基于M-V艦載機著艦風險的動態(tài)決策方法研究

楊巍巍，張玉茹，李　暉，張麗霞，蘇曉東，姜海濤，潘慶和

(哈爾濱商業(yè)大學 計算機學院， 哈爾濱 150028)

?

基于M-V艦載機著艦風險的動態(tài)決策方法研究

楊巍巍，張玉茹，李暉，張麗霞，蘇曉東，姜海濤，潘慶和

(哈爾濱商業(yè)大學 計算機學院， 哈爾濱 150028)

為了降低艦載機著艦風險、提高飛行員和航母艦載機系統(tǒng)的安全性，提出基于均值-方差的艦載機著艦風險評估的動態(tài)多屬性決策方法.屬性值以三角模糊數(shù)形式給出，通過可能度和排序公式得到排序向量；依據(jù)各時刻排序值對期望排序產(chǎn)生的排序波動，進行條件分析，獲得各組方案的排序結果.最后，通過對艦載機著艦風險實例的評測，證實了本文提出的決策方法的可行性.

著艦風險；動態(tài)決策；三角模糊數(shù)；排序波動

由于艦載機著艦事故引起的損失和危害極大，研究者們開始對著艦技術賦予了高度重視，不僅在艦載機引導控制系統(tǒng)和航母甲板上不斷的得到改善，也逐漸對艦載機著艦風險評估進行了深入研究.依據(jù)艦載機著艦過程縱向回路的風險因素，分析對比不同駕駛員的操作技能或同一駕駛員不同航次的飛行狀態(tài)，可得到各組飛行航次優(yōu)劣的排序情況[1].這種評估研究不僅會為駕駛員訓練和著艦指揮官(Landing Signal Officer，LSO)提供反饋信息，并能夠促進駕駛員相互學習，提高駕駛員的著艦技能，為后續(xù)著艦技術奠定了基礎[2].

動態(tài)多屬性決策是指在一段時間內(nèi)，對有限個備選方案進行分析、判斷、排序和擇優(yōu)的過程.目前，已有很多學者對其進行研究并應用在多個領域.文獻[3]對VIKOR方法給予改進，研究三角模糊數(shù)的動態(tài)多屬性決策，利用可能度公式對三角模糊數(shù)進行比較，得到排序方案并用實例證明可行性；文獻[4]針對采用遺傳算法對一致性指標系數(shù)求解，解決動態(tài)決策問題；文獻[5]研究了包含實數(shù)、區(qū)間數(shù)、模糊語言混合形式的多屬性決策，最終轉(zhuǎn)化為三角模糊數(shù)進行計算，實現(xiàn)屬性多元化，并提出最優(yōu)從屬度優(yōu)化動態(tài)決策模型.

由于以上的動態(tài)多屬性決策，都是簡單利用集結算子對各時間信息進行集結，成為了群決策的另一種衍生形式.艦載機著艦是一個過程，每個時間點的信息并不是孤立的，相互之間存在一定的影響性，因此，傳統(tǒng)的動態(tài)決策并不能解決艦載機著艦風險評估這種復雜性的問題.

本文依據(jù)艦載機著艦過程，提出基于均值-方差的動態(tài)多屬性決策.三角模糊數(shù)作為著艦風險(屬性)評估值，進行比較、排序計算得到靜態(tài)排序向量；根據(jù)不同時間排序值與期望排序值之間存在一定偏差，將各時間點信息關聯(lián)在一起，利用總偏差對期望值產(chǎn)生的影響，進行方案的排序擇優(yōu).

1　問題描述

為了描述艦載機著艦風險評估多屬性決策的屬性指標關系和時間權重劃分，搭建艦載機著艦系統(tǒng)模型，如圖1所示.

圖1　艦載機著艦系統(tǒng)

根據(jù)著艦指揮官LSO對艦載機著艦風險的評測，分別給出開始位置(X)、中間位置(IM)、進近位置(IC)和艦尾位置(AR)的飛行狀態(tài)評估信息作為動態(tài)多屬性決策的屬性值數(shù)據(jù)，同時四個下滑基準點分別作為決策的離散時間，從而進行艦載機著艦風險評估.

由文獻[6]給出的駕駛員等級指標表可知，對四個基準位置的飛行狀態(tài)信息并未進行綜合性描述，體現(xiàn)不出四個時間點之間的聯(lián)系.此外飛行狀態(tài)偏差等級劃分過大，僅給出飛行狀態(tài)微小偏差和不影響著艦安全偏差，很容易得到有誤的著艦評估等級.然而，傳統(tǒng)動態(tài)決策又未考慮著艦風險帶來的影響，對方案最終排序準確性有待質(zhì)疑.

綜合上述，對艦載機著艦風險的動態(tài)決策主要是針對各離散時間點的關聯(lián)問題，及對飛行狀態(tài)進行多級標度描述.依據(jù)多屬性決策信息，給出九級標度描述飛行狀態(tài)，并根據(jù)各時間點排序值對期望排序值的波動，將各時間信息關聯(lián)在一起，進一步分析判斷得到最終方案排序.

2　決策步驟

1) 確定屬性權重ω=(ω1,ω2,…,ωn)T的值.根據(jù)文獻[2]建立的著艦評估體系可知，艦載機著艦的縱向回路中，影響著艦風險的指標有：高度偏差、速度和下沉率三個飛行狀態(tài)量.其中，高度偏差和速度為主要風險指標，下沉率為次要風險指標[7]，且屬性權重被定義為：

(1)

其中：n=3，λ=0.2，則ω=(0.4,0.4,0.2)T.

2) 計算tk時刻的綜合屬性評估值.利用TFLWA算子對矩陣Rk的第i(i∈M)行數(shù)據(jù)進行集結，得到tk時刻關于xi的綜合屬性評估：

(2)

(3)

艦載機著艦風險評估主要是分析艦載機著艦風險大小，以此進行比較各航次飛行狀態(tài)的優(yōu)劣，故基準下滑位置的風險權重即為時間權重.

方案xi的期望與方差排序位置相同，無任何差異，按照期望和方差共同的排序決定方案排序.

根據(jù)以上情況，進行討論、分析，獲得最滿意的決策結果.

3　實例分析

采用圖1 所示的跟蹤系統(tǒng)進行模擬艦載機著艦過程，得到5組飛行航次的落點分布情況，如圖2所示，并進行著艦風險的決策分析，步驟如下：

圖2　甲板落點分布

表1　t1時刻(X位置)評估矩陣R1

表2　t2時刻(X位置)評估矩陣R2

表3　t3時刻(X位置)評估矩陣R3

表4　t4時刻(X位置)評估矩陣R4

1) 利用TFLWA算子對評估矩陣R1的第行進行集結，求取t1時刻的綜合屬性值：

2) 根據(jù)可能度公式計算得到t1時刻的可能度，并構成可能度矩陣P1=(p1)m×m.

3) 計算t1時刻的排序向量w1.

w1=(0.1283,0.1697,0.3,0.2468,0.1553)T

同理.重復(1)～(3)，獲得其他各時刻的排序向量，如下：

w2=(0.1678,0.1523,0.3,0.2428,0.1373)T

w3=(0.1613,0.1323,0.2998,0.2455,0.1613)T

w4=(0.1772,0.1250,0.2960,0.2515,0.1502)T

E1=0.1727 ，E2=0.1294 ，E3=0.2969 ，E4=0.25 ，E5=0.1509

5) 對五組航次的期望和方差分別進行排序.

期望排序：E3>E4>E1>E5>E2

6) 針對期望與方差排序進行判斷分析，確定出方案排序結果.

所以，五組飛行航次的優(yōu)劣排序為：x3>x4>x1>x5>x2.

綜上所述，依據(jù)傳統(tǒng)動態(tài)決策方法計算排序值(即期望值)時，就決定了方案排序的結果，若對兩個期望值十分相近時，便難于分辨二者優(yōu)劣.引入期望-方差的動態(tài)決策方法后，即使兩組期望相近，還可依據(jù)著艦風險做進一步分析判斷，由此得到的排序結果也更加具有準確性.

由圖2可知，x3落在第二根和第三根阻攔索之間，即最佳著艦點.在整個飛行過程中，x3的著艦風險最小，且期望排序也是最高，綜合期望和方差，x3是五組航次中最佳航次.其他幾組航次的排序和著艦點的分布情況也依次對應，證實了決策結果的可行性.

4　結　語

針對艦載機著艦風險評估問題，提出基于均值-方差的動態(tài)多屬性決策.綜合期望和偏差解決了傳統(tǒng)動態(tài)決策不足之處，尤其針對排序值相同的決策問題，同時對離散時間具有關聯(lián)的動態(tài)決策也具有普遍性，在分析、判斷期望排序與方差排序后，獲得最滿意的決策結果.通過艦載機著艦風險評估的實例也證實決策方法的合理性和可行性.

[1]朱齊丹，李暉, 夏桂華, 等. 基于優(yōu)勢保有度的艦載機著艦風險動態(tài)多屬性決策[J]. 哈爾濱工程大學學報, 2013, 34(5): 615-622.

[2]許衛(wèi)寶. 飛行員著艦的多層次模糊綜合評價方法[J]. 中國艦船研究, 2013, 8(2): 17-21.

[3]張市芳.幾種模糊多屬性決策方法及其應用[D]. 西安: 西安電子科技大學博士學位論文, 2012.

[4]劉勝, 張廷玉, 于大泳. 動態(tài)三角模糊數(shù)互反判斷矩陣一致性及修正[J]. 2012, 33(2): 237-243.

[5]周佳敏, 王展清. 基于三角模糊數(shù)的動態(tài)混合多屬性決策方法[J]. 信息與管理, 2014(01): 121-124.

[6]RUDOWSKY T, COOK S, HYNES M,etal. Review of the carrier approach criteria for carrier-based aircraft[R]. Techinical report NAWCADPAX/TR-2002/71, 2002.

[7]HESS R A. Simplified Approach for modeling pilot pursuit control behaviour in multi-loop flight control taks [J]. Institution of mechanical engineer, 2006, 220(2): 85-102.

[8]CHEN Y, LI B. Dynamic multi-attribute decision making model based on triangular intuitionistic fuzzy numbers [J]. Scientia Iranica B, 2011, 18(2): 268-274.

[9]和媛媛, 周得群, 王強. 基于可能度的三角模糊數(shù)互補判斷矩陣排序方法[J]. 運籌與管理, 2009, 18(1)： 65-68.

[10]ZHU Q, LI H, ZHANG Z, et al. An improved method for risk assessment of carrier-based aircraft [C]// IEEE International Conference on Information and Automation, 2012. 777-782.

Study on dynamic multi-attribute decision of aircraft landing risk based on mean and variance

YANG Wei-wei, ZHANG Yu-ru, LI Hui, ZHANG Li-xia, SU Xiao-dong, JIANG Hai-tao, PAN Qing-he

(School of Computer,Harbin University of Commerce, Harbin 150028, China)

To reduce the risk of aircraft landing and improve the safety of pilots and aircraft carrier system, this paper proposed a dynamic multi-attribute decision making method of aircraft landing risk based on mean value and variance. Attribute values were provided in the form of triangular fuzzy number. According to calculations of possibility degree and ordering vector, the difference between expected value and each ordering value, then the ordering result was obtained by analyzing. The evaluation of aircraft landing risk examples proved the feasibility of the proposed decision making method.

aircraft landing risk; dynamic multi-attribute decision making; triangular fuzzy number; ordering wave

2015-10-12.

黑龍江省自然科學基金(F201423)

楊巍巍(1991-)，女，碩士，研究方向：信息融合與信息處理.

V271

A

1672-0946(2016)04-0453-05