【技术实现步骤摘要】
本专利技术涉及无人集群效能评估，具体而言，尤其涉及一种基于态势的无人集群协同效能动态评估方法。
技术介绍
1、无人集群协同是指无人参与情况下，集群个体能够协同完成群体任务。无人集群可以执行多种协同算法，如路径规划、编队控制、协同导航和定位、任务分配以及集群组网通信等。通过协同，无人集群可以执行多种任务，如探测、避障、驱离、围捕等。目前，无人集群执行任务过程中协同效能评估的研究仍处于起步阶段，效能评估的研究有利无人集群的优化升级和任务决策的制定。
2、围绕无人集群协同效能评估，在传统效能评估领域，可采用层次分析法、模糊综合评判法、可拓云模型等方法对无人集群的效能进行研究，这些方法的不足之处在于计算过程中会受到专家主观性影响，无法体现评估结果的客观性；在机器学习效能评估领域，可采用人工神经网络效能评估方法，不足之处在于人工神经网络需要大量数据进行学习，在实际运用中需要进行大量的实验训练。同时，上述方法都属于静态的效能评估方法，即在任务结束后给出效能评估结果，无法在任务执行过程中进行动态效能评估。
技术实现思路
1、根据上述提出的传统效能评估方法往往在系统仿真结束后给出效能评估结果，具有难以反映任务过程中对抗规律的缺陷，提供一种基于态势的无人集群协同效能动态评估方法。本专利技术主要通过核密度估计法得到火力态势值，通过运动学建模得到运动态势值，通过雷达探测概率计算方法得到探测态势值，最后通过层次分析法得到综合态势值，进而对无人集群进行动态效能评估。
2、本专利技术采
3、一种基于态势的无人集群协同效能动态评估方法，包括：
4、s1、基于加权的核密度估计法，构建无人集群的火力态势模型；
5、s2、基于运动学建模方法，构建无人集群的运动态势模型；
6、s3、基于雷达探测概率计算方法，构建无人集群的探测态势模型；
7、s4、将构建的无人集群的火力态势模型、运动态势模型以及探测态势模型作为协同效能的指标体系，基于层次分析法，计算无人集群协同效能值，利用每个时刻的协同效能值对无人集群协同能力进行动态评估。
8、进一步地，所述步骤s1，具体包括：
9、s11、以无人集群态势成员正负45°范围的扇形区域为火力打击范围，对空间数据点进行态势计算；
10、s12、将火力态势值的求解问题转换为地域空间内栅格密度值问题；
11、s13、将无人集群态势成员设为点目标，影响力指标看作点目标的权重，态势值看作对栅格关注的密度。
12、进一步地，所述步骤s13中，对栅格关注的密度的大小同周围态势成员所形成的点目标分布及权重相关，栅格周围点目标分布越密集、权重越大，则栅格的密度值越大。
13、进一步地，所述步骤s2，具体包括：
14、s21、将无人集群态势成员在周围运动的环境设计为空间栅格；
15、s22、引入态势成员的运动速度和转弯速度，对态势成员进行运动学建模；
16、s23、计算运动时间，用运动时间表示态势成员的运动态势；
17、s24、遍历每个态势成员运动到空间数据点的时间值并加和得到的每一空间数据点处的运动态势值，生成该时刻运动态势图。
18、进一步地，所述步骤s3，具体包括：
19、s31、以雷达检测的圆形区域为探测范围；
20、s32、根据雷达探测概率经验公式，建立无人集群态势成员的探测态势；
21、s33、遍历每个态势成员对空间栅格区域的探测概率值并加和得到的每一栅格处的探测态势值，生成该时刻探测态势图。
22、进一步地，所述步骤s32，具体包括：
23、s321、在雷达网责任区内划分栅格，把栅格中心的探测概率作为栅格中所有点的探测概率；
24、s322、设当时间t＝0时，d＝dmax，d为目标距离，dmax为雷达最大有效距离，将0～t这段时间分为n个间隔δti，计算每个间隔δti上发现目标的概率为：
25、pi＝kf(ti)δti
26、上式中，k为比例系数；f(ti)为时间间隔δti内的平均有效信噪比；
27、s323、假设各个时间间隔δti内发现目标的时间是互相独立的时间，则0～t段时间间隔内发现目标的全概率为：
28、
29、对上式取δti→0时的极限，得到：
30、
31、上式中，kf(t)是距离的函数，表示为f(d)
32、s324、同时将上式中的时间t与距离d对应起来，即当t＝0时，d＝dmax，则有：
33、
34、s325、设α＝k1v(1-e-τ)，则有：
35、
36、上式中，v为目标速度；τ为平均搜索周期；k1为通过实验确定的系数；
37、s326、取即有：
38、
39、进一步地，所述步骤s4，具体包括：
40、s41、使用层次分析法对火力态势、运动态势、探测态势中同一层级的各元素进行两两比较；
41、s42、构造判断矩阵a，确定相应的指标权重并进行一致性检验，得到综合态势值，对无人集群进行动态效能评估。
42、进一步地，所述步骤s42，具体包括：
43、s421、对火力态势u1、运动态势u2、探测态势u3进行两两重要性程度的比较，得到3×3阶的判断矩阵a＝(aij)，其中aij是对总效能u来说，ui对uj的重要程度，采用九标度法打分，专家打分后的判断矩阵a为：
44、
45、s422、对判断矩阵a求解特征值核特征向量，将最大特征值λmax对应的特征向量归一化，得到权重指标w；
46、s423、进行一致性检验，一致性指标ci为：
47、ci＝(λmax-n)/(n-1)
48、其中，n为矩阵阶数取3；
49、s424、根据一致性比例cr判断一致性指标是否可以接受，cr算式如下：
50、cr＝ci/ri
51、当cr<0.10时，认为判断矩阵的一致性可接受，否则应对判断矩阵作适当修正，其中，ri为平均随机一致性指标
52、s425、根据火力态势值、运动态势值、探测态势值z1、z2、z3，权重w1、w2、w3，计算综合态势值z为：
53、
54、较现有技术相比，本专利技术具有以下优点：
55、本专利技术提供的基于态势的无人集群协同效能动态评估方法，能够在无人集群执行任务的每个时刻进行协同效能评估，评估结果反映了任务执行过程中的无人集群所形成的协同态势的情况，且随任务执行过程变化。
56、基于上述理由本专利技术可在无人集群效能评估等领域广泛推广。
本文档来自技高网...【技术保护点】
1.一种基于态势的无人集群协同效能动态评估方法，其特征在于，包括：
2.根据权利要求1所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤S1，具体包括：
3.根据权利要求2所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤S13中，对栅格关注的密度的大小同周围态势成员所形成的点目标分布及权重相关，栅格周围点目标分布越密集、权重越大，则栅格的密度值越大。
4.根据权利要求1所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤S2，具体包括：
5.根据权利要求1所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤S3，具体包括：
6.根据权利要求5所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤S32，具体包括：
7.根据权利要求1所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤S4，具体包括：
8.根据权利要求7所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤S42，具体包括：
【技术特征摘要】
1.一种基于态势的无人集群协同效能动态评估方法，其特征在于，包括：
2.根据权利要求1所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤s1，具体包括：
3.根据权利要求2所述的基于态势的无人集群协同效能动态评估方法，其特征在于，所述步骤s13中，对栅格关注的密度的大小同周围态势成员所形成的点目标分布及权重相关，栅格周围点目标分布越密集、权重越大，则栅格的密度值越大。
4.根据权利要求1所述的基于态势的无人集群协同效能动态评估方法，其特...
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。