一种无人机侦察能力评估模型*

罗　贺，秦英祥，王国强，胡笑旋

（1.合肥工业大学管理学院飞行器网络系统研究所，合肥　230009；2.过程优化与智能决策教育部重点实验室，合肥　230009）



一种无人机侦察能力评估模型*

罗贺1，2，秦英祥1，王国强1，2，胡笑旋1，2

（1.合肥工业大学管理学院飞行器网络系统研究所，合肥230009；2.过程优化与智能决策教育部重点实验室，合肥230009）

摘要：在无人机执行侦察任务的过程中，需要对携带传感器的无人机能力进行评估。对此，从生存性能、侦察性能和稳定性能等3个方面建立无人机侦察能力的评估指标体系，并提出一种基于熵权的组合赋权方法，将主客观信息进行融合，确定各项指标的权重，建立无人机侦察能力的评估模型。最后通过实例对该模型进行了验证。

关键词：无人机，侦察能力，评估模型，熵权

0　引言

无人驾驶飞机是一种能携带多种设备、执行多种任务，并能重复使用的无人驾驶航空器，简称无人机（Unmanned Aerial Vehicle，UAV）。由于其独有的低成本、低损耗、零伤亡、可重复使用等诸多优势，使其在目标侦察、地质勘测、应急救援等领域有着广泛的应用［1-2］。

在无人机执行的众多任务类型中，侦察任务是一类利用机载多传感器对特定区域或特定目标获取情报的过程。通常地，被侦察目标的红外、光波、声波、无线电波等物理特性直接决定了所需使用的机载传感器类型，可视为侦察任务的硬条件之一，但是，对于携带传感器的无人机来说，其生存能力、机动能力、自主能力以及自身性能等方面的综合能力在实际应用过程中已经受到越来越多的关注。

对此，Morgenthal等人讨论了无人机飞行系统的性能和影响无人机运动的因素，并根据处理后的数据记录研究了所搭载的高精度传感器对无人机侦察性能的影响［3］。Skarlatos等人提出一种状态意识示踪器，该工具利用一般性状态模型和对无人机群操控者行为的分析来推断和评估无人机状态［4］。李俨等提出了一种新的无人机系统健康状态评估方法，对某型无人机部分分系统发生故障及采取修复措施后的健康状态分别进行了评估［5］。陈建荣等人定量分析和评估无人机系统在给定作战环境下完成高空电视侦察目标任务的程度，对无人机系统的效能进行了分析和评估建模，实现了无人机系统可用度、可信性、系统能力的计算，给出了无人机系统效能的一种基本算法和公式［6］。

然而，影响无人机执行侦察任务的因素仍然较多，在满足侦察硬条件的基础上，如何评估无人机执行侦察任务的能力，并选取合适的无人机，是顺利完成侦察任务的基础保障之一。为此，本文针对无人机侦察能力的评估问题，首先通过指标筛选的方式建立无人机侦察能力评价指标体系，其次提出一种基于熵权法的指标赋权方法，最后通过实例分析无人机侦察能力的评估过程。

1　无人机侦察能力评估指标体系的构建

无人机侦察能力评估是在满足任务载荷的情况下，对执行侦察任务的无人机能力的客观评价过程，在评估指标体系构建过程中，结合国内外的相关标准与文献［7-9］，遵循全面、客观、科学、可行的原则，首先获得无人机侦察能力备选指标集，再通过专家筛选、相关性分析等方法对备选指标进行筛选，最终确定了20个无人机能力评估指标，并将其划分为3类，分别为生存性能指标、侦察性能指标、稳定性能指标（如图1所示）。

图1无人机侦察能力评价指标

1.1生存性能指标

无人机是一种技术密集型系统，在复杂的地理与气象条件下，保持无人机安全存在是其执行侦察任务的基本前提。生存性能下的7个指标具体如下：

（1）巡航高度：无人机在有效执行侦察任务时的巡航高度越高，则无人机在执行侦察任务效率方面具有优势。

（2）巡航速度：无人机在执行侦察任务时选定的适宜于长时间或远距离飞行的平飞速度称为巡航速度，即无人机所装发动机每100 km消耗燃油最小情况下的飞行速度。无人机的巡航速度越快，越有利于提高无人机执行侦察任务的效率。

（3）抗毁伤能力：在执行侦察任务的过程中，无人机不仅需要面对各种自然条件的变化，而且还需要面对各种突发事件，良好抗毁伤能力是确保侦察无人机高效工作的重要前提。

（4）最小转弯半径：最小转弯半径在很大程度上表征了无人机能够通过狭窄弯曲地带或绕过不可越过的障碍物的能力，转弯半径越小，无人机的机动性能越好。

（5）最大爬升率：在无人机飞行过程中，需考虑无人机在单位时间内增加的高度，即无人机的最大爬升率。无人机在某一高度上，以最大油门状态，按不同爬升角爬升，所能获得爬升率的最大值。

（6）最大续航时间：无人机在不进行空中加油的情况下，耗尽其自身携带的可用燃料所能持续飞行的时间，是无人机最长的工作时间。

（7）实用升限：无人机上升所达到的最大高度，其影响着无人机飞行与侦察的范围。

1.2侦察性能指标

侦察性能是指无人机执行战场及环境侦察、监视等任务的能力，无人机需要在侦察到目标后立即做出判断，对其进行识别、跟踪或决策。侦察性能包含以下7个指标。

（1）信息处理与传输能力：在执行侦察任务过程中，无人机内部自身信息处理的速度以及无人机与无人机之间、无人机与有人机之间或无人机与地面站之间的信息传输能力，它决定了无人机执行侦察任务的质量和效果。

（2）抗干扰能力：无人机及其所携带的机载设备能够防止经过天线输入端、设备的外壳以及沿电源线作用于设备的电磁干扰的能力。

（3）发现目标能力：无人机在待侦察区域内对可疑目标的发现与定位的能力。

（4）识别目标能力：无人机对可疑目标的辨别以及确定的能力，是进行目标跟踪或智能决策的前提条件。

（5）侦察高度：无人机在执行侦察任务时的有效高度被称为侦察高度，侦察高度越高，则同一时刻的探测范围越广，跨越地面障碍物的能力也越强。

（6）巡航时间：无人机在有效执行侦察任务的前提下能够持续飞行的最长时间。

（7）机载电子设备可靠性：机载电子设备可靠性是无人机执行侦察任务的前提条件，没有可靠的设备将难以完成给定的侦察任务。

1.3稳定性能指标

无人机在复杂多样环境中执行侦察任务时需要较高稳定性，使无人机系统受到扰动后迅速回复到原平衡状态的性能。稳定性能下指标具体包括：

（1）平均无故障时间：无人机在规定时间内保持有效功能的一种能力，是相邻两次故障之间的平均工作时间。

（2）平均修复时间：当无人机系统发生故障时，系统由故障状态转为工作状态的平均时间。

（3）环境适应能力：在预计可能遇到的各种环境中，无人机能实现其所有预定功能时不被破坏的能力，是装备的重要质量特性之一。

（4）数据链路可靠性：数据链路层传输以帧为单位的数据包，并采用差错控制与流量控制方法，使有差错的物理线路变成无差错的数据链路，数据链路可靠性反映了数据在传输过程中的精确程度。

（5）有效载荷可靠性：有效载荷是指无人机直接执行特定侦察任务的仪器、设备或分系统，如红外扫描仪、合成雷达高度计等。有效载荷可靠性就是指这些仪器、设备或分系统在执行任务过程中的可靠性。

（6）起降控制系统可靠性：起降控制系统可完成无人机的起飞、着陆、盘旋、航线飞行等功能。其可靠性是执行任务的重要前提。

上述无人机侦察能力的评估指标体系从生存性能、侦察性能和稳定性能3个维度归纳总结出20个评估指标，相应的评估指标体系层次框图如图2所示。其中，实线框表示的是定量获取的指标元素，虚线框表示的是定性获取的指标元素。

图2无人机侦察能力评估指标的层次框图

2　基于熵权的组合赋权方法

针对指标权重赋值中的主观性问题［10-11］，本文提出一种基于熵权的组合赋权方法，通过将不同指标上的专家主观信息与客观信息进行融合，计算相邻指标间的客观熵权值之比，进而得到各指标的权重。具体步骤如下：

步骤1由专家确定指标的重要性排序。

步骤2计算各指标所对应的熵权值。

设第k个待评估对象在第i个准则第j项指标下的数据为vijk，特征比重为hijk，则

其中，i=1，2，…，L；j=1，2，…，Mi；k=1，2，…，K。

设eij为第i个准则第j项指标的熵值，则

第i个准则第j项指标的熵权值μi，j为：

步骤3计算相邻指标的重要程度。

设ri，j-1为第i个准则中第j-1项指标与第j项指标的重要程度

其中，i=1，2，…，L；j=2，…，Mi。

步骤4计算指标对准则的权重。

设fi，Mi为第i个准则下第Mi项（即最后一项）指标对准则i的权重，则

第i个准则下其他Mi-1项指标的权重都可通过其后一项指标的权重计算。

其中，i=1，2，…，L；j=2，…，Mi。

步骤5计算指标权重。

设μi为第i个准则的熵权，则

设ri-1为相邻的第i-1个准则相对于第i个准则的重要程度，则

设WL为第L个（即最后一个）准则的权重，则

其他L-1个准则的权重为：

其中，i=2，…，L。

因此，第i个准则第j项指标的权重Wij为：

其中，i=1，2，…，L；j=1，2，…，Mi。

3　实例分析

针对无人机所需执行的侦察任务，假设各无人机所携带的机载设备及传感器等均能够满足侦察任务的需求。在此情形下，对7种机型的无人机侦察能力进行评估和排序，以确定最佳机型。（各机型的具体数据如表1所示）。以下给出利用本文所述方法进行无人机能力评估的过程。

步骤1：根据本文所建立的指标体系，由专家确定指标的重要性排序。

表1无人机能力评估指标及7种机型无人机数据表

（1）准则层中各准则的重要性程度从大到小的排序结果为B1＞B2＞B3；

（2）生存性能下各指标的重要性程度从大到小排序结果为C12＞C16＞C11＞C17＞C13＞C14＞C15。

（3）侦察性能下各指标的重要性程度从大到小排序结果为C23＞C24＞C21＞C26＞C22＞C27＞C25。

（4）稳定性能下各指标的重要性程度从大到小排序结果为C31＞C32＞C33＞C34＞C35＞C36。

步骤2：确定各指标的熵权值。

以计算生存性能准则下的各指标熵权值为例。7种无人机在生存性能准则的巡航速度指标下的数据向量v11k为：

v11k=（2333，1667，2000，3500，2133，2500，3000）T

其中，k=1，2，…，7。

利用式（1）得到巡航速度指标的特征比重向量h11k为：

h11k=（0.136 2，0.097 3，0.116 7，0.204 3，0.124 5，0.145 9，0.175 1）T

其中，k=1，2，…，7。

利用式（2）得到巡航速度指标的熵值e11为0.986 0；再利用式（3）计算得到巡航速度指标的熵权值μ11为0.102 6。同理，可得所有7个指标的熵权值向量μ1j为：

μ1j=（0.102 6，0.087 6，0.062 2，0.038 5，0.024 4，0.075 6，0.134 9）T

其中，j=1，2，…，7。

步骤3：确定相邻指标的重要性之比。

由于μ11＞μ12，利用式（4）计算r11为1.171 3；同理，得到相邻指标间的重要程度向量r1，j-1为：

r1，j-1=（1.171 3，1.408 3，1.613 8，1.582 2，1，1）T

其中，j=2，3，…，7。

步骤4计算指标对准则的权重。

利用式（5）计算生存性能准则下最后一项指标（第7项）相对于该准则的权重f17为0.066 9，再利用式（6）计算出第6项指标相对于该准则的权重f16为0.066 9。

同理，计算得到权重向量fij为：

fij=（0.281 9，0.240 6，0.170 9，0.105 9，0.066 9，0.066 9，0.066 9）T

其中，i=1；j=1，2，…，7。

步骤5计算指标权重。

利用式（7）~式（10）得权重向量Wi为：

Wi=（0.525 8，0.298 6，0.175 6），i=1，2，3。

重复上述步骤2~步骤5，可得其他指标相对于准则的权重。最终结果如表2所示。

表2无人机指标权重表

利用式（11）对表2中准则权重和相对权重进行计算，得到各项指标的权重向量为：

W=（0.148 2，0.126 5，0.089 9，0.055 7，0.035 2，0.035 2，0.035 2；0.056 0，0.046 3，0.044 4，0.044 4，0.042 2，0.033 3，0.031 9；0.046 3，0.036 8，0.033 3，0.025 6，0.019 1，0.014 5）T。

因此，指标体系中各项指标的权重从大到小依次为：C12，C16，C11，C17，C23，C24，C31，C21，C26，C22，C32，C13，C14，C15，C27，C33，C25，C34，C35，C36。

上述采用基于熵权的组合赋权方法将多种型号无人机的数据与专家经验知识相结合，通过熵权获取相邻指标间的重要程度，指标权重的分配符合实际情况下的无人机侦察能力评估中优先考虑的范围。

步骤6根据无人机数据及各指标所赋权重，计算各机型无人机的得分值，并确定其排名。

（1）将表2数据标准化，如巡航速度标准化后的向量值M1j为：

M1j=（0.3633，0，0.1817，1，0.2542，0.4544，0.7272）

其中，j=，2，…，7。

第1种型号无人机RQ数据标准化后的向量值Mi1为：

Mi1=（0.363 3，0.333 3，0.562 5，0.011 8，0.592 6，0.282 1，1，0.710 5，0.771 4，0.842 1，0.333 3，0.432 4，0.657 1，0.333 3，0.222 2，1，0.562 5，0.296 3，0.458 3，0）T

其中，i= 1，2，…，20。

无人机标准化数据与各指标权重乘积即为该机型无人机的得分值V1，即：

其中，i= 1，2，…，20。

同理可得7种机型无人机的得分值向量Vj为：

Vj=（0.473 9，0.488 1，0.582 1，0.560 2，0.320 9，0.499 9，0.672 1）T

其中，j= 1，2，…，7。

从而可得排序：

HE＞PR＞SA＞SI＞GN＞RQ＞HU

根据以上计算结果，HE无人机在上述7种机型中的侦察能力最强，这是因为它在巡航速度、最大续航时间、巡航高度等重要侦察能力评估指标方面强于其他机型。因此，该机型的能力评估结果最强，可优先选择它来执行侦察任务。

4　结论

针对无人机执行侦察任务前的能力评估问题，从生存性能、侦察性能和稳定性能等3个方面，构建了一种无人机侦察能力评估模型，并提出了一种基于熵权的组合赋权方法以消除专家主观意见量化的不合理性。最后，针对7种机型的无人机能力进行了评估与排序，体现了侦察能力评估过程的客观性，并能够有效综合专家主观意见。

参考文献：

［1］淳于江民，张珩.无人机的发展现状与展望［J］.飞航导弹，2005（2）：23-27.

［2］唐强，朱志强，王建元.国外无人机自主飞行控制研究［J］.系统工程与电子技术，2004，26（3）：418-422.

［3］MORGENTHAL G，HALLERMANN N. Quality assessment of Unmanned Aerial Vehicle（UAV）based visual lnspection of structures［J］. Advances in Structural Engineering，2014，17（3）：289-302.

［4］FRISCHE F，ANDREAS L. SA-Tracer：a tool for assessment of UAV swarm operator SA during mission execution［C］// 3rd IEEE International Multi-Disciplinary Conference on Cognitive Methods in Situation Awareness and Decision Support（CogSIMA），2013.

［5］李俨，陈海，张清江，等.无人机系统健康状态评估方法研究［J］.系统工程与电子技术，2011，33（3）：562-567.

［6］陈建荣，郭齐胜.无人机系统的系统效能评估［J］.火力与指挥控制，2008，33（5）：45-53.

［7］董云龙，陈蓓，魏晴昀，等.反辐射无人机系统作战效能评估［J］.空军雷达学院学报，2009，23（2）：89-95.

［8］郑昌，董文洪，牛庆功，等.基于AHP和模糊综合评判的无人机效能评估［J］.舰船电子工程，2009，29（6）：71-73，89.

［9］金朝，杨文，梁良，等.基于物元模型-AHP的电子战无人机作战效能评估［J］.舰船电子对抗，2012，35（1）：99-103.

［10］迟国泰，闫达文.基于改进群组G1赋权的生态评价模型及省份实证［J］.系统工程理论与实践，2012，32（7）：1464-1475.

［11］李刚.基于标准差修正群组G1的组合赋权方法研究［J］.系统工程学报，2012，27（1）：9-18.

A Model for Evaluating Reconnaissance Capability of a Single UAV

LUO He1，2，QIN Ying-xiang1，WANG Guo-qiang1，2，HU Xiao-xuan1，2
（1. Institute of Aircraft Network Systems，School of Management Hefei University of Technology，Hefei 230009，China；
2.Key Laboratory of the Ministry of Education on Process Optimization & Intelligent Decision Making，Hefei University of Technology，Hefei 230009，China）

Abstract：In the process of UAV’s reconnaissance missions，the problem of capability assessment for Unmanned Aerial Vehicles（UAV）with sensors should be studied. A reconnaissance capability assessment index system of UAV is firstly suggested from three aspects which include live performance，reconnaissance performance and stable performance. Then a new combination weighting method based on entropy weight is also given to fuse both subjective information and objective information. And a model for evaluating reconnaissance capability of a single UAV is established after the weight confirming of each index. Finally，the model is validated through an example.

Key words：unmanned aerial vehicle，reconnaissance capability，assessment model，entropy weight

作者简介：罗贺（1982-），男，安徽霍邱人，副研究员，硕士生导师。研究方向：智能决策，效能评估。

*基金项目：国家自然科学基金（710401048）；安徽省自然科学基金（1508085MG140）；中航工业产学研专项项目（CXY2011HFGD20）

收稿日期：2015-01-27

文章编号：1002-0640（2016）02-0007-06

中图分类号：V249.1，N945.16

文献标识码：A

修回日期：2015-03-05