[发明专利]一种基于模糊聚类与费效价值的无人机型谱构建方法

权利要求书

1.一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的无人机型谱构建方法包括：

步骤1：获取无人机需求样本；

步骤2：基于模糊聚类对无人机需求样本进行聚合归类；

所述的步骤2具体为：

步骤2-1：设置聚类中心初值；

步骤2-2：计算聚类中心；

步骤2-3：计算两个聚类中心之间允许出现的最大距离；

步骤2-4：归并聚类中心；

步骤2-5：计算归并后聚类中心；

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；

步骤3：构建备选型谱方案集；

步骤4：基于满足度对各个型谱方案进行满足度评估；

所述的步骤4具体为：

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y_j，j＝1～n对每项需求方案x_i，i＝1～m进行满足度评估，满足度指标为M_ij，代表型号y_j对需求方案x_i的满足程度，并采用李克特量表对满足度进行规范量化；

所述的型谱方案Y的满足度计算方法为：

其中，M_ij为型号y_j对需求方案x_i的满足程度；

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；

所述的研制费预测模型具体为：

C_j＝l_j·W_j·S_j

其中，l_j为技术风险因素；W_j为最大起飞重量；S_j为最大平飞速度

步骤6：获取无人机型谱方案优选集，基于费效价值图构建出无人机型谱方案优选集。

2.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-2具体为：

步骤2-2-1：计算离差；

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，则用一个n行p列的矩阵来表示这些离差值数据，即

dev_ij(l)＝|x_ij-z_ij|，i＝1,2,…,n，j＝1,2,…,p，l＝1,2,…,n

步骤2-2-2：计算离差均值；

用mean_dev_j(l)来表示第j个变量相对第l个中心的离差均值，则用一个1行p列的矩阵来表示离差均值数据，即：

步骤2-2-3：计算离差隶属度；

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，则用一个n行p列的矩阵来表示离差隶属度数据，即：

步骤2-2-4：计算聚类中心；

3.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-3具体为：

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：

两个聚类中心之间允许出现的最大距离为：

4.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-4具体为：

逐个进行归并，计算第l个中心到第i个中心的距离dis_i(1)，若dis_i(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。

5.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-5具体为：

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：