[发明专利]一种基于健康状态的分队作战任务匹配方法

权利要求书

1.一种基于健康状态的分队作战任务匹配方法，其特征在于，包括：

S01:建立初始矩阵：获取与执行某一任务相关的M个影响因子；获取针对每种影响因子的N个车辆健康状态测量值，建立初始矩阵:

矩阵中的元素x_in表示第n个车辆第i个影响因子的健康状态测量值,

S02；影响因子权重计算:a)对健康状态测量值进化归一化处理,构建归一化矩阵:

其中,

b)计算影响因子的初始权重：

S03：对影响因子权重进行修正：

a)人工智能模块对M个影响因子对衡量作战任务的技术质量指标的贡献度进行比较,构造贡献向量：β＝[β₁,…,β_i,…,β_M]；

b)根据贡献度确定每个影响因子的最终权重：

u_i＝β_i×λ_i；

S04：确定匹配值：

a)构建加权规范化矩阵：

矩阵中，v_in＝u_ip_in

b)通过下式计算车辆对作战任务的匹配度：

c)对匹配度e_n从大到小排序，匹配度e_n最大的车辆为执行任务的最优的车辆。

2.根据权利要求1所述的基于健康状态的分队作战任务匹配方法,其特征在于,影响因子的健康状态测量值包括：车辆本体剩余使用寿命测量值、人员状况映射值、油料余量测量值和弹药余量测量值。

3.根据权利要求2所述的基于健康状态的分队作战任务匹配方法,其特征在于，车辆本体剩余使用寿命通过人工智能模块确定，人工智能模块包括输入层、编码层、输出层和模型优化层，其工作过程包括训练阶段和预测阶段，在训练阶段中，输入层输入结构相同、已维修过的车辆的测量值的二进制序列X′；编码层中第z_t神经元与输入层输入的二进制序列用下函数关系表示：

z_t＝f_en(X′,W)

式中，W为编码层的网络参数；

输出层输出的目标量由下式表示：

y＝[y₁,…y_v,…y_K′]

式中，r为剩余使用寿命；r_u为车辆工作寿命，c时间间隔；

输出层输出的目标量估计值为：

式中，Z＝[z₁,…z_t,…z_T]，W_c和b_c为从编码层匹配到输出层目标估计值的参数；T为编码层中每层的神经元数量；

模型优化层通过使最小以进行反复学习，从而优化函数f_en和σ。

在预测阶段，输入层输入车辆的测量值的二进制序列X；

编码层中第z_t神经元与输入层输入的二进制序列用下函数关系表示：

z_t＝f_en(X,W)

式中W为编码层的网络参数；

输出层输出的目标量估计值与编码层的神经元向量关系Z表示为：

人工智能模块根据下式确定车辆的剩余使用寿命其中K′＜K，T为分车辆已工作时间。