CN114331137B

CN114331137B - 一种用于装备效能评估的数据处理方法及装置

Info

Publication number: CN114331137B
Application number: CN202111642508.8A
Authority: CN
Inventors: 杨韫澜; 胡海彦; 唐庆辉; 赵金贤; 务宇宽; 陈金春; 肖凡; 牛飞; 包括; 范令志; 赵志远; 高琳
Original assignee: 32021 Army Of Chinese Pla
Current assignee: 32021 Army Of Chinese Pla
Priority date: 2021-12-29
Filing date: 2021-12-29
Publication date: 2023-04-07
Anticipated expiration: 2041-12-29
Also published as: CN114331137A

Abstract

本发明公开了一种用于装备效能评估的数据处理方法及装置，包括：以战场环境保障装备中的数字摄影测量***为评价对象，进行评价对象分析，确定影响评价对象的因素集U；确定影响评价对象的评语集V；对战场环境保障装备中的数字摄影测量***进行评价因素分析，确定评价因素的权重，建立分配向量A；通过各单因素模糊评价获得战场环境保障装备中的数字摄影测量***的模糊综合评价矩阵R；获得战场环境保障装备中的数字摄影测量***的装备效能高阶模糊综合评判结果：B＝A·R。该方法可在一定程度上将待评估武器装备的模糊信息形式化，帮助决策者做出更加合理的决策，具有模型简捷，而且对多因素、多层次的复杂问题评估效果较好的优点。

Description

一种用于装备效能评估的数据处理方法及装置

技术领域

本发明属于装备效能评估技术领域，特别涉及一种用于装备效能评估的数据处理方法及装置。

背景技术

目前，对装备效能进行评估，采用的方法主要是专家论证。通常在某次任务的作战决策方案提出后，由指挥部门召集相关领导和有一定造诣的专业方向专家，在充分了解评估方案和评估目的等情况的基础上，对装备效能进行论证，并做出评估结论。一般来说，就是采取“背靠背”的方式填写各自评估意见，最后将较为集中的意见作为评估结论。

用这种方法进行评价，定性的成分较大，易受人们的主观因素影响，导致评估结果的公正程度、科学程度因人而异。对装备效能的评估，虽然不可能完全采用量化的方法，但如果适当地引入定量分析法，则可较好地避免上述问题。

发明内容

本发明提出了一种用于装备效能评估的数据处理方法及装置，对战场环境保障装备中的数字摄影测量***进行装备效能评估。该方法可在一定程度上将待评估武器装备的模糊信息形式化，帮助决策者做出更加合理的决策，具有模型简捷，而且对多因素、多层次的复杂问题评估效果较好的优点。

所述方法包括：

S1，对战场环境保障装备中的数字摄影测量***进行评价对象分析，确定影响评价对象的因素集U和评语集V；

所述因素集U为第一层次，包括7个第一层因素，U₁为数据获取能力，U₂为卫星数据适应性，U₃为影像定位处理能力，U₄为精导武器遥感测绘支援保障能力，U₅为高性能计算机处理能力，U₆为综合保障能力，U₇为人机结合性；

所述第一层因素包括若干个子集；

所述子集包括若干个子集元素；

所述数字摄影测量***第一级评判因素集为U＝(U₁,U₂,U₃,U₄,U₅,U₆,U₇)；

数据获取能力U₁包括两个子集，天绘卫星数据保障能力U₁₁和民商卫星数据保障能力U₁₂，U₁＝{U₁₁,U₁₂}；

U₁₁＝{u₁,u₂,u₃,u₄,u₅}；

U₁₂＝{u₁,u₂,u₃,u₄,u₅}；

卫星数据适应性U₂有一个子集，卫星数据兼容性U₂₁，U₂＝{U₂₁}；

U₂₁＝{u₆,u₇,u₈,u₉,u₁₀}；

U₃为影像定位处理能力，U₃包括两个子集，无控制平差处理能力U₃₁和控制平差处理能力U₃₂，U₃＝{U₃₁,U₃₂}；

U₃₁＝{u₁₁,u₁₂,u₁₃,u₁₄,u₁₅}；

U₃₂＝{u₁₁,u₁₂,u₁₃,u₁₄,u₁₅}；

U₄为精导武器遥感测绘支援保障能力，U₄划分为3个子集，U₄₁为DEM/DSM测制能力，U₄₂为DOM测制能力，U₄₃为三维场景建筑物模型测制能力，U₄＝{U₄₁,U₄₂,U₄₃}；

U₄₁＝{u₁₆,u₁₇,u₁₈,u₁₉}；

U₄₂＝{u₂₀,u₂₁,u₂₂}；

U₄₃＝{u₂₃,u₂₄}；

U₅为高性能计算机处理能力，U₅包含一个子集，U₅₁为DEM/DSM自动匹配计算能力，U₅＝{U₅₁}；

U₅₁＝{u₂₅,u₂₆,u₂₇,u₂₈,u₂₉}；

U₆为综合保障能力，U₆包含两个子集，U₆₁为***可靠性，U₆₂为***维修性，U₆＝{U₆₁,U₆₂}；

U₆₁＝{u₃₀,u₃₁,u₃₂,u₃₃,u₃₄}；

U₆₂＝{u₃₅,u₃₆,u₃₇,u₃₈}；

U₇为人机结合性，U₇包含一个子集，U₇₁为人机结合性，U₇＝{U₇₁}；

U₇₁＝{u₃₉,u₄₀,u₄₁,u₄₂,u₄₃}；

其中，子集元素u₁为数据获取时长；子集元素u₂为机动编程摄影能力；

子集元素u₃为原始码流数据接收与传输效率；子集元素u₄为数据完备性；

子集元素u₅为数据加载速率；子集元素u₆为编程摄影能力；

子集元素u₇为数据完备性；子集元素u₈为兼容性；

子集元素u₉为准确性；子集元素u₁₀为数据加载速率；

子集元素u₁₁为连接点匹配速率；子集元素u₁₂为平差处理解算效率；

子集元素u₁₃为粗查探测成功率；子集元素u₁₄为平差定位解算精度；

子集元素u₁₅为平差检查精度；子集元素u₁₆为DEM测制效率；

子集元素u₁₇为DSM测制效率；子集元素u₁₈为DEM测制精度；

子集元素u₁₉为DSM测制精度；子集元素u₂₀为DOM正射纠正效率；

子集元素u₂₁为DOM镶嵌精度；子集元素u₂₂为DOM测制精度；

子集元素u₂₃为三维模型建模效率；子集元素u₂₄为三维模型建模精度；

子集元素u₂₅为DEM自动匹配效率；子集元素u₂₆为DSM自动匹配效率；

子集元素u₂₇为匹配成功率；子集元素u₂₈为DEM自动匹配精度；

子集元素u₂₉为DSM自动匹配精度；子集元素u₃₀为***软件年平均故障次数；

子集元素u₃₁为***软件连续工作时间；子集元素u₃₂为***工作站连续工作时间；

子集元素u₃₃为立体观测设备年平均故障次数；子集元素u₃₄为三维采集设备年平均故障次数；

子集元素u₃₅为***软件瘫痪可维修性；子集元素u₃₆为***软件平均维修时间；

子集元素u₃₇为***工作站硬件损伤可维修性；子集元素u₃₈为***工作站硬件平均维修时间；

子集元素u₃₉为***软件界面友好性；子集元素u₄₀为DEM/DSM测制操作；

子集元素u₄₁为三维模型采集操作；子集元素u₄₂为三维采集设备易操作性；

子集元素u₄₃为立体观测设备易操作性；

所述评语集V和评价指标的评价级别有关；

S2，对战场环境保障装备中的数字摄影测量***进行评价因素分析，确定评价因素的权重，建立分配向量A；

S3，单因素综合评判，包括：从底层开始对所述因素集进行评判；

依据所述评语集，通过各单因素模糊评价获得模糊综合评价矩阵R；

所述分配向量和模糊综合评价矩阵相乘B＝A·R，获得这一层的综合评价结果；

S4，高阶模糊综合评判，包括：依据每一层的分配向量和下层得到的模糊综合评价矩阵计算各上层的综合评价结果，得到数字摄影测量***的效能评估结果；

所述高阶模糊综合评判中常用的运算算子有5种：

①M(∧,∨)

即：

②M(·,∨)

即：

③

即：

④

即：

⑤M(·,+)

即：

其中

符号“·”为代数积,

为有界和,“+”为代数和,“∧”为取小,“∨”为取大；其中，a_k是第一层中第k个因素U_k的权数，a_ik为第二层中决定因素U_i的第k个因素U_ik的权数，b_j为第二级综合评判的第j个向量，r_kj表示单因素评价中因素U_k被评为v_j的隶属度，v_j为表示评语集V中评价的第j个等级，b_kj为由U到V的模糊评判矩阵中的元素，表示U_k被评为v_j的隶属度。

利用5种运算算子分别进行模糊综合评价，结合评估对象的不同特点而选用相应的运算算子。

所述评语集V，包括：

评语集V以总评判的各种可能的结果为元素，V＝(v₁,v₂,…,v_p)刻画每一因素所处状态的p种决断，其中v_k,k＝1,2,…,p表示评价的第k个等级。

权重集A，包括：

根据每一层次中各个因素的重要程度，分别给每一因素赋予相应的权重，得到各个因素层次的权重集；第一层次的权重集A＝(a₁,a₂,…,a_m)，a_i,i＝1,2,…,m是第一层次中第i个因素U_i的权数；第二层次的权重集A_i＝(a_i1,a_i2,…,a_in)，a_ij,i＝1,2,…,m；j＝1,2,…,n是第二层中决定因素U_i的第j个因素U_ij的权数。

所述单因素模糊评价，包括：

对各单因素进行模糊评价，以确定评判对象对评价集元素的隶属程度；

建立评价元素集，所述评价元素集包括L个评价元素；

利用所述L个评价元素给U_i中每一个U_ijj＝1,2,…,n评定等级，所述等级来自于v₁,v₂,…,v_p中的一个且仅有一个等级，若L位评价元素中评定U_ij为等级v_k的有L_ijk个，则∑L_ijk＝L，那么

于是可得：

R_i＝(r_ijk)_n×p，i＝1,2,…,m；j＝1,2,…,n；k＝1,2,…,p

r_ijk表示因素U_ij被评为v_k的隶属度；则一级综合评判的单因素评价矩阵为：

于是第一级综合评判向量为

B_i＝A_i·R_i＝(b_i1,b_i2,…,b_ip),i＝1,2,…,m

其中

b_ik为第一级综合评判向量B_i中的元素，A_i＝(a_i1,a_i2,…,a_in)为第二层的权重集，a_ij,i＝1,2,…,m,j＝1,2,…,n是第二层中决定因素U_i的第j个因素U_ij的权数。

所述高阶模糊综合评判，包括：

将每个U_i视为U的一个元素，B_i作为它的单因素评判向量，构成由U到V的模糊评判矩阵：

每个U_i作为U的一部分，反映了U的某种属性，按它们的重要程度给出权重分配A＝(a₁,a₂,…,a_m)，于是第二级综合评判向量为

B＝A·R＝(b₁,b₂,…,b_p)

其中

A为第一层次的权重集，R为由U到V的模糊评判矩阵，b_k为第二级综合评判向量B中的第k个元素，a_i是第一层次中第i个因素U_i的权数，b_ij为由U到V的模糊评判矩阵R中的元素，p表示评价等级。

本发明公开了一种用于装备效能评估的数据处理装置，所述装置包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明公开的用于装备效能评估的数据处理方法。

本发明的有益效果为：

一般军事问题，往往带有极大的模糊性，解决带有模糊性军事问题的传统方法，主要靠指挥员的知识经验、智慧和胆略。这种定性分析的方法难以客观定量地反映问题的本质，这就会造成不同指挥员对同一问题做出不同的判断决定，缺乏准确性和时效性。现代战争瞬息万变，错综复杂，单凭指挥员的军事素养和经验已难以实时地做出正确判断，这就需要一种先进的自动化***为指挥员决策提供依据，而模糊综合评价理论的提出为这种依据提供了定量分析的基础。

一种用于装备效能评估的数据处理方法及装置，是一种基于模糊数学的综合评价方法，根据模糊数学的隶属度理论，把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的对象做出一个总体评价，具有结果清晰，***性强的特点，能较好地解决模糊、难以量化的问题，适合各种非确定性问题的解决。

附图说明

图1为本发明一种用于装备效能评估的数据处理方法及装置的装备效能评估方法流程图；

图2为本发明战场环境保障装备中的数字摄影测量***作战效能评估指标体系。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。图1为本发明一种用于装备效能评估的数据处理方法及装置的装备效能评估方法流程图，首先对战场环境保障装备中的数字摄影测量***进行评价对象分析，确定影响评价对象的因素集U；U＝(U₁,U₂,…,U_m)为第一层次(即最高层次)中的第m个因素，U由第二层次中的n个因素决定，即U_i＝(U_i1,U_i2,…,U_in)，i＝1,2,…,m；接下来对战场环境保障装备中的数字摄影测量***进行评价对象分析，确定影响评价对象的评语集V；然后对战场环境保障装备中的数字摄影测量***进行评价因素分析，确定评价因素的权重，建立分配向量A；第一层次的权重集A＝(a₁,a₂,…,a_m)，a_i,i＝1,2,…,m是第一层次中第i个因素U_i的权数。第二层次的权重集A_i＝(a_i1,a_i2,…,a_in)，a_ij(i＝1,2…,m；j＝1,2,…,n)是第二层中决定因素U_i的第j个因素U_ij的权数；进行单因素综合评判，包括：单独从一个因素出发进行评判，以确定评判对象对评价集元素的隶属程度。

采取方法为：

建立由L个人组成的评判组，每位组员给U_i中每一个U_ij(j＝1,2,…,n)评定等级，所述等级来自于v₁,v₂,…,v_p中的一个且仅有一个等级，若L位组员中评定U_ij为等级v_k的有L_ijk个人，则∑L_ijk＝L，那么

于是可得：

R_i＝(r_ijk)_n×p(i＝1,2,…,m；j＝1,2,…,n；k＝1,2,…,p)

r_ijk表示因素U_ij被评为v_k的隶属度。则一级综合评判的单因素评价矩阵为：

于是第一级综合评判向量为

B_i＝A_i·R_i＝(b_i1,b_i2,…,b_ip),i＝1,2,…,m

其中

进行高阶模糊综合评判，包括：将每个U_i视为U的一个元素，B_i作为它的单因素评判向量，可构成由U到V的模糊评判矩阵：

每个U_i作为U的一部分，反映了U的某种属性，可以按它们的重要程度给出权重分配A＝(a₁,a₂,…,a_m)，于是第二级综合评判向量为

B＝A·R＝(b₁,b₂,…,b_p)

其中

图2为本发明战场环境保障装备中的数字摄影测量***作战效能评估指标体系。图2中的单因素共有43个：

u₁为数据获取时长；u₂为机动编程摄影能力；

u₃为原始码流数据接收与传输效率；u₄为数据完备性；

u₅为数据加载速率；u₆为编程摄影能力；

u₇为数据完备性；u₈为兼容性；

u₉为准确性；u₁₀为数据加载速率；

u₁₁为连接点匹配速率；u₁₂为平差处理解算效率；

u₁₃为粗查探测成功率；u₁₄为平差定位解算精度；

u₁₅为平差检查精度；u₁₆为DEM测制效率；

u₁₇为DSM测制效率；u₁₈为DEM测制精度；

u₁₉为DSM测制精度；u₂₀为DOM正射纠正效率；

u₂₁为DOM镶嵌精度；u₂₂为DOM测制精度；

u₂₃为三维模型建模效率；u₂₄为三维模型建模精度；

u₂₅为DEM自动匹配效率；u₂₆DSM自动匹配效率；

u₂₇为匹配成功率；u₂₈为DEM自动匹配精度；

u₂₉为DSM自动匹配精度；u₃₀为***软件年平均故障次数；

u₃₁为***软件连续工作时间；u₃₂为***工作站连续工作时间；

u₃₃为立体观测设备年平均故障次数；u₃₄为三维采集设备年平均故障次数；

u₃₅为***软件瘫痪可维修性；u₃₆为***软件平均维修时间；

u₃₇为***工作站硬件损伤可维修性；u₃₈为***工作站硬件平均维修时间；

u₃₉为***软件界面友好性；u₄₀为DEM/DSM测制操作；

u₄₁为三维模型采集操作；u₄₂为三维采集设备易操作性；

u₄₃为立体观测设备易操作性。

因素集U包括7个因素，U₁为数据获取能力，U₂为卫星数据适应性，U₃为影像定位处理能力，U₄为精导武器遥感测绘支援保障能力，U₅为高性能计算机处理能力，U₆为综合保障能力，U₇为人机结合性，

得到第一级评判因素集U＝(U₁,U₂,U₃,U₄,U₅,U₆,U₇)；

U₁₁＝{u₁,u₂,u₃,u₄,u₅}；

U₁₂＝{u₁,u₂,u₃,u₄,u₅}；

U₂₁＝{u₆,u₇,u₈,u₉,u₁₀}；

U₃₁＝{u₁₁,u₁₂,u₁₃,u₁₄,u₁₅}；

U₃₂＝{u₁₁,u₁₂,u₁₃,u₁₄,u₁₅}；

U₄为精导武器遥感测绘支援保障能力，U₄可以划分为3个子集，U₄₁为DEM/DSM测制能力，U₄₂为DOM测制能力，U₄₃为三维场景建筑物模型测制能力，U₄＝{U₄₁,U₄₂,U₄₃}；

U₄₁＝{u₁₆,u₁₇,u₁₈,u₁₉}；

U₄₂＝{u₂₀,u₂₁,u₂₂}；

U₄₃＝{u₂₃,u₂₄}；

U₅₁＝{u₂₅,u₂₆,u₂₇,u₂₈,u₂₉}；

U₆₁＝{u₃₀,u₃₁,u₃₂,u₃₃,u₃₄}；

U₆₂＝{u₃₅,u₃₆,u₃₇,u₃₈}；

U₇₁＝{u₃₉,u₄₀,u₄₁,u₄₂,u₄₃}。

对战场环境保障装备中的数字摄影测量***进行评价对象分析，确定影响评价对象的评语集V；

评语集V包含5个等级，V＝{v₁,v₂,v₃,v₄,v₅}，v₁表示很差，v₂表示较差，v₃表示一般，v₄表示较好，v₅表示很好；为计算方便，分别赋予定值v₁＝0.1，v₂＝0.3，v₃＝0.5，v₄＝0.7，v₅＝0.9。

对战场环境保障装备中的数字摄影测量***进行评价因素分析，确定评价因素的权重，建立分配向量A；

第一层次的权重集A＝(a₁,a₂,…,a_m)，a_i,i＝1,2,…,m是第一层次中第i个因素U_i的权数。第二层次的权重集A_i＝(a_i1,a_i2,…,a_in)，a_ij(i＝1,2…,m；j＝1,2,…,n)是第二层中决定因素U_i的第j个因素U_ij的权数；

单因素综合评判，包括：单独从一个因素出发进行评判，以确定评判对象对评价集元素的隶属程度。采取方法为：

建立由L个人组成的评判组，每位组员给U_i中每一个U_ij(j＝1,2,…,n)评定等级，所述等级来自于v₁,v₂,…,v_p中的一个且仅有一个等级，若L位组员中评定U_ij为等级v_k的有L_ijk个人，则vL_ijk＝L，那么

于是可得：

R_i＝(r_ijk)_n×p(i＝1,2,…,m；j＝1,2,…,n；k＝1,2,…,p)

于是第一级综合评判向量为

B_i＝A_i·R_i＝(b_i1,b_i2,…,b_ip),i＝1,2,…,m

其中

高阶模糊综合评判，包括：将每个U_i视为U的一个元素，B_i作为它的单因素评判向量，可构成由U到V的模糊评判矩阵：

B＝A·R＝(b₁,b₂,…,b_p)

其中

根据前面介绍的基本算法，由某次评估试点产生的试验数据，可以得到数字摄影测量***各指标的权重值和模糊值，通过计算分析，进行指标参数模糊化以及权重值分配。

运用多阶模糊综合评判模型分别计算数据获取、卫星数据适应性、影像定位处理、精导武器遥感测绘、高性能计算机计算能力、综合保障能力和人机结合性的作战效能。

计算得到数字摄影测量***作战效能评估值B＝(0.15,0.18,0.30,0.26,0.11)，可得到如下分析结论：

max(B_i)＝0.30，根据最大隶属原则，数字摄影测量***作战效能综合评判为“一般”，但b₄＞b₂，说明该***的作战水平己开始向“较好”层次提升。

从二级指标的模糊评判集来看，属于“较好”的二级指标有影像定位处理能力和精导武器遥感测绘支援保障能力；属于“一般”的二级指标有综合保障能力和人机结合性；属于“较差”的二级指标有数据获取能力和卫星数据适应性。

以上仅为本发明示例性的具体实施方式，但本发明的保护范围并不局限于此。任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种用于装备效能评估的数据处理方法，其特征在于，所述方法包括：

所述第一层因素包括若干个子集；

所述子集包括若干个子集元素；

U₁₁＝{u₁,u₂,u₃,u₄,u₅}；

U₁₂＝{u₁,u₂,u₃,u₄,u₅}；

U₂₁＝{u₆,u₇,u₈,u₉,u₁₀}；

U₃₁＝{u₁₁,u₁₂,u₁₃,u₁₄,u₁₅}；

U₃₂＝{u₁₁,u₁₂,u₁₃,u₁₄,u₁₅}；

U₄₁＝{u₁₆,u₁₇,u₁₈,u₁₉}；

U₄₂＝{u₂₀,u₂₁,u₂₂}；

U₄₃＝{u₂₃,u₂₄}；

U₅₁＝{u₂₅,u₂₆,u₂₇,u₂₈,u₂₉}；

U₆₁＝{u₃₀,u₃₁,u₃₂,u₃₃,u₃₄}；

U₆₂＝{u₃₅,u₃₆,u₃₇,u₃₈}；

U₇₁＝{u₃₉,u₄₀,u₄₁,u₄₂,u₄₃}；

子集元素u₇为数据完备性；子集元素u₈为兼容性；

子集元素u₉为准确性；子集元素u₁₀为数据加载速率；

子集元素u₄₃为立体观测设备易操作性；

所述评语集V和评价指标的评价级别有关；

所述高阶模糊综合评判中常用的运算算子有5种：

①M(∧,∨)

即：

②M(·,∨)

即：

③

即：

④

即：

⑤M(·,+)

即：其中

符号“·”为代数积,为有界和,“+”为代数和,“∧”为取小,“∨”为取大；其中，a_k是第一层中第k个因素U_k的权数，a_ik为第二层中决定因素U_i的第k个因素U_ik的权数，b_j为第二级综合评判的第j个向量，r_kj表示单因素评价中因素U_k被评为v_j的隶属度，v_j为表示评语集V中评价的第j个等级，b_kj为由U到V的模糊评判矩阵中的元素，表示U_k被评为v_j的隶属度;

2.根据权利要求1所述的用于装备效能评估的数据处理方法，其特征在于，所述评语集V，包括：

3.根据权利要求1所述的用于装备效能评估的数据处理方法，其特征在于，权重集A，包括：

4.根据权利要求1所述的用于装备效能评估的数据处理方法，其特征在于，所述单因素模糊评价，包括：

建立评价元素集，所述评价元素集包括L个评价元素；

利用所述L个评价元素给U_i中每一个U_ij，j＝1,2,…,n评定等级，所述等级来自于v₁,v₂,…,v_p中的一个且仅有一个等级，若L位评价元素中评定U_ij为等级v_k的有L_ijk个，则∑L_ijk＝L，那么

于是可得：

R_i＝(r_ijk)_n×p，i＝1,2,…,m；j＝1,2,…,n；k＝1,2,…,p

于是第一级综合评判向量为

B_i＝A_i·R_i＝(b_i1,b_i2,…,b_ip),i＝1,2,…,m

其中b_ik为第一级综合评判向量B_i中的元素，A_i＝(a_i1,a_i2,…,a_in)为第二层的权重集，a_ij,i＝1,2,…,m,j＝1,2,…,n是第二层中决定因素U_i的第j个因素U_ij的权数。

5.根据权利要求1所述的用于装备效能评估的数据处理方法，其特征在于，所述高阶模糊综合评判，包括：

B＝A·R＝(b₁,b₂,…,b_p)

其中A为第一层次的权重集，R为由U到V的模糊评判矩阵，b_k为第二级综合评判向量B中的第k个元素，a_i是第一层次中第i个因素U_i的权数，b_ij为由U到V的模糊评判矩阵R中的元素，p表示评价等级。

6.一种用于装备效能评估的数据处理装置，其特征在于，所述装置包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-5任一项所述的用于装备效能评估的数据处理方法。