技术领域
[0001] 本
发明属于在轨卫星使用状态健康评估技术领域，具体涉及一种基于AHP-熵权法的卫星健康状态多级模糊评价方法。
背景技术
[0002] 由于卫
星系统本身的复杂性及外太空环境的不确定性，导致了很难确保卫星在服务期限内不发生任何故障，而且卫星系统各个子系统之间具有耦合性，一旦某个部件出现故障，很可能导致这个系统的瘫痪，因此对卫星系统健康的评估越发显得重要，卫星系统健康评估是减少卫星运行故障，保障卫星安全运行的有
力工具，卫星系统健康评估是利用遥测参数对卫星运行状态和健康程度做出科学的评估，然后专家通过对评估结果的分析对卫星制定科学有效的健康管理策略，可以看出卫星系统健康评估是提升卫星系统安全性与可靠性、降低在轨卫星运行成本、保障卫星正常运行的关键工具。
[0003] 目前，对功能缺失卫星健康状态评估方法主要分为以下几种：
[0004] 1.基于
数据挖掘的方法：k-means
算法、
正交分割聚类以及一元相关向量机方法。这类方法主要是利用基于聚类的方法提取正常情况下的数据集合，然后计算出实时的数据向量与正常状态的数据向量之间距离的方差作为特征量进行卫星健康评估。这类方法只适用于单级健康评估，无法体现多级系统中部件对系统健康状态的影响。
[0005] 2.基于Bayes网络的健康评估方法，其方法是通过对未知参数的先验信息与样本信息综合，再根据贝叶斯公式，得出后验信息，然后根据后验信息去推断未知参数的方法。缺点是Bayes网络的建立过程中往往缺乏先验知识和数据的支持，难以建立完备的Bayes网络，对于多级的卫星系统而言，应用难度大，缺乏实用性。
[0006] 3.基于层次推理的多级健康评估方法：层次分析法，加权平均型合成法，状态数法。这类方法主要是通过根据卫星系统影响因素之间的关系将卫星系统分成多个层次，将复杂的多目标、多准则问题转化为单目标、多层次的简单问题，实用比较强。这类方法对卫星高冗余、可重构特性的体现不足，且评估模型权重参数过于依赖主观判断和专家经验，容易造成主观臆断。
发明内容
[0007] 本发明所要解决的技术问题在于针对上述
现有技术中的不足，提供一种基于AHP-熵权法的卫星健康状态多级模糊评价方法，对卫星健康状态作出精确的评估，根据评估结果可以对卫星制定科学有效的健康管理决策，是提升卫星系统安全性与可靠性、降低有效生命周期运行成本，进而保障在轨卫星任务得以顺利完成的有效方法。
[0008] 本发明采用以下技术方案：
[0009] 基于AHP-熵权法的卫星健康状态多级模糊评价方法，包括以下步骤：
[0010] S1、构建包括主观权重、客观权重和综合权重的系统权重体系，采用层次分析法与熵权法为模糊综合评价法提供精确的综合权重，层次分析法提供主观权重，熵权法提供客观权重，将主客观权重通过优化函数得到主客观相结合的综合权重；
[0011] S2、构建包括因素论域和评语集、隶属函数和评价矩阵及多级模糊评价的系统评价体系，对在轨卫星使用状态进行综合评价，通过模糊综合评价的隶属度原理对每层元素进行评估，然后采用多级模糊综合评价法由下往上依次递推评估整体健康状态。
[0012] 具体的，步骤S1中，构建主观权重具体为：
[0013] S1011、构建层次结构，评价目标构成目标层，评价因素构成因素层；
[0014] S1012、构建判断矩阵，建立每一层的判断矩阵R＝(rij)n×n，其中，rij表示部件两个影响要素ri与rj相比的重要程度大小，重要程度采用1～9标度给出；
[0015] S1013、采用一致性指标CI进行检测，当CI<0.1时，判断矩阵R一致性能够接受；当CI>0.1时，重新两两比较建立判读矩阵R，并通过矩阵转化方法自动调整；
[0016] S1014、采用将根法求得权重作为初始值，通过
迭代方式得到精确的权重值。
[0017] 进一步的，步骤S1013具体为：
[0018] 构建判断矩阵R的反对称矩阵B：
[0019] bij＝lgrij
[0020] 构建矩阵B的最优传递矩阵C：
[0021]
[0022] 构建矩阵C的拟优一致传递矩阵R*：
[0023]
[0024] 通过最优传递矩阵转化将判断矩阵R为符合一致性的拟优传递矩阵R^*。
[0025] 具体的，步骤S1014具体为：
[0026] 计算判断矩阵R的行元素几何平均值：
[0027]
[0029]
[0030] 得到粗略的权重向量W＝(w1,w2,w3,...,wn)T，然后取X(0)＝(w1,w2,...,wn)为初始值，利用迭代公式：
[0031] X(k)＝X(k-1)R
[0032] 计算X(k)，对于给定
精度ε，若有：
[0033] |X(k)-X(k-1)|<ε
[0034] 对X(k)归一化处理就是所求的最优权重，迭代结束；否则以X(k)为初始值，再次迭代直到满足为止。
[0035] 具体的，步骤S1中，构建客观权重具体为：
[0036] 根据卫星每层指标的历史数据构建其属性矩阵pij；
[0037] 对属性矩阵信息熵处理如下：：
[0038]
[0039]
[0040] 得到客观权重：β＝(β1,β2....βn)。
[0041] 具体的，步骤S1中，优化函数求解综合权重中，优化函数为：
[0042]
[0043] 约束条件为：
[0044]
[0045] 其中，ui为主观占比，si为综合权重，wi为主观权重，βi为客观权重。
[0046] 具体的，步骤S2中，构建因素论域和评语集具体为：
[0047] 卫星层次结构中每层指标构成每层的因素论域Ui＝{u1,u2,u3,...,um}，ui是第i层第i个指标；决策者对每个指标的等级划分组成了评语集Vi＝{v1,v2,v3,...,vm}。
[0048] 具体的，步骤S2中，构建隶属函数和评价矩阵具体为：
[0049]
[0050] 其中，Xi为指标的实测值，V2为指标i的第j级别上限值，V1为指标i的第j级别下限制，Mi为指标i最大值，mi为指标i最小值，rij为指标i处于级别j的隶属函数。
[0051] 具体的，步骤S2中，多级模糊评价具体为：
[0052] S2031、通过最底层因素域指标代入隶属函数得到底层模糊矩阵R，根据模糊矩阵R与其权重W做模糊运算，得到上一层指标的模糊向量S，然后根据指标模糊向量S与相应的等级健康度矩阵H进行矩阵运算得出指标的健康度M，同时根据最大隶属度原则得出指标的等级、状态；
[0053] S2032、通过步骤S2031得到的各个指标的模糊向量组成这层的模糊矩阵，然后与权重进行模糊运算得到这层模糊向量，然后模糊向量与相应的等级健康度矩阵进行矩阵运算得出指标的健康度及状态，同时根据最大隶属度原则得出指标的等级、状态；
[0054] S2033、重复步骤S2032，由卫星的递阶层次结构最底层到最高层依次递推，得到指标、分系统、卫星整体的运行状态。
[0055] 进一步的，根据模糊矩阵R与其权重W做模糊运算具体为：
[0056]
[0057] 指标健康度M为：
[0058] M＝S*H。
[0059] 与现有技术相比，本发明至少具有以下有益效果：
[0060] 本发明基于AHP-熵权法的卫星健康状态多级模糊评价方法，通过模糊综合评价的隶属度原理对每层元素进行评估，然后采用多级模糊综合评价法由下往上依次递推评估整体健康状态，既可以克服目前单级评估难以体现多级系统中部件对系统健康状态的影响，又可以避免当前卫星的多级健康评估方法主要采用的加权平均法过于依赖主观判断和专家经验的不足。层次分析法可以解决卫星系统的复杂性，模糊综合评价法可以解决卫星系统指标模糊、难以量化的问题；同
时针对模糊综合评价法权重粗略的问题，采用层次分析法(AHP)与熵权法相结合的方法为模糊综合评价法提供精确的权重，同时也避免只采用层次分析法(AHP)确定权重容易主观臆断的
缺陷，以弥补熵权法缺乏主观因素的不足。
[0061] 进一步的，主观权重利用专家丰富知识和经验来衡量各个指标对系统状态影响程度大小，用来弥补客观权重缺乏客观事实依据的缺陷。
[0062] 进一步的，客观权重是通过挖掘指标历史来衡量各个指标对系统状态影响程度的大小，用来弥补主观权重容易造成主观臆断的缺陷。
[0063] 进一步的，将主观权重和客观权重通过优化函数得到综合函数，为多级模糊综合评价法提供符合主客观实事的精确权重。
[0064] 进一步的，因素论域是影响系统状态的指标构成的集合，是我们评估系统状态好坏的指标。评语集是专家对因素论域中指标状态由好到坏制定的评价标准集合，为指标等级划分和状态提供评估标准。
[0065] 进一步的，隶属函数可以为难以量化的指标做以定量的评价，因素论域中的指标通过隶属函数来构建其隶属于评语集中各个标准的程度，隶属程度的大小构成其指标的评价向量，然后影响系统状态的指标的评价向量构成了系统的评价矩阵，为评估系统状态提供理论依据。
[0066] 进一步的，多级模糊评价过程是为了解决单级模糊评价法当影响系统状态的指标过多时，容易出现超模糊现象的缺点，我们通过对影响系统状态的指标划分多个层，然后由底层向高层递推的方式来得到更为准确的评价，同时也解决了对难以量化的指标的精确定量评价。
[0067] 综上所述，本发明解决卫星系统过于复杂难以评价的问题，又可以解决卫星系统部分影响指标由于具有模糊性、不确定性导致难以定量评价的缺陷；采用基于AHP-熵权法相结合的多级模糊综合评价法既可以解决模糊综合评价法权重粗略的问题又可以避免当前卫星的多级健康评估方法主要采用的加权平均法过于依赖主观判断和专家经验的不足。
[0068] 下面通过
附图和
实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0069] 图1为卫星系统特性及解决方案示意图；
[0070] 图2为层次分析法—熵权法的多级模糊综合评价法示意图；
[0072] 图4为层次分析法确定主观权重流程图；
[0073] 图5为执行机构分系统结构简图；
[0074] 图6为多级模糊综合评价法流程图；
[0075] 图7为级模糊综合评价过程图；
[0076] 图8为X轴动量轮健康度示意图；
[0077] 图9为执行机构分系统的健康度示意图。
具体实施方式
[0078] 请参阅图1，卫星系统具有复杂性、不确定性、模糊性、层次性等特点,为此，本发明建立了递阶层次结构的综合评价指标体系，研究模糊综合评判和层次分析中存在的问题并别提出改进的方法，在此
基础上提出了基于层次分析和熵权法相结合的多级模糊综合评价方法，对在轨卫星使用状态进行综合评价。
[0079] 请参阅图2，本发明一种基于AHP-熵权法的卫星健康状态多级模糊评价方法，包括以下步骤：
[0080] S1、系统权重体系构建；
[0081] 请参阅图3，构建系统权重体系分主观权重构建、客观权重构建、综合权重构建三部分。
[0082] 采用层次分析法(AHP)与熵权法相结合的方法为模糊综合评价法提供精确的综合权重，避免采用AHP确定权重容易主观臆断的缺陷，以弥补熵权法缺乏主观因素的不足，其中，层次分析法(AHP)提供主观权重，熵权法提供客观权重，然后将主客观权重通过优化函数得到主客观相结合的综合权重。
[0083] S101、指标主观权重构建；
[0084] 请参阅图4，所示层次分析法确定主观权重主要分为四个步骤：建立层次结构、构建判断矩阵、一致性检验、主观权重求解。
[0085] S1011、构建层次结构
[0086] 请参阅图5，层次分解模型通常由评价目标(目标层)、评价因素(因素层)及待评价设计方案(方案层)等元素组成。由评价目标构成目标层、评价因素构成因素层和待评价设计方案构成方案层。在计算因素权重的时候，略去方案层，仅考虑因素层和目标层。
[0087] S1012、构建判断矩阵
[0088] AHP的基础信息是对于每一层次中各要素的相对重要性给出判断，反复回答以上一层次的要素Ck为准则，两个要素ri，rj哪一个更重要，重要多少？建立每一层的判断矩阵R＝(rij)n×n，其中，rij表示部件两个影响要素ri与rj相比的重要程度大小，重要程度采用1～9标度给出，如下表所示：
[0089] AHP比例标度
[0090]
[0091] S1013、判断矩阵一致性检验
[0092] 对判断矩阵完全一致性的要求是不切实际的，但要求判断有大体上的一致，如出现甲比乙极端重要，乙比丙极端重要而丙又比甲极端重要的判断一般是违反常识的。一个混乱的、经不起推敲的判断矩阵有可能引起决策的失误，而且当判断矩阵偏离一致性过大时，任何一种排序向量估算方法，其结果的可靠性都是值得怀疑的，因此，需要对判断矩矩阵一致性进行检测。
[0093] 一般采用一致性指标CI进行检测，当CI<0.1时，判断矩阵R一致性可以接受，CI>0.1时，需要重新两两比较建立判读矩阵R，但是这种方法在指标过多时，很难满足CI<0.1,人为调整往往具有主观盲目性，因此，通过矩阵转化方法自动调整，具体为：
[0094] 首先通过公式(1)构建判断矩阵R的反对称矩阵B：
[0095] bij＝lgrij (1)
[0096] 然后通过公式(2)构建矩阵B的最优传递矩阵C：
[0097]
[0098] 最后通过公式(3)构建矩阵C的拟优一致传递矩阵R*：
[0099]
[0100] 通过最优传递矩阵转化将判断矩阵R为符合一致性的拟优传递矩阵R^*，避免判断一致性困难。
[0101] S1014、判断矩阵R求解
[0102] 通常用根法求解判断矩阵R，但是这样得到的权重精度比较低，因此采用将根法求得权重作为初始值，通过迭代的方式得到更为精确的权重值，具体为：
[0103] 首先求判断矩阵R的行元素几何平均值：
[0104]
[0105] 得到近似特征向量 将其归一化：
[0106]
[0107] 得到粗略的权重向量W＝(w1,w2,w3,...,wn)T，然后取X(0)＝(w1,w2,...,wn)为初始值，利用迭代公式：
[0108] X(k)＝X(k-1)R (6)
[0109] 通过公式(6)计算出X(k)，对于给定精度ε，若有：
[0110] |X(k)-X(k-1)|<ε (7)
[0111] 对X(k)归一化处理就是所求的最优权重，迭代结束；否则以X(k)为初始值，再次迭代直到满足公式(7)。
[0112] S102、指标客观权重构建；
[0113] 熵权法是根据数据的离散程度大小来决定指标的客观权重，按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量，如果指标的信息熵越小，指标提供的信息量越大，在综合评价中所起作用理当越大，权重就应该越高，具体为：
[0114] 首先根据卫星每层指标的历史数据构建其属性矩阵pij；
[0115] 然后对属性矩阵信息熵处理如公式(8)所示：
[0116]
[0117]
[0118] 得到客观权重：β＝(β1,β2....βn)。
[0119] S103、优化函数求解综合权重；
[0120] 为了将决策者的偏好与主、客观赋权法本身所包含的信息兼顾，通过优化组合主、客观权重得到综合权重，优化函数如公式(9)所示：
[0121]
[0122] 约束条件为：
[0123]
[0124] 其中，ui为主观占比，从优化函数中可以看出综合权重si既与主观权重wi相差很小，同时与客观权重βi相差很小，表明综合权重si综合了主、客观权重信息。
[0125] S2、系统评价体系构建；
[0126] 请参阅图6，系统评价体系构建采用的多级模糊综合评价法主要分为构建因素论域和评语集、隶属函数和评价矩阵的构建、多级模糊评价过程三部分；
[0127] S201、构建因素论域和评语集；
[0128] 卫星层次结构中每层指标构成了每层的因素论域Ui＝{u1,u2,u3,...,um}，ui是第i层第i个指标。决策者对每个指标的等级划分组成了评语集Vi＝{v1,v2,v3,...,vm}。
[0129] 一般情况下，评语等级数p取[3,7]中的整数；如果p过大，抉择评语难以描述且不易判断等级归属；如果p太小，不符合模糊综合评判的
质量要求；通常p取奇数的情况较多，可以有一个中间等级，便于判断被评价对象的等级归属。
[0130] 具体等级依据评价对象内容由评价专家商定，采用适当的语言描述，评价经济效益取V＝{好,较好,一般,较差,差}；评价居民生活
水平取V＝{高,较高,一般,低,较低}。
[0131] 请参阅图8，本发明将影响卫星状态的因素分为设备级、分系统级、卫星级，然后对每个指标按照由好到坏一次划为五个等级。
[0132]
[0133]
[0134] S202、隶属函数和评价矩阵的构建；
[0135] 因素论域和评语集构建完成之后，需要构建隶属函数来衡量因素论域指标ui隶属于评语集中相对应的等级vi的程度rij，构建的隶属函数如下：
[0136]
[0137] 其中，Xi为指标的实测值，V2为指标i的第j级别上限值，V1为指标i的第j级别下限制，Mi为指标i最大值，mi为指标i最小值，rij为指标i处于级别j的隶属函数。
[0138] 将因素论域中元素ui代入隶属函数中得到模糊矩阵R，即评价矩阵R，其中，rij表示的因素ui属于评语集中vi的程度。一个被评价对象在某个因素ui方面的表现是通过模糊矩阵R的行向量来刻画的，而在其它评价方法中多是由一个评价指标实际值来刻画的。因此从这个
角度来讲，模糊综合评判要求更多的信息。
[0139] S203、多级模糊评价；
[0140] 请参阅图7，具体为：
[0141] S2031、通过最底层因素域指标代入隶属函数公式(10)得到底层模糊矩阵R，根据公式(11)模糊矩阵R与其权重W做模糊运算，得到上一层指标的模糊向量S，然后根据公式(12)指标模糊向量S与相应的等级健康度矩阵H进行矩阵运算就可以得出指标的健康度M，同时根据最大隶属度原则可以得出指标的等级、状态；
[0142]
[0143] M＝S*H (12)
[0144] S2032、通过步骤S2031得到的各个指标的模糊向量组成这层的模糊矩阵，然后与权重进行模糊运算得到这层模糊向量，然后模糊向量与相应的等级健康度矩阵进行矩阵运算就可以得出指标的健康度及状态，同时根据最大隶属度原则可以得出指标的等级、状态；
[0145] S2033、重复步骤S2032，由卫星的递阶层次结构最底层到最高层依次递推，以此得到指标、分系统、卫星整体的运行状态。
[0146] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的
选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0147] 本发明一种基于AHP-熵权法的卫星健康状态多级模糊评价方法，以卫星
姿态控制系统下的执行机构分系统为例，执行机构分系统层次机构如图5所示.根据上
面层次分析法和熵权法建立权重体系的方法，得到执行机构分系统的权重体系如表1所示：
[0148] 表1执行机构分系统权重体系
[0149]
[0150]
[0151] 如上表1所示，由于动量轮组件的各指标功能大致相同，所以主观权重相差很小，但是实际系统,指标往往在恶化的情况下，其重要性才越发突出，因此采用熵权法弥补层次分析法的不足，得到更精确的权重体系。
[0152] 请参阅图8，动量轮组件下的X轴动量轮在正常状态下的健康度，可以看出正常状态下，X轴动量轮的健康度维持在很高的水平，绿线表示的是X轴动量轮在故障状态下的健康度，可以看出在250s左右由于X轴动量轮出现故障，导致X轴动量轮健康度的下降，与实际相符。
[0153] 请参阅图9，根据AHP-多级模糊综合评价模型得到的执行机构分系统的评估结果，在250s左右由于X轴动量轮出现故障，导致X轴动量轮健康度急剧下降，同时由于X轴动量轮的影响导致其上层指标动量轮组件的健康度下降，进而导致目标层执行机构分系统的健康度下降，与实际相符合，证明了本发明评估方法的可靠性。
[0154] 以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明
权利要求书的保护范围之内。
