基于扩展置信规则推理的无人机集群体系贡献度评估方法
摘要文本
本发明提供了一种基于扩展置信规则推理的无人机集群体系贡献度评估方法,利用扩展置信规则推理方法,对扩展置信规则推理方法中个体匹配度计算公式进行改进,避免原方法无法处理部分特殊数据的缺陷,并将其应用于无人机集群作战体系贡献度评估问题之中,可有效处理不确定信息的优势,实现无人机集群作战体系贡献度评估。此外,本发明通过改进个体匹配度的计算公式,有效解决原扩展置信规则推理方法计算个体匹配度出现负值时无法正常运行的缺陷。
申请人信息
- 申请人:西北工业大学
- 申请人地址:710072 陕西省西安市友谊西路127号
- 发明人: 西北工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于扩展置信规则推理的无人机集群体系贡献度评估方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311282379.5 |
| 申请日 | 2023/10/6 |
| 公告号 | CN117391494A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | G06Q10/0639 |
| 权利人 | 西北工业大学 |
| 发明人 | 毕文豪; 王炜祥; 张安; 范秋岑 |
| 地址 | 陕西省西安市碑林区友谊西路127号 |
专利主权项内容
1.一种基于扩展置信规则推理的无人机集群体系贡献度评估方法,其特征在于包括下述步骤:步骤1:无人机集群作战体系贡献度评估指标体系构建;面向无人机集群作战体系贡献度评估问题,构建包含三个指标层的指标体系,在评估指标体系中,第一层为作战体效能,包含无人机集群作战体系作战效能;第二层为作战任务层,包括侦察感知任务、指挥决策任务和协同作战任务3个作战任务;第三层为作战能力层,包含情报搜查能力、目标识别能力、信息共享能力、态势感知能力、协同控制能力、任务规划能力、协同突防能力、协同打击能力和毁伤评估能力9个作战能力;步骤2:单个指标评估;步骤2.1:计算扩展置信规则个体匹配度;步骤2.2:计算激活权重;步骤2.3:聚合被激活的扩展置信规则;扩展置信规则库中共有T条被激活的扩展置信规则,采用证据推理的方法将T条扩展置信规则进行聚合,计算公式为:其中,β代表上层指标Z的评估结果中第n个评估等级D的置信度;T表示被激活的扩展置信规则条数;ω表示第t条被激活的扩展置信规则的激活权重,t=1, 2, …, T;βt表示第t条被激活的扩展置信规则中上层指标Z的第n个评估等级的置信度;λ为证据推理算法计算过程中的中间量;nntn经过证据推理得到上层指标Z的聚合结果X表示为:ZX={(D, β)|n=1, 2, …, N} (9);Znn步骤2.4:单个指标评估结论计算;根据式(10)和式(11)计算上层指标Z的评估结论(x, ε);ZZ其中,x表示上层指标Z的评估值;ε表示评估值x的置信度;ZZZ步骤3:作战任务层指标评估结论计算;在无人机集群作战体系贡献度评估指标体系的作战能力层中,情报搜查能力c、目标识别能力c、信息共享能力c、态势感知能力c、协同控制能力c、任务规划能力c、协同突防能力c、协同打击能力c和毁伤评估能力c的指标信息分别对应为(x, ε)、(x, ε)、(x, ε)、(x, ε)、(x, ε)、(x, ε)、(x, ε)、(x, ε)和(x, ε);123456789c1c1c2c2c3c3c4c4c5c5c6c6c7c7c8c8c9c9依据步骤2指标体系中作战任务层与作战能力层之间的对应关系,计算得到侦察感知任务m、指挥决策任务m和协同作战任务m的评估结论分别为(x, ε)、(x, ε)和(x, ε);123m1m1m2m2m3m3步骤4:无人机集群作战体系作战效能计算;(4.1)根据步骤2,依据指标体系中无人机集群作战体系层与作战任务层之间的对应关系,计算得到无人机集群作战体系的评估结论为(x, ε),其中,x表示作战体系的评估值,ε表示作战体系评估值x的置信度;sssss(4.2)计算得到无人机集群作战体系作战效能值;步骤5:新型无人机装备加入作战体系后作战效能计算;新型无人机装备加入作战体系后,情报搜查能力c、目标识别能力c、信息共享能力c、态势感知能力c、协同控制能力c、任务规划能力c、协同突防能力c、协同打击能力c和毁伤评估能力c的指标信息分别变化为和/>参照步骤3至步骤4,计算得到新型无人机装备加入作战体系后无人机集群作战体系作战效能值/>123456789步骤6:无人机集群作战体系贡献度计算;计算得到新型无人机装备对无人机集群作战体系的体系贡献度,通过计算得到新型无人机装备对无人机集群作战体系的体系贡献度,可有效确定新型无人机装备加入无人机集群作战体系后对体系产生的增益效果,判断新型无人机装备能否有效提高己方作战体系的作战效能。