[发明专利]基于区间二元语义的驾驶舱人机功能分配方法

摘要

本发明提供了一种基于区间二元语义的驾驶舱人机功能分配方法，首先进行人机优势能力比较，组成人、机能力优势集合；然后采用模糊层次分析法确定人、机能力优势集合中各元素的权重系数；划分民机驾驶舱系统的自动化等级后通过比较人机能力优势来确定自动化等级的范围；最终采用基于区间二元语义的IT‑WAA算子和IT‑WHA算子的多属性群决策方法确定功能分配自动化等级。本发明可以充分利用决策者的语义信息，精确地处理多阶段、多专家的语言信息，能够很好地避免信息丢失，使决策结果更为准确。

主权项

1.一种基于区间二元语义的驾驶舱人机功能分配方法，其特征在于包括下述步骤：(1)进行人机优势能力比较，分别组成人、机能力优势集合H＝{h1,h2,h3,h4,h5}和M＝{m1,m2,m3,m4,m5}，其中，h1表示预测推理能力，h2表示视觉感知能力，h3表示模式识别能力，h4表示经验学习能力，h5表示环境感知能力，m1表示数据存储管理能力，m2表示快速准确计算能力，m3表示规则推理能力，m4表示并行处理能力，m5表示连续工作重复决策能力；(2)采用模糊层次分析法来确定人、机能力优势集合中各元素的权重系数；(3)划分民机驾驶舱系统的自动化等级1～10级，1级为系统不提供任何帮助，人必须完成所有的决策和操纵，2级为系统提供整套的决策或行动方案，3级为系统缩小方案选择范围，4级为系统提供一个建议方案，5级为如果人同意则执行这个方案，6级为在执行方案前允许人在限定时间内否决，7级为自动执行，仅在必要时通知人，8级为如果人需要则告知他，是否通知人全由计算机决定，9级为系统决定所有的工作，10级为拒绝人的干预；(4)通过比较人机能力优势来确定自动化等级的范围，采用如下定义：定义1：设和为两个二元语义信息，其中s_k是预先定义好的语言评价集中的第k个元素，a_k∈[‑0.5,0.5)表示经过集结计算后得到了语言信息与最贴近元素s_k之间的差别；且则称为一个区间二元语义；定义2：为预先定义的语言评价集，(s_i,a_i),(s_j,a_j)两个二元语义信息组成区间二元语义信息[(s_i,a_i),(s_j,a_j)]，i≤j,a_i≤a_j，设[β₁,β₂]为语言评价集S^T经集结得到的区间实数，β₁,β₂∈[0,T‑1],β₁≤β₂，令则称函数Δ为区间实数[β1,β2]对应的区间二元语义信息的转换函数，其中round为四舍五入取整算子；定义3：令Δ‑1[(si,ai),(sj,aj)]＝[i+ai,j+aj]＝[β1,β2]，则称Δ‑1为函数的Δ的逆函数；定义4：设(sk,ak)～，(st,at)～为任意两个区间二元语义，则称为(s_k,a_k)^～≥(s_t,a_t)^～的可能度；定义5：设IT‑WAA；若为一组区间二元语义信息，j＝1,2,…,n，ω＝(ω₁,ω₂,…,ω_n)^T为相应的权重，且ω_j∈[0,1],j＝(1,2,…,n)，则称Φ_w为区间二元语义加权算术平均算子；定义6：设IT‑WHA：若为一组区间二元语义信息，ω＝(ω₁,ω₂,…,ω_n)^T为相应的权重，且ω_j∈[0,1]，其中w＝(w₁,w₂,…,w_n)^T是相关联的加权向量，且w_j∈[0,1]，是加权的二元语义变量组第j大元素，且n为平衡因子，则称Φ_ω,w为区间二元语义混合加权算子；定义7：设在语言评价集下得到的区间语言评价矩阵为其中为属性值；设定基本语言评价集为采用转换函数ζ将转换为以基本语言评价集S^T表示下的区间二元语义评价矩阵式中在上述定义基础上，给出基于IT‑WAA算子的自动化等级范围确定方法，具体过程如下：a)：决策者集合为D＝{d₁,d₂,…,d_k,…,d_t}，共t位决策者；每位决策者d_k分别给出人、机能力优势对待分配功能的区间语言评估值和k＝1,2,…,t，并得到评估矩阵b)：设定基本语言评价集S^T，将和转化成基于S^T表示的一致化区间二元语义评价矩阵和利用IT‑WAA算子将和集结为群区间二元语义评价矩阵和c)：根据IT‑WAA算子以及人、机能力优势权重和τ将和按行集结，计算出人、机方案区间二元语义综合评价值和计算出人、机能力对待分配功能的综合评估结果和之间的可能度d)：根据可能度结果p确定待分配功能的自动化等级范围：其中，ceil(x)为上取整函数；(5)采用基于区间二元语义的IT‑WAA算子和IT‑WHA算子的多属性群决策方法确定功能分配自动化等级，具体过程如下：针对某个功能多属性决策问题，设A＝{a₁,a₂,…,a_n′}是方案集，其元素表示自动化等级的n'种情况；给定功能分配评估准则集合G＝{g₁,g₂,…,g_m′}，其元素分别对应驾驶舱人机功能分配的五个主要评估准则，g₁为态势感知；g₂为脑力负荷；g₃为决策风险；g₄为可靠性；g₁为系统成本；属性权重的权重向量为η＝(η₁,η₂,…,η_m′)，且其向量为η_l≥0(l＝1,2,…,m′)，a)t位决策者的权重向量为决策者d_k∈D给出方案a_i∈A在属性g_j∈G下的区间语言评估值并得到评估矩阵b)将转化成基于基本语言评价集S^T′表示的一致化区间二元语义评价矩阵利用IT‑WAA算子对中第i行的语言评估信息进行集结，得到决策者d_k对方案a_i的综合属性评估值i＝1,2,…,n′；c)利用IT‑WHA算子对t位决策者的综合属性评估值进行集结，得到关于方案a_i的群体综合评估值其中，w＝(w₁,w₂,…,w_t)是IT‑WHA算子的加权向量，w_k∈[0,1](k＝1,2,…,t)且是加权的二元语义变量组第k大元素，λ＝(λ₁,λ₂,…,λ_t)^T为相应的权重，且λ_k∈[0,1]，且t为平衡因子；d)计算出方案ai综合评估值γi(λ,w)与aj综合评估值γj(λ,w)之间的可能度p′ij＝p[γi(λ,w)≥γj(λ,w)]，从而得到可能度矩阵p′＝(p′ij)n′×n′；e)求出可能度矩阵p′的排序向量v＝(v₁,v₂,…,v_n′)，并按其分量大小对方案进行排序，即得到最优方案；其中最后按其分量大小对方案进行排序，即得到最优的功能分配方案。