基于德爾菲和云相似度的飛行員著艦駕駛評估*

張海燕 張立民 閆文君 李忠超

（1.海軍航空大學 煙臺 264001）（2.31627部隊 深圳 518000）（3.73022部隊 惠州 516000）

1 引言

飛行員駕駛艦載機的過程中，著艦是難度系數最大、操縱精準度要求最高的科目之一。航空母艦起降甲板的跑道長度不足陸地機場起降跑道長度的1/10，飛行員駕駛艦載機著艦被比作在刀尖上起舞［1］。通過對飛行員著艦能力的評估能夠反映出飛行員的駕駛技能，刻畫出飛行員培養過程中駕駛水平變化的趨勢，為最終獲取上艦資質提供依據。

近年來，有不少的專家學者對艦載機著艦進行了研究。吳文海等［2］給出了艦載機著艦的體系構建，總結整理了各類公開資料，從著艦任務、著艦子系統以及整體系統的層面對指標進行了樹狀剖析。趙維等［3］綜合了著艦指揮官（Landing Signal Officer，LSO）、帶飛教官、醫生、計算機系統、飛行員自我評分五個方面的因素，將模糊綜合評判運用到著艦過程技能等級的評定中。許衛寶［4］將層次分析法和模糊層次分析法結合起來，提煉出著艦評估指標，實現了飛行員著艦綜合評估。但在著艦駕駛過程中，由于定性指標與定量指標同時存在，指標確定存在模糊性和隨機性問題。

針對指標確定存在模糊性和隨機性問題，本文在云模型的基礎上，選取著艦理想航線為駕駛路徑，運用德爾菲咨詢法確定著艦評估指標體系，選取高度、對中偏差、速度、迎角為評估指標，運用云相似度理論，設計出評估的具體步驟和流程，對飛行員的著艦駕駛能力進行評估。

2 著艦過程分析及評估指標確定

2.1 艦載機著艦過程分析

通過對參考文獻的分析，艦載機執行完任務，歸航進入待降區，當接收著艦指令后，經菲涅耳透鏡光學著陸系統（Fresnel Lens Optical Landing System，FLOLS）引導，以等角、直線的方式，按預定軌跡下滑著艦［5］。從任務區域角度看，艦載機著艦分為歸航待降、下滑著艦、著艦攔阻和逃逸復飛四個階段，如圖1所示。

圖1 艦載機著艦過程

如圖2所示，下滑著艦階段劃分為：開始階段（X）：距離理想著艦點1219m～1524m 的范圍；中間階段（IM）：距離理想著艦點609m～1219m 的范圍；接近階段（IC）：距離理想著艦點183m～609m的范圍；著艦階段（AR）：距離理想著艦點0～183m的范圍［1］。

圖2 艦載機下滑著艦階段劃分

2.2 德爾菲咨詢法

德爾菲咨詢法（Delphi），又被稱為專家調查法，其核心思想是融合多個專家意見，來解決復雜系統的指標體系構建問題［6～7］。具體流程如圖3所示，首先，組織者要確定咨詢專家，將初擬指標體系發送給所有專家；然后，組織者對所有專家的意見進行回收，并對意見進行整理、分析和匯總；最后，若專家意見不一致，則重復多輪咨詢專家的活動，直至取得一致意見。該方法通過集合各方面專家進行反復的信息討論、交換，可以解決評估者在指標體系設計問題中的知識的局限，以及經驗上的缺乏。

圖3 德爾菲咨詢法的流程圖

2.3 著艦評估指標體系確定

利用Delphi 構建著艦指標體系的流程如圖4所示。

圖4 著艦指標體系構建流程圖

第一步，邀請LSO、飛行教官、一級飛行員（LSO兩名、飛行教官三名、一級飛行員三名）組建專家組；

第二步，讓8 名專家組成員依據各自領域的知識架構，分別構建遞階層次結構的指標體系，并給出各指標權重系數；

第三步，對指標體系和權重系數進行一致性檢驗，對權重系數差別較大的指標重新交由專家評判，由各專家參考其他專家的意見給出自己的修正權重系數，通過反復多次，形成一致的指標權重系數。

第四步，根據專家意見將小權重指標進行刪減，將相同或者包含的影響因素相近的指標進行合并，形成最終的優化后的指標體系。

如圖5所示，在著艦指標體系構建流程圖的基礎上，構建出了艦載機著艦評估指標體系。該體系是以著艦評估為目標層；以開始、中間、接近、著艦階段為階段層；以最大高度偏差、最大速度偏差、最大迎角偏差、最大對中偏差和接地落點偏差為指標層的3層指標體系。

圖5 艦載機著艦評估指標體系

通過以上分析，本文最終選取的評估指標為：最大高度偏差、最大速度偏差、最大迎角偏差、最大對中偏差和接地落點偏差。階段層和指標層的權重在圖4 中用數字進行了標注，經加權計算，最大高度偏差、最大速度偏差、最大迎角偏差、最大對中偏差和接地落點偏差對應的權重分別為0.28、0.23、0.12、0.29、0.08。

3 云相似度概念及算法

3.1 云模型的概念

云模型是處理定性與定量間轉換的不確定性模型。定義為：設U 是一個用精確數值表示的論域，T為U 上的定性概念，U 中元素x對T的隸屬度為y∈[0，1]，隸屬度在U 上的分布稱為隸屬云。從論域U 到區間[0，1] 的映射被稱為云，且x∈U，x→y，序列(x，y)稱為云滴［8］。

云一般用期望值Ex、熵En及超熵He三個數字特征值來表示。Ex為云滴在論域空間分布的期望；En為定性概念的不確定度量；He為熵的熵，反映了云滴的凝聚程度。

3.2 云相似度的概念

云相似度理論是云模型的一種判斷方法，其定義為：如果描述同一個定性概念的兩個云或多個云有一定的相似性，則稱這些云為等價云為或相似云［7］。

圖6 給出了待評云與評語云相似度比較，設δ1為待評云與評估等級“好”的相似度，設δ2為待評云與評估等級“差”的相似度，通過比較相似度值δ1與δ2的大小，從而確定待評云的評估等級。

圖6 待評云與評語云相似度比較

3.3 評語云集的合成

對于著艦駕駛能力而言，屬于多屬性評估，需將多個屬性評語云集合成一個最終的評價云集。由于不同屬性在評語云集中所占權重的不同，在合成過程中要考慮不同屬性在評語云集中的權重w。

n個屬性評語云集合成的方法步驟如下：

1）設有k個評估等級、n 個屬性的評語云集T為｛T1K(Ex1K，En1K，He1K)，T2K(Ex2K，En2K，He2K)，…，TnK(ExnK，EnnK，HenK)｝且K=1，2，…，k。

2）n個屬性的權重分別為w1，w2，…，wn，且。

3）k個評估等級、n個屬性評語云集T 的加權合成公式如式（3）：

將經過合成的評語云集T 的期望值Ex、熵En及超熵He，送入圖7所示的正向云發生器中，生成由N個云滴drop(xj，yj)，j=1，2，…，N組成的評語云集圖，其中xj為第j個云滴的坐標，yj為第j個云滴的隸屬度。

圖7 正向云發生器

3.4 云相似度的算法流程

通過把表征著艦駕駛能力［9］的評估指標的待評云與評語云集進行對比，找到與待評云最相似的評語云，進而得到著艦駕駛能力的評估結果［8］。待評云與評語云集相似度計算流程，如圖8所示。

圖8 相似度計算流程

4 評估實例

本文選取的著艦評估指標的論域U=｛u1，u2，u3，u4，u5｝=｛最大高度偏差、最大速度偏差、最大迎角偏差、最大對中偏差、接地落點偏差｝。評語集記為V=｛v1，v2，v3，v4，v5｝=｛優秀、良好、中等、合格、不合格｝。權重集W=｛w1，w2，w3，w4，w5｝=｛0.28、0.23、0.12、0.29、0.08｝。

基于專家對著艦指標的分析以及對著艦飛行數據的梳理，經過加權計算得出了各指標評估等級云模型以及指標綜合評估等級云模型，如表1～2所示。經正向云發生器，得到的駕駛能力評估正態云圖，如圖9所示。

圖9 駕駛能力評估正態云圖

表1 各指標評估等級云模型

由組合模糊貼近度（Combined Fuzzy Similarity Measure，CFSM）可知，評價指標可看做一個特定的熵En和超熵He的正態云模型［14］。經過對著艦駕駛航次的多次分析實驗，熵值選取0.25，超熵值選取0.01。

表2 指標綜合評估等級云模型

表3列出了已由專家組給出評估結果的5名飛行員的著艦指標數據，數據對應組數為1～5。經過評分、加權及等級轉換，專家對5 名飛行員駕駛能力的等級評估結果為“良好、良好、合格、優秀、良好”。

表3 實測著艦指標數據

按照相似度計算流程，得到5 組實測著艦指標與評估云集的相似度數值。從表4 中可以看出，第一組數據對應評估等級“良好”的相似度數值最大，故評估等級結果為“良好”。依次類推，得到5 次飛行員著艦駕駛能力的評估等級結果分別為“良好、良好、合格、優秀、良好”。對比該評估結果與專家組評估結果一致，從而驗證了該方法的正確性。

表4 駕駛能力等級評估結果

5 結語

針對艦載機飛行員駕駛能力評估過程影響因素多、隨機性大的特點，首先。利用德爾菲咨詢法構建了著艦指標評估體系，確定了著艦過程的評估指標；其次，在大量著艦飛行數據的基礎上，經過云正向發生器，得到了駕駛能力評估正態云圖；最后，采用云相似性原理作為評估模型，實現了對艦載機飛行員的駕駛能力的評估。通過評估實例驗證了該評估方法與專家組評估結果的一致性，說明了此方法對飛行員駕駛員駕駛能力進行等級評估的有效性。