首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于多矩阵AHP的无人机自主作战能力灰色评估方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国人民解放军空军工程大学

摘要:本发明涉及一种基于多矩阵AHP的无人机自主作战能力灰色评估方法,包括:求取专家权重系数向量、专家权重系数向量一致性检验,求取检验专家权重系数向量、求取多专家权重系数向量、建立无人机自主作战能力评估样本矩阵,求取灰色评估矩阵、求取无人机自主作战能力灰色评估值的步骤。本发明方法的优点是:降低了权重系数向量中的主观性;不需要开展作战试验,成本低;能够定量给出无人机自主作战能力评估值,降低了对评估数据精度和数量的要求;实现了无人机自主作战能力评估指标重要度信息的有效融合;实现了多种无人机自主作战能力评估结果的有效融合。

主权项:1.一种基于多矩阵AHP的无人机自主作战能力灰色评估方法,其特征在于,包括如下步骤:步骤1,求取专家权重系数向量:无人机自主作战能力评估有n项评估指标,m名组专家对评估指标的重要度进行评估打分,建立与所述专家评估打分相对应的专家权重判断矩阵,对所述专家权重判断矩阵进行按列归一化处理,得出归一化矩阵,再对所述归一化矩阵按行求平均,得到专家权重系数向量;其中,步骤1进一步包括:第一步,专家评估打分,建立专家权重判断矩阵:首先,专家评估打分:m名组专家对无人机自主作战能力评估有n项评估指标逐一进行比较和分析,并对每一评估指标的重要度进行评估打分;评估指标的重要度是指该项评估指标与评估指标重要性相比较的重要程度;评估指标i相对评估指标j的重要度来自于评估专家打分,评估专家按顺序编号,其编号为k,k=1,2,3,4,...,m;专家评估打分规则以第k名组专家评估打分为:第k名组专家对评估指标i相对评估指标j的重要度的评估打分分值记为akij,其中,i=1,2,3,...,n,j=1,2,3,...,n,akij=19,18,…,14,13,12,或akij=1,2,3,4,…,8,9;所述专家对评估指标的重要度的评估打分分值按如下规则实施:①若评估指标i与评估指标j的重要度进行比较,其结果为同等重要,则评估打分分值为1;第k名组专家对评估指标i相对评估指标j的重要度的评估打分分值为akij=1;②若评估指标i比评估指标j重要,则评估指标越重要,评估打分分值越高,分值为2至9之间的自然数;第k名组专家对评估指标i相对评估指标j的重要度的评估打分分值akij=2,3,4,…,9;③若评估指标i不如评估指标j重要,则评估指标越不重要,评估打分分值越低,分值为19至12之间的分数;第k名组专家对评估指标i相对于评估指标j的重要度的评估打分分值akij=19,18,…,14,13,12;④若评估指标i与评估指标i的重要程度比较,则评估打分分值为1;第k名组专家对评估指标i相对评估指标i的重要度的评估打分分值为akii=1;其次,建立专家权重判断矩阵:依据每名专家对评估指标的评估打分分值,分别建立相应的专家权重判断矩阵;由m名组专家对评估指标重要度给出评估打分分值,分别建立矩阵,得到m个专家权重判断矩阵A1,A2,...,Am,其中,由第k名组专家对评估指标重要度的评估打分分值建立的第k个专家权重判断矩阵Ak为: 第二步,归一化处理专家权重判断矩阵:采用归一化方法,对第一步得到的m个专家权重判断矩阵分别进行按列归一化处理,得到m个归一化矩阵;第k个专家权重判断矩阵Ak按列归一化处理后,得到第k个归一化矩阵 式2中,为第k个归一化矩阵,所述归一化矩阵中元素由式1矩阵中元素计算求取,具体计算如下: 至此,得到m个归一化矩阵;第三步,求取专家权重系数向量:对第二步得到的m个归一化矩阵分别进行按行求平均值,得到m个专家权重系数向量;对第k个归一化矩阵进行按行求平均值,得到第k个专家权重系数向量Wk,如下式:Wk=[wk1,wk2,...,wki,...,wkn]T3式3中,k=1,2,…m,wki为依据第k个归一化矩阵计算得到的评估指标i的专家权重系数,第k个专家权重系数wki由下式计算得出: 至此,得到m个专家权重系数向量;步骤2,专家权重系数向量一致性检验,求取检验专家权重系数向量::由所述归一化矩阵和相对应的专家权重系数向量计算得到相对应的过渡矩阵;由过渡因子和相对应的专家权重系数,计算得到与其对应的归一化矩阵的最大特征根;通过所述过渡矩阵、所述归一化矩阵的最大特征根,求取专家检验算子;然后对所述专家检验算子的值进行一致性检验,即对专家权重判断矩阵一致性检验;其中,所述专家权重判断矩阵一致性检验的过程是:对得到的m个专家检验算子的值进行检验,如符合判据要求,专家权重判断矩阵通过一致性检验,则检验专家权重系数向量的值等于该专家权重系数向量,即进入下一步骤;如不符合判据要求,则要求该名组专家重新进行评估打分,重复进行以上各个步骤的内容,直到该专家权重判断矩阵通过一致性检验;至此,得到m个检验专家权重系数向量;其中,所述专家权重判断矩阵一致性检验进一步包括:专家权重判断矩阵一致性检验的过程以第k个专家检验算子的值进行检验过程为:第k个专家检验算子CRk为:CRk≤t其中,t为判断阈值,t=0.1;专家检验算子一致性检验方法,以对第k个专家检验算子CRk的一致性检验为:当第k个专家检验算子CRk≤t时,第k个专家权重判断矩阵通过一致性检验,第k个检验专家权重系数向量Wk'的值等于第k个专家权重系数向量Wk,即:W'k=Wk9当第k个专家检验算子CRkt时,第k个专家权重判断矩阵不通过一致性检验,要求第k名组专家重新进行评估打分,重复步骤1,步骤2,直到第k个专家权重判断矩阵通过一致性检验,则其检验专家权重系数向量等于相应的专家权重系数向量;至此,得到m个检验专家权重系数向量;步骤3,求取多专家权重系数向量:多专家权重系数向量W'为m个检验专家权重系数向量W'k的均值,其中,k=1,2,3,...,m,具体计算如下:W'=W'1+W’2+...+W'mm10式10中,m为专家总数;步骤4,建立无人机自主作战能力评估样本矩阵,求取灰色评估矩阵::求取灰色评估矩阵的过程,采用现有作战能力评估方法,,对五项评估指标的重要度进行评估打分的基础上,建立评估样本矩阵;通过求取评估灰类的灰数和白化权函数、计算灰色评估系数向量,计算得出无人机自主作战能力的灰色评估矩阵;其中,计算灰色评估矩阵的过程为:第一步,建立无人机自主作战能力评估样本矩阵:首先,采用现有作战能力评估方法,对五项评估指标的重要度进行评估打分:采用现有作战能力评估方法中的P种方法分别对无人机自主作战能力的平台性能指标C1、指挥控制指标C2、任务载荷指标C3、链路通信指标C4、突发事件处理能力C5共5项评估指标的重要度进行计算打分,计算打分分值范围为0~10分;第p种方法给5项指标Cp的计算打分结果记为dqp;其中,p=1,2,3,...,p;q=1,2,3,4,5;其次,建立评估样本矩阵:由p种方法给5项指标Cp分别计算打分分值建立矩阵,即为无人机自主作战能力评估样本矩阵D: 第二步,求取评估灰类的灰数和白化权函数:将无人机自主作战能力划分为优、良、中、次、差5个档次,对应灰类e值分别为:e=1,2,3,4,5;按所述灰类e值的不同,即所述无人机自主作战能力5个档次的不同,确定对应的灰数和白化权函数;进而建立相对应的白化权矩阵;第三步,计算灰色评估系数向量:将得到的每一个灰类的白化权矩阵分别按列相加,得到灰色评估系数向量re,其中,e=1,2,3,4,5;灰色评估系数向量re为列向量,如下:re=[re1,re2,re3,re4,re5]T20式20中,re1、re2、re3、re4、re5为灰色评估系数req;灰色评估系数req中,q=1,2,3,4,5,灰色评估系数按下式计算得到; 第四步,计算无人机自主作战能力的灰色评估矩阵:由灰色评估系数req和灰色评估系数向量re计算得出灰色评估矩阵R的灰色评估因子Rq,e,具体计算如下:所述灰色评估矩阵R中的灰色评估因子Rq,e如下式: 由所述灰色评估因子Rq,e建立矩阵,可得出无人机自主作战能力的灰色评估矩阵R,如下式: 至此,得到无人机自主作战能力的灰色评估矩阵R;步骤5,求取无人机自主作战能力灰色评估值:通过计算灰类评估结果,确定评估打分向量,进而求取无人机自主作战能力灰色评估值的过程为:第一步,计算灰类评估结果:多专家权重系数向量W'和灰色评估矩阵R相乘,得到无人机自主作战能力灰类评估结果B,具体计算式如下:B=W'·R24第二步,确定评估打分向量:无人机自主作战能力的评估打分向量为:S=[se1,se2,se3,se4,se5]T25给定se1=9,se2=7,se3=5,se4=3,se5=1;至此,得到无人机自主作战能力的评估打分向量S为:S=[9,7,5,3,1]T26第三步,求取无人机自主作战能力灰色评估值:由无人机自主作战能力灰类评估结果B和评估打分向量S得到无人机自主作战能力灰色评估值E,具体计算如下:E=B·S27由式24和式26代入到式27中,可计算得出无人机自主作战能力灰色评估值E;至此,得到无人机自主作战能力灰色评估值E。

全文数据:

权利要求:

百度查询: 中国人民解放军空军工程大学 基于多矩阵AHP的无人机自主作战能力灰色评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。