本发明涉及时频测量技术领域，具体涉及一种基于信息熵的系统功能模块划分评价方法。
背景技术：
在遥控武器站系统的模块化设计方法中，每一种模块划分方案就构成一个系统。因此如何对一个模块划分方案进行评价成为亟待解决的技术问题。
技术实现要素：
(一)要解决的技术问题
本发明要解决的技术问题是：如何实现对一个遥控武器站系统的模块划分方案进行评价。
(二)技术方案
为了解决上述技术问题，本发明提供了一种基于信息熵的系统功能模块划分评价方法，其特征在于，包括以下步骤：
步骤一、定义模块划分粒度，在模糊聚类分析时，影响分类结果的因素是预设阈值λ的大小，阈值越大，划分的模块数越大，模块粒度越小，反之模块数越小，定义模块粒度ε＝1λ；
步骤二、进行设计制造复杂性的信息熵表示
模块集成的功能特性越多，其内部结构越复杂，于是模块的设计制造越困难；模块实现的功能越少，其内部结构越简单，设计制造越简单，定义模块的设计制造复杂性为：
式中，ε为模块粒度；kε为与模块粒度ε对应的模块数；n为组成模块的零部件个数；pi为第i(i＝1,2,…,n)个功能在设计制造中的确定度，pi∈[0,1]，当pi＝1时，表示该功能在设计制造时完全确定，当pi＝0时，表示该功能完全不确定；
步骤三、进行成本方面的信息熵表示
从成本角度考虑，在模块划分过程中应该尽量将那些成本及附加值高于预设值的零部件分离开，因此，从成本角度上划分模块倾向于将产品细分，而从产品整体而言，应降低模块在成本方面的信息熵，定义成本方面的信息熵为：
式中ci为第i个零部件的相对成本；
步骤四、进行维修方面的信息熵表示
从维修方面考虑，尽量将预定义的易损坏的零部件分离开，倾向于将产品细分，从产品整体而言，应降低模块在维修方面的平均信息熵，定义维修方面的信息熵为：
式中，mi为第i个零部件的相对易损率；
步骤五、利用总的信息熵h(ε)建立模块划分方案评价的数学模型
采用无约束离散优化模型进行模块划分方案的评价，所有模块划分方案中使得h(ε)最小的模块粒度ε即为最优的划分方案，h(ε)表达式如下：
式(4)中对步骤二、三、四定义的三种信息熵分别进行了正则化处理；并定义正规化处理的公式为：
式中，m为所有可能的模块粒度的个数，在模糊聚类时确定所有可能的阈值λj，从而得到所有可能的模块粒度εj，然后利用模糊聚类分析方法求出每一种阈值对应的模块划分方案，同时计算h(εj)，若存在λk使h(εk)最小，则其对应的模块划分方案为最优的方案，k＝1,2,…,m。
优选地，阈值λ定义为：设一割集sq将g分成g1和g2，sq由k条边组成，q＝1,2,…,k’，分别用e1,e2,…,ek'表示接口约束关系，k'为整数，对于e1,e2,…,ek'中的最小值emin，如果emin≤λ，则表示割集sq将g在接口约束关系的水平上分为两个独立模块，对于所有割集数位p，则只要在割集s＝{s1,s2,…,sp}中，找出所有符合
(三)有益效果
本发明根据遥控武器站系统在装配、维修和成本等方面存在的信息熵作为复杂度，将一个模块划分方案通过系统的信息熵的大小来进行评价，从而实现了对一个遥控武器站系统的模块划分方案进行评价。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合实施例，对本发明的具体实施方式作进一步详细描述。
本发明实施例提出的一种基于信息熵的遥控武器站系统功能模块划分评价方法包括以下步骤：
步骤一、在评价模块划分方案之前，先定义模块划分粒度。在模糊聚类分析时(如最大树聚类)，影响分类结果的因素是预设阈值λ的大小。阈值越大，划分的模块数越大，模块粒度越小，反之模块数越小，定义模块粒度ε＝1/λ。其中，阈值λ定义为：设一割集sq将g分成g1和g2，sq由k条边组成，q＝1,2,…,k’，分别用e1,e2,…,ek'表示接口约束关系，k'为整数，对于e1,e2,…,ek'中的最小值emin，如果emin≤λ，则表示割集sq将g在接口约束关系的水平上分为两个独立模块，对于所有割集数位p，则只要在割集s＝{s1,s2,…,sp}中，找出所有符合
步骤二、进行设计制造复杂性的信息熵表示
模块集成的功能特性越多，其内部结构越复杂，于是模块的设计制造越困难；模块实现的功能越少，其内部结构越简单，设计制造越简单。而且某些功能模块在系列产品的设计中，有些是辅助功能模块，不是必须设计模块。因此定义模块的设计制造复杂性为：
式中，ε为模块粒度；kε为与模块粒度ε对应的模块数；n为组成模块的零部件个数；pi为第i(i＝1,2,…,n)个功能在设计制造中的确定度。pi∈[0,1]，当pi＝1时，表示该功能在设计制造时完全确定，当pi＝0时，表示该功能完全不确定。
步骤三、进行成本方面的信息熵表示
从成本角度考虑，在模块划分过程中应该尽量将那些成本及附加值较高的零部件分离开，这样能降低维修和更换零部件的成本。因此，从成本角度上划分模块倾向于将产品细分，而从产品整体而言，应该降低模块在成本方面的信息熵。定义成本方面的信息熵为：
式中ci为第i个零部件的相对成本。
步骤四、进行维修方面的信息熵表示
从维修方面考虑，应该尽量将容易损坏的零部件分离开，倾向于将产品细分。从产品整体而言，应该降低模块在维修方面的平均信息熵。定义维修方面的信息熵为：
式中，mi为第i个零部件的相对易损率。
步骤五、利用总的信息熵h(ε)建立模块划分方案评价的数学模型
采用无约束离散优化模型进行模块划分方案的评价，所有模块划分方案中使得h(ε)最小的模块粒度ε即为最优的划分方案。h(ε)表达式如下：
为了解决设计制造复杂性、成本和维修方面的离散数据中某些变量的变化或分布范围较大的问题，这些变量将会完全主导模式识别结果，从而屏蔽了其他因子的影响，因此需要对三种信息熵进行正则化处理：
式中，m为所有可能的模块粒度的个数。在模糊聚类时确定所有可能的阈值λj，从而得到所有可能的模块粒度εj，然后利用模糊聚类分析方法求出每一种阈值对应的模块划分方案，同时计算h(εj)，假如λk使h(εk)最小，则其对应的模块划分方案为最优的方案，k＝1,2,…,m。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。