[发明专利]一种瞄准镜系统的状态评估方法及状态评估系统

权利要求书

1.一种瞄准镜系统的状态评估方法，其特征在于，包括：

获取瞄准镜系统各状态评估指标的待评估指标数据；

根据各所述待评估指标数据与各所述状态评估指标的组合权重，计算云重心位置；各所述状态评估指标的组合权重由改进模糊层次分析法与改进熵权法相结合的组合赋权法确定；所述云重心位置为云重心在状态等级的云化区间的位置；所述云化区间由各状态评估指标的阈值确定，各所述状态评估指标的阈值是利用自组织映射神经网络算法对各状态评估指标的样本指标数据进行聚类分析得到的；

根据所述云重心位置，计算所述云重心与各状态等级云模型的隶属度；各所述状态等级云模型根据所述云化区间和各所述状态评估指标的组合权重向量构建；各所述状态等级云模型为基于2En法则的改进云模型；

根据所述隶属度，确定所述瞄准镜系统的状态等级。

2.根据权利要求1所述的方法，其特征在于，在所述根据各所述待评估指标数据与各所述状态评估指标的组合权重，计算云重心位置之前，所述方法还包括利用改进模糊层次分析法与改进熵权法相结合的组合赋权法确定各所述状态评估指标的组合权重：

采用改进模糊层次分析法确定所述状态评估指标的主观权重；所述改进模糊层次分析法为将模糊层次分析法的九标度改为三标度；

利用改进熵权法计算所述状态评估指标的客观权重；

根据所述主观权重和所述客观权重，建立改进组合赋权法的最优化模型；所述改进组合赋权法的最优化模型为在组合赋权法的基础上引入增广拉格朗日函数法得到最优化模型；

根据所述最优化模型，获得各个所述状态评估指标的组合权重。

3.根据权利要求2所述的方法，其特征在于，所述改进熵权法的改进权重公式为：

其中，w_j'为第j个指标的客观权重；E_j为第j个信息熵，E_k为第k个信息熵；m为运行数据个数。

4.根据权利要求2所述的方法，其特征在于，所述改进组合赋权法的最优化模型的公式为：

其中，a_c为组合权重系数，l为组合权重系数的个数，w_b,w_c分别为主、客观权重向量中的单个指标的权重值，λ为拉格朗日乘子。

5.根据权利要求1所述的方法，其特征在于，在所述根据各所述待评估指标数据与各所述状态评估指标的组合权重，计算云重心位置之前，所述方法还包括确定各所述状态评估指标在各状态等级的云化区间：

获取各状态指标的样本指标数据；

利用自组织映射神经网络算法对所述样本指标数据进行聚类分析，确定各个状态评估指标的阈值；

根据各所述状态评估指标的阈值，确定各所述状态评估指标在各状态等级的云化区间。

6.根据权利要求1所述的方法，其特征在于，在所述根据所述云重心位置，计算所述云重心与各状态等级云模型的隶属度之前，所述方法还包括：

根据所述云化区间和所述组合权重向量，构建瞄准镜系统各状态等级的云模型；

其中，所述云模型的参数计算公式为：

其中，o为装备健康状态等级；e_o为装备健康状态等级o所对应的阈值；Ex_o,En_o,He_o分别为构建等级o的评价云所需的期望、熵、超熵。

7.根据权利要求6所述的方法，其特征在于，评估状态等级的计算公式为：

其中，x^a为云重心位置；μ_o(x^a)为x^a对应状态等级为o的隶属度；r为评价云在x^a处的云滴个数；μ_r为云滴r的隶属度；En_r为云滴r所对应的熵；He为x^a处的超熵，表示评估结果的不确定度。