一种直升机性能分析评估方法与流程

本发明涉及直升机性能评估技术领域，具体涉及一种直升机性能分析评估方法。

背景技术：

直升机的型号研制是一个庞大的系统工程，需要协调多个学科和专业领域，涵盖了基础科学、工程科学、经济管理学等多方面的知识；另一方面用户的使用要求愈发多元化，性能指标、研制成本、使用效能、任务能力等等。科学准确的直升机性能分析评估能够全面、系统、客观地权衡并选出满足各方需求并能顺利实施的最优的总体设计方案，直升机性能分析评估问题是一种多学科、复杂、多系统总体综合评估问题，因此对于分系统、多指标所占权重的分析是该评估问题的核心问题。

目前采用的层次分析法、专家估测法等评估方法，由于其仍依靠专家的经验和主观分析进行判断分配，在一定程度上不够客观、可靠。且专家的判定结果对于最终的评估结果有着决定性的作用。因此在国内直升机性能分析评估方法中，一直都缺乏一套科学的、行之有效、客观的评估指标权重分配方法，无法对直升机性能的各个指标进行客观地重要程度分析及评价，只能依靠专家的经验来进行判断。在一定程度上阻碍直升机新型号的研制及高速发展。

技术实现要素：

发明目的：针对上述现有技术，提出本发明提出一种直升机性能分析评估方法，更依靠于数学思想，能够合理、客观地对直升机性能作出评估。

为实现上述目的，本发明采用如下技术方案：

一种直升机性能分析评估方法，包括如下步骤：

步骤1：确定直升机性能的评估指标，建立直升机性能评估模型；

其中c表示待评估的直升机性能，s表示直升机性能的得分，wi表示对第i种评估指标赋予的权重，ci表示第i种评估指标的评估值；n表示评估指标的个数；

针对直升机总体设计方案，以直升机设计技术要求为评价准则，采用层次分析法或模糊评价法的评价方法对评估模型中评估指标进行定量评价，得到相应的评估指标评估值ci。上述过程为现有技术，本发明针对已计算出评估指标评估值ci的评价指标进行权值分配。

步骤2：分别利用分层因素法和专家估测法计算出各个评估指标的权重值；

步骤3：利用多目标改进遗传算法，基于上述专家估测法和分层因素法的结果，确定目标函数，对遗传算法种群进行的筛选，选出最优个体，得到各个评估指标的新的权重值；

步骤4：将步骤3所得新的权重值带入直升机性能评估模型中，最终得到直升机性能评估得分。在相同的评价体系中，评估得分越高直升机性能越好。

优选的，步骤1中，所述评估指标包括：基本性能、机动性能、飞行品质、振动水平和噪声水平。

优选的，步骤2中，所述分层因素法包括如下步骤：

1)建立分层因素集，将各指标体系细化成n个层次，第一层为评估指标层；

2)确定第n层指标之间的序关系，根据专家组对每每相邻的两个评价指标的重要程度之比做出判断：wk-1/wk＝rk，k＝2,3,…，n；wk表示指标μk的权重；

3)根据rk的评判值计算权重系数wk：

wk-1＝rk·wk(k＝2,3,…,n)

在具体应用时候：记专家人数为m，建立评价指标集μ1，μ2，μ3，…，μn；

4)根据上述确定的第n层权重系数，根据频数计算，确定第n-1层指标体系中各指标权重分配初值；

5)利用数理统计学中多元回归方法，计算各第n-1层指标之间的相关系数，进而对各指标进行合理的权数分配修正，得到权重分配结果；

6)列出判断矩阵a，判断矩阵a的最大特征值λmax，求出一致性指标ci；当ci＝0时，判断矩阵具有完全一致性时，ci值愈大，表示矩阵的一致性愈差；

其中为各指标权重值；

7)重复步骤4)、5)、6)，直到得到第一层指标权重分配结果。

优选的，步骤2中，所述专家估测法包括如下步骤：

1)对每个评价指标均定出评价等级，每个等级的标准用分值表示；

2)由专家对评价指标进行分析和评价，确定各个评价指标的分值及权数，采用加法评分法、乘法评分法或加乘评分法求出个评价对象的总分值，从而得到各个评价指标的权重。

优选的，步骤3中，所述目标函数为：

适应度函数如下式：

fit＝a.*av1+b.*dv1+c.*av2+d.*dv2

其中fit为适应度值，av1、av2、dv1、dv2分别为个体与专家估测法、分层因素法结果的平均绝对误差和均方差，a、b、c、d分别为上述数据的权重系数，根据评估模型最终的用途进行选择。例如，需要参数组合与基准数据的总体匹配程度高还是参数组合的稳定性好来确定a与b，c与d的比值，通过需求分析专家估测法的权重分配可靠性和分层因素法的可靠性确定a与c，b与d的比值，最终根据a+b+c+d＝1，确定a、b、c、d的值。

优选的，步骤3中，采用轮盘赌法对遗传算法种群进行的筛选，包括如下步骤：

1)计算出群体中每个个体的适应度值f(1，…，q)，q为群体大小；

2)对整个群体所有个体的适应度值进行求和；

3)计算各个个体xi(i＝1，…，g，g为个体个数)被遗传到下一代群体中的概率：

4)计算每个个体的累积概率：qi为染色体xi的累积概率；

5)在[0，1]区间内产生一个均匀分布的伪随机数r；

6)若r＜q1，则选择个体1，否则，选择个体y，使得：qy-1＜r≤qy成立；

7)重复(5)(6)共q次。

有益效果：与现有技术相比较，本发明更依赖于数学思想，将分层因素法与专家估测法结合，通过多目标改进遗传算法进行优化，得到能够科学、全面的体现各评估指标重要程度的权重分配结果，进而对直升机性能进行评估。

本发明能够综合考虑专家权重、指标权重，以及定性指标和定量指标等因素，对直升机性能进行分析评估。

本发明不仅限于直升机性能，而且可推广应用于直升机的其他分系统或其它武器装备系统的评估。

本发明针对当前国内直升机系统评估领域，难以对直升机个评估指标进行科学权重分配的问题，提出一种直升机性能分析评估方法，能够相对全面、客观的对直升机性能进行科学评价，为评估其他的系统提供依据。

附图说明

图1为直升机性能评估问题分层因素集；

图2为分层因素法流程框图；

图3为遗传算法流程图；

图4为累积概率；

图5为参数的位串表示。

具体实施方式

下面结合附图对本发明做更进一步的解释。

本发明的工作过程包括分析并建立直升机性能指标体系、提出分层因素法合理、客观的权重分配方法确定一组指标权重、基于专家估测法确定一组指标权重、利用多目标、多参数遗传算法将两组指标权重进行优化得到最终指标权重分配以及带入计算的到评估结果等五个步骤。具体如下：

步骤一：

直升机性能评估模型的参数组合就是对直升机性能的评分标准。其评估模型为

其中c是待评估的性能指标，s该指标得分，wi是对第i种性能指标赋予的权重，ci是第i种性能指标的评估值。

分析评估问题并建立性能指标体系，如下所示：

直升机性能由系统的设计指标、性能指标、技术指标、使用要求指标来衡量的，主要从基本性能、机动性能、飞行品质、振动水平和噪声水平五个方面对直升机平台性能做出评估。针对该评估问题，对其指标进行分层因素，如图1所示。本实施例中，基本性能c1、机动性能c2、飞行品质c3、振动水平c4和噪声水平c5已知。

步骤二：

基于上述直升机性能指标系统及其分层因素集，提出分层因素法进行权重分配，步骤如下，结构图如图2所示：

具体步骤如下：

1)明确评估问题的各指标体系，建立分层因素集，将各指标体系细化成n个层次；

2)确定第n层指标之间的序关系，根据专家组对每每相邻的两个评价指标的重要程度之比做出判断：wk-1/wk＝rk(k＝2，3，…，n；wk表示指标μk的权重，n表示评价指标个数)，根据表1数据给出比值参数；

表1指标相对重要程度之比取值参考表

3)根据rk的评判值计算权重系数wk：

wk-1＝rk·wk(k＝2,3,…,n)

在具体应用时候：记专家人数为m，建立评价指标集μ1，μ2，μ3，…，μn；

4)根据上述确定的第n层权重系数，根据频数计算，确定第n-1层指标体系中各指标权重分配初值；

5)利用数理统计学中多元回归方法，计算各指标之间的相关系数，如下式，进而对各指标进行合理的权数分配修正，得到权重分配结果；

设有指标项x1，x2，l，xn，若指标y与其他指标的复相关系数越大，则说明y与其他指标之间的共线性关系越强，越容易由其他指标的线性组合表示，重复信息越多，因此该指标的权重也就应该越小。通过用y对指标项x1，x2，l，xn做回归，得到其中为指标权重平均值，为构造的多元回归方程，为回归系数，r为指标y与指标y对指标项x1，x2，l，xn做回归的模型取得的相关系数。

即若指标xk与其他指标的复相关系数r越大，该指标的权重越小。

6)根据第2步及下列公式列出判断矩阵a，判断矩阵的最大特征值λmax代入下面公式，求出一致性指标ci。当ci＝0时，判断矩阵具有完全一致性时，ci值愈大，表示矩阵的一致性愈差。

其中为各指标权重值，n为指标个数；

重复4、5、6步，直到得到第1层指标权重分配结果。

步骤三：

基于最初分析评估问题并建立的性能评估指标体系，通过专家评估法得到另一组权重分配结果。

专家估测法的主要步骤是：首先根据评价对象的具体情况选定评价指标，对每个指标均定出评价等级，每个等级的标准用分值表示；然后以此为基准，由专家对指标进行分析和评价，确定各个指标的分值及权数，采用加法评分法、乘法评分法或加乘评分法求出个评价对象的总分值，从而得到权重。

具体步骤如下：

1)根据上述建立的评估指标体系，仅以第一层为评价对象，即基本性能、机动性能、飞行品质、振动水平和噪声水平，给出评价等级有六个，分别为a，b，c，d，e，f代表0到10的六个分数，即0、2、4、6、8、10，分别代表其指标的相关重要程度。

2)邀请10名专家分别按照上述的评价等级划分，根据自己的经验和主观认识对评价指标的权重进行评价，得到相应的权重分数。

3)通过加法评分法，将10位专家对应的权重分数累加，在进行归一化计算，得到最终的一组权重分配结果。

步骤四：

建立多目标改进遗传算法，基于上述专家估测法和分层因素法的结果，确定目标函数，基于轮盘赌法进行筛选，得到权重分配结果。

遗传算法流程图如图3所示：

目标函数建立：

在个体选择时，需要综合考虑两个因素：1)根据该参数组合对权重分配的评估准确度，代表与上述基准数据的总体匹配程度；2)该参数组合对指定指标权重分配的误差，即该参数组合的稳定性。前者可以很方便地用候选参数对基准数据的平均绝对误差来衡量，而后者可以用两者的均方差衡量。适应度函数如下式：

fit＝a.*av1+b.*dv1+c.*av2+d.*dv2

其中fit为适应度值，av1、av2、dv1、dv2分别为个体与专家估测法、分层因素法结果的平均绝对误差和均方差。a、b、c、d分别为上述数据的权重系数，根据评估模型最终的用途进行选择。本次评估模型根据需求选择a与b比值3:2，a与c比值1:1，选择0.3、0.2、0.3、0.2。此处的适应值不是与个体适应能力成正比关系的，而是当适应度值越大时，个体的适应能力越小。

轮盘赌法：

其基本思想是：各个个体被选中的概率与其适应度大小成正比。本次计算中采用的轮盘赌法略微改动，个体被选中的概率与其适应度大小不是成正比，而是适应度函数越大，被选中的概率越小。即：

(1)计算出群体中每个个体的适应度值f(1，…，q)，q为群体大小；

(2)对整个群体所有个体的适应度值进行求和；

(3)计算各个个体xi(i＝1，l，g，g为个体个数)被遗传到下一代群体中的概率：

(4)计算每个个体的累积概率：qi为染色体xi的累积概率，如图4。

(5)在[0，1]区间内产生一个均匀分布的伪随机数r；

(6)若r＜q1，则选择个体1，否则，选择个体g，使得：qg-1＜r≤qg成立；

(7)重复(5)(6)共q次。

针对直升机性能评估问题，根据计算精度确定一个参数指标所对应的单元位串长度，将所有的参数对应的单元位串连接在一起就代表了一个候选的参数组合，也就是算法中的一个个体，如图5所示。遗传算法参数汇总表如表2所示。

表2遗传算法参数汇总表

步骤五：

根据上述方法确定直升机性能评估指标权重分配结果w1、w2、w3、w4、w5分别为基本性能、机动性能、飞行品质、振动水平和噪声水平的权重，w1+w2+w3+w4+w5＝1，如表3所示。最后将基本性能c1、机动性能c2、飞行品质c3、振动水平c4和噪声水平c5，以及各自的权重，带入最初的评估模型中，最终得到直升机性能评估结果。

表3三种方法结果

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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。