |
CN108170769A (zh) | 一种基于决策树算法的装配制造质量数据处理方法 | |
US20220327398A1 (en) | Technology maturity judgment method and system based on science and technology data | |
CN113420009B (zh) | 一种基于大数据的电磁数据分析装置、系统及方法 | |
CN116089495A (zh) | 一种基于大数据的自助分析平台 | |
CN113408035A (zh) | 一种基于bim的木结构古建筑结构健康监测方法 | |
CN113592017A (zh) | 一种深度学习模型标准化训练方法、管理系统、处理终端 | |
Fana et al. | Data Warehouse Design With ETL Method (Extract, Transform, And Load) for Company Information Centre | |
US11227288B1 (en) | Systems and methods for integration of disparate data feeds for unified data monitoring | |
CN117644952A (zh) | 一种无人艇综合能力确定方法、系统、平台、设备及介质 | |
US20060005121A1 (en) | Discretization of dimension attributes using data mining techniques | |
CN116151632A (zh) | 一种数据架构方法 | |
US20140372386A1 (en) | Detecting wasteful data collection | |
JP7062243B1 (ja) | 品質情報出力装置、品質情報出力方法、およびプログラム | |
Grambau et al. | Reference Architecture framework for enhanced social media data analytics for Predictive Maintenance models | |
CN113850454A (zh) | 基于工业神经网络的零件制造方法、装置、设备及介质 | |
Sun | Management Research of Big Data Technology in Financial Decision-Making of Enterprise Cloud Accounting | |
CN111291102A (zh) | 一种政务数据挖掘的高性能规模统计计算方法 | |
CN114579619B (zh) | 数据查询方法、装置、电子设备及存储介质 | |
CN116126852B (zh) | 一种基于bim的装配式建筑智慧管理数据存储方法 | |
CN114971255B (zh) | 一种参数性能自动检测系统和方法 | |
CN111552814B (zh) | 基于考核指标图谱的考核方案生成方法及装置 | |
CN117785983A (zh) | 目标对象评估方法、系统、电子设备及存储介质 |
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 |