认知电子装备信息获取能力的评价方法*

刘新海，马彦恒，宗子健

（军械工程学院，石家庄 050003）

认知电子装备信息获取能力的评价方法*

刘新海，马彦恒，宗子健

（军械工程学院，石家庄 050003）

在针对认知电子装备提出的认知测试性概念及认知测试性指标体系的基础上，对其中的重要指标信息获取能力，建立了数学模型并给出计算方法。阐述了信息获取能力指标的概念及内涵，通过综合分析指标之间的关系，建立了信息获取能力的数学模型；针对不同参数对指标的影响程度不同，提出了综合熵权法确定数学模型中权重的计算方法。

认知测试性，指标体系，信息获取能力，综合熵权法

0 引言

具有自主认知特性的电子系统或装置为认知电子装备［1］。测试性是装备通用质量特性之一，在GJB 2547A-2012中的定义为：“产品能及时、准确地确定其状态（可工作、不可工作或性能下降程度），并隔离其内部故障的一种设计特性”［2］。该定义注重于依据产品本身、当前的状态来实现故障的隔离。文献［1］着眼未来智能化装备的发展需求，基于认知、认知雷达和认知电子装备［3-4］的概念，提出认知测试性的概念，其定义为：产品能及时准确地感知其状态（可工作、不可工作或性能下降程度），预计其状态变化趋势及内部故障发生概率并给出应对策略的设计特性。该定义体现出需融合装备自身当前状态信息、其他同类装备历史信息、环境信息、后方基地支援信息、性能参数劣化趋势等多种信息，通过信息融合和智能处理，实现故障的预测，保证装备的任务可靠性。它将状态监测与故障预测归入了设计阶段进行实施，即在装备的设计阶段，就对状态监测和故障预测提出严格的要求。目前认知测试性的设计与分析还未见相关的研究报道。认知电子装备自身需要具有一定的信息获取能力，在装备的保障过程中，无论是状态监测、故障诊断、故障预测还是智能决策都要以大量的装备相关信息作为基础，所以在认知测试性指标体系中，将信息获取能力作为认知测试性评价的一个重要指标。本文对认知电子装备信息获取能力的概念及内涵进行了阐述，并建立了评价模型，给出了信息获取能力的一种计算方法。

1 信息获取能力的概念及内涵

认知电子装备的信息获取能力是指能够获取来自多种信息源的、多参数、多传感器信息，以及历史与经验信息并进行信息融合用于故障诊断、预测和决策的能力。信息作为装备状态感知的重要依据，其获取能力是认知测试性分析与设计的关键。认知电子装备要求自身具有较高的信息化特点，此类装备的测试性设计的任务需求也与传统装备不尽相同：此类装备的测试性设计要更加方便于装备当前状态信息的实时监控与网络化传递；同型装备历史信息的存储与交换；通过利用测试的方法和最优的传感器得到同型装备历史信息与装备自身信息进行状态预测。因此，选取历史信息完备度、装备自身信息完备度、信息融合能力作为评价信息获取能力的二级指标（见表1）。以此来衡量获取的信息是否全面，是否有效，能否为故障诊断、故障预测和决策提供强有力的信息支持。历史信息完备度包括同型装备状态监测历史信息获取完备率、同型装备故障与维修历史信息获取完备率和同型装备使用环境历史信息获取完备率。通过对采集的历史信息进行分析与处理，挖掘其隐含规律来进行故障预测。装备自身信息完备度包括装备状态监测信息获取完备率、装备履历信息获取完备率和装备使用环境信息获取完备率。获取的同型装备的历史信息必须与装备当前的状态信息具有较高的相关度，而且信息量充分，才能成为有效信息并能够为故障预测提供依据。因此，选取信息相关度、信息充分率作为体现信息融合能力的第三级指标。信息相关度用来描述历史信息与装备自身信息的相关程度，相关程度越大，利用历史信息估计出的装备的状态、故障类型、故障趋势和故障时间等就越准确。信息充分率是描述获取信息的样本是否足够。获取的样本足够多，相关度越大，信息融合能力越强，对装备的状态信息判断越准确。

2 信息获取能力评价模型

结合认知测试性指标体系，可以建立信息获取能力的评价模型。信息获取能力（A）是历史信息完备度（B1）、装备自身信息完备度（B2）和信息融合能力（B3）三者的函数。如公式所示：

其中，B1为历史信息完备度，C1为同型装备状态监测历史信息获取完备率，C2为同型装备故障与维修历史信息获取完备率，C3为同型装备使用环境历史信息获取完备率，分别为 C1、C2、C3的权重；

表1［1］ 认知测试性指标体系——信息获取能力

其中，B2为装备自身信息完备度，C4为装备状态监测信息获取完备率，C5为装备履历信息完备率，C6为装备使用环境信息获取完备率，别为 C4、C5、C6的权重；

其中，B3为信息融合能力，C7为信息相关度，C8为信息充分率；

其中，D7为环境信息相似度，D8为装备状态信息相似度；

其中，D9为环境信息的充分率，D10为装备状态信息的充分率。

计算获取的同型装备历史信息与装备自身信息的相关度，采用如下的计算方法：

j=7，8，其中α一般取1，Hi为历史信息序列（包括同型装备历史信息和历史环境信息）中的第i个元素，比如说Hi可以表示同型装备在某一时刻工作的环境温度；Ni为装备自身信息序列（包括装备自身状态信息和环境信息）的第i个元素，比如Ni可以表示装备的某一单元在某一时刻工作的电流值；n7为装备自身信息序列的数据个数；计算获取的同型装备历史信息与装备自身信息的充分率时，参考美国控制论专家查德给出的“年老”的隶属函数［6］：

j=9，10，其中u为装备自身信息序列的数据个数，f为历史信息序列的数据个数，a一般取0.01f～0.03f之间，b一般取0.1（f-a）。Dj也可由专家经验根据u+1和f的值自行给定。

将各级指标对应量值代入上述公式中进行计算即可得到信息获取能力的结果。指标权重的确定方法见下一节。

3 综合熵权法计算权重

认知测试性突出了大数据和信息流在产品设计中的作用。以信息获取能力为例，在装备的故障预测和智能决策中，要获取同型装备状态监测历史信息、同型装备故障与维修历史信息、同型装备使用环境历史信息、装备状态监测信息、装备履历信息、装备使用环境信息等多种信息，信息量不仅巨大而且可能出现大量无效信息。进行认知测试性指标体系建模，首先就要确定各级指标的权重。

指标权重是一尺度常数，用以反映指标价值对评价目标的影响程度和范围［7］。权重愈大，相对重要性愈大，反之亦然。

目前，根据计算权重时原始数据的不同来源，求解指标体系权重的方法一般可分为两大类：主观赋值法和客观赋值法［8-9］。主观赋值法，即主要根据评估者对各指标的偏好由经验主观判断得到，如专家调查法、主观加权法、层次分析法、Delphi法、模糊统计法等。客观赋值法，即主要是基于决策矩阵信息的方法，由各测评指标在被测评过程中的实际数据得到，如主成份分析法、熵值法、均方差法、多目标最优化方法等。这两类方法各有优缺点，利用主观赋值法确定指标权重虽然客观性较差，但实施过程相对简单且解释性强；利用客观赋值法确定的权重通常是基于比较完善的数学理论与方法，精度较高，但其忽视了决策者的主观信息，造成了一定程度的信息缺失，有时会与实际情况相悖。

本文采用将客观赋值法与主观赋值法进行集成的“综合熵权法”。它是通过分析系统指标及其相互关系，将采集专家意见的专家调查法与模糊分析法相结合，形成“评价排序”；用熵理论对“评价排序”按照给定的熵决策公式进行熵值计算、“盲度”分析，对可能产生潜在的“噪声”数据统计处理，以减少“评价排序”的不确定性，能使专家意见趋于集中。它是一种定量分析与定性分析相结合确定指标权重的分析方法。具体步骤如下：

步骤1 采集专家意见，形成“评价排序”

首先，根据测评指标集确定对应的权重集。用“德尔斐法”［10］采集专家意见。设计定性排序的《指标体系权重专家调查表》（表2是对4个指标定性排序）。按照“德尔斐法”规定的程序和要求，向若干个专家问卷调查。专家组成员的选取要特别注意从熟悉评测对象（指标系统）的专家中选择，应满足鲜明的代表性、公正性和权威性条件。各个专家根据自己的知识和经验，匿名填写调查表，独立地给出对测评指标集的“重要性排序”意见的定性判断。通过征询和反馈，最终形成的专家“排序意见”，称为指标的“评价排序”。

步骤2 对“评价排序”进行“盲度”分析

专家“评价排序”的意见往往会因为数据“噪声”产生潜在的偏差和数据的不确定性。为消除数据“噪声”和减少不确定性，需要对表2中指标的定性判断结论进行统计分析与处理。即用熵理论计算其熵值，以减少专家“评价排序”的不确定性。具体方法如下：

不妨设有w个专家参加问卷调查，得到调查表有w张，每一张表对应一指标集，记为。指标集对应的“评价排序”数组，记作，由w张表获得指标的排序矩阵记为，称为指标的“评价矩阵”。其中aij表示第i个专家对第j个指标pj的评价。自然数中的任意一个数，比如，需要对4个指标排序，则指标“评价排序”数组中的 m=4，可以取中的任意一个数。

对上述“评价排序”定性、定量转化，定义定性排序转化的隶属函数为：

表2 测评指标重要性排序调查表

化简为：

K为专家按照“评价排序”的格式对某个指标评议后给出的定性排序数，如表2，若认为4个指标中指标1选择处于“非常重要”，则K取值为1；如果认为是“比较重要”，K取值则为2；其他依此类推。其中，γ 是定义在［0，1］上的变量，γ（K）为 K 对应的隶属函数值，为实际最大顺序号，比如，当j=4时，表示4个指标参加排序，则最大顺序号取值为4。n为转化参数量，取n=j+2，即n=6。

当K=1时，

当K=j+1取最大序号时，

将排序数aij代入式（20）中，可得aij定量转化值bij，bij称为排序数K的隶属度。矩阵B=（bij）w×m称为隶属度矩阵。视w个专家对指标pj的“决策权”相同，即计算w个专家对指标pj的“集中意见”，称为平均认识度，记作bj，令

定义专家xi对因素pj由认知产生的不确定性，称为“认知盲度”，记作 Xj，令

显然，Xj≥0。

对于每一个因素pj，定义w个专家关于pj的总体认识度记作yj，

由yj即得到w个专家全体对指标pj的评价向

步骤3归一化处理

为得到指标pj的权重，对式（23）归一化处理。令

4 结论

认知测试性的提出对装备和国防事业的发展具有深远的影响。随着认知测试性研究的逐步深入，特别是装备的不断完善，将更有利于信息的收集、传递及处理。下一步将应用本文提出的建模方法，进一步论证权值确定的科学性，并针对具体的装备展开认知测试性的研究。

［1］马彦恒，刘新海，李刚.认知测试性的概念及指标分析［J］.军械工程学院学报，2016，28（4）：62-65.

［2］邱静，刘冠军，杨鹏，等.装备测试性建模与设计技术［M］.北京：科学出版社，2012.

［3］HAYKINS S.Cognitive radar：the way of future ［ J］.IEEE Signal Processing Magazine，2006（23）：30-40.

［4］GUERCI J R.认知雷达—知识辅助的全自适应方法［M］.吴顺君，戴奉周，刘宏伟，译.北京：国防工业出版社，2013：1-17.

［5］李刚.基于多源信息融合的电子装备故障预测方法研究［D］.石家庄：军械工程学院，2006.

［6］ZADEH L A.Fuzzy sets［J］.Inf.Control，1965（8）：338-353.

［7］岳立柱，闫艳，李良琼.关联条件下确定指标权重的方法［J］.应用泛函分析学报，2015，17（4）：401-406.

［8］郭凯红，李文立.权重信息未知情况下的多属性群决策方法及其拓展［J］.中国管理科学，2011，19（5）：94-98.

［9］吴坚，梁昌勇，李文年.基于主观与客观集成的属性权重求解方法 ［J］.系统工程与电子技术，2007，29（3）：383-388.

［10］葛育祥.重大科技项目专家评审中德尔菲法的适用性研究［J］.科技情报开发与经济，2015，25（8）：109-111.

Research on Evaluation Method of Information Acquisition Ability of Cognitive Electronic Equipment

LIU Xin-hai，MA Yan-heng，ZONG Zi-jian
（Ordnance Engineering College，Shijiazhuang 050003，China）

On the base of the concept of cognitive testability is proposed and the index system ofcognitive testability aim to the cognitive electronic equipment，the mathematics model and the calculation method of the important index information gain capacity is set up.Firstly，the concept and connotation of information gain capacity index is elaborated.The mathematics model of the information gain capacity is set up through the comprehensive analysis of the relationship among the indexes.The comprehensive entropy weight method is proposed to confirm the weight calculation method in the mathematics model aimed at the different parameters with different influence extent of the index.

cognitive testability，index system，information acquisition ability，general entropy weight method

1002-0640（2017）10-0109-05

TP206+.1

A

10.3969/j.issn.1002-0640.2017.10.023

2016-08-08

2016-10-28

军队武器装备预研基金资助项目（9140A19031015）

刘新海（1988- ），男，山西太原人，在读硕士。研究方向：装备测试性。