综合最优赋权和云模型的导引头方案优选方法

doi:10.12305/j.issn.1001-506X.2025.09.22

系统工程与电子技术 ›› 2025, Vol. 47 ›› Issue (9): 3011-3021.doi: 10.12305/j.issn.1001-506X.2025.09.22

• 系统工程 • 上一篇

综合最优赋权和云模型的导引头方案优选方法

郭国强¹^,²^,*(), 牛智奇²(), 李亚超¹(), 陈锰²(), 田卫东²(), 陈文喜²()

1. 西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071
2. 西安现代控制技术研究所，陕西西安 710065

收稿日期:2024-09-19 出版日期:2025-09-25 发布日期:2025-09-16
通讯作者: 郭国强 E-mail:hwpermanent@163.com;niuzhiqi@126.com;ycli@mail.xidian.edu.cn;bq203cm@163.com;18706899256@163.com;chenwenxi_2008@163.com
作者简介:牛智奇（1983—），男，研究员，博士，主要研究方向为导弹总体设计
李亚超（1981—），男，研究员，博士，主要研究方向为合成孔径雷达成像、信号处理
陈　锰（1991—），男，高级工程师，硕士，主要研究方向为装备质量特性评估
田卫东（1997—），男，工程师，硕士，主要研究方向为导引头总体设计
陈文喜（1989—），女，高级工程师，硕士研究生，主要研究方向为装备质量特性评估
基金资助:
国家自然科学基金（62171337）资助课题

Comprehensive optimization method for seeker scheme integrating optimal weighting and cloud model

Guoqiang GUO¹^,²^,*(), Zhiqi NIU²(), Yachao LI¹(), Meng CHEN²(), Weidong TIAN²(), Wenxi CHEN²()

1. National Key Laboratory of Radar Signal Processing，Xidian University，Xi’an 710071，China
2. Xi’an Modern Control Technology Research Institute，Xi’an 710065，China

Received:2024-09-19 Online:2025-09-25 Published:2025-09-16
Contact: Guoqiang GUO E-mail:hwpermanent@163.com;niuzhiqi@126.com;ycli@mail.xidian.edu.cn;bq203cm@163.com;18706899256@163.com;chenwenxi_2008@163.com

摘要/Abstract

摘要：

针对空地导弹打击装甲类目标时导引头方案优选问题，提出离差最大化准则下的多目标多属性最优组合赋权和云模型的多模复合导引头方案评估和优选方法。通过分析导弹总体对导引头的使用需求，构建多模复合导引头方案评估指标层次模型；运用离差最大化的方法对3种评价方法所得权重系数进行最优组合；利用浮动云算法和最优权重得到综合评价云，结合建立的基准评价云图，得到方案评估和优选结果。4种复合导引头方案优选结果表明，所提方法能够对方案进行量化评估。所提方法为导引头方案评估和优选提供依据。

关键词: 多模复合导引头, 方案评估及优选, 离差最大化, 最优组合权重, 云模型

Abstract:

Aiming at the problem of seeker scheme preferred for a air-to-ground missile attacking armored targets, an evaluation method of multi-mode composite seeker schemes and a method to select preferred schemes are proposed. which is based on multi-objective multi-attribute optimal combination weighting under the deviation maximization criterion and the cloud model. By analyzing the overall missile requirements for the use of the seeker, the index hierarchy model of multi-mode composite seeker for scheme evaluation is established. The optimal combination of the weight coefficients obtained by the three evaluation methods is carried out based on the deviation maximization method. A comprehensive evaluation cloud is obtained by using the floating cloud algorithm and optimal weights, which is combined with the established baseline evaluation cloud map to obtain the scheme evaluation and preferred results. The preferred results of the four composite seeker schemes show that the method proposed can quantitatively evaluate schemes. The method proposed can provide a basis for the evaluation and preferred of seeker schemes.

Key words: multi-mode composite seeker, scheme evaluation and preferred, maximization of deviation, optimal combined weight, cloud model

中图分类号:

TJ 765

郭国强, 牛智奇, 李亚超, 陈锰, 田卫东, 陈文喜. 综合最优赋权和云模型的导引头方案优选方法[J]. 系统工程与电子技术, 2025, 47(9): 3011-3021.

Guoqiang GUO, Zhiqi NIU, Yachao LI, Meng CHEN, Weidong TIAN, Wenxi CHEN. Comprehensive optimization method for seeker scheme integrating optimal weighting and cloud model[J]. Systems Engineering and Electronics, 2025, 47(9): 3011-3021.

图/表 13

图1

表1

表2

表3

图2

表4

图3

表5

图4

表6

图5

图6

图7

参考文献 30

13	ALHADIDI I T, ALOMARI H A. A FAHP-VIKOR model for evaluating single point interchange operational performance[J]. Expert Systems with Applications, 2024, 248, 123386.
14	KHASAWNEH A M, DWEIRI F. Analyzing the digital infrastructure enabling project management success: a hybrid FAHP-FTOPSIS approach[J]. Applied Sciences, 2024, 14 (17): 8080.
15	TOMPKINS M, IAMMARTINO R, FOSSACECA J. Multiattribute framework for requirements elicitation in phased array radar systems[J]. IEEE Trans. on Engineering Management, 2020, 67 (2): 347- 367.
16	杨静, 邱菀华. 模糊互补判断矩阵一致性检验和改进方法研究[J]. 控制与决策, 2009, 24 (6): 903- 906，910.
	YANG J, QIU W H. Research on consistency test and modification approach of fuzzy judgement matrix[J]. Control and Decision, 2009, 24 (6): 903- 906，910.
17	HUANG H P, HUANG S C, CHEN J T, et al. Image hiding algorithm in discrete cosine transform domain based on grey prediction and grey relational analysis[J]. China Communications, 2013, 10 (7): 57- 70.
18	程呈, 高敏, 程旭德, 等. 基于组合赋权的反坦克导弹武器系统作战效能评估研究[J]. 系统工程理论与实践, 2018, 38 (1): 241- 251.
	CHENG C, GAO M, CHENG X D, et al. Research on operational efficiency evaluation of anti-tank missile weapon system based on combination weighting[J]. Systems Engineering-Theory and Practice, 2018, 38 (1): 241- 251.
19	MONICA D, FABIO M. Deviation maximization for rank-revealing QR factorizations[J]. Numerical Algorithms, 2022, 91 (3): 1047- 1079.
20	孟凡宇, 刘明哲, 徐皑冬, 等. 基于组合赋权和云模型的工业通信质量评估[J]. 计算机工程与设计, 2023, 44 (1): 22- 29.
	MENG F Y, LIU M Z, XU A D, et al. Industrial communication quality evaluation based on combination weighting and cloud model[J]. Computer Engineering and Design, 2023, 44 (1): 22- 29.
21	ZHANG T, SUN H, XU Z H, et al. Comparison of three active microwave models of forest growing stock volume based on the idea of the water cloud model[J]. Remote Sensing, 2023, 15 (11): 28- 48.
22	杨洁, 王国胤, 刘群, 等. 正态云模型研究与展望[J]. 计算机学报, 2018, 41 (3): 724- 744.
	YANG J, WANG G Y, LIU Q, et al. Retrospect and prospect of research of normal cloud model[J]. Chinese Journal of Computers, 2018, 41 (3): 724- 744.
23	GAO H B, ZHANG X Y, LIU Y C, et al. Cloud model approach for lateral control of intelligent vehicle systems[J]. Scientific Programming, 2016, 24 (12): 6842- 891.
24	严惊涛, 刘树光. 基于组合赋权的对地攻击无人机自主能力云模型评价[J]. 北京航空航天大学学报, 2023, 49 (12): 3500- 3510.
	YAN J T, LIU S G. Cloud model evaluation of autonomous capability of ground-attack UAV based on combined weighting[J]. Journal of Beijing University of Aeronautics and Astronautics, 2023, 49 (12): 3500- 3510.
25	金建刚, 蔡忠义, 黄泽贵, 等. 基于组合赋权和正态云模型的电子对抗系统健康状态评估[J]. 系统工程与电子技术, 2024, 46(12): 4140−4148.
	JIN J G, CAI Z Y, HUANG Z G, et al. The health state assessment of electronic countermeasure system based on combination weighting and normal cloud model[J]. Systems Engineering and Electronics, 2024, 46(12): 4140−4148.
26	高洪波, 张新钰, 张天雷, 等. 基于云模型的智能驾驶车辆变粒度测评研究[J]. 电子学报, 2016, 44 (2): 365- 373.
	GAO H B, ZHANG X Y, ZHANG T L, et al. Research on variable particle size measurement of intelligent vehicle based on cloud model[J]. Acta Electronica Sinica, 2016, 44 (2): 365- 373.
27	徐计, 王国胤, 于洪. 基于粒计算的大数据处理[J]. 计算机学报, 2015, 38 (8): 1497- 1517.
	XU J, WANG G Y, YU H. Big data processing based on granular computing[J]. Chinese Journal of Computers, 2015, 38 (8): 1497- 1517.
28	李德毅, 杜鹢. 不确定性人工智能[M]. 北京: 国防工业出版社, 2014.
1	刘彤杰, 宋洪庆, 张杰, 等. 模糊层次分析法在我国深空探测方案优选应用探究[J]. 工程科学学报, 2022, 44 (8): 1433- 1443.
	LIU T J, SONG H Q, ZHANG J, et al. Application of the fuzzy analytic hierarchy process in deep space exploration program optimization in China[J]. Chinese Journal of Engineering, 2022, 44 (8): 1433- 1443.
2	张军涛, 李尚生, 王旭坤. 基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法[J]. 系统工程与电子技术, 2021, 43 (6): 1557- 1563.
	ZHANG J T, LI S S, WANG X K. Method of radar anti-jamming performance evaluation based on grey correlation-fuzzy comprehensive evaluation[J]. Systems Engineering and Electronics, 2021, 43 (6): 1557- 1563.
3	田晨智, 宋敏, 薛瑞君, 等. 基于眼动指标和熵权-TOPSIS空战控制能力评估[J]. 系统工程与电子技术, 2023, 45 (6): 1743- 1754.
	TIAN C Z, SONG M, XUE R J, et al. Air combat control capability evaluation based on eye movement index and entropy weighted-TOPSIS[J]. Systems Engineering and Electronics, 2023, 45 (6): 1743- 1754.
4	杨峰, 王碧垚, 赵慧波, 等. 基于云模型的战略预警信息系统效能评估[J]. 系统工程与电子技术, 2014, 36 (7): 1334- 1338.
	YANG F, WANG B Y, ZHAO H B, et al. Effectiveness evaluation for strategy early-warning information system based on cloud models[J]. Systems Engineering and Electronics, 2014, 36 (7): 1334- 1338.
5	曾盛富, 梁浩全, 王岩, 等. 基于改进的组合赋权和云模型的平流层飞艇健康状态评估[EB/OL]. [2024-08-19]. https://doi.org/10.13700/j.bh.1001-5965.2023.0713.
	ZENG S F, LIANG H Q, WANG Y, et al. Health status assessment of stratospheric airship based on improved combination weighting and cloud model[EB/OL]. [2024-08-19]. https://doi.org/10.13700/j.bh.1001-5965.2023.0713.
6	SWETHAA S, FELIX A. An intuitionistic dense fuzzy AHP-TOPSIS method for military robot selection[J]. Journal of Intelligent & Fuzzy Systems, 2023, 44 (4): 6749- 6774.
7	JANA C, PAL M. A dynamical hybrid method to design decision making process based on GRA approach for multiple attributes problem[J]. Engineering Application of Artificial Intelligence, 2021, 100 (82): 104203.
8	BASARAN S, IGHAGBON A O. Enhanced FMEA methodology for evaluating mobile learning platforms using grey relational analysis and fuzzy AHP[J]. Applied Sciences, 2024, 14 (19): 8844.
9	LI Z, LUO Z J, WANG Y, et al. Suitability evaluation system for the shallow geothermal energy implementation in region by entropy weight and TOPSIS method[J]. Renewable Energy, 2022, 184, 564- 576.
10	MATHEW M, CHAKRABORTTY R K, RYAN M J. Selection of an optimal maintenance strategy under uncertain conditions: an interval type-2 fuzzy AHP-TOPSIS method[J]. IEEE Trans. on Engineering Management, 2022, 69 (4): 1121- 1134.
11	JIANG J C, LIU X D, GARG H, et al. Large group decision-making based on interval rough integrated cloud model[J]. Advanced Engineering Informatics, 2023, 56, 101964.
12	LI S , WANG G Y , YANG J. Survey on cloud model based similarity measure of uncertain concepts[J]. CAAI Transactions on Intelligence Technology, 2019, 4 (4): 223- 230.
28	LI D Y, DU Y. Artificial intelligence with uncertainty[M]. Beijing: National Defense Industry Press, 2014.
29	刘海军, 柳征, 姜文利, 等. 基于云模型和矢量神经网络的辐射源识别方法[J]. 电子学报, 2010, 38 (12): 2797- 2804.
	LIU H J, LIU Z, JIANG W L, et al. Approach based on cloud model and vector neural network for emitter identification[J]. Acta Electronica Sinica, 2010, 38 (12): 2797- 2804.
30	汪涛, 周文雅, 郭继唐, 等. 改进高斯云模型及其在装备保障体系能力评估中的应用[J]. 系统工程与电子技术, 2024, 46 (5): 1673- 1681.
	WANG T, ZHOU W Y, GUO J T, et. al. Improved Gaussian cloud model and its application in equipment support system capability evaluation[J]. Systems Engineering and Electronics, 2024, 46 (5): 1673- 1681.

标度值	含义
0.5	指标$ i $相对于指标$ j $同样重要
0.6	指标$ i $相对于指标$ j $稍微重要
0.7	指标$ i $相对于指标$ j $明显重要
0.8	指标$ i $相对于指标$ j $强烈重要
0.9	指标$ i $相对于指标$ j $极端重要

序号	多模复合导引头方案
1	激光/红外复合导引头
2	激光/毫米波复合导引头
3	红外/毫米波复合导引头
4	激光/红外/毫米波复合导引头

序号	C层次指标	熵值e_j	熵冗余度re_j
1	C₁₁	0.746 2	0.253 8
2	C₁₂	0.778 3	0.221 7
3	C₁₃	0.796 0	0.204 0
4	C₁₄	0.796 0	0.204 0
5	C₁₅	0.755 3	0.244 7
6	C₁₆	0.755 2	0.244 8
7	C₂₁	0.735 0	0.265 0
8	C₂₂	0.765 2	0.234 8
9	C₂₃	0.765 2	0.234 8
10	C₂₄	0.796 0	0.204 0
11	C₂₅	0.752 3	0.247 7
12	C₃₁	0.755 2	0.244 8
13	C₃₂	0.735 0	0.265 0
14	C₃₃	0.679 9	0.320 1
15	C₃₄	0.784 6	0.215 4
16	C₃₅	0.721 3	0.278 7
17	C₃₆	0.796 0	0.204 0
18	C₄₁	0.692 1	0.307 9
19	C₄₂	0.692 1	0.307 9
20	C₄₃	0.735 0	0.265 0
21	C₄₄	0.769 9	0.230 1
22	C₄₅	0.633 6	0.366 4
23	C₅₁	0.692 1	0.307 9
24	C₅₂	0.692 1	0.307 9
25	C₅₃	0.735 0	0.265 0
26	C₅₄	0.675 9	0.324 1
27	C₅₅	0.796 0	0.204 0
28	C₆₁	0.792 4	0.207 6
29	C₆₂	0.779 5	0.220 5
30	C₆₃	0.784 8	0.215 2
31	C₆₄	0.725 8	0.274 2
32	C₆₅	0.695 8	0.304 2

评价等级	评分区间	基准云模型特征参数
Ⅰ级	[60, 70]	（65, 1.667, 0.1667）
Ⅱ级	（70, 80]	（75, 1.667, 0.1667）
Ⅲ级	（80, 90]	（85, 1.667, 0.1667）
Ⅳ级	（90, 100]	（95, 1.667, 0.1667）

序号	多模复合导引头方案	综合评价云
1	激光/红外	（74.28，3.69，0.96）
2	激光/毫米波	（78.92，3.40，1.07）
3	红外/毫米波	（87.30，3.14，1.01）
4	激光/红外/毫米波	（82.37，3.16，1.02）

综合最优赋权和云模型的导引头方案优选方法

Comprehensive optimization method for seeker scheme integrating optimal weighting and cloud model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 30

相关文章 15

编辑推荐

Metrics

本文评价

指标	专家
指标	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
C₁₁	54	57	58	54	57	50	57	53	57	55	57	50	55	51	51
C₁₂	56	55	53	55	50	55	53	55	53	56	51	51	55	54	56
C₁₃	75	80	81	79	75	81	75	88	88	88	76	75	81	87	82
C₁₄	81	81	80	83	78	83	79	79	74	73	78	76	73	71	73
C₁₅	64	62	62	58	55	66	66	57	65	64	57	55	59	57	55
C₁₆	84	89	86	81	83	80	82	80	89	81	88	85	87	83	82
C₂₁	64	60	62	63	63	58	67	54	65	59	57	63	67	59	61
C₂₂	77	69	72	76	78	77	76	70	71	72	71	69	69	69	72
C₂₃	77	76	77	76	75	75	72	75	72	77	75	76	78	77	74
C₂₄	72	77	74	82	84	84	82	78	81	71	73	72	80	82	76
C₂₅	58	55	59	67	59	62	58	56	66	65	63	63	56	59	59
C₃₁	82	83	90	91	81	90	87	90	92	85	94	88	80	86	88
C₃₂	85	82	86	82	83	87	86	80	86	88	82	80	81	83	81
C₃₃	86	81	82	80	82	86	86	78	87	81	83	85	86	81	80
C₃₄	63	67	60	63	69	62	68	67	65	68	70	62	68	61	63
C₃₅	71	84	80	79	83	72	85	78	79	80	73	71	70	77	83
C₃₆	83	81	82	92	86	92	92	83	93	87	86	82	87	88	87
C₄₁	88	80	81	86	85	81	89	89	92	92	81	88	88	90	86
C₄₂	86	90	92	93	93	92	88	88	92	90	92	89	93	87	86
C₄₃	62	64	57	56	53	52	50	52	51	60	57	57	54	58	52
C₄₄	57	57	59	53	56	55	55	52	52	60	60	54	59	56	60
C₄₅	55	61	62	52	58	52	57	58	58	58	52	53	54	53	52
C₅₁	84	82	82	81	85	88	89	80	84	91	92	81	87	87	88
C₅₂	87	91	87	82	86	88	85	81	86	82	88	84	90	89	82
C₅₃	86	89	81	93	91	81	88	89	83	90	86	80	84	84	82
C₅₄	90	90	90	93	85	84	87	80	92	83	90	88	88	92	87
C₅₅	75	73	70	71	65	68	69	72	71	75	67	66	70	68	66
C₆₁	85	89	89	89	90	91	88	83	89	84	88	86	86	84	90
C₆₂	85	81	89	85	87	84	85	83	81	83	83	90	85	83	87
C₆₃	89	88	81	84	83	89	82	85	84	83	81	83	85	83	89
C₆₄	84	80	81	78	79	75	81	76	89	85	89	79	88	79	83
C₆₅	80	80	78	75	78	85	85	78	77	82	76	83	79	75	89

[1]	胡涛, 刘昊邦, 陈童, 王宇江, 李明贵, 杜凯. 基于IAHP-CRITIC二维云模型的舰船电力系统韧性评价[J]. 系统工程与电子技术, 2025, 47(1): 217-229.
[2]	汪涛, 周文雅, 郭继唐, 王博. 改进高斯云模型及其在装备保障体系能力评估中的应用[J]. 系统工程与电子技术, 2024, 46(5): 1673-1681.
[3]	金建刚, 蔡忠义, 黄泽贵, 邓灏, 游亮. 基于组合赋权和正态云模型的电子对抗系统健康状态评估[J]. 系统工程与电子技术, 2024, 46(12): 4140-4148.
[4]	李佳坤, 李彦彬, 宋亚飞. 地空导弹装备高原训练安全风险评估[J]. 系统工程与电子技术, 2020, 42(3): 653-659.
[5]	沈延安, 张君彪. 基于云模型和证据理论的装备管理绩效评价[J]. 系统工程与电子技术, 2019, 41(5): 1049-1055.
[6]	弓晓敏, 于长锐. 基于云模型的改进TODIM方案评价方法[J]. 系统工程与电子技术, 2018, 40(7): 1539-1547.
[7]	庞育才, 刘松. 基于改进人工蜂群算法的MIMO雷达稀疏阵列优化[J]. 系统工程与电子技术, 2018, 40(5): 1026-1030.
[8]	李琳琳, 路云飞, 张壮, 和何. 基于云模型的指挥控制系统效能评估[J]. 系统工程与电子技术, 2018, 40(4): 815-822.
[9]	孙海文, 谢晓方, 孙涛, 张龙杰. 基于DDBN-Cloud的舰艇编队防空目标威胁评估方法[J]. 系统工程与电子技术, 2018, 40(11): 2466-.
[10]	逯程, 徐廷学, 赵骏. 基于DSm证据云物元模型的装备状态评估方法[J]. 系统工程与电子技术, 2017, 39(7): 1549-1554.
[11]	陈砚桥, 蔡芝明, 金家善, 孙立杰, 曹凯. 多指标约束下考虑保障效能的装备多层级备件携行方案优化[J]. 系统工程与电子技术, 2017, 39(7): 1532-1541.
[12]	韩小孩, 张耀辉, 张仕新, 王少华. 故障规律未知时的装备任务成功性评估方法[J]. 系统工程与电子技术, 2017, 39(6): 1414-1419.
[13]	林松, 汪军, 朱建军, 张世涛. 考虑双重预期的云模型决策[J]. 系统工程与电子技术, 2017, 39(4): 821-828.
[14]	魏子杰, 陈圣俭. 基于多特征云关联度的容差电路诊断算法[J]. 系统工程与电子技术, 2017, 39(12): 2665-2670.
[15]	金艳, 李曙光, 姬红兵. 脉冲噪声中基于数据可信度加权的跳频信号检测[J]. 系统工程与电子技术, 2016, 38(9): 2171-2178.