System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及作战效能评估,具体而言,涉及一种基于无人集群规模和指标动态调整的效能推演评估方法。
技术介绍
1、近年来,随着无人技术的发展,无人集群凭借其量大价优、灵活性高、自主控制等优势,被广泛地用于执行各种军事作战任务。为了制定合理的作战计划和任务方案,需要在战前确定无人集群的规模及相应能力指标,并可靠地评估无人集群的作战效能。
2、作战效能评估是在给定的战场环境下,对完成规定作战任务程度及作战效果的度量。传统数学解析法如adc法将效能指标表示为可用性、可信性和固有能力的函数,主要适用于对单一平台的效能评估;专家评估法如模糊层次分析法其评估结果为模糊后的效能等级相对值,信息量有限;而新式的复杂网络分析法由于需要建模作战体系中指标节点之间的关联关系和依赖关系,计算比较复杂,且效率不高。可见,已有的静态单一效能评估方法难以适应高动态变化的战场环境,为此,需要采用动态仿真推演的方法来进行无人集群的作战效能评估,这其中也引出了两个待解决的重要问题:
3、(1)无人集群在动态推演过程中可能存在数量冗余或者不足的问题。当无人集群数量冗余时,表示无人平台数量过多,其得到的作战效能会低于实际的作战效能,当无人集群数量不足时,其得到的作战效能无法真实反映出实际的作战效能。因此,需要合理设置无人集群的数量才能够得到可靠的效能评估结果。
4、(2)无人集群在动态推演过程中可能存在任务完成率不够的问题。当无人集群任务完成率为零或不够时,得出的效能评估值也为零或者不准,此时对其进行效能评估没有意义和必要。为此,需要
技术实现思路
1、本专利技术旨在提供一种基于无人集群规模和指标动态调整的效能推演评估方法,以解决传统作战规模和性能需求主观配置法透明性、可解释性不足以及现有静态效能评估方法结果不全面、不准确的问题。
2、本专利技术提供的一种基于无人集群规模和指标动态调整的效能推演评估方法,包括如下步骤:
3、步骤1,初始参数配置:构建分层指标体系,分别设置基本参数和指标参数的初始值;
4、步骤2,作战仿真推演:建立仿真推演系统,在仿真推演系统中创建装备模型,编辑作战想定,执行作战仿真推演,得到仿真推演结果;
5、步骤3,影响因素判断:根据仿真推演结果得到的无人平台存活数量和任务完成率设置判断条件;
6、步骤4,无人规模调整:在不同判断条件下对无人集群数量进行增加、保持或减少,然后再次进行仿真推演;
7、步骤5,指标参数调整:基于层次分析法计算指标权重向量,基于功效函数计算指标分数向量,然后根据得到的指标权重向量和指标分数向量计算调节因子向量,并获取调节因子向量最大值元素的索引,对索引指标进行更新后再次进行仿真推演;
8、步骤6,作战效能评估:基于效费比公式计算出单次推演的作战效费比,然后进行多次蒙特卡洛推演得到平均效费比,最后以向量三元组的形式输出最终作战效能评估结果。
9、进一步的,步骤1中,所述分层指标体系中从上到下依次是目标层、准则层和指标层;
10、目标层体现的是无人集群的综合作战能力;
11、准则层体现的是无人集群的任务执行及协同配合能力;准则层的元素包括态势感知能力、任务决策能力、火力打击能力和网络互联能力;
12、指标层体现的是无人平台的实际性能水平;指标层的指标包括对应态势感知能力下的目标探测距离、目标探测精度、目标识别准确率;对应任务决策能力下的并发任务处理数量、航路实时规划时间和任务分配决策时间;对应火力打击能力火力打击能力下的载弹数量、武器射程和命中概率;以及对应网络互联能力下的集群组网规模、集群组网时间和数据传输时延。
13、进一步的,步骤1中,所述基础参数包括当前仿真次数、效费比和、当前效费比以及无人平台数量;所述指标参数包括准则层和指标层下各指标参数。
14、进一步的,步骤2中:
15、装备模型配置包括装备模型创建、交战规则设置和装备型号化;
16、作战想定编辑包括作战单元部署、装备挂载配置和作战任务编辑;
17、作战仿真推演包括想定仿真推演、数据统计分析和作战效能评估。
18、进一步的,步骤3中,根据仿真推演结果得到的无人平台存活数量和任务完成率设置的判断条件如下:
19、
20、式中,nalive为无人平台存活数量,rtask_done为实际任务完成率,r′task_done为设定任务完成率。
21、进一步的,步骤4中,无人规模调整的计算公式如下:
22、
23、式中,nuav为无人平台初始数量,nalive为无人平台存活数量,rtask_done为实际任务完成率,r′task_done为设定任务完成率,表示向上取整。
24、进一步的,步骤5中,基于层次分析法计算指标权重向量包括:
25、步骤5.1.1,根据指标重要性标度,分别建立准则层和指标层各同层级指标间的两两比较判断矩阵a=(aij)n×n;其中,n为判断矩阵的阶数;
26、步骤5.1.2,将两两比较判断矩阵a=(aij)n×n中的每一个元素aij按列进行归一化处理,得到归一化判断矩阵
27、
28、步骤5.1.3,将归一化判断矩阵的每一行进行加和得到向量其中,的计算公式如下:
29、
30、步骤5.1.4,对按列进行归一化,得到指标权重向量w=[w1,w2,…,wn],其中,wi的计算公式如下:
31、
32、步骤5.1.5,求两两比较判断矩阵a=(aij)n×n的最大特征值λmax:
33、
34、步骤5.1.6,利用最大特征值λmax计算一致性检验指标ci:
35、
36、步骤5.1.7,根据下表获取平均随机一致性指标ri:
37、 n 1 2 3 4 5 6 7 8 本文档来自技高网...
【技术保护点】
1.一种基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,所述分层指标体系中从上到下依次是目标层、准则层和指标层;
3.根据权利要求2所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤1中,所述基础参数包括当前仿真次数、效费比和、当前效费比以及无人平台数量;所述指标参数包括准则层和指标层下各指标参数。
4.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤2中:
5.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤3中,根据仿真推演结果得到的无人平台存活数量和任务完成率设置的判断条件如下:
6.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤4中,无人规模调整的计算公式如下:
7.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤
8.根据权利要求7所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤5中,基于功效函数计算指标分数向量包括:
9.根据权利要求8所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤5中,对索引指标进行更新包括:
10.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤6包括如下子步骤:
...【技术特征摘要】
1.一种基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,所述分层指标体系中从上到下依次是目标层、准则层和指标层;
3.根据权利要求2所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤1中,所述基础参数包括当前仿真次数、效费比和、当前效费比以及无人平台数量;所述指标参数包括准则层和指标层下各指标参数。
4.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤2中:
5.根据权利要求1所述的基于无人集群规模和指标动态调整的效能推演评估方法,其特征在于,步骤3中,根据仿真推演结果得到的无人平台存活数量...
【专利技术属性】
技术研发人员:杨庆,熊蓉玲,段春怡,冉华明,周礼亮,李涛,
申请(专利权)人:中国电子科技集团公司第十研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。