针对装备保障能力的基于信息熵的层次分析评估系统的制作方法

本发明属于装备试验鉴定技术领域，具体涉及一种针对装备保障能力的基于信息熵的层次分析评估系统。

背景技术：

在装备试验评估中，针对装备保障能力的试验评估方法中，层次分析法作为定量与定性分析方法结合的综合性评估方法，具有简洁实用、所需定量数据信息较少的特点，适用于无结构特性的系统评价及多目标、多准则、多时期等的系统评价。然后，层次分析法定量数据较少,定性成分多，不易令人信服。增加层次分析法的定量数据信息将会有效的提升评估结果的可信度，但如何增加定量数学信息成为研究的难点。在工程领域应用时，装备评估的输入为试验数据，试验数据由于数据类型多、非线性关系、不同尺度、维数高等特点，具有随机性、模糊性、灰色性和不确定性，在进行试验评估时，针对装备保障能力的试验数据的不确定性造成的影响不可忽视。

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：在针对装备保障能力的基于数据的试验评估过程中，对数据不确定性进行量化表示，增加客观评价的可信性，提升层次分析法的准确性。

(二)技术方案

为解决上述技术问题，本发明提供一种针对装备保障能力的基于信息熵的层次分析评估系统，所述系统包括：装备保障要求分析模块、评估任务分解模块、性能度量获取模块、数据源获取模块、不确定性量化运算模块、指标权重获取模块、评估结果获取模块；

所述装备保障要求分析模块用于针对装备体系中装备保障的要求，明确故障检测、维修、可靠性和保障性具体评估目标，针对装备试验的装备保障能力开展评估；

所述评估任务分解模块用于根据装备保障能力的评估任务要求，针对故障检测、维修、可靠性和保障性具体评估目标按照树状分析技术进一步分解，按照“评估任务-目标-性能度量-数据源”的树状形式进行分解，使得关键问题分解到能够确定实际数据需求和试验测量的程度，得到装备保障能力评估任务树状图，其具体的评估目标为：故障检测能力、故障修复能力、可靠性和保障性；

所述性能度量获取模块用于根据装备保障能力评估任务树状图的分解结果，定义具体的评估目标集合为e＝{e1,e2,e3,e4}＝{故障检测能力,故障修复能力,可靠性,保障性}，其中具体评估目标对应的性能度量依次m(e1)＝m(故障检测能力)＝{故障检测率,故障隔离率,虚警率},m(e2)＝m(故障修复能力)＝{平均修复时间},m(e3)＝m(可靠性)＝{平均故障间隔时间,平均维修间隔时间},m(e4)＝m(保障性)＝{执行任务率,可使用度}；

所述数据源获取模块用于根据所述性能度量获取模块得到的具有评估目标对应的性能度量，明确每个性能度量对应的数据源，定义具体的性能度量对应的数据源d(故障检测率)＝{次数}，d(故障隔离率)＝{次数}，d(虚警率)＝{次数}，d(平均修复时间)＝{时间,次数}，d(平均故障间隔时间)＝{时间}，d(平均维修间隔时间)＝{时间,次数}，d(执行任务率)＝{次数}，d(可使用度)＝{次数}；

所述不确定性量化运算模块用于对数据源获取模块得到的数据源进行基于信息熵的不确定性量化计算，得出对应数据源的不确定性矩阵；

信息熵的概念：假设p＝{px＝x,x∈x}为随机性不确定性试验数据论域x上的一个概率分布，则定义试验数据x的不确定性测度q(x)的公式为：

针对数据源d(故障检测率)，d(故障隔离率)，d(虚警率)，d(平均修复时间)，d(平均故障间隔时间)，d(平均维修间隔时间)，d(执行任务率)，d(可使用度)依次利用不确定性测度公式进行计算，得到对应的不确定性测度q(故障检测率)，q(故障隔离率)，q(虚警率)，q(平均修复时间)，q(平均故障间隔时间)，q(平均维修间隔时间)，q(执行任务率)，q(可使用度)，由这些不确定性测度组成不确定性矩阵q；对不确定性测度矩阵q进行归一化处理，得到归一化后的不确定性测度矩阵q'，再进一步求反，得到不确定性矩阵u；

其中，归一化处理的公式为：

q'＝{q－min(q)}/{max(q)－min(q)}

u＝1－q'；

所述指标权重获取模块用于根据性能度量获取模块得到的具体评估目标对应的性能度量，构造性能度量满足一致性条件的判断矩阵k，利用和积法将判断矩阵的每一列归一化，然后将归一化的数据按行求和，将所得的结果进行归一化处理，得到性能度量的权重矩阵w，对判断矩阵进行一致性检验，通过检验后获取最终的指标权重w；

所述评估结果获取模块用于将不确定性量化运算模块获得的不确定性矩阵u与指标权重获取模块得到的最终的指标权重w进行融合，得到最终的性能度量的权重矩阵w'，如下式所示：

w'＝u×w

由此得到装备保障能力基于数据信息熵的层次分析法确定的指标的权重，对此进行大小排序，具体指标对应的权重越大，表明该具体指标越重要，由此得到最终评估结果。

(三)有益效果

与现有技术相比较，本发明在进行试验评估时，针对装备保障能力的试验数据的不确定性造成的影响不可忽视，通过将其试验数据的不确定性进行量化表示，在进行层次化方法评估时，通过增加数据定量化信息，获取试验数据的可信度，为其赋相应的不确定性权重，增加层次分析法的数据定量信息，可有效提高评估准确性。

附图说明

图1为本发明技术方案所提供的原理图。

图2为树状分析技术原理图。

图3为装备保障能力树状分析图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

为解决上述技术问题，本发明提供一种针对装备保障能力的基于信息熵的层次分析评估系统，如图1-图3所示，所述系统包括：装备保障要求分析模块、评估任务分解模块、性能度量获取模块、数据源获取模块、不确定性量化运算模块、指标权重获取模块、评估结果获取模块；

所述装备保障要求分析模块用于针对装备体系中装备保障的要求，明确故障检测、维修、可靠性和保障性具体评估目标，针对装备试验的装备保障能力开展评估；

所述评估任务分解模块用于根据装备保障能力的评估任务要求，针对故障检测、维修、可靠性和保障性具体评估目标按照树状分析技术进一步分解，按照“评估任务-目标-性能度量-数据源”的树状形式进行分解，使得关键问题分解到能够确定实际数据需求和试验测量的程度，得到装备保障能力评估任务树状图，其具体的评估目标为：故障检测能力、故障修复能力、可靠性和保障性；

所述性能度量获取模块用于根据装备保障能力评估任务树状图的分解结果，定义具体的评估目标集合为e＝{e1,e2,e3,e4}＝{故障检测能力,故障修复能力,可靠性,保障性}，其中具体评估目标对应的性能度量依次m(e1)＝m(故障检测能力)＝{故障检测率,故障隔离率,虚警率},m(e2)＝m(故障修复能力)＝{平均修复时间},m(e3)＝m(可靠性)＝{平均故障间隔时间,平均维修间隔时间},m(e4)＝m(保障性)＝{执行任务率,可使用度}；

所述数据源获取模块用于根据所述性能度量获取模块得到的具有评估目标对应的性能度量，明确每个性能度量对应的数据源，定义具体的性能度量对应的数据源d(故障检测率)＝{次数}，d(故障隔离率)＝{次数}，d(虚警率)＝{次数}，d(平均修复时间)＝{时间,次数}，d(平均故障间隔时间)＝{时间}，d(平均维修间隔时间)＝{时间,次数}，d(执行任务率)＝{次数}，d(可使用度)＝{次数}；

所述不确定性量化运算模块用于对数据源获取模块得到的数据源进行基于信息熵的不确定性量化计算，得出对应数据源的不确定性矩阵；

信息熵的概念：假设p＝{px＝x,x∈x}为随机性不确定性试验数据论域x上的一个概率分布，则定义试验数据x的不确定性测度q(x)的公式为：

针对数据源d(故障检测率)，d(故障隔离率)，d(虚警率)，d(平均修复时间)，d(平均故障间隔时间)，d(平均维修间隔时间)，d(执行任务率)，d(可使用度)依次利用不确定性测度公式进行计算，得到对应的不确定性测度q(故障检测率)，q(故障隔离率)，q(虚警率)，q(平均修复时间)，q(平均故障间隔时间)，q(平均维修间隔时间)，q(执行任务率)，q(可使用度)，由这些不确定性测度组成不确定性矩阵q；对不确定性测度矩阵q进行归一化处理，得到归一化后的不确定性测度矩阵q'，再进一步求反，得到不确定性矩阵u；

其中，归一化处理的公式为：

q'＝{q－min(q)}/{max(q)－min(q)}

u＝1－q'；

所述指标权重获取模块用于根据性能度量获取模块得到的具体评估目标对应的性能度量，构造性能度量满足一致性条件的判断矩阵k，利用和积法将判断矩阵的每一列归一化，然后将归一化的数据按行求和，将所得的结果进行归一化处理，得到性能度量的权重矩阵w，对判断矩阵进行一致性检验，通过检验后获取最终的指标权重w；

所述评估结果获取模块用于将不确定性量化运算模块获得的不确定性矩阵u与指标权重获取模块得到的最终的指标权重w进行融合，得到最终的性能度量的权重矩阵w'，如下式所示：

w'＝u×w

由此得到装备保障能力基于数据信息熵的层次分析法确定的指标的权重，对此进行大小排序，具体指标对应的权重越大，表明该具体指标越重要，由此得到最终评估结果。

此外，本发明还提供一种针对装备保障能力的基于信息熵的层次分析评估方法，如图1-图3所示，所述方法包括如下步骤：

步骤1：针对装备体系中装备保障的要求，明确故障检测、维修、可靠性和保障性具体评估目标，针对装备试验的装备保障能力开展评估；

步骤2：根据装备保障能力的评估任务要求，针对故障检测、维修、可靠性和保障性具体评估目标按照树状分析技术进一步分解，按照“评估任务-目标-性能度量-数据源”的树状形式进行分解，使得关键问题分解到能够确定实际数据需求和试验测量的程度，得到装备保障能力评估任务树状图，其具体的评估目标为：故障检测能力、故障修复能力、可靠性和保障性；

步骤3：根据装备保障能力评估任务树状图的分解结果，定义具体的评估目标集合为e＝{e1,e2,e3,e4}＝{故障检测能力,故障修复能力,可靠性,保障性}，其中具体评估目标对应的性能度量依次m(e1)＝m(故障检测能力)＝{故障检测率,故障隔离率,虚警率},m(e2)＝m(故障修复能力)＝{平均修复时间},m(e3)＝m(可靠性)＝{平均故障间隔时间,平均维修间隔时间},m(e4)＝m(保障性)＝{执行任务率,可使用度}；

步骤4：根据步骤3中得到的具有评估目标对应的性能度量，明确每个性能度量对应的数据源，定义具体的性能度量对应的数据源d(故障检测率)＝{次数}，d(故障隔离率)＝{次数}，d(虚警率)＝{次数}，d(平均修复时间)＝{时间,次数}，d(平均故障间隔时间)＝{时间}，d(平均维修间隔时间)＝{时间,次数}，d(执行任务率)＝{次数}，d(可使用度)＝{次数}；

步骤5：对步骤4中得到的数据源进行基于信息熵的不确定性量化计算，得出对应数据源的不确定性矩阵；

信息熵的概念：假设p＝{px＝x,x∈x}为随机性不确定性试验数据论域x上的一个概率分布，则定义试验数据x的不确定性测度q(x)的公式为：

针对数据源d(故障检测率)，d(故障隔离率)，d(虚警率)，d(平均修复时间)，d(平均故障间隔时间)，d(平均维修间隔时间)，d(执行任务率)，d(可使用度)依次利用不确定性测度公式进行计算，得到对应的不确定性测度q(故障检测率)，q(故障隔离率)，q(虚警率)，q(平均修复时间)，q(平均故障间隔时间)，q(平均维修间隔时间)，q(执行任务率)，q(可使用度)，由这些不确定性测度组成不确定性矩阵q；对不确定性测度矩阵q进行归一化处理，得到归一化后的不确定性测度矩阵q'，再进一步求反，得到不确定性矩阵u；

其中，归一化处理的公式为：

q'＝{q－min(q)}/{max(q)－min(q)}

u＝1－q'；

步骤6：根据步骤3中得到的具体评估目标对应的性能度量，构造性能度量满足一致性条件的判断矩阵k，利用和积法将判断矩阵的每一列归一化，然后将归一化的数据按行求和，将所得的结果进行归一化处理，得到性能度量的权重矩阵w，对判断矩阵进行一致性检验，通过检验后获取最终的指标权重w；

步骤7：将步骤5中的不确定性矩阵u与步骤6中得到的最终的指标权重w进行融合，得到最终的性能度量的权重矩阵w'，如下式所示：

w'＝u×w

由此得到装备保障能力基于数据信息熵的层次分析法确定的指标的权重，对此进行大小排序，具体指标对应的权重越大，表明该具体指标越重要，由此得到最终评估结果。

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。