0 引 言
随着信息技术的迅猛发展,无人机以其独特的作战优势占据了高科技信息化战争的一个制高点。作为一种高科技武器装备,无人机并不是独立存在的,而是广泛融合在陆、海、空、天等多维战场中[1],在对抗的环境中生存、发展,因此对无人机在电子对抗[2]环境下的作战能力进行评估显得尤为重要。
无人机的效能是指整个武器装备系统在一定或规定的使用环境以及所考虑的组织、战术、生存、保障等条件下,使用该系统完成规定任务的能力。常用的评估方法有层次分析法、ADC方法、系统效能分析法、模糊综合评价法、指数法[3]等,每种方法都各具特点,且能针对不同的评估对象完成相应的评估任务。无人机系统是一套极其复杂的系统,很多指标都很难用精确的数值来定量表示,定性与定量相结合的指标普遍存在。基于云模型[4?5]与层次分析法[6?7]相结合的评估方法能够从各方面进行分析,计算出比较合理的评估结果。因此,本文采用此方法来确定无人机系统在对抗条件下的综合效能。
1 无人机在电子对抗环境下的指标体系
科学、合理的指标体系是效能评估的基础,直接关系到效能评估结果的准确性,指标应该是在反映所要评估对象的本质属性基础上抽象的结果。
1.1 无人机效能评估的特点
无人机效能评估的特点,主要包括如下四方面:
(1) 不确定性,性能和效能是不同的两个概念,无人机的性能可以用精确的数字进行描述,而其效能却很难精确表达。
(2) 相对性,评估无人机的效能往往是为了要与其他型号飞机进行比较,故评估出来的效能只能是相对值。
(3) 时效性,无人机的能力在其使用寿命期间一般变化不大。但由于一些机型数据不能在第一时间精确掌握,那么以此计算出的评估结果会与真实结果存在偏差。
(4) 局限性,评估方法多种多样,采取不同的评估方法会得到不同的评估结果,不同方法也适用于不同的评估对象。
1.2 指标分析
无人机系统在开始执行任务时的状态、在执行任务过程中的状态和最后完成给定任务的程度,三者共同构成了系统的效能[8]。在此基础上构建无人机效能评估指标体系,如图1所示。
(1) 可用性:无人机的可用性指标直接与飞机的效能有关,是对开始执行作战任务时的状态描述,常用可用度来表示,可用度的衡量指标称良好率。主要包括:飞机的平均故障间隔时间,飞机每飞行1 h需要的平均维修工时,飞机的总疲劳寿命,飞机的定期检查维修程序和时间等。
(2) 可信性:是对无人机作战过程中的状态描述。对于长时间执行作战任务的无人机,飞机的可信性对其效能的影响至关重要。主要包括:无人机发生故障的概率和发生故障概率的平均时间。
(3) 能力:是无人机系统的固有属性,反映系统完成任务的程度。无人机在电子对抗环境下,各性能都有可能发生改变,从而影响整个系统的效能。通过采用特尔菲咨询法等方法,确定能力指标主要由飞行能力指标,作战任务能力指标,任务控制能力指标,电子攻击能力指标构成。
2 基于云模型的评估方法
使用云模型进行效能评估,实质上就是将定性指标用云模型进行描述,而后使用层次分析法进行分层计算出权重,得出各指标的云重心,计算加权偏离度来衡量云重心的改变量,最终得出评估结果。
该法有三个要素:指标集[(U)、]权重集[(W)、]评估集[(V)]。
(1) 指标集,[U=U0,U1,…,Um,]其中[U0]为目的指标,其余为影响最终指标的第[i]个分指标;
(2)权重集,[W=W1,W2,…,Wm,]其中[Wi≥0]且[W1+W2+…+Wm=1];
(3) 评估集,[V=V1,V2,…,Vm]。
评估指标可以按照实际需求划分为多个层次,从最底层指标开始进行评估,并将评估结果反馈给上一层,以此类推逐层评估,直到得到所需评估结果。具体评估步骤为:
(1) 将各指标用云模型来表示[9]
在无人机电子对抗系统效能指标体系中,有使用精确数值描述的定量指标,也有使用语言描述的定性指标。对于同一组指标进行多组采样,将结果组成决策举证,用云模型进行表示。其中:
[Ex=Ex1+Ex2+…+Exnn] (1)
[En=max(Ex1,Ex2,…,Exn)-min(Ex1,Ex2,…,Exn)6] (2)
[Ex=Ex1En1+Ex2En2+…+ExnEnnEn1+En2+…+Enn] (3)
[En=En1+En2+…+Enn] (4)
指标的类型不同,[Ex1~Exn]所表达的含义也不同。
(2) 运用层次分析法确定各指标权重
在效能评估中,合理的权重直接影响效能评估的最终结果。与其他权重类似,效能评估的指标权重也表示该指标的重要程度,是评估的关键因素。本文选择在咨询专家进行打分的基础上,利用层次分析法确定权重集。
层次分析法是按照一定划分的准则将复杂的多目标问题,构建成层次结构,通过对构造矩阵进行比较,计算出权重,从而得到系统效能。
(3) 系统状态的表示
通过前面的叙述可以看出,不论有多少个指标,都可以用云模型来描述, 一个多维的云模型可以表示多个指标所反映出的系统状态变化情况。随着系统状态发生改变,这个多维云的形状就会产生变化,同时云重心也会发生改变。[n]维综合云的重心[T]用一个[n]维的向量来表示,即[T=(T1,T2,…,Tn),]其中[Ti=ai×bi,][i=1,2,…,n,][a]为云重心的位置,期望值反映了信息中心值,即云重心位置,[b]为权重值。云重心高度反映了相应云的重要程度。当系统某个指标发生变化,重心由[T]变化为[T′],[T′=(T′1,T′2,…,T′n)]。
(4) 对云重心进行衡量
在理想状态下,某个系统的指标值是预先设定好的。某理想状态下,[n]维综合云的重心位置向量为[a=(E0X1,E0X2,…,E0Xn)],云重心高度[b=(b1,b2,…,bn)]。则云重心的向量[T0=a×bT=(T01,T02,…,T0n)]。同理,求得真实状态下的云重心向量[T=(T1,T2,…,Tn)]。
加权偏离度[θ]可以表示理想状态与真实状态下的差异情况。首先,将该状态下的综合云重心向量进行归一化处理,得到向量[TG=(TG1,TG2,…,TGn),]其中:
[TGi=(Ti-T0i)T0i, 当Ti
由 [T0U1=Ti-T0iT0i,当Ti