某型電源裝備虛擬訓練系統(tǒng)的綜合評判模型

張 琦，程培源，陸 屹

（空軍工程大學防空反導學院，西安 710051）

0 引言

業(yè)務水平評估是評測技術人員素質能力的重要一環(huán)。科學合理的評價方法不但有助于鼓勵先進，還可以檢驗訓練效果，進一步促進人員提高業(yè)務水平，為設備的正常運行和保障奠定基礎。

目前，主要的評價方法有：層次分析法（AHP）［1-2］、模糊綜合評判法 （Fuzzy Comprehensive Evaluation，F(xiàn)CE）［3］、灰色綜合評價法（Grey Comprehensive E-valuation，GCE）［4-5］、人工神經網(wǎng)絡評價法（Artificial Neural network，ANN）［6-7］、多屬性評價方法［8］。它們存在的不足之處有：現(xiàn)有文獻大都以單個決策者決定指標權重，對于群決策相關的綜合賦權法涉及較少；對于常見的主觀和客觀賦權法，主觀賦權法存在隨意性，不具有理論依據(jù)。而客觀賦權法確定權重優(yōu)勢與分目標實際重要程度差異較大?；诖耍槍δ承碗娫囱b備虛擬訓練系統(tǒng)的評價問題，本文將構建人員操作評估模型，確定虛擬訓練評價指標體系，設計適用于該模型的綜合評估算法。

1 評估指標及評語集構建

1.1 虛擬訓練系統(tǒng)操作模型

某型電源裝備是一種柴油發(fā)電機站［9］，包括有柴油發(fā)電機組及其控制設備，可以利用柴油發(fā)電機組或工業(yè)市電進行供電。車廂內分為機組間和操作間。虛擬訓練系統(tǒng)的訓練對象為操作間內的控制臺和機組間內的配電設備。操作模型如圖1所示。

圖1 電源裝備虛擬訓練操作模型

1.2 評判指標體系的建立

由于柴油發(fā)電機組的操作復雜，影響評判的因素也比較多，而每個評價指標都應該從不同的側面刻畫操作手素質能力的特征大小。一般來說，應遵循的原則是：系統(tǒng)性，科學性，可比性，可觀測性，相對獨立性。

在實際供電操作中，操作人員既要嚴格按照操作規(guī)程進行啟動、供電等，保障設備和人員安全，又要在緊急供電或者突發(fā)狀況下突出操作的熟練程度，提高供電效率，還要有一定的理論功底。因此，通過對實際操作中人員出現(xiàn)的問題和專家提出的建議進行論證和總結。本文將規(guī)范性，熟練度，應變能力，理論能力作為考察的準則層。各準則層下設對應的具體評價指標。具體如下：①規(guī)范性指標，針對人員操作的規(guī)范性，結合考核評價要求，規(guī)范操作行為，從而減少安全隱患；②熟練度指標，熟練程度能夠反映操作人員的反應能力；③應變能力指標，訓練系統(tǒng)設置的參數(shù)或者機器故障，來檢驗操作人員查找故障，排除故障的能力；④理論能力指標，檢驗操作手對于理論知識的儲備程度，以及能夠回答專家組提出的相關問題。

1.3 確定評語集

表1中所示的某型軍用電源設備虛擬訓練綜合評價指標體系絕大部分為軟指標，基于測度理論和人員考察能力的要求，確定評價標準集合，因此，對基準層和指標層給定如下評語集（等級矩陣）V=（V1，V2，V3，V4，V5）T。

表1 虛擬訓練評價指標體系

表2 評語集

2 指標權重的確定

2.1 層次分析法

層次分析法是一種把定性與定量分析相結合的多準則決策方法，廣泛應用于確定指標權重。其主要步驟在此不再贅述［10］。

層次分析法可得到較為準確的權重，且其可根據(jù)評估指標變化趨勢實時調整各項指標賦權大小。因此，具有適用性強和實時性高等優(yōu)點。不足之處是在構造判斷矩陣時，權重是根據(jù)專家經驗給定的，人為主觀性、隨意性比較強，由此確定權重的準確率會大大地降低。

2.2 熵權法

假設評價某一對象，m個評價指標，n個專家組成員給定的原始數(shù)據(jù)矩陣 d=［dij］n×m，dij≥0（i=1，2，…，n；j=1，2，…，m）。這里取 dij≥0 是為了保證采用均值化轉化后的pij的取值范圍為［0，1］。在實際系統(tǒng)中，一般取 dij＞0，若遇到 dij＜0 的情況，可以通過相應方法進行正化處理。由于熵中變量的取值范圍為［0，1］，為了符合要求，需要對原始評價數(shù)據(jù)進行歸一化預處理，即，得到處理后的矩陣。

對于系統(tǒng)中的某個指標dj，其信息熵為

式中，k=1/ln n。

第j個指標的熵權wj*定義為

從式（2）可以看出：若某個評價指標的信息熵越小，其指標值的變異程度越大，提供的信息量也就越多，在綜合評價中所占的比重越大，相應權重也應越大；反之亦然。熵權法利用指標監(jiān)測值所包含信息量的大小來計算權重。因此，熵權法具有客觀性的優(yōu)點，尤其對于指標差異程度大的評估問題，能夠得出準確率較高的權重。

2.3 組合賦權法

由于上述兩種方法均存在一定的不足，可通過組合賦權法將兩種確定的權重進行有效組合［11-12］，得到具有主客觀意義的權重，既發(fā)揮了兩種賦權法的優(yōu)點，又彌補了各自的不足，從而得到的權重更加科學合理。

設wj為組合后的指標權重，將wj*和wj'進行線性組合（j=1，2，…，m）即 wj為

式中，wj'、θ分別為AHP方法求得各指標的權重及AHP 方法所占比重；wj*、（1-θ）分別為熵權法求得各指標權重及熵權法方法所占比重。

2.4 模糊灰色聚類

模糊灰色聚類法結合了灰色聚類分析理論和模糊綜合評判法，首先利用灰色聚類法對第一級評估對象進行操作評估，后用模糊綜合評判對第二級評估對象進行綜合評估［13］。模糊灰色聚類方法要確定評估灰類，首先是確定評價灰類的等級數(shù)、灰類的灰數(shù)以及灰數(shù)的白化權函數(shù)?；翌愐鶕?jù)評價設定的等級，通過定性分析確定。

通常選擇三角權函數(shù)，上或下測度白化權函數(shù)作為各指標灰類的白化權函數(shù)。設j指標屬e灰類的典型白化權函數(shù)如圖2所示。其中dje（1），dje（2），dje（3），dje（4）為白化權函數(shù)fje（·）的轉折點。為了簡化表達，將j指標e類的典型白化權函數(shù)記為fje［dje（1），dje（2），dje（3），dje（4）］。它的數(shù)學表達式為

式中：dij為專家i關于評價指標j的量化評價值。

圖2 典型白化權函數(shù)示意圖

3 綜合評價模型

根據(jù)某型電源設備的虛擬訓練系統(tǒng)，設計分別采用熵權法和層次分析法來確定虛擬訓練系統(tǒng)基準層和指標的權重，然后通過組合賦權法將上述兩處權重重新組合。最后利用灰色聚類法評估虛擬訓練系統(tǒng)人員業(yè)務水平，用其聚類系數(shù)創(chuàng)建評估的模糊評判矩陣。

3.1 確定評價樣本矩陣

假設有n位專家（決策者）對人員評估，m個評價指標，第i位專家按評價咨詢表對第j個指標的評價量樣本記為dij，所有專家對操作者能力的評價數(shù)據(jù)構成樣本矩陣，得到原始數(shù)據(jù)矩陣d=［dij］n×m，dij≥0（i=1，2，…，n；j=1，2，…，m）即

3.2 指標量化處理

由于能反映操作人員業(yè)務水平各指標的標度類型和量綱都不相同，為便于比較，需對原始數(shù)據(jù)進行規(guī)范化處理，最終使量綱數(shù)據(jù)變?yōu)闊o量綱數(shù)據(jù)［14］。

對于效益型數(shù)值型指標，規(guī)范化公式為

對于成本型數(shù)值型指標，規(guī)范化公式為

式中：dijmin和dijmax分別指第i個操作人員第j項指標的最小值和最大值；dij'為第i個操作人員第j項指標dij的規(guī)范化數(shù)值。即得到

3.3 權重的確定

如上述2.1，2.2及2.3節(jié)所述。

3.4 確定評估灰類

3.4.1 灰色聚類白化權函數(shù)的構造

在1.3節(jié)的討論中，已將虛擬訓練系統(tǒng)人員業(yè)務水平劃分為5個等級（即灰類），這5個灰類定義在0～1之間，并將5個灰類的白化權函數(shù)分別定義為：

表3 5個灰類的白化權函數(shù)

具體各白化權函數(shù)形式為

3.4.2 計算灰色統(tǒng)計數(shù)

用灰色統(tǒng)計法確定灰數(shù)的白化權函數(shù)，求出屬于對應類評價標準的權［15］，據(jù)此得到評判矩陣的灰色統(tǒng)計數(shù)（記為nij）和總灰色統(tǒng)計數(shù)（記為ni），即

3.4.3 計算灰色評估權值及模糊權矩陣

綜合n位專家對第i個評價指標主張第j種評價的灰色權值：rij=nij/ni，之后構成的單因素模糊權矩陣為

3.5 計算模糊綜合評判矩陣

將模糊加權矩陣和單因素模糊評判矩陣進行復合運算，最終可建立模糊綜合評判矩陣，即

3.6 計算評價結果

綜合評價結果為

計算得出對人員的操作能力的評價Z。

4 實例驗證

4.1 原始數(shù)據(jù)的預處理

表4 虛擬訓練系統(tǒng)綜合評價指標體系計算值

利用式（6）、式（7）對原始數(shù)據(jù)規(guī)范化處理，得

4.2 權重的確定

4.2.1 層次分析法確定權重

以基準層為例，通過專家經驗定量地給定其各參數(shù)兩兩比較時的重要性標度，寫成判斷矩陣形式，即

式中：1表示同屬性的兩指標相比，前者與后者同等重要；3表示稍微重要；5表示明顯重要；倒數(shù)表示兩評估指標反過來的重要性，2和4則表示介于1、3、5之間的重要性。從而可得出各基準層的權重wA。

同理可求得各指標層的權重分別為

4.2.2 熵權法確定權重

由式（1）、式（2）分別計算信息熵和指標權重值，得權重為：

4.2.3 組合賦權法確定權重

利用式（3）將上述兩種權重進行組合，根據(jù)專家經驗及評價要求，θ取0.3時，可以很好地將主客觀權重組合，并有效削弱主客觀賦權法確定權重時的不利因素影響。由此可得

4.3 計算灰色評價權矩陣

對評價指標B1，操作人員屬于第e個評價的灰色評價系數(shù)e=1，

得到B1所屬指標對于各評價灰類的灰色評價權矩陣為

依照上述方法可以得到 R2，R3，R4。

4.4 計算評價結果

指標層：

同樣得到 A2，A3，A4，得

基準層：

計算評價結果得

4.5 評價結果分析

根據(jù)評估結果可知，該操作人員業(yè)務掌握良好，能應對戰(zhàn)備準備。上述綜合評估方法對人員業(yè)務操作水平進行評估，評估結果與實際狀態(tài)相符。

綜上，所創(chuàng)建評估模型能實現(xiàn)對人員業(yè)務操作水平進行綜合評估，評估結果具有準確性和客觀性。

5 結論

本文所提出的基于組合賦權法和模糊灰色聚類相結合的綜合評估方法，既可彌補單種評判法的不足，又能很好地克服以往單純依賴專家打分策略確定權重所帶來的人為主觀不確定性影響，從而提高評估的準確性與客觀性。

研究構建了業(yè)務操作評估模型，并確定評估科目及虛擬訓練評價指標體系，設計適用于該模型的綜合評估算法。針對評價指標中包含許多灰色信息，引入模糊灰色聚類算法，很好地解決了模糊評判矩陣難以構建問題。結合某型電源裝備為模型的業(yè)務評估為具體應用對象，驗證了所提方法的有效性。

［1］XIU Z X，LIU B H，XIE Q H，et al.Assessment of structural stability in bohai sea area based on AHP-GDM model［J］.Acta Oceanol.Sin，2013，32（4）：41-48.

［2］GUO Y L，WANG Q，YAN W P，et al.Assessment of habitat suitability in the upper reaches of the min river in china［J］.Journal of Mountain Science，2015，12（3）：737-746.

［3］TANG B，GAO J Z.System simulation and reliability assessment of chinese carbon sequestration market［J］.J Syst Sci Complex，2014，27（4）：760-776.

［4］HAN L F，TANG W Y，LIU Y M，et al.Evaluation of measurement uncertainty based on grey system theory for small samples from an unknown distribution ［J］.Technological Sciences，2013，56（6）：1517-1524.

［5］ZHANG Z，ZENG X L，CHEN J Z，et al.Gray comprehensive assessment and optimal selection of water consumption forecasting model［J］.Journal CSUT jun，2006，13（3）：318-320.

［6］YANG C T，MARSOOLI R，AALAMI M T.Evaluation of total load sediment transport formulas using ANN［J］.International Journal of Sediment Research，2009，24（3）：274-286.

［7］LOTFOLLAHI-YAGHIN，M A，POURTAGHI A，SANAATY B，et al.Artificial neural network ability in evaluation of random wave-induced inline force on a vertical cylinder［J］.China Ocean Eng，2012，26（1）：19-36.

［8］YU H，LIU Z，LI Y J.Key nodes in complex networks identified by multi-attribute decision-making method.［J］Acta Phys.Sin，2013，62（2）：1-8.

［9］程培源，楊新宇，王和明.電源設備原理［M］.北京：藍天出版社，2002.

［10］徐吉輝，謝文俊.綜合評價理論、方法與軍事應用［M］.北京：國防工業(yè)出版社，2014.

［11］王鈺娟.基于組合賦權和改進TOPSIS的經濟評價研究［D］.大連：大連理工大學，2009.

［12］陳偉，夏建華.綜合主、客觀權重信息的最優(yōu)組合賦權方法［J］.數(shù)學的實踐與認識，2007，37（1）：17-22.

［13］邵新杰，曹立軍，田廣，等.復雜裝備故障預測與健康管理技術［M］.北京：國防工業(yè)出版社，2013.

［14］張衛(wèi)華，趙明軍.指標無量綱化方法對綜合評價結果可靠性的影響及其實證分析［J］.統(tǒng)計信息論壇，2005，20（3）：33-35.

［15］劉思峰，謝乃明.基于改進三角白化權函數(shù)的灰評估新方法［J］.系統(tǒng)工程學報，2011，26（2）：244-250.