一种无人系统智能水平评分与等级映射方法技术方案

一种无人系统智能水平评分与等级映射方法，针对待评分的无人系统智能水平评价指标分层体系，进行层级划分，计算分层体系第一层中各评价指标对应的定量评分与权重；根据分层体系第一层中各评价指标对应的定量评分与权重建立评价指标评分分级模型；根据评价指标评分分级模型、分层体系第一层评价指标个数、层级划分数，建立无人系统智能水平动态等级划分模型，并进行无人系统智能水平等级评定；建立无人系统智能水平定性等级评定表，作为无人系统智能水平动态等级划分模型划分结果的映射。智能水平动态等级划分模型划分结果的映射。智能水平动态等级划分模型划分结果的映射。

【技术实现步骤摘要】
一种无人系统智能水平评分与等级映射方法


[0001]本专利技术涉及一种无人系统智能水平评分与等级映射方法，属于无人系统智能水平评分与等级映射方法领域。

技术介绍

[0002]国内外无人系统技术飞速发展，为加快无人系统关键技术的研究，进行无人系统智能水平评价成为驱动无人系统技术进步的首要任务。美国国家标准与技术研究院于2003年提出并建立了无人系统自主级别ALFUS框架，对各类无人系统进行全面地评价和等级划分，首次为无人系统的自主性评价建立了规范化框架，并提供了理论指导；美国航空航天局NASA也建立了智能系统智能水平等级划分NASA SMART框架。然而，ALFUS无人系统自主水平等级划分表和NASA SMART智能水平等级划分表均是一种定性的评价体系，评价者无法直观地判断无人系统的性能与等级之间的对应关系，具有较强的主观性，寻找一种定量的方式判断无人系统的性能，并建立与等级划分表之间的映射关系，可以帮助我们准确快速地对无人系统的智能水平等级进行判断，并对性能较弱的部分进行提升。

技术实现思路

[0003]本专利技术解决的技术问题是：针对目前现有技术中，缺少一种能够直观判断无人系统的性能与等级之间对应关系技术的问题，提出了一种无人系统智能水平评分与等级映射方法。
[0004]本专利技术解决上述技术问题是通过如下技术方案予以实现的：
[0005]一种无人系统智能水平评分与等级映射方法，包括：
[0006]针对待评分的无人系统智能水平评价指标分层体系，进行层级划分，计算分层体系第一层中各评价指标对应的定量评分与权重；
[0007]根据分层体系第一层中各评价指标对应的定量评分与权重建立评价指标评分分级模型；
[0008]根据评价指标评分分级模型、分层体系第一层评价指标个数、层级划分数，建立无人系统智能水平动态等级划分模型，并进行无人系统智能水平等级评定；
[0009]建立无人系统智能水平定性等级评定表，作为无人系统智能水平动态等级划分模型划分结果的映射。
[0010]计算分层体系第一层中各评价指标对应的定量评分与权重的具体步骤为：
[0011]根据抽象到具体原则将层级划分为第一层到最后一层；
[0012]通过量化与赋权方法计算分层体系中第一层第j项评价指标的权重W
j
和评分S
j
；
[0013]其中分层体系第一层中，p为分层体系中第一层评价指标的个数，j的取值范围为[1,p]，W
j
的取值范围为[0,1]，S
j
的取值范围为评分区间[SCORE
min
,SCORE
max
]，定义SCORE
min
为评分区间下限，SCORE
max
为评分区间上限。
[0014]评价指标评分分级模型的建立步骤为：
[0015]将评分区间[SCORE
min
,SCORE
max
]划分成l+1个评分子区间，其中，第0个子区间为第i个子区间为i的取值范围为[0,l]，和分别表示第i个子区间的左界与右界，和分别表示第0个子区间的左界与右界，各子区间左界、右界满足：
[0016][0017]根据划分后的评分子区间与第一层第j项评价指标的权重W
j
将评价指标评分S
j
划分为由0级至l级的l+1个级别，构建评价指标评分分级模型。
[0018]所述评价指标评分分级模型具体为：
[0019][0020]式中，S
i,j
表示分层体系第一层第j项评价指标划分到评价指标评分第i级需满足的评分最小值，i的取值范围为[0,l]，j的取值范围为[1,p]，S
i,j
的取值范围为[SCORE
min
,SCORE
max
]，median(
·
)为取(
·
)中位数，max(
·
)为取(
·
)最大值，min(
·
)为取(
·
)最小值，A
i
为分层体系第一层各评价指标划分到评价指标评分第i级需满足的评分最小值的集合。为防止分数溢出，需设置等级系数因子k，并进行限幅处理，使得S
i,j
的取值范围满足[SCORE
min
,SCORE
max
]，其中，k的取值满足：
[0021][0022]所述无人系统智能水平动态等级划分模型的构建方法为：
[0023]根据评价指标评分分级模型构建无人系统智能水平等级划分参数集合，集合中元素差值的绝对值满足[0,1]，且集合中仅存在和两种元素，具体为：
[0024][0025][0026]式中，函数SET
h
(
·
)表示无人系统智能水平等级处在h级时对应的等级划分参数集合中元素(
·
)的个数，m为无人系统智能水平等级划分总级别数，h为当前无人系统智能水平等级，h的取值范围为[0,m]，round(
·
)为将(
·
)四舍五入，floor(
·
)为将(
·
)向下取整，ceil(
·
)为将(
·
)向上取整；
[0027]根据无人系统智能水平等级划分参数集合、评价指标评分分级模型，构建无人系统智能水平动态等级划分模型；
[0028]根据分层体系第一层各评价指标评分、无人系统智能水平动态等级划分模型，由无人系统智能水平动态等级划分模型的高级向低级依次遍历每个等级对应的集合，当分层
体系第一层各评价指标评分以及第一层评价指标评分累加和均大于集合中对应的元素时停止遍历，完成无人系统智能水平等级评定。
[0029]所述无人系统智能水平动态等级划分模型具体为：
[0030][0031][0032]式中，score
h
为无人系统智能水平等级处在第h级时对应的分层体系第一层各评价指标评分与评价指标评分累加和需满足的最小值集合，sort{
·
}
‑
k
为将集合{
·
}中的元素从小到大排列取第k个值，score
h,total
为无人系统智能水平等级处在第h级时对应的分层体系第一层评价指标评分累加和需满足的最小值。
[0033]所述无人系统智能水平定性等级评定表的等级数与无人系统智能水平动态等级划分模型的划分结果级数一一对应，均包括m个级别。
[0034]所述量化与赋权方法采用CRITIC客观赋权法、AHP主观赋权法、AHP
‑
CRITIC主客观组合赋权法结合，进行第一层各评价指标的智能水平评分。
[0035]所述无人系统智能水平评价指标分层体系包括三层，其中，第三层的评价指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人系统智能水平评分与等级映射方法，其特征在于包括：针对待评分的无人系统智能水平评价指标分层体系，进行层级划分，计算分层体系第一层中各评价指标对应的定量评分与权重；根据分层体系第一层中各评价指标对应的定量评分与权重建立评价指标评分分级模型；根据评价指标评分分级模型、分层体系第一层评价指标个数、层级划分数，建立无人系统智能水平动态等级划分模型，并进行无人系统智能水平等级评定；建立无人系统智能水平定性等级评定表，作为无人系统智能水平动态等级划分模型划分结果的映射。2.根据权利要求1所述的一种无人系统智能水平评分与等级映射方法，其特征在于：计算分层体系第一层中各评价指标对应的定量评分与权重的具体步骤为：根据抽象到具体原则将层级划分为第一层到最后一层；通过量化与赋权方法计算分层体系中第一层第j项评价指标的权重W
j
和评分S
j
；其中分层体系第一层中，p为分层体系中第一层评价指标的个数，j的取值范围为[1,p]，W
j
的取值范围为[0,1]，S
j
的取值范围为评分区间[SCORE
min
,SCORE
max
]，定义SCORE
min
为评分区间下限，SCORE
max
为评分区间上限。3.根据权利要求2所述的一种无人系统智能水平评分与等级映射方法，其特征在于：评价指标评分分级模型的建立步骤为：将评分区间[SCORE
min
,SCORE
max
]划分成l+1个评分子区间，其中，第0个子区间为第i个子区间为i的取值范围为[0,l]，和分别表示第i个子区间的左界与右界，和分别表示第0个子区间的左界与右界，各子区间左界、右界满足：根据划分后的评分子区间与第一层第j项评价指标的权重W
j
将评价指标评分S
j
划分为由0级至l级的l+1个级别，构建评价指标评分分级模型。4.根据权利要求3所述的一种无人系统智能水平评分与等级映射方法，其特征在于：所述评价指标评分分级模型具体为：式中，S
i,j
表示分层体系第一层第j项评价指标划分到评价指标评分第i级需满足的评分最小值，i的取值范围为[0,l]，j的取值范围为[1,p]，S
i,j
的取值范围为[SCORE
min
,SCORE
max
]，median(
·
)为取(
·
)中位数，max(
·
)为取(
·
)最大值，min(
·
)为取(
·
)最小值，A
i
为分层体系第一层各评价指标划分到评价指标评分第i级需满足的评分最小值的集合。为防止分数溢出，需设置等级系数因子k，并进行限幅处理，使得S
i,j
的取值范围满足[SCORE
min
,SCORE
max
]，其中，k的取值满足：
5.根据权利要求3所述的一种无人系统智能水平评分与等级映...

【专利技术属性】
技术研发人员：胡勇，邢琰，魏春岭，王东，冯李航，
申请(专利权)人：北京控制工程研究所，
类型：发明
国别省市：