基于多任務(wù)分析的空天飛行器綜合效能評(píng)估

熊 嵩，周 軍，呼衛(wèi)軍，盧 青

(西北工業(yè)大學(xué) 精確制導(dǎo)與控制研究所， 西安 710072)

?

基于多任務(wù)分析的空天飛行器綜合效能評(píng)估

熊 嵩，周 軍，呼衛(wèi)軍，盧 青

(西北工業(yè)大學(xué) 精確制導(dǎo)與控制研究所， 西安 710072)

空天飛行器效能的評(píng)估必須與實(shí)際任務(wù)相結(jié)合才更有意義。提出了基于多任務(wù)分析的效能評(píng)估模式，實(shí)現(xiàn)了對(duì)任務(wù)需求具有較強(qiáng)敏感性的動(dòng)態(tài)權(quán)重評(píng)估方法。首先構(gòu)建下層神經(jīng)網(wǎng)絡(luò)法與上層層次分析法的混合評(píng)估模式，然后通過(guò)對(duì)任務(wù)內(nèi)容關(guān)注度與任務(wù)階段優(yōu)先級(jí)的度量，實(shí)現(xiàn)任務(wù)層權(quán)重的修正。評(píng)估后的指標(biāo)求解算法分析了方案的改進(jìn)需求。單方案評(píng)估與多方案對(duì)比的算例表明，多任務(wù)分析效能評(píng)估不僅能夠衡量空天飛行器的基本能力，而且能夠充分反映其基本指標(biāo)對(duì)于不同類型任務(wù)的適應(yīng)程度，從而為指定任務(wù)下的指標(biāo)方案論證與優(yōu)化提供參考方向。

空天飛行器；效能評(píng)估；任務(wù)模型；動(dòng)態(tài)權(quán)重

0 引言

空天飛行器(Aerospace Vehicle, ASV)作為快速發(fā)展的前沿太空武器化裝備，其多用途、高重用、快速應(yīng)變的特點(diǎn)使得其優(yōu)勢(shì)越來(lái)越明顯[1-2]，對(duì)空天飛行器的方案論證隨之成為一項(xiàng)重要課題，而效能評(píng)估是完成其立項(xiàng)論證的主要途徑[3]。

目前，針對(duì)ASV的效能評(píng)估主要集中在傳統(tǒng)評(píng)估理論的應(yīng)用，如文獻(xiàn)[4]分析了目前主要的效能研究方法的基本分類、過(guò)程、量度以及各自的特點(diǎn)，文獻(xiàn)[5-7]則是專家評(píng)判法、灰色層次分析法、神經(jīng)網(wǎng)絡(luò)法等應(yīng)用于ASV評(píng)估的具體案例。但對(duì)于方案論證而言，評(píng)估的意義更多地體現(xiàn)于ASV對(duì)于不同任務(wù)、不同關(guān)注點(diǎn)、不同需求度的綜合效能[8]，需要對(duì)任務(wù)的側(cè)重點(diǎn)具有足夠的適應(yīng)性。

當(dāng)前面向任務(wù)的效能評(píng)估已反映于多種作戰(zhàn)系統(tǒng)評(píng)估中。國(guó)外的Robert A M、David J P 等學(xué)者把對(duì)任務(wù)效能的要求與飛行器的結(jié)構(gòu)設(shè)計(jì)、參數(shù)配置等綁定[9-10]；國(guó)內(nèi)的張建康、陳晨等學(xué)者則嘗試將不同任務(wù)映射到不同的指標(biāo)集合，并確定各自的影響度[11-12]。

本文重點(diǎn)在于結(jié)合ASV未來(lái)主要的任務(wù)模式，以關(guān)注度與優(yōu)先級(jí)概念為基礎(chǔ)實(shí)現(xiàn)適用于不同任務(wù)要求的動(dòng)態(tài)修正權(quán)重評(píng)估算法，并進(jìn)行任務(wù)概念模型設(shè)計(jì)、方案改進(jìn)需求分析等研究。

1 基于ASV任務(wù)模式的評(píng)估過(guò)程

作為涵蓋航空、航天領(lǐng)域的多用途武器平臺(tái)，空天飛行器的工作模式可概括為3類：

(1)在軌運(yùn)行：飛行器以軌道飛行過(guò)程為依托，長(zhǎng)期在軌執(zhí)行對(duì)地監(jiān)測(cè)、信息收集、反航天器攻擊等天基任務(wù)。

(2)一次性再入：飛行器變軌再入大氣層，執(zhí)行對(duì)地的快速直接打擊或單次運(yùn)輸?shù)热蝿?wù)。

(3)重復(fù)性往返：飛行器以地基與天基雙平臺(tái)為依托，多次往返于兩者之間，執(zhí)行可重復(fù)的載荷投放、天地運(yùn)輸?shù)热蝿?wù)。

顯然，不同工作模式對(duì)于ASV的任務(wù)要求有相似點(diǎn)，任務(wù)之間存在耦合。面向任務(wù)的ASV效能評(píng)估需要基于任務(wù)的分解模型實(shí)現(xiàn)，過(guò)程如下：

步驟1 任務(wù)解析：包括子任務(wù)的分解與底層指標(biāo)集的映射，前者將主任務(wù)分解為多個(gè)子任務(wù)，后者則對(duì)每個(gè)子任務(wù)明確其包含的可度量指標(biāo)。

步驟2 指標(biāo)度量：建立任務(wù)型指標(biāo)體系，并為各級(jí)任務(wù)確定物理度量與評(píng)判度量模型。

步驟3 權(quán)重修正：采用不同算法分析上、下層的基本權(quán)重，然后分析可能存在的關(guān)注任務(wù)因素，建立各任務(wù)與關(guān)注因素的對(duì)應(yīng)關(guān)系并設(shè)計(jì)動(dòng)態(tài)權(quán)重模型，是整個(gè)評(píng)估過(guò)程的重點(diǎn)。

步驟4 評(píng)估計(jì)算：基于動(dòng)態(tài)權(quán)重模型設(shè)計(jì)評(píng)估算法，設(shè)置待評(píng)估的任務(wù)參數(shù)并計(jì)算總體效能。

步驟5 方案改進(jìn)：根據(jù)評(píng)估結(jié)果，分析方案的可優(yōu)化空間及對(duì)底層指標(biāo)的要求。

2 面向任務(wù)的評(píng)估體系度量模型

2.1 ASV多任務(wù)解析模型

以目前ASV的主要發(fā)展方向選擇4項(xiàng)主任務(wù)：反航天器攻擊M1、對(duì)地攻擊M2、投放式運(yùn)輸M3、著陸式運(yùn)輸M4。分解各自的子任務(wù)集為

M1={探測(cè)，軌道機(jī)動(dòng)，跟蹤，打擊}；

M2={探測(cè)，再入，彈道機(jī)動(dòng)，突防，打擊}；

M3={再入，彈道機(jī)動(dòng)，載荷釋放}；

M4={再入，彈道機(jī)動(dòng)，能量耗散，著陸}。

包含主觀與客觀參數(shù)的子任務(wù)元素集為

SMi={關(guān)注度a，優(yōu)先級(jí)p，指標(biāo)集T}

其中，i=1, 2, …為子任務(wù)編號(hào)。元素含義如下：

(1)關(guān)注度a：該元素反映不同評(píng)估對(duì)于各類型任務(wù)的不同側(cè)重程度。

(2)優(yōu)先級(jí)p：該元素反映子任務(wù)的邏輯順序與執(zhí)行階段性質(zhì)對(duì)于整個(gè)任務(wù)的影響。

(3)指標(biāo)集T：該元素反映與子任務(wù)直接對(duì)應(yīng)的底層指標(biāo)集，包括指標(biāo)項(xiàng)與指標(biāo)范圍要求兩部分。

2.2 任務(wù)型指標(biāo)體系構(gòu)建與度量

根據(jù)前述任務(wù)模型，面向任務(wù)的ASV綜合評(píng)估體系由總體效能、主任務(wù)、子任務(wù)、底層指標(biāo)組成，上下層元素為一對(duì)多或多對(duì)多連接關(guān)系。按照系統(tǒng)性、準(zhǔn)確性、可行性的要求選擇底層指標(biāo)，整合得到指標(biāo)體系如圖1所示。

圖1 ASV綜合效能指標(biāo)體系Fig.1 Comprehensive effectiveness index system for ASV

顯然面向任務(wù)的指標(biāo)體系是高度耦合結(jié)構(gòu)。根據(jù)ASV解析模型，分別以E、M、SM、T表示總體、任務(wù)、子任務(wù)、底層指標(biāo)，則各層集合關(guān)系為

(1)

式中a與p分別為所在任務(wù)的關(guān)注度與優(yōu)先級(jí)。

以權(quán)重和為基本方法的各層指標(biāo)度量模型為

(2)

式中w為各指標(biāo)項(xiàng)權(quán)重；A為任務(wù)內(nèi)容的關(guān)注度矩陣；P為任務(wù)階段的優(yōu)先級(jí)矩陣，兩者是權(quán)重計(jì)算的重要參數(shù)；Rk為第k個(gè)底層指標(biāo)的歸一化標(biāo)準(zhǔn)。

3 關(guān)聯(lián)任務(wù)需求的分層權(quán)重設(shè)計(jì)

分析評(píng)估體系可知，上下層權(quán)重有明顯區(qū)別：

(1)下層與上層的評(píng)估性質(zhì)不同，下層指標(biāo)可根據(jù)真實(shí)數(shù)據(jù)量化得到，為定量評(píng)估；而上層指標(biāo)由主觀評(píng)判得到，為定性評(píng)估。

(2)對(duì)于下層權(quán)重，理論上9個(gè)子任務(wù)與16個(gè)下層指標(biāo)間存在著9×16=144個(gè)權(quán)重，傳統(tǒng)算法實(shí)現(xiàn)復(fù)雜，而且大量的專家評(píng)定會(huì)引入主觀因素。

(3)對(duì)于上層權(quán)重，待確定的權(quán)重大幅減少，允許采用專家評(píng)定思路實(shí)現(xiàn)。同時(shí)，為了使評(píng)估對(duì)不同任務(wù)需求點(diǎn)有足夠的敏感性，需要量化ASV任務(wù)可能存在的需求因素，作為影響權(quán)重的動(dòng)態(tài)參數(shù)。

基于這種區(qū)別將權(quán)重設(shè)計(jì)分解為兩部分，采用徑向基函數(shù)(Radial Base Function, RBF)神經(jīng)網(wǎng)絡(luò)模擬下層權(quán)重，采用層次分析法(Analytic Hierarchy Process, AHP)確定上層基本權(quán)重，并根據(jù)任務(wù)需求對(duì)其修正。

3.1 下層定量型模擬權(quán)重設(shè)計(jì)

所謂“模擬權(quán)重”是指通過(guò)搭建神經(jīng)網(wǎng)絡(luò)并加以訓(xùn)練后，利用該網(wǎng)絡(luò)代替由下層指標(biāo)到上層指標(biāo)專家打分的過(guò)程。它相當(dāng)于模擬了對(duì)下層指標(biāo)的加“權(quán)”求和，只是 “模擬權(quán)重”是不透明的。神經(jīng)網(wǎng)絡(luò)評(píng)估的優(yōu)勢(shì)在于：通過(guò)海量的樣本訓(xùn)練，得到的模擬權(quán)重能夠消除專家打分方式的主觀因素。

RBF網(wǎng)絡(luò)是以函數(shù)局部逼近理論為基礎(chǔ)，以徑向距離為激勵(lì)參數(shù)的神經(jīng)網(wǎng)絡(luò)，其優(yōu)點(diǎn)是具有最佳逼近的特性，且無(wú)局部極小問(wèn)題存在。針對(duì)ASV下層評(píng)估體系，RBF網(wǎng)絡(luò)的輸入層(底層指標(biāo))與輸出層(子任務(wù)指標(biāo))元素?cái)?shù)目分別為12與9，中間層元素根據(jù)經(jīng)驗(yàn)設(shè)置為7，如圖2所示。圖中，cj為隱藏層的中心點(diǎn)數(shù)據(jù)向量。

圖2 神經(jīng)網(wǎng)絡(luò)評(píng)估結(jié)構(gòu)Fig.2 Structure of neutral network based evaluation

中心點(diǎn)的輸出RBF(x)即為徑向基函數(shù)，這里選擇高斯函數(shù)形式：

(3)

利用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模擬權(quán)重的評(píng)估需要經(jīng)過(guò)3個(gè)步驟：首先，構(gòu)造訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需的大量樣本，其中輸入層數(shù)據(jù)通過(guò)實(shí)驗(yàn)得到，輸出層數(shù)據(jù)可通過(guò)專家灰度打分得到；然后，基于一定的訓(xùn)練方法[13]進(jìn)行網(wǎng)絡(luò)訓(xùn)練，得到網(wǎng)絡(luò)內(nèi)部的cj等參數(shù)；最后，在實(shí)際評(píng)估應(yīng)用中，在輸入端輸入底層指標(biāo)，即可在輸出端計(jì)算得到子任務(wù)層指標(biāo)。

3.2 上層定性型動(dòng)態(tài)權(quán)重設(shè)計(jì)

3.2.1 權(quán)重基本值確定方法

以AHP法計(jì)算上層權(quán)重基本值的基本思路是對(duì)于同一指標(biāo)集內(nèi)的每個(gè)指標(biāo)作兩兩對(duì)比，模糊確定兩者的相對(duì)重要程度，并以一定的數(shù)值進(jìn)行衡量。對(duì)于A、B兩指標(biāo)，若A比B重要，以bab表示A對(duì)于B的重要程度，以其倒數(shù)表示B對(duì)A的重要程度。對(duì)于包含N個(gè)元素的指標(biāo)集，其重要度判斷矩陣為

對(duì)B的特征向量W歸一化處理，即可得到子任務(wù)層至總體層各指標(biāo)集的各項(xiàng)映射權(quán)重取值。

對(duì)于不同任務(wù)的影響，對(duì)基本權(quán)重的修正主要考慮2種因素，即“關(guān)注度”與“優(yōu)先級(jí)”。前者考慮任務(wù)內(nèi)容，而后者考慮任務(wù)階段。

3.2.2 任務(wù)內(nèi)容關(guān)注度修正參數(shù)模型

關(guān)注度是評(píng)估過(guò)程中對(duì)任務(wù)內(nèi)容的側(cè)重點(diǎn)的量化表示。對(duì)ASV的典型因素進(jìn)行分析：

(1)任務(wù)功能類型。ASV的任務(wù)可按照功能進(jìn)行基本分類，這里簡(jiǎn)單劃為信息、飛行、作戰(zhàn)3類，并設(shè)置關(guān)注度功能屬性af，其取值設(shè)為1和0。以反航天器攻擊為例，其3類子任務(wù)集分別為{探測(cè)}、{跟蹤，機(jī)動(dòng)}、{打擊}。若當(dāng)前關(guān)注的任務(wù)功能包括信息與作戰(zhàn)，則探測(cè)/打擊任務(wù)af=1。

(2)所需資源類型。ASV各任務(wù)的完成需要一定成本，其資源的形式是多樣的，這里將其分為物質(zhì)、能量與技術(shù)，并設(shè)置資源屬性ar。仍以反航天器攻擊為例，3種資源的子任務(wù)集分別為{打擊}、{機(jī)動(dòng)}、{探測(cè)，跟蹤}，若當(dāng)前關(guān)注物質(zhì)資源，則打擊任務(wù)的ar=1。

(3)直接取舍要求。有些情況下根據(jù)評(píng)估的最終目的可直接確定是否關(guān)注某任務(wù)(特別是針對(duì)主任務(wù))，據(jù)此設(shè)置取值屬性an，如果對(duì)該任務(wù)表示關(guān)注取值為1，直接舍棄則為0。

設(shè)計(jì)關(guān)注度修正參數(shù)a的模型為

a=fa(af,ar,an)

(4)

3.2.3 任務(wù)階段優(yōu)先級(jí)修正參數(shù)模型

優(yōu)先級(jí)是對(duì)子任務(wù)執(zhí)行階段在整個(gè)執(zhí)行過(guò)程中的地位的量化表示。以對(duì)地攻擊任務(wù)為例，其執(zhí)行過(guò)程如圖3所示。

圖3 對(duì)地攻擊執(zhí)行過(guò)程Fig.3 Execute process of air-ground attack

分析該過(guò)程可知， ASV任務(wù)過(guò)程中的不同子任務(wù)階段存在以下幾點(diǎn)典型區(qū)別屬性：

(1)串行性(串行/并行)：該屬性反映了子任務(wù)之間執(zhí)行過(guò)程的關(guān)聯(lián)性。對(duì)于子任務(wù)A、B，可能A是B的先決條件，如探測(cè)與再入，稱為串行；也可能兩者的前后約束相同，如機(jī)動(dòng)與突防，稱為并行。相對(duì)而言，并行任務(wù)的瓶頸約束較小。

(2)連續(xù)性(連續(xù)/離散)：該屬性反映了子任務(wù)在時(shí)間上的持續(xù)性，例如再入飛行屬于連續(xù)任務(wù)，其他為離散任務(wù)。連續(xù)任務(wù)一旦出現(xiàn)意外就會(huì)導(dǎo)致整個(gè)任務(wù)失敗，而離散任務(wù)則允許組織第二次執(zhí)行，可見(jiàn)兩者的影響不同。

(3)確定性(確定/隨機(jī))：該屬性反映了子任務(wù)受隨機(jī)條件的影響程度。為完成對(duì)地打擊，必須通過(guò)探測(cè)、再入、打擊等一系列動(dòng)作而實(shí)現(xiàn)，這些子任務(wù)是確定的；相反，機(jī)動(dòng)與突防是隨機(jī)的，是否執(zhí)行取決于探測(cè)信息與決策。

分別以ps、pc、pa表示以上3種屬性，對(duì)各屬性的選擇與影響程度的界定由人為主觀決定。以串行性為例，若優(yōu)先考慮串行任務(wù)，則探測(cè)的ps=1，機(jī)動(dòng)的ps=-1，若不考慮該屬性則取值均為0。設(shè)計(jì)優(yōu)先級(jí)修正參數(shù)p的模型為

p=fp(ps,pc,pa)

(5)

3.2.4 動(dòng)態(tài)權(quán)重修正算法

作為權(quán)重的修正參數(shù)，關(guān)注度c與優(yōu)先級(jí)p的計(jì)算模型根據(jù)需要人為設(shè)置，但需滿足3點(diǎn)要求：

(1)允許不同子任務(wù)具有相同的關(guān)注度或優(yōu)先級(jí)。

(2)兩參數(shù)對(duì)權(quán)重的修正能力應(yīng)當(dāng)有限，不能覆蓋原權(quán)重的影響。

(3)兩者的取值范圍具有一定彈性。各任務(wù)項(xiàng)的權(quán)重修正算法為

w′=(a+p)w0

(6)

式中w0為根據(jù)第3.2.1節(jié)算法得到的基本權(quán)重。

由于系數(shù)a、p的添加會(huì)影響到權(quán)重的取值范圍，因此需要對(duì)修正權(quán)重進(jìn)行歸一化處理，即

(7)

式中i為任務(wù)編號(hào)；N為任務(wù)集的元素?cái)?shù)目。

4 提升效能方案的底層需求分析

完成方案評(píng)估后希望能夠分析對(duì)原方案的優(yōu)化方向，即提升總體效能方案對(duì)于底層指標(biāo)的需求。對(duì)該問(wèn)題的描述為：已知某ASV的指標(biāo)組成，在部分底層指標(biāo)不變的前提下，欲將總體效能指標(biāo)提升到較高值，求剩余底層指標(biāo)取值。其數(shù)學(xué)描述為：已知函數(shù)模型M=f(u1,u2,…,um)與若干自變量ui，求剩余自變量的取值。

由于體系組成復(fù)雜，直接建模與求解都較為困難，而遺傳算法可解決該問(wèn)題。該算法的基本思想是對(duì)大量參數(shù)值進(jìn)行交叉變異，實(shí)現(xiàn)全局搜索，適合求解多參數(shù)優(yōu)化問(wèn)題。遺傳算法的基本方法參考文獻(xiàn)[14]，應(yīng)用于指標(biāo)反解優(yōu)化的步驟如下：

(1)確定種群大小N、交叉算子s等參數(shù)；

(2)設(shè)定初始種群x=(x1,x2, …,xN)，種群中任一染色體向量包含所有待優(yōu)化的底層指標(biāo)；

(3)以各染色體向量為輸入指標(biāo)，計(jì)算該組底層指標(biāo)的評(píng)估誤差；

(4)計(jì)算適應(yīng)度與新染色體，以各染色體期望輸出與實(shí)際輸出效能偏差為適應(yīng)度，保留滿足適應(yīng)度要求的染色體，對(duì)不滿足的染色體根據(jù)交叉算子進(jìn)行兩兩交叉變異；

(5)若當(dāng)前種群最優(yōu)個(gè)體滿足誤差精度或迭代終止條件則結(jié)束優(yōu)化，否則轉(zhuǎn)向步驟4。

5 算例與分析

5.1 基本評(píng)估權(quán)重計(jì)算

(1)訓(xùn)練下層神經(jīng)網(wǎng)絡(luò)：根據(jù)已有的ASV實(shí)驗(yàn)數(shù)據(jù)，對(duì)參數(shù)進(jìn)行一定區(qū)間的隨機(jī)浮動(dòng)，得到50組16項(xiàng)底層指標(biāo)后，由專家根據(jù)灰度打分的方法得到各組對(duì)應(yīng)的9項(xiàng)子任務(wù)指標(biāo)。將這些底層指標(biāo)與對(duì)應(yīng)的子任務(wù)指標(biāo)作為50組網(wǎng)絡(luò)訓(xùn)練樣本，對(duì)底層RBF評(píng)估網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到7個(gè)隱藏層節(jié)點(diǎn)的高斯寬度與輸出權(quán)重分別為

R=[0.411,0.614,0.566,0.627,0.799,0.497,0.711]

W=[0.158,0.197,0.110,0.244,0.055,0.068,0.167]

數(shù)據(jù)中心值c由于數(shù)目較多不再列出。

(2)計(jì)算上層動(dòng)態(tài)權(quán)重：基于AHP法得到9個(gè)子任務(wù)至4個(gè)主任務(wù)的中層傳遞權(quán)重矩陣為

主任務(wù)至總體效能的上層權(quán)重向量為

WM=[0.250 0.250 0.250 0.250]

5.2 飛行任務(wù)仿真算例

選取在研的某3種空天飛行器為對(duì)象進(jìn)行飛行過(guò)程仿真，其中第2種飛行器不具備地面著陸能力。設(shè)定4種飛行任務(wù)過(guò)程如下：

(1)反航天器打擊：敵方某彈道導(dǎo)彈進(jìn)入中段飛行，ASV搜索、鎖定目標(biāo)后發(fā)射EKV彈頭攔截。

(2)對(duì)地攻擊：敵方某海上機(jī)動(dòng)部隊(duì)侵入領(lǐng)海，且該部隊(duì)具備防空能力，由ASV再入大氣層后有效規(guī)避其防空火力，最終將其摧毀。

(3)投放式運(yùn)輸：由ASV高速進(jìn)入敵方領(lǐng)空，滿足投放條件后將己方所需物資釋放到指定區(qū)域。

(4)著陸式運(yùn)輸：ASV攜帶天基平臺(tái)載荷，再入大氣層后耗散多余能量并著陸于機(jī)場(chǎng)。

對(duì)3種飛行器分別針對(duì)不同任務(wù)執(zhí)行50次隨機(jī)仿真，統(tǒng)計(jì)各任務(wù)下的成功率。如圖4。

圖4 各種飛行器在不同任務(wù)下的成功率Fig.4 ASVs' success rate for different missions

根據(jù)飛行過(guò)程數(shù)據(jù)計(jì)算底層指標(biāo)，提取各自指標(biāo)的均值得到3套ASV指標(biāo)方案如表1。

表1 ASV多方案底層指標(biāo)參數(shù)Table 1 Bottom index values of the ASV examples

5.3 單方案綜合效能評(píng)估

以方案1為算例對(duì)評(píng)估方法進(jìn)行驗(yàn)證。在不考慮關(guān)注度與優(yōu)先級(jí)影響的前提下，易求得該方案的總體效能為E=0.634。

為了驗(yàn)證不同底層指標(biāo)的影響程度，以原方案參數(shù)為基礎(chǔ)，分別選擇控制誤差、機(jī)動(dòng)范圍、彈道約束、末端約束等4個(gè)指標(biāo)為[0, 1]區(qū)間變化的浮動(dòng)指標(biāo)，則其對(duì)應(yīng)的總體效能變化區(qū)間分別為(0.6, 0.85)、(0.65, 0.8)、(0.65, 0.75)、(0.74, 0.77)?？梢?jiàn)對(duì)總體效能的影響最大與最小的指標(biāo)分別為控制誤差與機(jī)動(dòng)范圍。分析指標(biāo)體系可知，控制誤差為跟蹤、機(jī)動(dòng)、再入等3項(xiàng)任務(wù)的共享指標(biāo)，而末端約束為能量耗散的獨(dú)有指標(biāo)，說(shuō)明共享指標(biāo)具有更強(qiáng)的影響力。

考慮關(guān)注度與優(yōu)先級(jí)的影響。假定關(guān)注度中功能屬性的重要性較高，而優(yōu)先級(jí)中各項(xiàng)屬性的重要性相同，同時(shí)關(guān)注度的重要性比優(yōu)先級(jí)高。根據(jù)第3.2.4節(jié)要求設(shè)計(jì)關(guān)注度a與優(yōu)先級(jí)p模型

a=0.75(1+3af)(1+0.5ar)an

(8)

p=0.25×2ps+pc+pa

(9)

為了使結(jié)果更直觀，分別設(shè)計(jì)若干關(guān)注度與優(yōu)先級(jí)分布，測(cè)試其總體效能如表2、表3。

表2 不同關(guān)注度組合下的效能分布Table 2 Efficiency with different combination of attention

表3 不同優(yōu)先級(jí)組合下的效能分布Table 3 Efficiency with different combination of priority

可以看出，對(duì)于關(guān)注度與優(yōu)先級(jí)的不同考慮，評(píng)估體系能夠有效區(qū)分其影響，同時(shí)對(duì)比結(jié)果反映了不同任務(wù)效能的優(yōu)劣，如“反航天器打擊”任務(wù)效能較低(圖4中反航天器打擊的成功率也證明了這一點(diǎn))，“離散”類任務(wù)效能優(yōu)于“連續(xù)”類。

5.4 多方案效能對(duì)比與優(yōu)化

對(duì)方案2與方案3進(jìn)行對(duì)比。根據(jù)基本評(píng)估算法，得到2個(gè)方案在不考慮權(quán)重修正情況下的總體效能指標(biāo)分別為0.706與0.720。分析兩方案可知，方案2在許多子任務(wù)中占優(yōu)，但由于缺乏著陸能力，導(dǎo)致其綜合能力受到抑制。如果考慮評(píng)估的關(guān)注點(diǎn)，對(duì)比結(jié)果會(huì)隨之變化。采用表3中的3項(xiàng)關(guān)注組合，相應(yīng)的對(duì)比結(jié)果如圖5。

圖5 方案2、3在不同關(guān)注度組合下的對(duì)比Fig.5 Comparison of project 2 and 3 with different attention

圖5中各子項(xiàng)附加編號(hào)為其對(duì)應(yīng)效能值較高的方案。由圖5可知，在指定的關(guān)注度要求下，方案2自身的飛行作戰(zhàn)等能力完全可彌補(bǔ)其著陸缺陷。

進(jìn)一步，采用遺傳算法計(jì)算方案3的底層指標(biāo)改進(jìn)需求。以關(guān)注度組合1的情況為例，已知方案2、3的總體效能值分別為0.743和0.699，假定欲通過(guò)提升導(dǎo)航誤差與控制誤差2個(gè)指標(biāo)使方案3達(dá)到方案2的總體效能。以神經(jīng)網(wǎng)絡(luò)的樣本構(gòu)造待求解指標(biāo)的初始種群，以效能輸出與0.743的差值為適應(yīng)度，染色體長(zhǎng)度為2，迭代求解20次，其適應(yīng)度變化如圖6。

圖6 最優(yōu)適應(yīng)度變化過(guò)程Fig.6 Changing process of best fitness

由圖6可見(jiàn)，迭代至14次時(shí)已基本收斂至最優(yōu)解，最終得到導(dǎo)航誤差指標(biāo)0.84、控制誤差指標(biāo)0.63，可作為提升方案3的參考方向。

6 結(jié)束語(yǔ)

空天飛行器的效能評(píng)估必須與實(shí)際的任務(wù)需求點(diǎn)與側(cè)重點(diǎn)結(jié)合才更有意義。本文創(chuàng)新性地建立了關(guān)注度與優(yōu)先級(jí)的概念與量化模型，并將其與任務(wù)分解模型的度量綁定。結(jié)合不同的關(guān)注模型，該評(píng)估能更好地說(shuō)明空天飛行器自身效能對(duì)不同類型任務(wù)的適應(yīng)度，從而使評(píng)估結(jié)果更具有針對(duì)性。該評(píng)估方法在一些細(xì)節(jié)如關(guān)注度/優(yōu)先級(jí)模型的設(shè)計(jì)標(biāo)準(zhǔn)、關(guān)注方向的篩選形式等還有待深入研究，這是下一步工作的重點(diǎn)。

[1] Robert A M.Establishing mission requirements based on consideration of aircraft operations [J].Journal of Aircraft,2013,50(3):741-751.

[2] Emily A L,Mark F C.Benefits of autonomous morphing aircraft in loiter and attack missions [C] //Proc.of AIAA Atmospheric Flight Mechanics Conference,Toronto,2010.

[3] Goman M G,Khramtsovsky A V,Kolesnikov E N.Evaluation of aircraft performance and maneuverability by computation of attainable equilibrium sets [J].Journal of Guidance,Control and Dynamics,2008,31(2):329-340.

[4] 張 克,劉永才,關(guān)世義.關(guān)于導(dǎo)彈武器系統(tǒng)作戰(zhàn)效能評(píng)估問(wèn)題的探討[J].宇航學(xué)報(bào),2002,23(2):58-66.

[5] 吳 江,羅建軍.天基再入飛行器作戰(zhàn)效能綜合評(píng)估[J].火力與指揮控制,2012,37(9):185-189.

[6] 梁金登,李東旭.空間武器系統(tǒng)效能評(píng)估模型研究[J].宇航學(xué)報(bào),2007,28(5):1422-1428.

[7] Rohit G,Abhishek H,Manoranjan S.Sensitivity analysis using neural network for estimating aircraft stability and control derivatives [C] //Proc.of International Conference on Intelligent and Advanced Systems,USA,2007.

[8] Nicolai L M,Carichner G.Fundamentals of aircraft and airship design[C] //Proc.of AIAA,Reston,USA,2010.

[9] Robert A M.Mission performance considered as point performance in aircraft design [J].Journal of Aircraft,2011,48(5):1576-1588.

[10] David J P,Michael D P,Brian J G.Optimizing families of reconfigurable aircraft for multiple missions [J].Journal of Aircraft,2012,49(6):1988-2000.

[11] 張建康,程龍,黃俊,武哲.基于任務(wù)的作戰(zhàn)飛機(jī)效能評(píng)估模型[J].北京航空航天大學(xué)學(xué)報(bào),2005,31(12):1279-1283.

[12] 陳晨,周東華,陳杰.面向任務(wù)的網(wǎng)絡(luò)化天基信息系統(tǒng)連續(xù)性效能評(píng)估[J].系統(tǒng)科學(xué)與數(shù)學(xué),2010,30(6):806-815.

[13] Hyontai S.An empirical improvement of the accuracy of RBF Networks [C]//Proc.of 2nd International Conference on Interaction Sciences: Information Technology,Culture and Human,Seoul,2009.

[14] Frizo V,Max M,Rene V P.Optimization of flexible approach trajectories using a genetic algorithm [J].Journal of Aircraft,2006,43(4):941-952.

(編輯：呂耀輝)

Multi-mission analysis based comprehensive effectiveness evaluation for aerospace vehicle

XIONG Song,ZHOU Jun，HU Wei-jun, LU Qing

(Institute of Precision Guidance and Control, Northwestern Polytechnical University, Xi'an 710072, China)

The effectiveness evaluation for aerospace vehicle (ASV) should be joined with the mission closely. An evaluation mode based on multi-mission analysis was proposed, and the dynamic weight evaluation was achieved,which is sensitive to mission demand. A complex evaluation with neutral network and analytic hierarchy process (AHP) was summarized, and the modified weight method was realized with the models of attention and priority of sub-missions. Furthermore, the improvement demand was analyzed with the underlying indexes' inverse computation. Evaluation examples shows that the method based on multi-mission analysis can not only measure the basic ability of ASV, but also reflect its fitness for missions of different types, which provides a valuable reference for the demonstration under special mission.

aerospace vehicle; effectiveness evaluation; mission model; dynamic weight

2014-07-21；

：2014-08-28。

熊嵩(1987—)，男，博士生，研究方向?yàn)轱w行器控制與評(píng)估。E-mail:xiongsong1987@163.com

V475.4

A

1006-2793(2015)06-0764-06

10.7673/j.issn.1006-2793.2015.06.003