一种基于模糊聚类与费效价值的无人机型谱构建方法与流程

1.本发明涉及无人机型谱技术领域，尤其是涉及一种基于模糊聚类与费效价值的无人机型谱构建方法。


背景技术：

2.无人机具有零伤亡、低成本的特点，其设计通常以任务为中心，适合执行枯燥、恶劣、危险任务，已成为军事强国未来发展的重要方向。无人机通过通用化、模块化设计，可根据具体任务及时更换不同功能的任务载荷，执行不同任务，使一型装备同时满足多种需求，从而实现“一机多用、一机多能”。无人机型谱的制定是无人机发展规划的重要内容，也是无人机种类划分和型号发展的重要依据。无人机型谱构建需要以最少数目的装备基本型号满足各类不同的需求。无人机型谱构建一般以需求为牵引，并充分考虑技术可行性、经济性和需求满足度等要素，综合权衡制定优化型谱方案。型谱制定既要着眼长远，具有一定的前瞻性，也要立足实际，具有充分的可实现性，需要对现有的技术基础进行准确的评估，对未来数十年无人机技术发展进行科学的预测分析。因此，型谱的制定一般依据需求及技术可行性分析，构建型谱备选方案，并对备选型谱方案进行军事需求满足度、所需费用投入需求等进行评估，综合权衡选取优化的型谱方案。
3.目前，现有技术主要集中在现有产品型谱的精简优化和管理方面，更多停留在原始数据的统计上，尚无无人机型谱量化构建和优化研究，无法满足目前基于现有或未来发展产品开展型谱构建的需求，难以进行统一的综合分析。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种有效实现无人机型谱的构建的基于模糊聚类与费效价值的无人机型谱构建方法。
5.本发明的目的可以通过以下技术方案来实现：
6.一种基于模糊聚类与费效价值的无人机型谱构建方法，所述的无人机型谱构建方法包括：
7.步骤1：获取无人机需求样本；
8.步骤2：基于模糊聚类对无人机需求样本进行聚合归类；
9.步骤3：构建备选型谱方案集；
10.步骤4：基于满足度对各个型谱方案进行满足度评估；
11.步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估；
12.步骤6：获取无人机型谱方案优选集。
13.优选地，所述的步骤2具体为：
14.步骤2-1：设置聚类中心初值；
15.步骤2-2：计算聚类中心；
16.步骤2-3：计算两个聚类中心之间允许出现的最大距离；
17.步骤2-4：归并聚类中心；
18.步骤2-5：计算归并后聚类中心；
19.步骤2-6：重复步骤2-4和步骤2-5，直至所有的模糊聚类中心均被归并。
20.更加优选地，所述的步骤2-2具体为：
21.步骤2-2-1：计算离差；
22.用dev
ij
(l)，i＝1,2,
…
,n，j＝1,2,
…
,p来表示第i个样本的第j个变量相对第l个中心的离差值，则可用一个n行p列的矩阵来表示这些离差值数据，即
23.dev
ij
(l)＝|x
ij-z
ij
|，i＝1,2,
…
,n，j＝1,2,
…
,p，l＝1,2,
…
,n
24.步骤2-2-2：计算离差均值；
25.用mean_devj(l)来表示第j个变量相对第l个中心的离差均值，则可用一个1行p列的矩阵来表示离差均值数据，即：
[0026][0027]
步骤2-2-3：计算离差隶属度；
[0028]
用gmof_dev
ij
(l)来表示第i个样本的第j个变量相对第l个中心的离差隶属度，则可用一个n行p列的矩阵来表示离差隶属度数据，即：
[0029][0030]
步骤2-2-4：计算聚类中心；
[0031][0032]
更加优选地，所述的步骤2-3具体为：
[0033]
采用欧氏距离进行距离度量，分别计算第i个中心与第l个中心的欧氏距离：
[0034][0035]
两个聚类中心之间允许出现的最大距离为：
[0036][0037]
更加优选地，所述的步骤2-4具体为：
[0038]
逐个进行归并，计算第l个中心到第i个中心的距离disi(1)，若disi(1)《threshold，则将第l个中心归并到第i个聚类中心上，否则不予归并。
[0039]
更加优选地，所述的步骤2-5具体为：
[0040]
归并后第k类中有m个中心，用z
ij
(k)来表示被归并到第k类中的中心，则归并后的第k类中心为：
[0041][0042]
更加优选地，所述的步骤4具体为：
[0043]
步骤1获取共计m项需求方案x，型谱方案y，型谱方案对于各项需求满足程度指标为m；针对每个型谱方案y型号yj，j＝1～n对每项需求方案xi，i＝1～m进行满足度评估，满足度指标为m
ij
，代表型号yj对需求方案xi的满足程度，并采用李克特量表对满足度进行规范量化。
[0044]
更加优选地，所述的型谱方案y的满足度计算方法为：
[0045][0046]
其中，m
ij
为型号yj对需求方案xi的满足程度。
[0047]
优选地，所述的研制费预测模型具体为：
[0048]cj
＝lj·
wj·
sj[0049]
其中，lj为技术风险因素；wj为最大起飞重量；sj为最大平飞速度。
[0050]
优选地，所述的步骤6具体为：
[0051]
基于能效价值图构建出无人机型谱方案优选集。
[0052]
与现有技术相比，本发明具有以下有益效果：
[0053]
有效实现无人机型谱的构建：本发明中的无人机型谱构建方法采用模糊聚类分析方法构建型谱方案集，并从需求满足度、经济性和技术风险多维度构建评估模型，运用费效价值图分析进行型谱优选，有效解决无人机类型多、需求复杂多样、规范难度大的问题，达到型谱构建既要满足需求，又要简型高效的目标，并且在产品型谱构建和综合评估中有广泛的应用前景。
附图说明
[0054]
图1为本发明中无人机型谱构建方法的流程示意图；
[0055]
图2为本发明实施例中无人机型谱-需求映射关系示意图；
[0056]
图3为本发明实施例中无人机型谱方案的费效价值图。
具体实施方式
[0057]
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，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
[0058]
一种基于模糊聚类与费效价值的无人机型谱构建方法，其流程如图1所示，包括：
[0059]
步骤1：获取无人机需求样本，本实施例中无人机型谱与需求的映射关系如图2所示；
[0060]
步骤2：基于模糊聚类对无人机需求样本进行聚合归类；
[0061]
步骤3：构建备选型谱方案集；
[0062]
步骤4：基于满足度对各个型谱方案进行满足度评估；
[0063]
步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估；
[0064]
步骤6：获取无人机型谱方案优选集。
[0065]
下面分别对各主要步骤进行详细描述：
[0066]
一、步骤2：基于模糊聚类对无人机需求样本进行聚合归类
[0067]
本实施例以调研获取的无人机需求为依据，运用模糊聚类分析方法对需求样本数据进行聚合归类，基于归并聚类中心思想的模糊聚类分析算法可以描述为如下步骤：
[0068]
步骤2-1：设置聚类中心初值；
[0069]
用z
ij
(i＝1，2，
……
，n；j＝1，2，
……
，p)来表示第i个聚类中心的第j个变量的值，初始时n个待聚类样本为n个聚类中心的初值，即z＝x；
[0070]
步骤2-2：计算聚类中心，具体为：
[0071]
步骤2-2-1：计算离差；
[0072]
用dev
ij
(l)，i＝1,2,
…
,n，j＝1,2,
…
,p来表示第i个样本的第j个变量相对第l个中心的离差值，则可用一个n行p列的矩阵来表示这些离差值数据，即
[0073]
dev
ij
(l)＝|x
ij-z
ij
|，i＝1,2,
…
,n，j＝1,2,
…
,p，l＝1,2,
…
,n
[0074]
步骤2-2-2：计算离差均值；
[0075]
用mean_devj(l)来表示第j个变量相对第l个中心的离差均值，则可用一个1行p列的矩阵来表示离差均值数据，即：
[0076][0077]
步骤2-2-3：计算离差隶属度；
[0078]
用gmof_dev
ij
(l)来表示第i个样本的第j个变量相对第l个中心的离差隶属度，则可用一个n行p列的矩阵来表示离差隶属度数据，即：
[0079][0080]
步骤2-2-4：计算聚类中心；
[0081][0082]
步骤2-3：计算两个聚类中心之间允许出现的最大距离，具体为：
[0083]
采用欧氏距离进行距离度量，分别计算第i个中心与第l个中心的欧氏距离：
[0084][0085]
两个聚类中心之间允许出现的最大距离为：
[0086]
[0087]
步骤2-4：归并聚类中心，具体为：
[0088]
逐个进行归并，计算第l个中心到第i个中心的距离disi(1)，若disi(1)《threshold，则将第l个中心归并到第i个聚类中心上，否则不予归并；
[0089]
步骤2-5：计算归并后聚类中心，具体为：
[0090]
归并后第k类中有m个中心，用z
ij
(k)来表示被归并到第k类中的中心，则归并后的第k类中心为：
[0091][0092]
步骤2-6：重复步骤2-4和步骤2-5，直至所有的模糊聚类中心均被归并。
[0093]
二、步骤4：基于满足度对各个型谱方案进行满足度评估；
[0094]
型谱构建的目标是满足需求、少型高效且技术可行，步骤1获取共计m项需求方案x，型谱方案y，型谱方案对于各项需求满足程度指标为m，针对每个型谱方案y型号yj(j＝1～n)对每项需求方案xi(i＝1～m)进行满足度评估，满足度指标为m
ij
，代表型号yj对需求方案xi的满足程度，并采用李克特量表对满足度进行规范量化。
[0095]
本实施例选用的是李克特量表(likert type scale)中最常用的5级量表方法进行规范量化，具体为：
[0096]
0.1～0.2：根本无法满足，几乎不能用；
[0097]
0.3～0.4：性能要求中有个别项不满足要求，有一定差距；
[0098]
0.5～0.6：性能要求中有个别项不满足要求，但差距不大；
[0099]
0.7～0.8：能使用，但不是最适合的；
[0100]
0.9～1.0：最适合。
[0101]
装备型谱实际上是由不同规格装备构成的装备系列树，型谱方案对于军事需求的满足程度就是装备系列中最能满足该项军事需求的基本型号满足程度指数的聚合，型谱方案y满足度计算公式为：
[0102][0103]
其中，m
ij
为型号yj对需求方案xi的满足程度。
[0104]
三、步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估，即能-效评估；
[0105]
型谱构建的目标是满足军方需求、少型高效且技术可行，型谱构建阶段主要预测分析型谱方案研制经费需求。
[0106]
基于无人机研制费预测模型，对型谱中无人机基本型号研制经费需求采用以下公式进行评估：
[0107]cj
＝lj·
wj·
sj[0108]
其中，lj为技术风险因素，wj为最大起飞重量，sj为最大平飞速度。
[0109]
lj评估分值根据关键技术成熟度及所处阶段进行评估。型谱方案中型号为yj，每个型号经费需求为cj，型谱方案的经费需求为：
[0110][0111]
最后将c进行归一化处理。
[0112]
四、步骤6：获取无人机型谱方案优选集
[0113]
基于能效价值图构建出无人机型谱方案优选集，本实施例中无人机型谱方案的能效价值图如图3所示。
[0114]
下面提供一种具体的应用例：
[0115]
1)聚类分析
[0116]
无人机型谱实际上是由不同规格无人机构成的系列树，而一种无人机可能有多个标志规格的主要特征参数。无人机主要性能指标包括最大起飞重量、任务载重、续航时间、升限及飞行速度等，由于最大起飞重量与任务载重、续航时间相关，以下主要考虑续航时间、任务载重、升限、飞行速度。以调研获取的需求为依据，对相关指标进行规范化，运用模糊聚类分析方法将需求样本数据分为n类，各需求样本聚类统计结果见表1。
[0117]
表1需求样本聚类统计结果
[0118][0119][0120]
2)构建备选方案
[0121]
根据聚类分析得出的8类结果，构建各类无人机目标图像。目标图像1(y1)：最大起飞重量20kg，任务载荷2kg，
…
，续航时间1h；目标图像2(y2)：最大起飞重量100kg，任务载荷20kg，
…
，续航时间2h；
……
；目标图像8(y8)：
…
。备选型谱方案是各型号组合，见表2。
[0122]
表2备选型谱方案
[0123][0124]
3)建立需求满足度评估
[0125]
型谱构建的目标是满足需求、少型高效且技术可行。需求满足度评估较为复杂，涉及因素较多，定量因素直接给予具体数值(如任务载重、续航时间数据)，针对调研获取的定性评价因素，采用李克特量表(likert type scale)中最常用的5级量表方法进行规范量化。
[0126]
4)费用需求评估
[0127]
型谱构建的目标是满足需求、少型高效且技术可行，型谱构建阶段主要预测分析型谱方案研制经费需求。
[0128]
5)型谱方案优选
[0129]
型谱方案优选目标就是在备选方案选择需求满足度能满足要求，且费用投入相对较小的型谱方案。通过对各型谱方案的计算评估，型谱需求满足度评估结果见表3。
[0130]
表3型谱需求满足度评估结果
[0131]
序号y1y2y3y4y5y6y7y8满足度费用需求1oooooooo0.8541.002ooo oooo0.8460.813o oooooo0.8371.004o o oooo0.8290.815oooo ooo0.8240.656o oo ooo0.8070.657oo ooooo0.7920.938ooo
ꢀꢀ
ooo0.7780.479oo
ꢀꢀ
oooo0.7680.7410oo o ooo0.7620.5811o
ꢀꢀ
ooooo0.7600.93
12ooooo oo0.6360.61
……………………………
[0132]
本实施例针对无人机的特点，采用模糊聚类分析方法构建型谱方案集，并从需求满足度、经济性和技术风险多维度构建评估模型，运用费效价值图分析进行型谱优选，有效解决无人机类型多、需求复杂多样、规范难度大的问题，达到型谱构建既要满足需求，又要简型高效的目标。
[0133]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。