基于灰色层次分析法的多种载荷侦察效能评估

王 晨，谢文俊，毛 声，赵晓林

（空军工程大学航空航天工程学院，西安 710038）

基于灰色层次分析法的多种载荷侦察效能评估

王 晨，谢文俊，毛 声，赵晓林

（空军工程大学航空航天工程学院，西安 710038）

针对无人机携带多种侦察载荷执行侦察任务协同效能评估需求，用层次分析法逐层比较分析多种载荷的侦察能力、协同能力、生存能力，建立了侦察效能评估体系。通过专家评分确定指标权重，将认知的灰色性和层次分析理论结合，用灰色系统理论实现评估指标从定性到定量的转化，使层次分析法的判断矩阵扩展为灰色判断矩阵，给出了无人机多种载荷两两协同方案的侦察效能评估的一种方法。该方法在不同任务背景下比现有模型适应性更强。

灰色系统理论，层次分析法，无人机，侦察载荷，效能评估

0 引言

无人机相对有人机具有低损耗、低成本、零伤亡、可重复使用等诸多优点，在地质勘测、目标侦察、应急救援等领域有着广泛的应用［1］。由于现代战场维度已经扩展至陆、海、空、天、网、电磁等多个维度，且信息对抗日趋激烈，不仅要求作为获取战场信息主要手段的侦察监视系统能够全天时、全维度获取战场情报，而且对情报的时效性、以及复杂战场环境下侦察系统生存能力都提出了新的需求，仅仅依靠单一类型侦察传感器已无法满足现代战争需求，协同不同类型侦察载荷获取情报已经是主要的侦察样式，无人机携带不同类型侦察载荷的侦察能力、不同类型载荷信息协同能力及平台生存能力等方面的综合性能在实际应用过程中也越来越多地受到关注［2］。

实现对无人机携带不同侦察载荷协同完成任务的效能进行评估能够为决策者提供最优的侦察载荷协同方案［3-4］。目前对无人机携带单个侦察载荷的侦察效能评估已经有很多成熟的模型和研究方法［5-6］，但对单无人机携带不同类型侦察载荷协同侦察效能评估的研究还很少。由于无人机执行侦察任务具有先验信息不足的特点，以及执行任务过程中存在诸多不确定的因素，很难对不同侦察载荷协同效能进行较为准确的量化评估［7］，所以对单无人机携带不同侦察载荷进行协同效能评估是一个有挑战的问题。

文献［8］对此问题建立了效能评估模型，参数较多且计算复杂，由于未考虑在不同作战任务背景下评估模型的适应性，该模型难以适应不同任务评估需求。针对上述问题，本文将灰色系统理论和层次分析法相结合，研究了电子信号侦察设备、合成孔径雷达和CCD相机3种侦察载荷在无人侦察机上两两协同工作情况下的效能评估方法，为不同评估指标采用了相同的标准分配权重，在不同的作战任务需求下只需要调整输入参数，求解过程较现有方法简便，考虑因素更全面，为决策者提供了科学的参考依据。

1 评估指标体系

一般采用层次分析法确立评估指标体系，指标的选取遵循最简性、独立性、可测性、完备性、客观性原则。层次分析法将多种因素层次化，并逐层比较其关联因素，为分析和预测事物的发展提供依据［9］，主要应用在安全科学和环境科学领域，包括煤矿安全研究、危险化学品评价、油库安全评价、城市灾害应急能力研究以及交通安全评价等［10-12］。

无人机携带不同侦察载荷执行侦察任务，影响其总体侦察效能的因素很多，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［2，14］，根据执行任务的过程并结合效能评估指标建立原则，本文利用层次分析法建立了无人机多种侦察载荷效能评估体系，如图1所示。首先获得无人机多载荷侦察效能评估备选指标集，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9个评估指标，并将其划为侦察能力指标、协同能力指标、生存能力指标三大类。

2 灰色评估模型及其算法

图1 无人机多种侦察载荷效能评估指标体系

灰色系统理论［13-14］是研究灰色系统分析、建模、预测、决策和控制的理论，可将抽象的系统加以实体化、量化及模型化，广泛应用于经济管理、教育科学、控制工程及航空航天等领域［15-17］。灰色系统理论具有“少数据建模”的特点，对于“小样本、贫信息不确定”问题能得到较好的解决。文献［15］在教学评价中由专家对底层指标定性打分，采用灰色系统理论模型计算了评价指标的权向量，实现了评价指标从定性到定量的转化，进而综合所有指标计算出教师的教学能力，得到不同教师教学能力的精确排序结果，完成了评价过程。文献［16］在施工风险的评价中采用同样的方法对定性指标进行了转化，计算了施工风险的综合评价值进而得出施工风险等级。

灰色层次分析法是灰色系统理论和层次分析法相互作用的产物，它兼具灰色理论和层次分析法的优点，在人力资源管理、信息安全、变电站通信网络等多个领域得到应用［18-19］。本文将灰色层次分析法应用到无人机多种侦察载荷效能评估中，用层次分析法确定多层次指标的权重，并用灰色理论作出判断与评价，构造了灰色判断矩阵。

本文采用两层树状结构的评估体系来实现无人机多侦察载荷效能评估的算法，总效能A表示无人机携带多传感器的侦察效能，并且A是一级评价指标Bi（i=1，2，3）所组成的集合，Bi是二级评价指标Ci（i=1，2，...，9）组成的集合，多侦察载荷效能评估体系的算法如下。

2.1 层次分析法计算组合权重

根据简易表格法，按1～5的比例标度（从1～5依次表示该元素对上层元素重要程度的依次递减）对评估指标重要程度赋值，由专家对上下层元素间的重要程度关系进行定性填表，用和法计算相邻层次的下层元素对上层元素的权重并对判断矩阵进行一致性检验，再算出底层元素对总效能的组合权重 W=（w1，w2，…，wn）T。

2.2 确定评估矩阵

确定评估指标值矩阵DJI（A），它表示方案J的第A个评估因素由评估者I给出的评估指标值。

2.3 确定评估灰类

针对具体对象，通过定性分析确定评估灰类的灰数、等级数及白化权函数。常用的白化权函数有3种，如图2所示。

图2 白化权函数

第1级白化权函数如图2（a）所示。

第2级白化权函数如图2（b）所示。

第3级白化权函数如图2（c）所示。

2.4 计算评估系数

方案J对于评估指标A属于各个评估灰类的总灰色评估系数记为则有：

2.5 计算评估权向量和权矩阵

2.6 对不同指标进行评估

由 R（A）求出：

再得到评估指标的权向量：

2.7 综合评估

①综合所有因素，确定受评方案所属灰类。由r*（A）（A=1，2，3，…，a）排列得到矩阵 r*，再得到受评方案综合所有指标后的综合评估权向量rJ*（J=1，2，3，…，j）。

根据rJ*可得出被评为不同灰类的受评方案总评估权，从而确定受评方案综合所有指标后所属的灰类。

②综合所有指标，给受评方案排序。计算：

式中BK表示不同灰类的权系数，RJK表示受评方案被评为不同灰类的总评估权。

综合所有指标后，根据rJ的大小给受评方案排出优劣次序。

整个算法的流程框图如图3所示。

图3 算法流程图

3 算例分析

本文以某海域侦察作战任务为背景，该任务具有以下特点：①侦察监视范围广，对侦察载荷的作用距离敏感；②目标发现、识别概率要求高；③不同载荷的协同数据可信性要求高；④侦察平台被发现概率要低；⑤由于战场环境存在电磁干扰比较严重，载荷协同的抗干扰性要好；⑥气象环境复杂，侦察载荷要有在复杂气象条件下遂行任务的能力。

为完成此任务事先制定了3种侦察载荷协同方案，方案1为电子信号侦察设备和合成孔径雷达的协同遂行任务；方案2为电子信号侦察设备和CCD相机的协同遂行任务；方案3为合成孔径雷达和CCD相机的协同遂行任务。

由专家经验根据任务特点对 A-B，B1-C，B2-C，B3-C进行填表打分，对作战任务影响较大的评估指标得分相应较高，打分表如表1所示，然后求得相应的判断矩阵 A、B1、B2、B3。

用和法算得 A、B1、B2、B3的特征向量分别为

将以上计算结果列表如表1所示，第1行数字是B层元素相对于目标A的相对权重，表1从C1到C9的前3列数字分别是C层元素相对于B1、B2、B3的相对权重，将该矩阵记为C1，则C层元素相对于目标A的组合权重为：

由表1可以看出：

①准则层中各准则的重要性程度从大到小排序为 B1＞B3＞B2；

②侦察能力下各指标重要性程度从大到小排序为 C1＞C2＞C3＞C4；

③协同能力下各指标重要性程度从大到小排序为 C5＞C6；

④生存能力下各指标重要性程度从大到小排序为 C8＞C7＞C9；

表1 层次排序表

⑤各个评估指标对于总效能的重要性程度从大到小排序为 C1＞C2＞C8＞C3＞C5＞C7＞C4＞C9＞C6；

邀请3位专家对3个方案的9个评估指标进行评分，给分范围为1～10分，根据评分表格可得评估指标值矩阵DJI（1）～DJI（9）。

设 K=1，2，3，4，即有 4 个评估灰类，表示“优”，“良”，“中”，“差”4个等级，相应的灰数及白化权函数如图4所示。

图4 4个评估灰类的白化权函数

对指标C1，受评方案1（J=1）属于各灰类的评估系数由D1I（1）代入式（1）～ 式（3）计算：

由式（5）求得受评方案1对于评估指标C1的总评估系数为：

由式（6）求得受评方案1对于评估指标1的灰类评估权向量为：

同理可得受评方案2和方案3对于评估指标1的灰类评估权向量从而构成评估指标1的灰色评估权矩阵

由式（9）和式（10）求得指标1的灰色评估权向量：

从评估权矩阵r*的9列向量，可得受评方案（J=Ⅰ，Ⅱ，Ⅲ）对不同指标的排序，如表2所示。

表2 受评方案对不同指标的排序

算得评估权矩阵r*后，其列向量的转置向量为rJ，即为受评方案综合所有评估指标后的综合评估权向量，计算rJW，得到各方案的综合评分：

由表2可以看到，方案3有6项评估指标名列第一，方案1占据第一的评估指标只有3项，最后的综合评分结果中方案1要高于方案3。究其原因是评估指标对于总效能的组合权重和评估指标在不同评估方案中得分的共同作用结果。故可以得出结论，在针对特定海域执行侦察类任务，电子信号侦察设备和CCD相机的协同方案具有较好的侦察效果。在其他的侦察任务中，比如小范围的精确搜索目标识别，战略侦察监视，预警探测等，输入参数随着任务的不同而发生改变，评估指标对于侦察总效能的组合权重随之发生改变，评估指标在不同评估方案中的得分亦会随之改变，3种协同方案的比较就会有不一样的评估结果。而文献［8］中在不同的任务背景下，需要根据具体可获得的数据情况，并结合参数敏感性分析以及课题任务等因素来调整具体的计算模型，因此，与该模型相比，针对无人机多种侦察载荷协同侦察效能评估问题，本文提出的方法在不同任务背景下具有更强的适应性。

4 结论

本文给出了无人机侦察载荷效能评估的一种方法，它综合考虑了各侦察载荷的相互影响带来的不同表现结果，并对无人机侦察载荷两两协同的侦察效能进行了计算分析。结果显示在针对特定海域执行侦察类任务背景下，合成孔径雷达和CCD相机的协同侦察效能最优，该结果符合侦察作战规律。

将灰色层次分析法应用到无人机多种侦察载荷效能评估中，使能够影响侦察总效能却又难以量化的各项因素得到了很好的加权处理，避免了在应对此类问题时评估者评价时的主观性、片面性以及决策者对评估结果难作决断的现象。本文以灰色层次分析法解决无人机多种侦察载荷效能评估问题，是对侦察载荷效能评估方法的有益补充和完善。

［1］李炳荣，江鸿，王红星.军用无人机的现状和发展探析［J］.飞航导弹，2003，33（11）：40-43.

［2］罗贺，秦英祥，王国强，等.一种无人机侦察能力评估模型［J］.火力与指挥控制，2016，41（2）：7-12.

［3］王庆江，彭军，倪保航，等.无人机侦察效能研究［J］.火力与指挥控制，2015，40（5）：167-170.

［4］刘刚，汪民乐，叶广庆.无人侦察机作战效能评估模型［J］.火力与指挥控制，2006，31（1）：45-51.

［5］吕峰，王卫华，黄德所.侦察无人机作战效能评估准则研究［J］.指挥控制与仿真，2007，29（3）：78-80.

［6］MOITRA A，MATTHEYSES R M，DIDOMIZIO V A，et al.The multi-vehicle reconnaissance route and sensor planning［J］.IEEE Transactions on Aerospace and Electronic Systems，2003，39（3）：799-812.

［7］邓聚龙.灰色系统基本方法［M］.武汉：华中理工大学出版社，1987.

［8］张旺，申洋，陈伟.无人机多侦察载荷协同侦察效能评估［J］.电光与控制，2014，21（3）：1-4.

［9］SAATY T L.The analytic hierarchy process［M］.New York：Mc Grew-Hill，1980：437-521.

［10］郭金玉，张忠彬，孙庆云.层次分析法在安全科学研究中的应用［J］.中国安全生产科学技术，2008，4（2）：69-73.

［11］刘亚静，毛善君，姚纪明，等.基于层次分析法的煤矿安全综合评价［J］.矿业研究与开发，2007，27（2）：82-84.

［12］铁永波，唐川，周春花.层次分析法在城市灾害应急能力评价中的应用［J］.地质灾害与环境保护，2005，16（4），433-437.

［13］DENG J L.Control problems of grey systems［J］.System and Control Letters，1982，1（5）：288-294.

［14］刘思峰，党耀国，方志耕.灰色系统理论及其应用［M］.北京：科学出版社，2004.

［15］叶鹏.灰色系统理论在教育评价中的应用［D］.武汉：华中师范大学，2004.

［16］丁古力，陈进.基于灰色系统理论的绿色施工风险评价研究［J］.工程管理学报，2010，24（2）：182-185.

［17］章志平.中国地方政府债务风险灰色评估和预警［J］.统计与决策，2011，27（15）：135-137.

［18］任帅，慕德俊，朱灵波.一种基于灰色层次分析法的信息安 全 评 估 模 型 ［J］. 计 算 机 应 用 ，2006，26（9）：2111-2113.

［19］戴婷，宋斌，彭正洪.基于灰色层次分析法的变电站通信网络状态评价［J］.武汉大学学报（工学版），2011，44（4）：526-529.

［20］吴静.多无人机协同航迹规划及效能评估方法研究［D］.南昌：南昌航空大学，2012：39-47.

［21］杨敏，李雅娟，王春生，等.综合指标体系下基于AHP-熵法的桥型选择研究 ［J］. 世界桥梁，2015，43（1）：48-54.

［22］徐英.一种基于多重距离聚类的多源侦查结果融合算法［J］.兵器装备工程学报，2016，36（9）：83-86.

［23］HORN B K P，SCHUNCK B G.Deteminging optical flow［J］.Artifical Intelligence，1981（17）：185-203.

［24］SKEA D，KUWAHARA R，POECKER R.A control point matching algorithm［J］.Pattern Recognition，1993，26（2）：269-276.

［25］RANAED S，ROSENFELD A.Point pattern matching by relaxation［J］.Pattern Recognition，1980，12（4）：269-275.

Assessment on Multi-Payload Reconnaissance Effectiveness Based on Grey Analytic Hierarchy Process

WANG Chen，XIE Wen-jun，MAO Sheng，ZHAO Xiao-lin
（School of Aeronautics and Astronautics Engineering，Air Force Engineering University，Xi’an 710038，China）

For requirements of collaborative effectiveness assessment on multi-payload reconnaissance effectiveness of UAVs，the paper makes a variety of influencing factors hierarchical using analytic hierarchy process（ahp），and establishes effectiveness evaluation system through detection ability，cooperative ability and survival ability three aspects by comparative analysis step by step.And then the paper confirms every index weight by expert evaluation method，transforms qualitative indexes into quantitative indexes using grey system theory，combines cognitive gray and hierarchical analysis theory，makes the judgment matrix of ahp to gray judgment matrix，giving a method of collaborative effectiveness assessment on multi-payload reconnaissance effectiveness of UAVs.And the proposed approach has better adaptability than current model and method under the background of different tasks.

grey system theory，analytic hierarchy process，UAV，reconnaissance payload，effectiveness assessment

1002-0640（2017）10-0177-06

V243.5

A

10.3969/j.issn.1002-0640.2017.10.037

2016-09-02

2016-10-16

国家自然科学基金（61503405）；航空科学基金资助项目（20145596024）

王 晨（1993- ），男，湖北武汉人，硕士。研究方向：无人飞行器协同控制与作战管理。