基于TOPSIS算法的无人机航迹评价方法与流程

基于topsis算法的无人机航迹评价方法
技术领域
1.本发明涉及无人机技术领域，尤其涉及一种基于topsis算法的无人机航迹评价方法。


背景技术：

2.近年来，作战和反恐行动对无人机的需求和依赖日益凸显，推动了无人机及相关技术的发展，航迹评价为无人机规划航路的选择提供了技术支撑。传统航迹规划问题是通过构建航迹代价函数并结合寻优算法得到一条最优航迹，例如概略图法、智能优化算法和人工势场法等航迹规划方法，但航迹规划不仅是多目标优化问题，更是集作战态势、作战决心、技术和战术于一体的综合性作战决策问题，传统方法得到的航迹对决策指挥人员来说并非是绝对的最优。当任务改变或在飞行过程中遇到突发情况时，预先规划好的航迹可能不再适用，备选航迹就成为提高任务成功率的重要手段。在作战使用中，如何快速地在备选航迹方案集中进行决策，对航迹评价方法的研究提出了迫切的需求。
3.航迹评价的目的是分析航迹的合理性，对规划航迹做出准确的评价。由于影响无人机航迹评价的因素往往有很多，且这些指标属性不一，难以量化，无法用数据定量地去描述，一般只能用非定量、难以明确定义的语言表示。同时很多航迹评价方法还受到技术发展和工程应用的种种限制而无法满足实际使用的需求。如何在全面分析影响航迹优劣因素的前提下，对航迹的优劣性做出准确的评价，从传统的决策者依靠经验去评价航迹优劣的方式，转变为通过客观量化的评价指标数据对航迹进行评估，既是提高现代无人机作战效能的重要手段，也是当前无人机应用技术的薄弱环节和难点问题。


技术实现要素：

4.本发明提供了一种基于topsis算法的无人机航迹评价方法，能够解决现有技术中无人机航迹评价存在评价指标多样、指标属性不一、量化困难以及评价结果片面的技术问题。
5.本发明提供了一种基于topsis算法的无人机航迹评价方法，无人机航迹评价方法包括：对无人机的飞行约束条件进行分析以建立无人机的航迹评价指标体系；对航迹评价指标体系中的航迹评价指标进行建模，通过建模获取不同待评价航迹的各个航迹评价指标的量化数据；采用层次分析法计算获取各个航迹评价指标的主观权重；根据不同待评价航迹的各个航迹评价指标的量化数据并采用熵权法计算获取各个航迹评价指标的客观权重；获取航迹评价指标的主观权重影响因子和客观权重影响因子，根据主观权重因子、客观权重影响因子、各个航迹评价指标的主观权重以及各个航迹评价指标的客观权重计算获取各个航迹评价指标的综合权重值；在各个航迹评价指标的综合权重值的基础上，采用topsis算法对各个待评价航迹的航迹评价指标进行计算以生成无人机航迹评价结果。
6.进一步地，航迹评价指标体系包括目标层、准则层和指标层，目标层包括航迹规划方案，准则层包括飞行性能约束、导航约束和威胁区约束，指标层包括飞行性能约束下的最
大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标、导航约束下的景象匹配概率约束指标和随机信号导航概率约束指标以及威胁区约束下的威胁区约束指标。
7.进一步地，采用层次分析法计算获取各个航迹评价指标的主观权重具体包括：根据航迹评价指标体系中准则层的各个指标对目标层的影响所占比重以构建第一判断矩阵；对第一判断矩阵进行归一化处理以获取第一层次单排序结果；根据航迹评价指标体系中指标层中的各个航迹评价指标对其所对应的准则层中的指标的影响所占比重以构建第二判断矩阵；对第二判断矩阵进行归一化处理以获取第二层次单排序结果；根据第一层次单排序结果和第二层次单排序结果计算指标层中的各个航迹评价指标在整体中所占的主观权重以获取层次总排序结果；进行矩阵的一致性检验，如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果均满足一致性要求，则接受层次总排序结果；如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果中的任意一个不满足一致性要求，修改第一判断矩阵和/或第二判断矩阵，重复上述过程直至第一层次单排序结果、第二层次单排序结果以及层次总排序结果均满足一致性要求。
8.进一步地，根据不同待评价航迹的各个航迹评价指标的量化数据并采用熵权法计算获取各个航迹评价指标的客观权重具体包括：对航迹评价指标体系中指标层的各个航迹评价指标的量化数据进行标准化以获取航迹评价指标的原始数据矩阵；对航迹评价指标的原始数据矩阵进行归一化处理；在归一化处理后的原始数据矩阵的基础上，计算获取各个航迹评价指标下各个待评价航迹的特征比重；根据各个航迹评价指标下各个待评价航迹的特征比重计算获取各个航迹评价指标的熵值；根据各个航迹评价指标的熵值计算获取各个航迹评价指标的差异系数；根据各个航迹评价指标的差异系数计算获取各个航迹评价指标的客观权重。
9.进一步地，对航迹评价指标的原始数据矩阵进行归一化处理具体包括：对各个航迹评价指标进行判断以确定任一航迹评价指标属于越大越优型指标或越小越优型指标；针对越大越优型指标，根据进行归一化处理；针对越小越优型指标，根据进行归一化处理，其中，0≤v
i诐
≤1，v
ij
为归一化处理后的数据，x
ij
为第j个航迹评价指标下的第i个待评价航迹的数据值，x
j
为第j个航迹评价指标下的数据值，min(x
j
)为第j个航迹评价指标下多个待评价航迹中的最小数据值，max(x
j
)为第j个航迹评价指标下多个待评价航迹中的最大数据值。
10.进一步地，各个航迹评价指标下各个待评价航迹的特征比重p
ij
可根据来获取，其中，0≤p
ij
≤1；各个航迹评价指标的熵值e
j
可根据来获取；各个航迹评价指标的差异系数d
j
可根据d
j
＝1-e
j
来获取；各个航迹评价指标的客观权重w
'
j
'可根据来获取，其中，m为待评价航迹的个数。
11.进一步地，各个航迹评价指标的综合权重值可根据w
j
＝μw'
j
vw'
j
'来获取，其中，μ为主观权重因子，v为客观权重因子，w'
j
为各个航迹评价指标的主观权重，w'
j
'为各个航迹评价指标的客观权重。
12.进一步地，采用topsis算法对各个航迹评价指标进行计算以生成无人机航迹评价结果具体包括：对航迹评价指标体系中指标层的各个航迹评价指标的数据进行标准化以获取航迹评价指标的原始数据矩阵；对航迹评价指标的原始数据矩阵进行归一化处理以获取决策矩阵；根据决策矩阵获取正理想解和负理想解；在各个航迹评价指标的综合权重值的基础上，计算各个待评价航迹与正理想解之间的第一距离以及各个待评价航迹与负理想解之间的第二距离；根据各个待评价航迹的第一距离和第二距离计算各个待评价航迹与最优航迹方案之间的接近程度，根据各个待评价航迹与最优航迹方案之间的接近程度完成对无人机航迹评价。
13.进一步地，在获取了各个待评价航迹与最优航迹方案之间的接近程度之后，无人机航迹评价方法还包括：根据各个待评价航迹与最优航迹方案之间的接近程度计算获取各个待评价航迹的评分值，根据各个待评价航迹的评分值获取无人机航迹评价结果。
14.进一步地，对航迹评价指标的原始数据矩阵进行归一化处理以获取决策矩阵具体包括：根据完成对评价指标的原始数据矩阵的归一化处理以获取决策矩阵，其中，m为待评价航迹的个数，x
ij
为第j个航迹评价指标下的第i个待评价航迹的数据值。
15.应用本发明的技术方案，提供了一种基于topsis算法的无人机航迹评价方法，该无人机航迹评价方法通过对航迹评价指标进行建模分析，对各航迹评价指标进行量化，利用topsis算法对航迹评价结果进行求解，求解过程中采用层次分析法及熵权法结合的方式，获取评价指标综合权重，有效避免了topsis算法在指标权重确定方面的缺陷，有助于获取更真实的航迹评价结果。该方法与现有技术相比，其能够兼顾主观决策及客观数据，对待评价航迹给出更加客观合理的评价结果，适用于多目标决策的航迹评价问题，适用范围更广，能够有效解决现有技术中航迹评价存在评价指标多样、指标属性不一、量化困难以及评价结果片面的问题。
附图说明
16.所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1示出了根据本发明的具体实施例提供的基于topsis算法的无人机航迹评价方法的结构流程图；
18.图2示出了根据本发明的具体实施例提供的航迹评价指标体系的结构示意图；
19.图3示出了根据本发明的具体实施例提供的航迹评价指标主观权重的示意图；
20.图4示出了根据本发明的具体实施例提供的航迹评价指标客观权重的示意图；
21.图5示出了根据本发明的具体实施例提供的航迹评价指标综合权重的示意图；
22.图6示出了根据本发明的具体实施例提供的各待评价航迹评价结果的示意图。
具体实施方式
23.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
25.除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
26.如图1至图6所示，根据本发明的具体实施例提供了一种基于topsis算法的无人机航迹评价方法，该无人机航迹评价方法包括：对无人机的飞行约束条件进行分析以建立无人机的航迹评价指标体系；对航迹评价指标体系中的航迹评价指标进行建模，通过建模获取不同待评价航迹的各个航迹评价指标的量化数据；采用层次分析法计算获取各个航迹评价指标的主观权重；根据不同待评价航迹的各个航迹评价指标的量化数据并采用熵权法计算获取各个航迹评价指标的客观权重；获取航迹评价指标的主观权重影响因子和客观权重影响因子，根据主观权重因子、客观权重影响因子、各个航迹评价指标的主观权重以及各个航迹评价指标的客观权重计算获取各个航迹评价指标的综合权重值；在各个航迹评价指标的综合权重值的基础上，采用topsis算法对各个待评价航迹的航迹评价指标进行计算以生成无人机航迹评价结果。
27.应用此种配置方式，提供了一种基于topsis算法的无人机航迹评价方法，该无人机航迹评价方法通过对航迹评价指标进行建模分析，对各航迹评价指标进行量化，利用topsis算法对航迹评价结果进行求解，求解过程中采用层次分析法及熵权法结合的方式，获取评价指标综合权重，有效避免了topsis算法在指标权重确定方面的缺陷，有助于获取更真实的航迹评价结果。该方法与现有技术相比，其能够兼顾主观决策及客观数据，对待评
价航迹给出更加客观合理的评价结果，适用于多目标决策的航迹评价问题，适用范围更广，能够有效解决现有技术中航迹评价存在评价指标多样、指标属性不一、量化困难以及评价结果片面的问题。
28.在本发明中，为了实现对无人机航迹的评价，首先需要建立航迹评价指标体系。在本发明中，对无人机的飞行约束条件进行分析以建立无人机的航迹评价指标体系，无人机的飞行约束条件包括飞行性能约束、导航约束和威胁区约束，航迹评价指标体系包括目标层、准则层和指标层，目标层包括航迹规划方案，准则层包括飞行性能约束、导航约束和威胁区约束，指标层包括飞行性能约束下的最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标、导航约束下的景象匹配概率约束指标和随机信号导航概率约束指标以及威胁区约束下的威胁区约束指标。具体地，在本发明中，如图2所示，环境威胁约束和敌方威胁区约束均属于威胁区约束，地形威胁约束指标、气象威胁约束指标、雷达威胁约束区约束指标和防空火力威胁区约束指标均属于威胁区约束指标，其均可以采用距离威胁区的最短距离来进行量化。
29.进一步地，在完成了航迹评价指标体系的构建之后，即可对航迹评价体系中的航迹评价指标进行建模，通过建模获取不同待评价航迹的各个航迹评价指标的量化数据。作为本发明的一个具体实施例，从地形信息、飞行区域内的威胁信息、无人机物理性能、飞行任务需求和限制等方面对航迹评价指标进行建模，通过建模获取各个航迹评价指标的量化数据，具体见表1。
30.表1规划航迹评价指标值
[0031][0032]
在获取了不同待评价航迹的各个航迹评价指标的量化数据之后，需要计算获取各个航迹评价指标的主观权重。具体地，在本发明中，结合决策者对各项指标的重视程度，采用层次分析法计算获取各个航迹评价指标的主观权重具体包括：根据航迹评价指标体系中准则层的各个指标对目标层的影响所占比重以构建第一判断矩阵；对第一判断矩阵进行归一化处理以获取第一层次单排序结果；根据航迹评价指标体系中指标层中的各个航迹评价指标对其所对应的准则层中的指标的影响所占比重以构建第二判断矩阵；对第二判断矩阵进行归一化处理以获取第二层次单排序结果；根据第一层次单排序结果和第二层次单排序结果计算指标层中的各个航迹评价指标在整体中所占的主观权重以获取层次总排序结果；进行矩阵的一致性检验，如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果均满足一致性要求，则接受层次总排序结果；如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果中的任意一个不满足一致性要求，修改第一判断矩阵和/或第二判断矩阵，重复上述过程直至第一层次单排序结果、第二层次单排序结果以及层次总排序结果均满足一致性要求。
[0033]
作为本发明的一个具体实施例，航迹评价指标体系包括目标层、准则层和指标层，
首先根据航迹评价指标体系中准则层的各个指标对目标层的影响所占比重以构建第一判断矩阵，即确定上层指标所属下层指标对其影响所占比重。在本实施例中，准则层包括飞行性能约束、导航约束和威胁区约束，构建第一判断矩阵a1,其中，a
bc
为指标b对指标c的相对重要程度，并且满足a
bc
＞0，a
cb
＝1/a
bc
，a
bb
＝1(b＝1,2,3)；应用数字1-9及其倒数作为标度，具体见表2。
[0034]
表2评价指标相对重要程度标度表
[0035][0036]
然后，针对第一判断矩阵a1，对第一判断矩阵进行归一化处理，计算各个指标权重，进行第一层次单排序。首先对第一判断矩阵a1的每一列进行归一化处理为将归一化后的第一判断矩阵按要求求和为对进行归一化处理为w
b
，其中，w
b
即为准则层的任一指标的权重，准则层的三个指标的权重分别为w
b1
、w
b2
、w
b3
，由此即获得了第一层次单排序结果为w
b1
、w
b2
、w
b3
。
[0037]
计算第一判断矩阵的最大特征根为λ
1max
，第一层次单排序中，第一层次单排序中，其中，ri为平均随机一致性指标，取值可由表3确定。
[0038]
表3平均随机一致性指标ri对照表
[0039][0040]
接着，根据航迹评价指标体系中指标层中的各个航迹评价指标对其所对应的准则层中的指标的影响所占比重以构建第二判断矩阵，其中，最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标的上层指标为飞行性能约束指标，景象匹配概率约束指标和随机信号导航概率约束指标的上层指标为导航约束指标，威胁区约束指标的上层指标为威胁区约束指标。
[0041]
针对最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标构建第一个第二判断矩阵a2'，对第一个第二判断矩阵a2'进行归一化处理并求取第一个第二判断矩阵a2'中最大航程约束指标、最小平飞距离约束指标、转弯次数约束指
标和最大转弯角约束指标在飞行性能约束指标中所占的比重w'
b
、最大特征根λ'
2max
、ci'2以及cr'2，具体求解流程与第一判断矩阵相同。由上可得，最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标在飞行性能约束指标中所占的比重w'
b
，因此，最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标在飞行性能约束指标中所占的权重分别为w'
b11
、w'
b12
、w'
b13
和w'
b14
。
[0042]
同样地，针对景象匹配概率约束指标和随机信号导航概率约束指标构建第二个第二判断矩阵a2”，对第二个第二判断矩阵a2”进行归一化处理并求取第二个第二判断矩阵a2”中景象匹配概率约束指标和随机信号导航概率约束指标在导航约束指标中所占的比重w”b
、最大特征根λ”2max
、ci”2
以及cr”2
，具体求解流程与第一判断矩阵相同。由上可得，景象匹配概率约束指标和随机信号导航概率约束指标在导航约束指标中所占的比重w”b
，因此，w”b
在导航约束指标中所占的权重分别为w'
b21
和w'
b22
。
[0043]
同样地，针对威胁区约束指标构建第三个第二判断矩阵a2”'，由于准则层中的威胁区约束指标的下层指标仅有一个威胁区约束指标，因此，第三个第二判断矩阵a2”'为内部数据为1的矩阵，对第三个第二判断矩阵a2”'进行归一化处理并求取第三个第二判断矩阵a2”'中威胁区约束指标在威胁区约束指标中所占的比重w’b3
、最大特征根λ”'
2max
、ci”'2以及cr”'2，具体求解流程与第一判断矩阵相同。指标层中的威胁区约束指标在准则层中的威胁区约束指标中所占的权重w'
b3
＝1。由此，即获取了第二层次单排序的结果为w'
b11
、w'
b12
、w'
b13
、w'
b14
、w'
b21
、w'
b22
、w'
b3
。
[0044]
然后，根据第一层次单排序结果和第二层次单排序结果计算指标层中的各个航迹评价指标在整体中所占的主观权重以获取层次总排序结果，指标层中有七个航迹评价指标，分别为最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标、最大转弯角约束指标、景象匹配概率约束指标、随机信号导航概率约束指标和威胁区约束指标，因此，指标层中的各个航迹评价指标在整体中所占的主观权重w’j
可根据w’j
＝(w’b11
*w
b1
、w’b12
*w
b1
、w’b13
*w
b1
、w’b14
*w
b1
、w’b21
*w
b2
、w’b22
*w
b2
、w’b3
*w
b3
)来获取，j为任意一个指标层中的约束指标。计算层次总排序中的cr，其中，ci'2为最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标在飞行性能约束指标中的层次单排序一致性指标，ri'2为最大航程约束指标、最小平飞距离约束指标、转弯次数约束指标和最大转弯角约束指标在飞行性能约束指标中的平均随机一致性指标；ci”2
为景象匹配概率约束指标和随机信号导航概率约束指标在导航约束指标中的层次单排序一致性指标，ri”2
为景象匹配概率约束指标和随机信号导航概率约束指标在导航约束指标中的平均随机一致性指标；ci
”’2为指标层中的威胁区约束指标在准则层中的威胁区约束指标中的层次单排序一致性指标，ri
”’2为指标层中的威胁区约束指标在准则层中的威胁区约束指标中的平均随机一致性指标。
[0045]
最后，进行矩阵的一致性检验，如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果均满足一致性要求，即cr1、cr'2、cr”2
、cr
”’2和cr均小于0.1，则接受层次总排序结果；如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果中的任意一个不满足一致性要求，即cr1、cr'2、cr”2
、cr
”’2和cr中任意一个大于或等于0.1，修改第一判断矩阵和/或第二判断矩阵，重复上述过程直至第一层次单排序结果、第二层次单排序
结果以及层次总排序结果均满足一致性要求。
[0046]
进一步地，在本发明中，在获取了各个航迹评价指标的主观权重，即可进行各个航迹指标的客观权重的计算。在本发明中，根据不同待评价航迹的各个航迹评价指标的量化数据并采用熵权法计算获取各个航迹评价指标的客观权重具体包括：对航迹评价指标体系中指标层的各个航迹评价指标的量化数据进行标准化以获取航迹评价指标的原始数据矩阵；对航迹评价指标的原始数据矩阵进行归一化处理；在归一化处理后的原始数据矩阵的基础上，计算获取各个航迹评价指标下各个待评价航迹的特征比重；根据各个航迹评价指标下各个待评价航迹的特征比重计算获取各个航迹评价指标的熵值；根据各个航迹评价指标的熵值计算获取各个航迹评价指标的差异系数；根据各个航迹评价指标的差异系数计算获取各个航迹评价指标的客观权重。下面结合具体实施例对各个航迹指标的客观权重的计算过程进行详细说明，客观权重的计算过程具体包括以下步骤。
[0047]
a)对航迹评价指标体系中指标层的各个航迹评价指标的量化数据进行标准化以获取航迹评价指标的原始数据矩阵。设待评价航迹有m条，即被评对象m＝{m1,m2,
…
,m
m
}，航迹评价指标d＝{d1,d2,
…
,d7}，被评对象m
i
对应的航迹评价指标d
诐
的值记为x
ij
(i＝1,2,
…
,m；j＝1,2,
…
,7)，得到的航迹评价指标的原始数据矩阵为x，其中，x
ij
为第j个航迹评价指标下的第i个评价对象的值。
[0048]
b)对航迹评价指标的原始数据矩阵进行归一化处理。对航迹评价指标的原始数据矩阵进行归一化处理具体包括：对各个航迹评价指标进行判断以确定任一航迹评价指标属于越大越优型指标或越小越优型指标；针对越大越优型指标，根据进行归一化处理；针对越小越优型指标，根据行归一化处理；针对越小越优型指标，根据进行归一化处理，其中，0≤v
i诐
≤1，v
ij
为归一化处理后的数据，x
j
为第j个航迹评价指标下的数据值，min(x
j
)为第j个航迹评价指标下多个待评价航迹中的最小数据值，max(x
j
)为第j个航迹评价指标下多个待评价航迹中的最大数据值。在本发明中，越大越优型指标是指对于某一航迹评价指标而言，数值越大效果越优，例如，最大转弯角约束指标以及景象匹配概率约束指标都属于越大越优型指标；越小越优型指标是指对于某一航迹评价指标而言，数值越小效果越优，例如，转弯次数约束指标属于越小越优型指标。
[0049]
c)在归一化处理后的原始数据矩阵的基础上，计算获取各个航迹评价指标下各个待评价航迹的特征比重。具体地，设在第j个航迹评价指标下的第i个评价对象的特征比重p
ij
为：其中，0≤p
i诐
≤1。
[0050]
d)根据各个航迹评价指标下各个待评价航迹的特征比重计算获取各个航迹评价
指标的熵值。第j个航迹评价指标的熵值e
诐
可根据来获取。
[0051]
e)根据各个航迹评价指标的熵值计算获取各个航迹评价指标的差异系数。第j个航迹评价指标的差异系数d
诐
可根据d
诐
＝1-e
诐
来获取。
[0052]
f)根据各个航迹评价指标的差异系数计算获取各个航迹评价指标的客观权重。第j个航迹评价指标的客观权重w”j
可根据来获取。
[0053]
进一步地，在本发明中，在获取了各个航迹评价指标的客观权重之后，即可根据主观权重因子、客观权重影响因子、各个航迹评价指标的主观权重以及各个航迹评价指标的客观权重计算获取各个航迹评价指标的综合权重值。其中，航迹评价指标的主观权重因子和客观权重因子可根据决策者的主观经验及实际任务的要求来赋予，各个航迹评价指标的综合权重值为w
j
，w
j
＝μw'
j
vw”j
，其中，j＝1,2,
…
,7，μ为主观权重因子，v为客观权重因子，并且满足μ v＝1，w'
j
为各个航迹评价指标的主观权重，w”j
为各个航迹评价指标的客观权重。
[0054]
在得到了各个航迹评价指标的综合权重值之后，即可采用topsis算法对各个航迹评价指标进行计算以生成无人机航迹评价结果。在本发明中，采用topsis算法对各个航迹评价指标进行计算以生成无人机航迹评价结果具体包括：对航迹评价指标体系中指标层的各个航迹评价指标的数据进行标准化以获取航迹评价指标的原始数据矩阵；对航迹评价指标的原始数据矩阵进行归一化处理以获取决策矩阵；根据决策矩阵获取正理想解和负理想解；在各个航迹评价指标的综合权重值的基础上，计算各个待评价航迹与正理想解之间的第一距离以及各个待评价航迹与负理想解之间的第二距离；根据各个待评价航迹的第一距离和第二距离计算各个待评价航迹与最优航迹方案之间的接近程度，根据各个待评价航迹与最优航迹方案之间的接近程度完成对无人机航迹评价。
[0055]
为了能够更加直观清楚地了解各个待评价航迹的优劣，在获取了各个待评价航迹与最优航迹方案之间的接近程度之后，无人机航迹评价方法还包括：根据各个待评价航迹与最优航迹方案之间的接近程度计算获取各个待评价航迹的评分值，根据各个待评价航迹的评分值获取无人机航迹评价结果。
[0056]
下面结合具体实施例对无人机航迹评价结果的获取过程进行详细说明，具体包括如下步骤。
[0057]
a)对航迹评价指标体系中指标层的各个航迹评价指标的量化数据进行标准化以获取航迹评价指标的原始数据矩阵。设待评价航迹有m条，即被评对象m＝{m1,m2,
…
,m
m
}，航迹评价指标d＝{d1,d2,
…
,d7}，被评对象m
i
对应的航迹评价指标d
诐
的值记为x
ij
(i＝1,2,
…
,m；j＝1,2,
…
,7)，得到的航迹评价指标的原始数据矩阵为x，其中，x
ij
为第j个航迹评价指标下的第i个评价对象的数据值。
[0058]
b)对航迹评价指标的原始数据矩阵进行归一化处理以获取决策矩阵。根据完成对评价指标的原始数据矩阵的归一化处理以获取决策矩阵b，
[0059]
c)根据决策矩阵b获取正理想解和负理想解。根据航迹评价指标约束条件，结合各待评价航迹中航迹评价指标的实际数据，设定正理想解与负理想解。
[0060]
正理想解：
[0061]
负理想解：
[0062]
其中，针对任一航迹评价指标从多个待评价航迹中选出最优的解作为正理想解，针对任一航迹指标从多个待评价航迹中选出最劣的解作为负理想解。例如，针对第一个评价指标，m条待评价航迹对应的第一个航迹评价指标分别为a
11
、a
21
、...、a
m1
，其中，对于第一个航迹评价指标而言，m条待评价航迹所对应的第一个航迹评价指标中a
21
为最优解，a
11
为最劣解，此时即认为与此类似，即可求出剩余其他航迹评价指标的最优解和最劣解，由此即可获取正理想解和负理想解。
[0063]
d)在各个航迹评价指标的综合权重值的基础上，计算各个待评价航迹与正理想解之间的第一距离以及各个待评价航迹与负理想解之间的第二距离
[0064]
其中，w
j
为第j个航迹评价指标的综合权重。
[0065]
e)根据各个待评价航迹的第一距离和第二距离计算第i个待评价航迹与最优航迹方案之间的接近程度c
i
。
[0066]
其中，c
i
的取值在0到1之间，当c
i
的值越接近于1，表示该评价方案越接近最优方案；反之，当c
i
的值越接近于0，表示该评价方案越接近最劣方案。
[0067]
f)根据各个所述待评价航迹与最优航迹方案之间的接近程度计算获取各个所述待评价航迹的评分值，根据各个所述待评价航迹的评分值获取无人机航迹评价结果。具体地，对各个待评价航迹进行排序并给出评分，利用计算得到的c
i
值对各评价方案进行排序，并利用下式给出各方案的评分值为k
i
：k
i
＝εc
i
。其中，ε为百分制转换系数，k
i
为第i个航迹规划方案的评分值。
[0068]
为了对本发明有进一步地了解，下面结合图1至图6对本发明所提供的基于topsis算法的无人机航迹评价方法进行详细说明。
[0069]
如图1至图6所示，根据本发明的具体实施例提供了一种基于topsis算法的无人机航迹评价方法，该无人机航迹评价方法具体包括如下步骤。
[0070]
步骤一，对无人机的飞行约束条件进行分析以建立无人机的航迹评价指标体系，无人机的飞行约束条件包括飞行性能约束、导航约束和威胁区约束，航迹评价指标体系包括目标层a、准则层b和指标层c，目标层a包括航迹规划方案，准则层b包括飞行性能约束b1、导航约束b2和威胁区约束b3，指标层包括七个与航迹性能相关的约束指标，分别为：飞行性能约束下的最大航程约束指标c1、最小平飞距离约束指标c2、转弯次数约束指标c3和最大转弯角约束指标c4、导航约束下的景象匹配概率约束指标c5和随机信号导航概率约束指标c6以及威胁区约束下的威胁区约束指标c7。
[0071]
步骤二，从地形信息、飞行区域内的威胁信息、无人机物理性能、飞行任务需求和限制等方面对航迹评价指标进行建模，通过建模获取各个航迹评价指标的量化数据，具体见表1。
[0072]
步骤三，根据航迹评价指标体系中准则层的各个指标对目标层的影响所占比重以构建第一判断矩阵；对第一判断矩阵进行归一化处理以获取第一层次单排序结果；根据航迹评价指标体系中指标层中的各个航迹评价指标对其所对应的准则层中的指标的影响所占比重以构建第二判断矩阵；对第二判断矩阵进行归一化处理以获取第二层次单排序结果；根据第一层次单排序结果和第二层次单排序结果计算指标层中的各个航迹评价指标在整体中所占的主观权重以获取层次总排序结果；进行矩阵的一致性检验，如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果均满足一致性要求，则接受层次总排序结果；如果第一层次单排序结果、第二层次单排序结果以及层次总排序结果中的任意一个不满足一致性要求，修改第一判断矩阵和/或第二判断矩阵，重复上述过程直至第一层次单排序结果、第二层次单排序结果以及层次总排序结果均满足一致性要求。
[0073]
在本实施例中，采用层次分析法求取各航迹评价指标的主观权重，根据航迹评价指标体系的数据表，准则层包括三个指标，分别为无人机飞行性能约束指标b1、导航约束指标b2和威胁区约束指标b3；指标层包括七个指标，分别为最大航程约束指标c1、最小平飞距离约束指标c2、转弯次数约束指标c3、最大转弯角约束指标c4、景象匹配概率约束指标c5、随机信号导航概率约束指标c6以及威胁区约束指标c7，通过对各权重判断矩阵的计算，得到各方案中评价指标的主观权重集w'
j
为w'＝{w'1,w'2,w'3,w'4,w'5,w'6,w'7}＝{0.1224,0.1224,0.0874,0.0524,0.1442,0.2402,0.23080}，具体如图3所示。
[0074]
步骤四，对航迹评价指标体系中指标层的各个航迹评价指标的量化数据进行标准化以获取航迹评价指标的原始数据矩阵；对航迹评价指标的原始数据矩阵进行归一化处理；在归一化处理后的原始数据矩阵的基础上，计算获取各个航迹评价指标下各个待评价航迹的特征比重；根据各个航迹评价指标下各个待评价航迹的特征比重计算获取各个航迹评价指标的熵值；根据各个航迹评价指标的熵值计算获取各个航迹评价指标的差异系数；根据各个航迹评价指标的差异系数计算获取各个航迹评价指标的客观权重。
[0075]
在本实施例中，通过计算得到航迹指标层中各航迹评价指标的熵值为e＝{e1,e2,e3,e4,e5,e6,e7}＝{0.8179,0.8160,0.7439,0.7915,0.8302,0.8178,0.8182}，对各个航迹评价指标熵值进行计算，得到各航迹方案中航迹评价指标的客观权重为ω”＝{ω”1
,ω”2
,ω”3
,ω”4
,ω”5
,ω”6
,ω”7
}＝{0.1334,0.1349,0.1877,0.1528,0.1244,0.1335,0.1332}，
具体如图4所示。
[0076]
步骤五，在获取了各个航迹评价指标的客观权重之后，即可根据主观权重因子、客观权重影响因子、各个航迹评价指标的主观权重以及各个航迹评价指标的客观权重计算获取各个航迹评价指标的综合权重值。在本实施例中，在确定航迹评价指标的综合权重时，既考虑决策者的主观意愿，并且对主观权重在评价过程中的作用进行弱化，因此将主观权重的影响因子设为0.5，客观权重的影响因子设为0.5，得到各方案中评价指标的综合权重ω为：ω＝{ω1,ω2,
…
,ω7}＝{0.1301,0.1311,0.1576,0.1227,0.1304,0.1656,0.1625}，具体如图5所示。
[0077]
步骤六，采用topsis算法对各个航迹评价指标进行计算以生成无人机航迹评价结果，具体步骤如下。
[0078]
(6.1)构建标准化决策矩阵。根据上述五条规划航迹的指标数据，对各评价指标值进行归一化处理，获取各评价指标归一化处理之后的决策矩阵为：b，
[0079][0080]
(6.2)确定正理想解与负理想解。根据航迹评价指标约束条件，结合各待评价方案中指标的实际数据，设定正理想解与负理想解，即航迹规划的最优方案和最劣方案如下：
[0081]
正理想解：a

＝{0.3939,0.6179,0.3239,0.3725,0.5246,0.5065,0.6589}
[0082]
负理想解：a-＝{0.4858,0.2294,0.5668,0.5251,0.3364,0.3516,0.1397}
[0083]
(6.3)计算各待评价航迹方案到正理想解和负理想解的距离。
[0084]
设与为第i个规划方案与最优方案和最劣方案的距离，结合步骤五中获取的各航迹评价指标综合权重值，各航迹规划方案的正理想解与负理想解向量为：
[0085]
d

＝[0.6611,0.4406,0.1376,0.4547,0.3602]
[0086]
d-＝[0.3134,0.4004,0.7192,0.3378,0.4892]
[0087]
(6.4)计算各待评价方案与最优方案的接近程度。
[0088]
设c
i
为第i个规划方案与最优方案的接近程度，各航迹规划方案的接近程度向量c为：
[0089]
c＝[0.3216,0.4761,0.8394,0.4262,0.5760]
[0090]
(6.5)对各评价方案进行排序并给出评分值k为：
[0091]
k＝[35,52,92,46,63]
[0092]
如图6所示，选择评分最高的航迹作为无人机最佳飞行航迹。
[0093]
综上所述，本发明提供了一种基于topsis算法的无人机航迹评价方法，该方法与现有技术相比，其能够兼顾主观决策及客观数据，对待评价航迹给出更加客观合理的评价结果，适用于多目标决策的航迹评价问题，适用范围更广，能够有效解决现有技术中航迹评价存在评价指标多样、指标属性不一、量化困难以及评价结果片面的问题。
[0094]
在本发明的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关
系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。
[0095]
为了便于描述，在这里可以使用空间相对术语，如“在
……
之上”、“在
……
上方”、“在
……
上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在
……
上方”可以包括“在
……
上方”和“在
……
下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
[0096]
此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。
[0097]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。