一种基于战车的协同训练效能评估方法技术

本发明专利技术公开了一种基于战车的协同训练效能评估方法，获得协同训练的指标参数，并构建子隶属度函数；优化子隶属度函数，构建模糊逻辑专家系统的隶属度函数集；通过模糊逻辑算法构建目标预测函数，从而获得效能评估结果；根据模糊识别的实现效能评估的等级化处理。解决了战车受训人员在不同战术背景下训练效能难以评估的问题。以评估的问题。以评估的问题。

【技术实现步骤摘要】
一种基于战车的协同训练效能评估方法


[0001]本专利技术属于作战推演训练效能评估
，尤其涉及一种基于战车的协同训练效能评估方法，实现对受训人员协同训练时科学、全面地指导，减少实装训练成本、缩短训练周期、降低装备保障的保障强度等，进而促进战场兵力的统一灵活部署及实时调整，有效应对快速变化的战场态势，形成战斗力。

技术介绍

[0002]当前随着现代战争模式的不断革新，战车在战争中承担的角色也在不断变化，从以前的大规模集群作战转变为小团队作战，进入一个新的发展阶段。因此，具有智能化、无人化、协同化作战系统是未来信息化战场上非接触、非线式、非对称、零伤亡变革的必要装备，实现战场兵力的统一灵活部署及实时调整，有效应对快速变化的战场态势。
[0003]战车协同模拟训练则是以受训人员形成实战化保障能力为目标，采用先进的仿真技术、虚拟现实技术和人工智能技术，以战场态势共享为基础，以行动协调信息链为支撑，以协同规则为依据和保证，减少实装训练的成本、提高受训人员的训练水平、缩短装甲战车车组成员技能培训的时间、加快部队战斗力的提高。
[0004]在战车协同模拟训练过程中，因受训人员角色不同、操纵设备、操作内容、操作要求存在较大差异，围绕虚拟技能训练和虚拟任务训练过程中受训人员的训练内容和要求，依据传统的专家打分法、层次分析法、解析计算法、统计实验法等方法考核评分等级，存在主观因素占比过大、考虑因素较少、事先需获取大量实战和演习数据的弊端。进而，如何全面衡量受训人员的水平，客观性、全面化、科学化、合理性地反映评估对象实际情况是目前亟待解决的问题之一。

技术实现思路

[0005]本专利技术是为解决上述问题进行的研究，其目的是对战车受训人员在日常训练中，给予客观、科学、全面地评估，形成实战化能力提供重要手段。
[0006]为实现上述目的，本专利技术公开了如下的技术方案：
[0007]一种基于战车的协同训练效能评估方法。该系统选用战车协同模拟训练过程中的误操作项、操作时间达标情况项、操作故障项、人为注入故障项四项指标，结合遗传算法和模糊逻辑专家系统，对受训人员基于团队模拟训练中战车协同模拟训练效能进行评估。从而，战车受训人员可围绕整体作战意图，准确分析判断情况，提升自主参与协同的意识，优化协同动作，增强作战效果。主要包括：
[0008](1)协同模拟训练四项指标的定义
[0009]①
误操作项，该指标指受训人员在协同模拟训练过程中进行了与正确操作无关的操作，定义为：
[0010][0011]其中，X1为误操作项指标值，λ
i
、S
i
分别为第i个误操作所占权重及该误操作对应取值，Y
i
表示第i个误操作是否发生，发生为1，不发生为0。
[0012]②
操作时间达标情况项，该指标是对协同模拟训练某项操作所用时间进行评价，训练时间的长短代表受训人员熟练程度，定义为：
[0013][0014]式中λ
k
、S
k
分别为第k个操作时间达标情况所占权重及对应取值。
[0015]③
操作故障项，该指标是指由于操作不当造成的某些参数超出正常范围，进而影响协同模拟训练效能，定义为：
[0016][0017]式中λ
n
、S
n
分别为第n个操作故障项所占权重级对应取值，Y
n
表示第n个操作故障项是否发生，发生为1，不发生为0。
[0018]④
人为注入故障项，该指标指受训人员模拟训练过场中为触发故障，导致的人为注入性故障，用于分析协同模拟训练中受训人员排除故障的能力，定义为：
[0019][0020]式中λ
r
、S
r
分别为第r个人注入故障项的权重及对应取值。
[0021](2)模糊逻辑专家系统算法
[0022]根据军事训练成绩考核评定标准，定义协同模拟训练评估等级为四个层次V＝{[v1,v2,v3,v4]}＝{优秀，良好，及格，不及格}，其中优秀90
‑
100分，良好80
‑
90分，及格60
‑
80分，不及格0
‑
60分。
[0023]根据模糊逻辑专家系统理论，建立指标参数和评估等级之间的隶属度函数集，选择高斯函数作为子隶属度函数，采用遗传算法优化子隶属度函数中的均值与方差，构造隶属度函数集，并根据最大隶属度原则对协同模拟训练等级进行评估。具体算法步骤如下：
[0024]步骤1，获得的协同训练4项指标参数X＝[X1,X2,X3,X4]，选择高斯函数构建子隶属度函数x＝[x1,x2,x3,x4]，每个节点的隶属度x
i
如下式：
[0025][0026]其中，i为第i个指标参数，c和σ分别为高斯型隶属函数的中心和跨度。
[0027]步骤2，根据遗传算法优化子隶属度函数中的均值与方差，构建模糊逻辑专家系统的隶属度函数集，即根据多位领域专家的主观投票，对F
i
下一层级的评价指标f
ij
进行评级，得到综合评价F矩阵：
[0028][0029]式中f
ij
表示第i个指标参数与第j评估等级之间的子隶属度程度。
[0030]步骤3，通过模糊逻辑算法构建目标预测函数，可得效能评估等级为：
[0031][0032]步骤4，根据模糊模式识别的最大隶属度原则实现效能评估。Y＝[Y
v1
,Y
v2
,Y
v3
,Y
v4
]对应着四个等级，根据最大隶属度原则，协同训练对应的效能评估等级V为：
[0033]V＝max[Y
v1
,Y
v2
,Y
v3
,Y
v4
]ꢀꢀꢀ
(8)
[0034]本专利技术进一步公开了基于模糊逻辑的战车协同模拟训练效能评估方法应用于战车受训人员在模拟训练过程中，训练效能难以客观、全面地评估问题。为受训人员训练的方向和效果提供评估体系，全面、快速地形成实战化能力提供重要手段，对于协同模拟训练评估而言是可行、有效的实战化训练手段，军事效益显著。该系统可以在实际中得到应用与推广。
[0035]本专利技术主要解决了：
[0036](1)战车协同模拟训练过程中，受训人员操作速度、准确性、规范性等给出的全面、客观评价。
[0037](2)对模拟训练组织实施，影响作战训练的因素进行分析，揭示和训练效果之间的关系，进而对训练的全部构成要素进行评价与评估，寻求获得最佳训练效能的方法。
[0038]本专利技术公开的基于模糊逻辑的战车协同模拟训练效能评估方法的有益效果是：
[0039](1)将团队协同训练中个人的技能训练、掌握和熟练操作规范流程以及训练成员间协同配合，发挥最大装备技术保障效能。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于战车的协同训练效能评估方法，其特征在于，步骤(1)，获得协同训练的指标参数，并构建子隶属度函数；步骤(2)，优化子隶属度函数，构建模糊逻辑专家系统的隶属度函数集；步骤(3)，通过模糊逻辑算法构建目标预测函数，从而获得效能评估结果；步骤(4)，根据模糊识别的实现效能评估的等级化处理。2.根据权利要求1所述的一种基于战车的协同训练效能评估方法，其特征在于，步骤(1)所述的指标参数包括误操作模块，操作时间模块、操作故障模块以及人为注入故障模块。3.根据权利要求2所述的一种基于战车的协同训练效能评估方法，其特征在于，所述误操作模块可定义为：其中，X1为误操作项指标值，λ
i
、S
i
分别为第i个误操作所占权重及该误操作对应取值，Y
i
表示第i个误操作是否发生，发生为1，不发生为0；操作时间模块可定义为：式中λ
k
、S
...

【专利技术属性】
技术研发人员：王龙飞，乔立波，刘树君，王增照，张丽，王为，
申请(专利权)人：天津师范大学，
类型：发明
国别省市：