不确定性下航空发动机体系贡献率评估方法、设备及介质

本发明涉及系统工程，具体是涉及到一种不确定性下航空发动机体系贡献率评估方法、设备及介质。

背景技术：

1、在复杂动态任务环境中，系统运行面临高度不确定性和多阶段演化特性，这显著增加了关键设备体系贡献率评估的复杂性。航空发动机作为飞行平台的核心动力单元，其性能直接影响系统的机动性、持续运行能力及任务覆盖范围，在多层级体系中发挥着关键支撑作用。然而，由于任务链条的非线性耦合与执行阶段的频繁切换，发动机对体系任务完成度的实际贡献常呈现隐性、间接且动态变化的特征，传统静态场景下的单点评估方法难以有效刻画其作用机制。

2、当前不确定性量化研究主要集中在设备内部因素分析。montomoli等学者在流体动力学领域构建了不确定性量化理论框架，为发动机参数波动分析提供了基础。zheng团队提出建立不确定性设计体系的必要性，wang等则通过数值模拟量化了压气机部件不确定性影响。在贡献率评估方面，詹湘琳采用改进topsis方法构建了维修性评估体系，计自飞研究了部件不确定性对性能裕度的影响。但现有方法存在以下局限：

3、1、现有研究多聚焦于设计阶段内部不确定性（如几何公差、材料波动），缺乏对外部环境动态演化（如任务阶段频繁切换、多场景耦合）的建模能力。这导致评估结果与实际动态需求存在偏差；

4、2、发动机性能需通过飞行平台能力间接影响整体任务达成度，形成“部件→平台→系统”的多层级贡献路径。现有方法（如topsis法、性能裕度设计）侧重于部件级不确定性分析，未能建立跨层级的功能耦合量化模型，无法解析动力参数对侦察、决策、执行等环节的传导机制。如图1所示的标准任务闭环示意图，清晰展示了从信息采集、决策到执行的闭环链路，但现有方法未有效利用此类模型量化发动机参数对节点能力的动态影响。

5、3、在场景切换过程中，发动机不同性能维度（如推重比、燃油效率）对系统贡献的权重会动态变化。当前静态权重分配方法（如ahp熵权法）难以适应实时变化的任务需求，导致贡献率评估结果脱离实际场景。

6、可见，现有研究存在动态场景建模缺失、跨层级贡献传递机制不明确、实时权重适配不足三大缺陷，导致航空发动机在复杂动态环境下的体系贡献率评估缺乏科学依据，制约了其面向不确定性环境的优化设计。

技术实现思路

1、本发明提供了一种不确定性下航空发动机体系贡献率评估方法、设备及介质，其目的是解决在高度动态和不确定的任务环境中，传统静态评估方法无法有效量化航空发动机对体系任务完成度的隐性、间接且动态变化的贡献的问题。

2、为实现上述目的，本发明第一方面提供了一种不确定性下航空发动机体系贡献率评估方法，包括如下步骤：

3、划分目标任务执行场景的任务执行阶段状态，基于所述任务执行阶段状态构建马尔科夫状态转移矩阵；

4、利用所述马尔科夫状态转移矩阵模拟任务执行场景演化过程，生成不同任务执行阶段在演化过程中的概率分布；

5、基于任务执行需求，构建任务闭环的元功能节点，并通过指数函数集成机动能力与持续运行能力计算各元功能节点的综合能力；

6、基于元功能节点间的拓扑关系及交互参数，通过预设的边概率模型量化任务闭环的边权重；

7、根据所述综合能力与边权重，通过加权求和计算任务闭环效能；

8、建立航空发动机性能参数与平台操作能力指标之间的映射关系；

9、基于所述映射关系将航空发动机性能参数转化为平台操作能力指标，结合任务闭环效能计算各任务执行阶段贡献率，并对各阶段贡献率按概率分布加权求和，得到航空发动机对任务执行体系的综合贡献率。

10、进一步的，所述任务执行阶段状态包括：信息采集阶段、指挥控制阶段、操作执行阶段、巡航阶段以及边界状态。

11、进一步的，所述马尔科夫状态转移矩阵的构建方法包括：

12、基于历史任务执行数据与专家经验分析，确定各任务执行状态之间的转移概率；

13、结合任务优先级、态势变化动态及装备运行状态因素修正转移概率；

14、构建行和列均为任务执行阶段状态、且每行概率之和为1的状态转移概率矩阵。

15、进一步的，所述元功能节点包括：元信息采集节点、元决策控制节点、元执行节点和目标节点。

16、进一步的，通过指数函数集成机动能力与持续运行能力计算各元功能节点的综合能力的方法包括：

17、分析所述元功能节点在任务闭环中的核心能力，其中元信息采集节点对应态势感知能力，元决策控制节点对应分析决策能力，元执行节点对应操作实施能力，目标节点对应目标方价值评估能力；

18、获取机动能力指标与持续运行能力指标；

19、通过指数函数将机动能力指标与持续运行能力指标非线性集成到各元功能节点的核心能力中，生成反映实际操作效能的综合能力值。

20、进一步的，基于元功能节点间的拓扑关系及交互参数，通过预设的边概率模型量化任务闭环的边权重的方法包括：

21、步骤a、定义四类任务闭环功能边：

22、信息采集边：元信息采集节点通过主动或被动方式获取目标节点信号形成的连接；

23、通信边：元信息采集节点向元决策控制节点传输目标信号形成的连接；

24、指控边：元决策控制节点向元执行节点下达操作指令形成的连接；

25、执行边：元执行节点对目标节点实施操作形成的连接；

26、步骤b、通过以下概率模型量化各类边的权重：

27、信息采集边权重计算公式为：

28、

29、其中，表示信息采集边权重，和分别表示元信息采集节点与目标节点，表示元信息采集节点与目标节点之间的距离，表示最大信息采集半径；

30、通信边权重计算公式为：

31、

32、其中，表示通信边权重，表示元信息采集节点到元决策控制节点的最大通信距离；

33、指控边权重计算公式为：

34、

35、其中，为指控边权重，表示元决策控制节点能力得分，表示最优通信概率；

36、执行边权重计算公式为：

37、

38、其中，表示执行边权重，表示最大操作距离。

39、进一步的，所述任务闭环效能的计算方法包括：

40、提取任务闭环中四类元功能节点的综合能力值，以及信息采集边、通信边、指控边、执行边的边权重值；

41、采用节点能力主导的加权求和模型，按以下公式计算任务闭环效能：

42、

43、其中，为任务闭环效能，为边权重，为节点预设权重系数，为节点综合能力值。

44、进一步的，基于所述映射关系将航空发动机性能参数转化为平台操作能力指标，结合任务闭环效能计算各任务执行阶段贡献率，并对各阶段贡献率按概率分布加权求和，得到航空发动机对任务执行体系的综合贡献率的方法包括：

45、基于发动机性能参数与平台操作能力指标的映射关系，将发动机的推重比、耗油率、加速时间、平均故障间隔时间参数，通过物理机理公式转化为平台能力指标，所述平台能力指标包括平台层的信息采集能力、决策控制能力、执行能力、持续运行能力及机动能力指标；

46、针对每一任务执行阶段，将所得平台能力指标输入任务闭环效能模型，结合该阶段对应的元功能节点综合能力与边权重，通过加权求和计算当前任务执行阶段的贡献率；

47、利用马尔科夫状态转移矩阵模拟所得各任务执行阶段的概率分布，作为权重系数，对全部任务执行阶段的贡献率进行加权求和，输出航空发动机对任务执行体系的综合贡献率。

48、为实现上述目的，本发明第二方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行所述不确定性下航空发动机体系贡献率评估方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

49、为实现上述目的，本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行所述不确定性下航空发动机体系贡献率评估方法的步骤。

50、本发明的有益效果：

51、与现有技术相比，本发明提供的一种不确定性下航空发动机体系贡献率评估方法、设备及介质，通过动态场景建模-跨层级贡献传递-实时权重适配的三级技术链解决上述问题：首先利用马尔科夫状态转移矩阵量化任务阶段动态切换规律，生成各阶段的概率分布以实现环境不确定性建模；其次构建包含感知、决策、执行等元功能节点的任务闭环网络，通过指数函数融合机动与持续运行能力计算节点综合能力，并结合边概率模型量化节点间交互权重；进而建立发动机性能参数（推重比/耗油率等）与平台操作能力（机动性/响应速度等）的映射关系，将参数转化为节点能力值输入闭环网络；最终基于加权求和的任务闭环效能计算结果，结合马尔科夫概率分布动态加权各阶段贡献率，实现从部件参数到系统效能贡献的跨层级精准量化。该方法突破传统静态评估局限，首次在动态权重框架下揭示发动机性能通过平台能力间接影响任务达成的传导机制。