一种模块化无人机模块划分和模块配置方法技术

本发明专利技术提供了一种模块化无人机模块划分和模块配置方法，解决了现有模块化设计方法在无人机设计中的应用较少，大部分停留在概念层面，没有可用的具体设计方法，缺少模块划分及配置理论支撑这一问题。本发明专利技术利用改进的粒子群算法，不仅提高了计算效率，还在优化过程中加入了成本约束，使模块化无人机配置方案更贴近实际使用需求。近实际使用需求。近实际使用需求。

【技术实现步骤摘要】
一种模块化无人机模块划分和模块配置方法


[0001]本专利技术属于模块化无人机应用
，具体为一种模块化无人机模块划分和模块配置方法。

技术介绍

[0002]无人机在信息化战争中扮演着越来越重要的角色。无人机在侦察、隐身以及对地火力压制等任务中表现优异，已经改变了传统的作战模式，在世界总体维持和平，局部地区冲突不断的大背景下，已逐渐成为局部战争的主角。有军事专家预言，随着人工智能技术等广泛应用于军事领域，未来战争将是以无人化武器装备为主的人机联合作战。当前，相关预言渐成现实，在某些地区的局部战争中，以TB
‑
2无人机为代表的多型无人机大放异彩，标志着以无人机为典型代表的无人化武器装备已步入战场，并呈现出加速发展的态势。
[0003]随着“蜂群”概念的兴起，无人机集群化基于成本、规模、模式、协同等方面的优势，能够提升整个作战体系的弹性及稳健性，无人机集群化作战概念应运而生，且无人机集群化模式因其潜在的巨大应用价值而得到快速发展。而模块化设计是实现无人机集群低成本、可消耗的有效途径，通过“通用化平台+任务模块”的模块化设计思路，无人机可以像拼搭积木一样迅速调换受损零部件，不仅缩短了无人机制造周期，还可以在战时缩短维修时间。
[0004]虽然模块化无人机已有相关产品并投入实际应用，但缺乏相应方法指导模块化无人机设计，无法体系化地提升模块化无人机能力。如果模块化无人机设计方法借鉴现有无人机设计方法，通过一机一方案的模式进行设计，设计效率极其低下，无法满足无人机市场快速增长的多样化需求。如果采用现有其它产品的模块化设计方法，其大部分停留在概念层面且与无人机的产品特点匹配性较差，无法支撑模块化无人机实际工程设计。
[0005]因此，面向模块化无人机提出一种适合无人机的模块划分及模块配置方法，以指导模块化无人机设计，不管从理论角度还是工程应用角度来看就显得尤为重要。

技术实现思路

[0006]本专利技术的目的在于解决现有模块化设计方法在无人机设计中的应用较少，大部分停留在概念层面，没有可用的具体设计方法，缺少模块划分及配置理论支撑这一问题，而提供一种模块化无人机模块划分和模块配置方法。
[0007]为实现上述目的，本专利技术所提供的技术解决方案是：
[0008]一种模块化无人机模块划分方法，其特殊之处在于，包括以下步骤：
[0009]1)建立综合关联性矩阵
[0010]根据无人机零部件功能、结构、电气及保障的分类属性构建聚类样本集，分别建立功能关联子矩阵、结构关联子矩阵、电气关联子矩阵、以及保障关联子矩阵，并结合功能、结构、电气、保障关联性权重系数，构建综合关联性矩阵；具体是：每个零部件均有功能、结构、电气及保障的属性，分别分析无人机各个零件的功能属性、结构属性、电气属性以及保障属
性关联性矩阵，然后结合功能、结构、电气、保障关联性权重系数，构建得到综合关联性矩阵；
[0011]2)基于层次模糊聚类(HFC)算法对模块进行初步划分
[0012]利用步骤1)得到的综合关联性矩阵构造模糊关系矩阵，通过传递闭包法将模糊关系矩阵转化为模糊等价矩阵，给定阈值λ进行聚类分析，得到聚类树状图，获得模块初步划分方案；
[0013]3)利用专利评分机制进行模糊综合评价，初步获得最优划分方案
[0014]利用步骤2)得到的模块初步划分方案建立待评价集，构建评判因素集，引入专家评分机制，完成无人机模块划分要素重要性权重评议表，构建各级评价指标权重集，进行多级模糊综合评价，将获得评价最高的初步划分方案作为初步最优划分方案；
[0015]4)基于模糊C均值聚类的改进粒子群IPSO
‑
FCM算法对步骤3)得到的初步最优划分方案进行精准划分，获得最终精准划分方案。
[0016]进一步地，步骤1)中建立综合关联性矩阵为A
z
＝{a
ij
}
n
×
n
[0017][0018]其中，A
z
表示无人机零部件综合关联性矩阵；a
ij
表示零部件i与零部件j之间的综合关联度；w
f
、w
s
、w
e
、wg分别表示功能、结构、电气、保障关联性权重系数,采用层次分析法确定；分别表示零部件i和零部件j之间的功能、结构、电气和保障相关性。
[0019]进一步地，步骤2)具体为：
[0020]2.1)基于无人机零部件集X，使用传递矩阵(传递闭包)将步骤1)建立的无人机零部件综合关联性矩阵A
z
改造成模糊等价矩阵As；
[0021]2.2)以步骤2.1)得到的模糊等价矩阵As为对象，采用层次模糊聚类算法，获得不同阈值对应的划分方案，按照阈值λ(用于判断两者是否相关，生成聚类树)由大到小的顺序，依次求得对应的划分方案并进行综合(即将各个方案进行集合)，形成随阈值λ变化的聚类树状图，得到模块初步划分方案；
[0022]针对不同阈值λ对应的划分方案，模块数过大或者过小均不合理。为实现装配时间最短的目标，理想的模块数为(n为无人机零部件数量)附近，基于此原则，结合无人机在生产、装配和保障等方面的特殊性，选择合适的备选方案。
[0023]进一步地，步骤3)具体为：
[0024]3.1)建立模糊综合决策集3.1)建立模糊综合决策集为模糊合成算子,具体成分如下：
[0025]关联评价矩阵S为：
[0026][0027]其中，S
i
为关联系数，计算公式为：
[0028][0029]其中，ρ表示分辨系数，取值区间为(0,1)，通常取ρ＝0.5，et0为评估对象集合(评价集F)对影响评价对象的因素集合(因素集E)的最优参考序列，et
j
为评估对象集合(评价集F)对影响评价对象的因素集合(因素集E)的比较序列；
[0030]指标权重集UE为：
[0031]UE＝(ue1，ue2，
…
，ue
n
)
[0032]其中，ue
kj
为专家评分，为专家评价权重，为专家信度；
[0033]3.2)利用步骤3.1)建立的模糊综合决策集对步骤2)得到模块初步划分方案进行评价，将获得评价最高的初步划分方案作为初步最优划分方案。
[0034]进一步地，步骤4)具体为：
[0035]采用基于模糊C均值聚类的改进粒子群IPSO
‑
FCM算法对步骤3)得到的初步最优划分方案进行进一步精准划分，确定各模块与无人机零部件之间的对应关系，完成模块划分，获得模块精准划分方案；
[0036]其中，所述基于模糊C均值聚类的改进粒子群算法以改进的粒子群算法为迭代框架，适应度函数采用FCM价值函数的方式进行寻优，采用“聚类中心
→
隶属度矩阵
→
价值函数”的顺序计算粒子适应度；该改进能够避本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模块化无人机模块划分方法，其特征在于，包括以下步骤：1)建立综合关联性矩阵根据无人机零部件功能、结构、电气以及保障属性构建聚类样本集，分别建立功能关联子矩阵、结构关联子矩阵、电气关联子矩阵、以及保障关联子矩阵，并结合功能、结构、电气、保障关联性权重系数，构建综合关联性矩阵；2)基于层次模糊聚类(HFC)算法对模块进行初步划分利用步骤1)得到的综合关联性矩阵构造模糊关系矩阵，通过传递闭包法将模糊关系矩阵转化为模糊等价矩阵，给定阈值λ进行聚类分析，得到聚类树状图，获得模块初步划分方案；3)利用专家评分机制进行模糊综合评价，获得初步最优划分方案利用步骤2)得到的模块初步划分方案建立待评价集，构建评判因素集，引入专家评分机制，完成无人机模块划分要素重要性权重评议表，构建各级评价指标权重集，进行多级模糊综合评价，将获得评价最高的初步划分方案作为初步最优划分方案；4)基于模糊C均值聚类的改进粒子群算法对步骤3)得到的初步最优划分方案进行精准划分，获得最终模块精准划分方案。2.根据权利要求1所述模块化无人机模块划分方法，其特征在于：步骤1)中，综合关联性矩阵表示为A
z
＝{a
ij
}
n
×
n
其中，A
z
表示无人机零部件综合关联性矩阵；a
ij
表示零部件i与零部件j之间的综合关联度；w
f
、w
s
、w
e
、w
g
分别表示功能、结构、电气、保障关联性权重系数,采用层次分析法确定；分别表示零部件i和零部件j之间的功能、结构、电气和保障相关性。3.根据权利要求2所述模块化无人机模块划分方法，其特征在于，步骤2)具体为：2.1)基于无人机零部件集，使用传递矩阵将步骤1)建立的无人机零部件综合关联性矩阵A
z
改造成模糊等价矩阵A
s
；2.2)以步骤2.1)得到的模糊等价矩阵A
s
为对象，采用层次模糊聚类算法，获得不同阈值对应的划分方案，按照阈值λ由大到小的顺序，依次求得对应的划分方案并进行综合，形成随阈值λ变化的聚类树状图，得到模块初步划分方案。4.根据权利要求3所述模块化无人机模块划分方法，其特征在于，步骤3)具体为：3.1)建立模糊综合决策集3.1)建立模糊综合决策集为模糊合成算子,具体成分如下：关联评价矩阵S为：其中，S
i
为关联系数，计算公式为：
其中，ρ表示分辨系数，取值区间为(0,1)，通常取ρ＝0.5，et0为评估对象集合对影响评价对象的因素集合的最优参考序列，et
j
为评估对象集合对影响评价对象的因素集合的比较序列；指标权重集UE为：UE＝(ue1，ue2，
···
，ue
n
)其中，ue
kj
为专家评分，为专家评价权重，为专家信度；3.2)利用步骤3.1)建立的模糊综合决策集对步骤2)得到模块初步划分方案进行评价，将获得评价最高的初步划分方案作为初步最优划分方案。5.根据权利要求4所述模块化无人机模块划分方法，其特征在于，步骤4)具体为：采用基于模糊C均值聚类的改进粒子群算法对步骤3)得到的初步最优划分方案进行进一步精准划分，确定各模块与无人机零部件之间的对应关系，完成模块划分，获得最终模块精准划分方案；其中，所述基于模糊C均值聚类的改进粒子群算法以改进的粒子群算法为迭代框架，适应度函数采用FCM价值函数的方式进行寻优，采用“聚类中心
→
隶属度矩阵
→
价值函数”的顺序计算粒子适应度。6.采用权利要求1
‑
5任一所述模块化无人机模块划分方法得到的模块精准划分方案进行配置的方法，其特征在于:S1.根据任务描述生成任务需求集，通过相关性分析得到无人机型性能
‑
需求矩阵；根据模块精准划分方案将各模块分为通用模...

【专利技术属性】
技术研发人员：肖和业，闫铭，白俊强，张旭东，吴利荣，王玉冰，
申请(专利权)人：中国人民解放军九三二三六部队，
类型：发明
国别省市：