劉新海，馬彥恒，宗子健

（軍械工程學院，石家莊 050003）

認知電子裝備信息獲取能力的評價方法*

劉新海，馬彥恒，宗子健

（軍械工程學院，石家莊 050003）

在針對認知電子裝備提出的認知測試性概念及認知測試性指標體系的基礎上，對其中的重要指標信息獲取能力，建立了數(shù)學模型并給出計算方法。闡述了信息獲取能力指標的概念及內涵，通過綜合分析指標之間的關系，建立了信息獲取能力的數(shù)學模型；針對不同參數(shù)對指標的影響程度不同，提出了綜合熵權法確定數(shù)學模型中權重的計算方法。

認知測試性，指標體系，信息獲取能力，綜合熵權法

0 引言

具有自主認知特性的電子系統(tǒng)或裝置為認知電子裝備［1］。測試性是裝備通用質量特性之一，在GJB 2547A-2012中的定義為：“產品能及時、準確地確定其狀態(tài)（可工作、不可工作或性能下降程度），并隔離其內部故障的一種設計特性”［2］。該定義注重于依據(jù)產品本身、當前的狀態(tài)來實現(xiàn)故障的隔離。文獻［1］著眼未來智能化裝備的發(fā)展需求，基于認知、認知雷達和認知電子裝備［3-4］的概念，提出認知測試性的概念，其定義為：產品能及時準確地感知其狀態(tài)（可工作、不可工作或性能下降程度），預計其狀態(tài)變化趨勢及內部故障發(fā)生概率并給出應對策略的設計特性。該定義體現(xiàn)出需融合裝備自身當前狀態(tài)信息、其他同類裝備歷史信息、環(huán)境信息、后方基地支援信息、性能參數(shù)劣化趨勢等多種信息，通過信息融合和智能處理，實現(xiàn)故障的預測，保證裝備的任務可靠性。它將狀態(tài)監(jiān)測與故障預測歸入了設計階段進行實施，即在裝備的設計階段，就對狀態(tài)監(jiān)測和故障預測提出嚴格的要求。目前認知測試性的設計與分析還未見相關的研究報道。認知電子裝備自身需要具有一定的信息獲取能力，在裝備的保障過程中，無論是狀態(tài)監(jiān)測、故障診斷、故障預測還是智能決策都要以大量的裝備相關信息作為基礎，所以在認知測試性指標體系中，將信息獲取能力作為認知測試性評價的一個重要指標。本文對認知電子裝備信息獲取能力的概念及內涵進行了闡述，并建立了評價模型，給出了信息獲取能力的一種計算方法。

1 信息獲取能力的概念及內涵

認知電子裝備的信息獲取能力是指能夠獲取來自多種信息源的、多參數(shù)、多傳感器信息，以及歷史與經驗信息并進行信息融合用于故障診斷、預測和決策的能力。信息作為裝備狀態(tài)感知的重要依據(jù)，其獲取能力是認知測試性分析與設計的關鍵。認知電子裝備要求自身具有較高的信息化特點，此類裝備的測試性設計的任務需求也與傳統(tǒng)裝備不盡相同：此類裝備的測試性設計要更加方便于裝備當前狀態(tài)信息的實時監(jiān)控與網(wǎng)絡化傳遞；同型裝備歷史信息的存儲與交換；通過利用測試的方法和最優(yōu)的傳感器得到同型裝備歷史信息與裝備自身信息進行狀態(tài)預測。因此，選取歷史信息完備度、裝備自身信息完備度、信息融合能力作為評價信息獲取能力的二級指標（見表1）。以此來衡量獲取的信息是否全面，是否有效，能否為故障診斷、故障預測和決策提供強有力的信息支持。歷史信息完備度包括同型裝備狀態(tài)監(jiān)測歷史信息獲取完備率、同型裝備故障與維修歷史信息獲取完備率和同型裝備使用環(huán)境歷史信息獲取完備率。通過對采集的歷史信息進行分析與處理，挖掘其隱含規(guī)律來進行故障預測。裝備自身信息完備度包括裝備狀態(tài)監(jiān)測信息獲取完備率、裝備履歷信息獲取完備率和裝備使用環(huán)境信息獲取完備率。獲取的同型裝備的歷史信息必須與裝備當前的狀態(tài)信息具有較高的相關度，而且信息量充分，才能成為有效信息并能夠為故障預測提供依據(jù)。因此，選取信息相關度、信息充分率作為體現(xiàn)信息融合能力的第三級指標。信息相關度用來描述歷史信息與裝備自身信息的相關程度，相關程度越大，利用歷史信息估計出的裝備的狀態(tài)、故障類型、故障趨勢和故障時間等就越準確。信息充分率是描述獲取信息的樣本是否足夠。獲取的樣本足夠多，相關度越大，信息融合能力越強，對裝備的狀態(tài)信息判斷越準確。

2 信息獲取能力評價模型

結合認知測試性指標體系，可以建立信息獲取能力的評價模型。信息獲取能力（A）是歷史信息完備度（B1）、裝備自身信息完備度（B2）和信息融合能力（B3）三者的函數(shù)。如公式所示：

其中，B1為歷史信息完備度，C1為同型裝備狀態(tài)監(jiān)測歷史信息獲取完備率，C2為同型裝備故障與維修歷史信息獲取完備率，C3為同型裝備使用環(huán)境歷史信息獲取完備率，分別為 C1、C2、C3的權重；

表1［1］ 認知測試性指標體系——信息獲取能力

其中，B2為裝備自身信息完備度，C4為裝備狀態(tài)監(jiān)測信息獲取完備率，C5為裝備履歷信息完備率，C6為裝備使用環(huán)境信息獲取完備率，別為 C4、C5、C6的權重；

其中，B3為信息融合能力，C7為信息相關度，C8為信息充分率；

其中，D7為環(huán)境信息相似度，D8為裝備狀態(tài)信息相似度；

其中，D9為環(huán)境信息的充分率，D10為裝備狀態(tài)信息的充分率。

計算獲取的同型裝備歷史信息與裝備自身信息的相關度，采用如下的計算方法：

j=7，8，其中α一般取1，Hi為歷史信息序列（包括同型裝備歷史信息和歷史環(huán)境信息）中的第i個元素，比如說Hi可以表示同型裝備在某一時刻工作的環(huán)境溫度；Ni為裝備自身信息序列（包括裝備自身狀態(tài)信息和環(huán)境信息）的第i個元素，比如Ni可以表示裝備的某一單元在某一時刻工作的電流值；n7為裝備自身信息序列的數(shù)據(jù)個數(shù)；計算獲取的同型裝備歷史信息與裝備自身信息的充分率時，參考美國控制論專家查德給出的“年老”的隸屬函數(shù)［6］：

j=9，10，其中u為裝備自身信息序列的數(shù)據(jù)個數(shù)，f為歷史信息序列的數(shù)據(jù)個數(shù)，a一般取0.01f～0.03f之間，b一般取0.1（f-a）。Dj也可由專家經驗根據(jù)u+1和f的值自行給定。

將各級指標對應量值代入上述公式中進行計算即可得到信息獲取能力的結果。指標權重的確定方法見下一節(jié)。

3 綜合熵權法計算權重

認知測試性突出了大數(shù)據(jù)和信息流在產品設計中的作用。以信息獲取能力為例，在裝備的故障預測和智能決策中，要獲取同型裝備狀態(tài)監(jiān)測歷史信息、同型裝備故障與維修歷史信息、同型裝備使用環(huán)境歷史信息、裝備狀態(tài)監(jiān)測信息、裝備履歷信息、裝備使用環(huán)境信息等多種信息，信息量不僅巨大而且可能出現(xiàn)大量無效信息。進行認知測試性指標體系建模，首先就要確定各級指標的權重。

指標權重是一尺度常數(shù)，用以反映指標價值對評價目標的影響程度和范圍［7］。權重愈大，相對重要性愈大，反之亦然。

目前，根據(jù)計算權重時原始數(shù)據(jù)的不同來源，求解指標體系權重的方法一般可分為兩大類：主觀賦值法和客觀賦值法［8-9］。主觀賦值法，即主要根據(jù)評估者對各指標的偏好由經驗主觀判斷得到，如專家調查法、主觀加權法、層次分析法、Delphi法、模糊統(tǒng)計法等?？陀^賦值法，即主要是基于決策矩陣信息的方法，由各測評指標在被測評過程中的實際數(shù)據(jù)得到，如主成份分析法、熵值法、均方差法、多目標最優(yōu)化方法等。這兩類方法各有優(yōu)缺點，利用主觀賦值法確定指標權重雖然客觀性較差，但實施過程相對簡單且解釋性強；利用客觀賦值法確定的權重通常是基于比較完善的數(shù)學理論與方法，精度較高，但其忽視了決策者的主觀信息，造成了一定程度的信息缺失，有時會與實際情況相悖。

本文采用將客觀賦值法與主觀賦值法進行集成的“綜合熵權法”。它是通過分析系統(tǒng)指標及其相互關系，將采集專家意見的專家調查法與模糊分析法相結合，形成“評價排序”；用熵理論對“評價排序”按照給定的熵決策公式進行熵值計算、“盲度”分析，對可能產生潛在的“噪聲”數(shù)據(jù)統(tǒng)計處理，以減少“評價排序”的不確定性，能使專家意見趨于集中。它是一種定量分析與定性分析相結合確定指標權重的分析方法。具體步驟如下：

步驟1 采集專家意見，形成“評價排序”

首先，根據(jù)測評指標集確定對應的權重集。用“德爾斐法”［10］采集專家意見。設計定性排序的《指標體系權重專家調查表》（表2是對4個指標定性排序）。按照“德爾斐法”規(guī)定的程序和要求，向若干個專家問卷調查。專家組成員的選取要特別注意從熟悉評測對象（指標系統(tǒng)）的專家中選擇，應滿足鮮明的代表性、公正性和權威性條件。各個專家根據(jù)自己的知識和經驗，匿名填寫調查表，獨立地給出對測評指標集的“重要性排序”意見的定性判斷。通過征詢和反饋，最終形成的專家“排序意見”，稱為指標的“評價排序”。

步驟2 對“評價排序”進行“盲度”分析

專家“評價排序”的意見往往會因為數(shù)據(jù)“噪聲”產生潛在的偏差和數(shù)據(jù)的不確定性。為消除數(shù)據(jù)“噪聲”和減少不確定性，需要對表2中指標的定性判斷結論進行統(tǒng)計分析與處理。即用熵理論計算其熵值，以減少專家“評價排序”的不確定性。具體方法如下：

不妨設有w個專家參加問卷調查，得到調查表有w張，每一張表對應一指標集，記為。指標集對應的“評價排序”數(shù)組，記作，由w張表獲得指標的排序矩陣記為，稱為指標的“評價矩陣”。其中aij表示第i個專家對第j個指標pj的評價。自然數(shù)中的任意一個數(shù)，比如，需要對4個指標排序，則指標“評價排序”數(shù)組中的 m=4，可以取中的任意一個數(shù)。

對上述“評價排序”定性、定量轉化，定義定性排序轉化的隸屬函數(shù)為：

表2 測評指標重要性排序調查表

化簡為：

K為專家按照“評價排序”的格式對某個指標評議后給出的定性排序數(shù)，如表2，若認為4個指標中指標1選擇處于“非常重要”，則K取值為1；如果認為是“比較重要”，K取值則為2；其他依此類推。其中，γ 是定義在［0，1］上的變量，γ（K）為 K 對應的隸屬函數(shù)值，為實際最大順序號，比如，當j=4時，表示4個指標參加排序，則最大順序號取值為4。n為轉化參數(shù)量，取n=j+2，即n=6。

當K=1時，

當K=j+1取最大序號時，

將排序數(shù)aij代入式（20）中，可得aij定量轉化值bij，bij稱為排序數(shù)K的隸屬度。矩陣B=（bij）w×m稱為隸屬度矩陣。視w個專家對指標pj的“決策權”相同，即計算w個專家對指標pj的“集中意見”，稱為平均認識度，記作bj，令

定義專家xi對因素pj由認知產生的不確定性，稱為“認知盲度”，記作 Xj，令

顯然，Xj≥0。

對于每一個因素pj，定義w個專家關于pj的總體認識度記作yj，

由yj即得到w個專家全體對指標pj的評價向

步驟3歸一化處理

為得到指標pj的權重，對式（23）歸一化處理。令

4 結論

認知測試性的提出對裝備和國防事業(yè)的發(fā)展具有深遠的影響。隨著認知測試性研究的逐步深入，特別是裝備的不斷完善，將更有利于信息的收集、傳遞及處理。下一步將應用本文提出的建模方法，進一步論證權值確定的科學性，并針對具體的裝備展開認知測試性的研究。

［1］馬彥恒，劉新海，李剛.認知測試性的概念及指標分析［J］.軍械工程學院學報，2016，28（4）：62-65.

［2］邱靜，劉冠軍，楊鵬，等.裝備測試性建模與設計技術［M］.北京：科學出版社，2012.

［3］HAYKINS S.Cognitive radar：the way of future ［ J］.IEEE Signal Processing Magazine，2006（23）：30-40.

［4］GUERCI J R.認知雷達—知識輔助的全自適應方法［M］.吳順君，戴奉周，劉宏偉，譯.北京：國防工業(yè)出版社，2013：1-17.

［5］李剛.基于多源信息融合的電子裝備故障預測方法研究［D］.石家莊：軍械工程學院，2006.

［6］ZADEH L A.Fuzzy sets［J］.Inf.Control，1965（8）：338-353.

［7］岳立柱，閆艷，李良瓊.關聯(lián)條件下確定指標權重的方法［J］.應用泛函分析學報，2015，17（4）：401-406.

［8］郭凱紅，李文立.權重信息未知情況下的多屬性群決策方法及其拓展［J］.中國管理科學，2011，19（5）：94-98.

［9］吳堅，梁昌勇，李文年.基于主觀與客觀集成的屬性權重求解方法 ［J］.系統(tǒng)工程與電子技術，2007，29（3）：383-388.

［10］葛育祥.重大科技項目專家評審中德爾菲法的適用性研究［J］.科技情報開發(fā)與經濟，2015，25（8）：109-111.

Research on Evaluation Method of Information Acquisition Ability of Cognitive Electronic Equipment

LIU Xin-hai，MA Yan-heng，ZONG Zi-jian
（Ordnance Engineering College，Shijiazhuang 050003，China）

On the base of the concept of cognitive testability is proposed and the index system ofcognitive testability aim to the cognitive electronic equipment，the mathematics model and the calculation method of the important index information gain capacity is set up.Firstly，the concept and connotation of information gain capacity index is elaborated.The mathematics model of the information gain capacity is set up through the comprehensive analysis of the relationship among the indexes.The comprehensive entropy weight method is proposed to confirm the weight calculation method in the mathematics model aimed at the different parameters with different influence extent of the index.

cognitive testability，index system，information acquisition ability，general entropy weight method

1002-0640（2017）10-0109-05

TP206+.1

A

10.3969/j.issn.1002-0640.2017.10.023

2016-08-08

2016-10-28

軍隊武器裝備預研基金資助項目（9140A19031015）

劉新海（1988- ），男，山西太原人，在讀碩士。研究方向：裝備測試性。