CN114331137B - 一种用于装备效能评估的数据处理方法及装置 - Google Patents
一种用于装备效能评估的数据处理方法及装置 Download PDFInfo
- Publication number
- CN114331137B CN114331137B CN202111642508.8A CN202111642508A CN114331137B CN 114331137 B CN114331137 B CN 114331137B CN 202111642508 A CN202111642508 A CN 202111642508A CN 114331137 B CN114331137 B CN 114331137B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- factor
- subset element
- subset
- fuzzy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
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
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(∧,∨)
②M(·,∨)
⑤M(·,+)
符号“·”为代数积,为有界和,“+”为代数和,“∧”为取小,“∨”为取大;其中,ak是第一层中第k个因素Uk的权数,aik为第二层中决定因素Ui的第k个因素Uik的权数,bj为第二级综合评判的第j个向量,rkj表示单因素评价中因素Uk被评为vj的隶属度,vj为表示评语集V中评价的第j个等级,bkj为由U到V的模糊评判矩阵中的元素,表示Uk被评为vj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,…,vp)刻画每一因素所处状态的p种决断,其中vk,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,…,am),ai,i=1,2,…,m是第一层次中第i个因素Ui的权数;第二层次的权重集Ai=(ai1,ai2,…,ain),aij,i=1,2,…,m;j=1,2,…,n是第二层中决定因素Ui的第j个因素Uij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Ui中每一个Uijj=1,2,…,n评定等级,所述等级来自于v1,v2,…,vp中的一个且仅有一个等级,若L位评价元素中评定Uij为等级vk的有Lijk个,则∑Lijk=L,那么
于是可得:
Ri=(rijk)n×p,i=1,2,…,m;j=1,2,…,n;k=1,2,…,p
rijk表示因素Uij被评为vk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
Bi=Ai·Ri=(bi1,bi2,…,bip),i=1,2,…,m
所述高阶模糊综合评判,包括:
将每个Ui视为U的一个元素,Bi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Ui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,…,am),于是第二级综合评判向量为
B=A·R=(b1,b2,…,bp)
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,…,Um)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Ui=(Ui1,Ui2,…,Uin),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,…,am),ai,i=1,2,…,m是第一层次中第i个因素Ui的权数。第二层次的权重集Ai=(ai1,ai2,…,ain),aij(i=1,2…,m;j=1,2,…,n)是第二层中决定因素Ui的第j个因素Uij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Ui中每一个Uij(j=1,2,…,n)评定等级,所述等级来自于v1,v2,…,vp中的一个且仅有一个等级,若L位组员中评定Uij为等级vk的有Lijk个人,则∑Lijk=L,那么
于是可得:
Ri=(rijk)n×p(i=1,2,…,m;j=1,2,…,n;k=1,2,…,p)
rijk表示因素Uij被评为vk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
Bi=Ai·Ri=(bi1,bi2,…,bip),i=1,2,…,m
进行高阶模糊综合评判,包括:将每个Ui视为U的一个元素,Bi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Ui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,…,am),于是第二级综合评判向量为
B=A·R=(b1,b2,…,bp)
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);
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};
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}。
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,…,am),ai,i=1,2,…,m是第一层次中第i个因素Ui的权数。第二层次的权重集Ai=(ai1,ai2,…,ain),aij(i=1,2…,m;j=1,2,…,n)是第二层中决定因素Ui的第j个因素Uij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Ui中每一个Uij(j=1,2,…,n)评定等级,所述等级来自于v1,v2,…,vp中的一个且仅有一个等级,若L位组员中评定Uij为等级vk的有Lijk个人,则vLijk=L,那么
于是可得:
Ri=(rijk)n×p(i=1,2,…,m;j=1,2,…,n;k=1,2,…,p)
rijk表示因素Uij被评为vk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
Bi=Ai·Ri=(bi1,bi2,…,bip),i=1,2,…,m
高阶模糊综合评判,包括:将每个Ui视为U的一个元素,Bi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Ui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,…,am),于是第二级综合评判向量为
B=A·R=(b1,b2,…,bp)
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(Bi)=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 (6)
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:
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,ak是第一层中第k个因素Uk的权数,aik为第二层中决定因素Ui的第k个因素Uik的权数,bj为第二级综合评判的第j个向量,rkj表示单因素评价中因素Uk被评为vj的隶属度,vj为表示评语集V中评价的第j个等级,bkj为由U到V的模糊评判矩阵中的元素,表示Uk被评为vj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。
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:
评语集V以总评判的各种可能的结果为元素,V=(v1,v2,…,vp)刻画每一因素所处状态的p种决断,其中vk,k=1,2,…,p表示评价的第k个等级。
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:
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,…,am),ai,i=1,2,…,m是第一层次中第i个因素Ui的权数;第二层次的权重集Ai=(ai1,ai2,…,ain),aij,i=1,2,…,m;j=1,2,…,n是第二层中决定因素Ui的第j个因素Uij的权数。
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:
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Ui中每一个Uij,j=1,2,…,n评定等级,所述等级来自于v1,v2,…,vp中的一个且仅有一个等级,若L位评价元素中评定Uij为等级vk的有Lijk个,则∑Lijk=L,那么
于是可得:
Ri=(rijk)n×p,i=1,2,…,m;j=1,2,…,n;k=1,2,…,p
rijk表示因素Uij被评为vk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
Bi=Ai·Ri=(bi1,bi2,…,bip),i=1,2,…,m
其中bik为第一级综合评判向量Bi中的元素,Ai=(ai1,ai2,…,ain)为第二层的权重集,aij,i=1,2,…,m,j=1,2,…,n是第二层中决定因素Ui的第j个因素Uij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:
将每个Ui视为U的一个元素,Bi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Ui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,…,am),于是第二级综合评判向量为
B=A·R=(b1,b2,…,bp)
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,bk为第二级综合评判向量B中的第k个元素,ai是第一层次中第i个因素Ui的权数,bij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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111642508.8A CN114331137B (zh) | 2021-12-29 | 2021-12-29 | 一种用于装备效能评估的数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111642508.8A CN114331137B (zh) | 2021-12-29 | 2021-12-29 | 一种用于装备效能评估的数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114331137A CN114331137A (zh) | 2022-04-12 |
CN114331137B true CN114331137B (zh) | 2023-04-07 |
Family
ID=81017741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111642508.8A Active CN114331137B (zh) | 2021-12-29 | 2021-12-29 | 一种用于装备效能评估的数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331137B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427377A (zh) * | 2015-11-03 | 2016-03-23 | 武汉地大信息工程股份有限公司 | 一种基于无人机的地质灾害数据采集处理方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608542A (zh) * | 2016-03-15 | 2016-05-25 | 国网山东省电力公司经济技术研究院 | 一种适用于电力工程项目的多层次模糊综合评估方法 |
CN109903352B (zh) * | 2018-12-24 | 2021-03-30 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN110763205B (zh) * | 2019-11-05 | 2021-07-02 | 新疆维吾尔自治区测绘科学研究院 | 数字摄影测量***生成边境狭长区域正射影像图的方法 |
CN112258624A (zh) * | 2020-09-15 | 2021-01-22 | 广东电网有限责任公司 | 一种三维实景融合建模的方法 |
-
2021
- 2021-12-29 CN CN202111642508.8A patent/CN114331137B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427377A (zh) * | 2015-11-03 | 2016-03-23 | 武汉地大信息工程股份有限公司 | 一种基于无人机的地质灾害数据采集处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114331137A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Evolutionary optimization of software quality modeling with multiple repositories | |
CN112699553B (zh) | 一种岩爆烈度等级智能预测***方法 | |
CN106096830B (zh) | 基于广义证据理论的继电保护状态评价方法及*** | |
Kou et al. | An integrated expert system for fast disaster assessment | |
TW201947463A (zh) | 模型測試的方法及裝置 | |
CN109544548A (zh) | 餐盒的缺陷检测方法、装置、服务器、设备和存储介质 | |
CN108764456B (zh) | 机载目标识别模型构建平台、机载目标识别方法及设备 | |
CN113469470B (zh) | 基于电力大脑中枢的用能数据与碳排放量关联分析方法 | |
Haddad et al. | Selecting a robust decision making method to evaluate employee performance | |
CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及*** | |
CN112231305A (zh) | 一种基于数字孪生的数字电网***及方法 | |
CN107506022B (zh) | 一种有人/无人协同班组辅助指挥*** | |
CN109978870A (zh) | 用于输出信息的方法和装置 | |
CN112836921A (zh) | 一种基于电网微数据融合的数据监测分析及优化方法 | |
CN105842607A (zh) | 一种测试性设计中测试点定量选择方法及装置 | |
CN111179576B (zh) | 一种具有归纳学习的用电信息采集故障诊断方法及*** | |
CN117131697A (zh) | 一种面向变电站建设阶段的线上工作流程的数字孪生*** | |
Lin et al. | Integrated circuit board object detection and image augmentation fusion model based on YOLO | |
CN111652403A (zh) | 一种基于反馈修正的工作平台任务工作量预测方法 | |
CN108845285B (zh) | 电能计量装置检测方法和*** | |
CN114331137B (zh) | 一种用于装备效能评估的数据处理方法及装置 | |
CN114491181A (zh) | 一种反窃电诊断检测方法及*** | |
CN114037283A (zh) | 一种商业综合体的火灾动态风险评估方法 | |
CN115618743B (zh) | 一种瞄准镜***的状态评估方法及状态评估*** | |
CN110766248B (zh) | 基于shel和区间直觉模糊评价的车间人因可靠性评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |