水陆两栖艇性能评价方法、系统、装置及存储介质.pdf

《水陆两栖艇性能评价方法、系统、装置及存储介质.pdf》由会员分享，可在线阅读，更多相关《水陆两栖艇性能评价方法、系统、装置及存储介质.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310524541.3(22)申请日 2023.05.08(71)申请人 武汉理工大学地址 430070 湖北省武汉市珞狮路122号(72)发明人 付翔邬代兵肖帅张傅玥(74)专利代理机构 广州嘉权专利商标事务所有限公司 44205专利代理师 黎扬鹏(51)Int.Cl.G06Q 10/063(2023.01)G06N 3/006(2023.01)(54)发明名称水陆两栖艇性能评价方法、系统、装置及存储介质(57)摘要本发明公开一种水陆两栖艇性能评价方法、系统、装置及存储介质，涉及计算机技术。

2、领域。其中，水陆两栖艇性能评价方法包括：基于粒子群优化算法确定多项性能评价指标，其中，多项性能评价指标分为多项水上评价指标和多项陆上评价指标；获取水陆两栖艇各项性能评价指标对应的多个试验数据；根据每一项性能评价指标的多个所述试验数据确定每一项性能评价指标的试验得分；基于熵权法确定每一项性能评价指标的权重系数；根据多项所述性能评价指标分别对应的权重系数和试验得分确定水陆两栖艇的综合得分。本申请能够全面、准确、客观地评价水陆两栖艇性能。权利要求书2页 说明书13页 附图1页CN 116611612 A2023.08.18CN 116611612 A1.一种水陆两栖艇性能评价方法，其特征在于，包括以。

3、下步骤：基于粒子群优化算法确定多项性能评价指标，其中，多项性能评价指标分为多项水上评价指标和多项陆上评价指标；获取水陆两栖艇各项性能评价指标对应的多个试验数据；根据每一项性能评价指标的多个所述试验数据确定每一项性能评价指标的试验得分；基于熵权法确定每一项性能评价指标的权重系数；根据多项所述性能评价指标分别对应的权重系数和试验得分确定水陆两栖艇的综合得分。2.根据权利要求1所述的水陆两栖艇性能评价方法，其特征在于，所述基于粒子群优化算法确定多项性能评价指标包括以下步骤：选择水陆两栖艇分别在水上运行的多项水上候选评价指标和陆上运行的多项陆上候选评价指标；基于粒子群优化算法分别在多项所述水上候选评价。

4、指标中提取出多项水上评价指标以及在多项所述陆上候选评价指标中提取出多项陆上评价指标。3.根据权利要求2所述的水陆两栖艇性能评价方法，其特征在于，所述基于粒子群优化算法过程为：随机初始化粒子种群中粒子的速度和位置，其中，所述粒子种群由多个水上候选评价指标或者多个陆上候选评价指标形成；根据适应度函数计算各粒子的适应度；根据所述适应度确定粒子当前的最优位置与整个粒子种群当前的最优位置；更新各粒子的速度与位置；重复执行所述根据适应度函数计算各粒子的适应度的步骤到所述更新各粒子的速度与位置的步骤，直到达到预设的最大迭代次数以筛选出多个全局最优粒子。4.根据权利要求1所述的水陆两栖艇性能评价方法，其特征在。

5、于，所述水陆两栖艇性能评价方法还包括以下步骤：通过对每一项的性能评价指标的多个试验数据进行曲线拟合以过滤试验数据中的不合格数据；根据过滤后的多个所述试验数据确定置信区间，并选择所述置信区间内的试验数据作为所述性能评价指标新的试验数据。5.根据权利要求4所述的水陆两栖艇性能评价方法，其特征在于，所述根据过滤后的多个所述试验数据确定置信区间包括以下步骤：根据过滤后的多个所述试验数据确定指标算术平均值；根据过滤后的多个所述试验数据确定指标标准差；根据所述指标标准差确定指标误差平均值；根据所述指标平均误差、所述算术平均值和预设的置信度确定置信区间。6.根据权利要求5所述的水陆两栖艇性能评价方法，其特征。

6、在于，所述性能评价指标的试验得分通过以下公式计算：Ai10(xxmin)/(xmaxxmin)；其中，Ai表示第i个性能评价指标的试验得分，x表示第i个性能评价指标位于置信区间权利要求书1/2 页2CN 116611612 A2的试验数据，xmin表示性能评价指标的允许值范围的下限，xmax表示性能评价指标的允许值范围的上限。7.根据权利要求1所述的水陆两栖艇性能评价方法，其特征在于，所述基于熵权法确定每一项性能评价指标的权重系数包括以下步骤：整合所有性能评价指标的试验数据得到第一矩阵；对所述第一矩阵进行正向化处理得到第二矩阵；对所述第二矩阵进行标准化处理得到第三矩阵；根据所述第三矩阵中各项性。

7、能评价指标的试验数据确定项性能评价指标的各个试验数据的信息熵，根据所有试验数据的信息熵得到第四矩阵；对所述第四矩阵的信息熵进行归一化处理得到每一项性能评价指标的权重系数。8.一种水陆两栖艇性能评价系统，其特征在于，包括：第一模块，用于基于粒子群优化算法确定多项性能评价指标，其中，多项性能评价指标分为多项水上评价指标和多项陆上评价指标；第二模块，用于获取水陆两栖艇各项性能评价指标对应的多个试验数据；第三模块，用于根据每一项性能评价指标的多个所述试验数据确定每一项性能评价指标的试验得分；第四模块，用于基于熵权法确定每一项性能评价指标的权重系数；第五模块，用于根据多项所述性能评价指标分别对应的权重系。

8、数和试验得分确定水陆两栖艇的综合得分。9.一种水陆两栖艇性能评价装置，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如权利要求1至7任一项所述的水陆两栖艇性能评价方法。10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序被由所述处理器执行时用于实现如权利要求1至7任一项所述的水陆两栖艇性能评价方法。权利要求书2/2 页3CN 116611612 A3水陆两栖艇性能评价方法、系统、装置及存储介质技术领域0001本发明涉及计算机技术领域，尤其涉及一种水陆两栖艇性。

9、能评价方法、系统、装置及存储介质。背景技术0002水陆两栖艇具备良好的水陆畅行的性能，广泛应用于军事、交通运输、探测勘探等专业领域，水陆两栖艇的出色性能表现未来将会应用在更广阔的领域。市面上在售的每款水陆两栖艇的性能存在很大差异，各企业针对于水陆两栖艇的评价体系各不相同。0003目前，水陆两栖艇没有一个综合的、准确的性能评价标准用于评价每款水陆两栖艇的性能，消费者在购置水陆两栖艇时无法用较客观的性能评价标准来评判产品质量。发明内容0004本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种水陆两栖艇性能评价方法、系统、装置及存储介质，能够全面、准确、客观地评价水陆两栖艇性能。0。

10、005一方面，本发明实施例提供了一种水陆两栖艇性能评价方法，包括以下步骤：0006基于粒子群优化算法确定多项性能评价指标，其中，多项性能评价指标分为多项水上评价指标和多项陆上评价指标；0007获取水陆两栖艇各项性能评价指标对应的多个试验数据；0008根据每一项性能评价指标的多个所述试验数据确定每一项性能评价指标的试验得分；0009基于熵权法确定每一项性能评价指标的权重系数；0010根据多项所述性能评价指标分别对应的权重系数和试验得分确定水陆两栖艇的综合得分。0011根据本发明一些实施例，所述基于粒子群优化算法确定多项性能评价指标包括以下步骤：0012选择水陆两栖艇分别在水上运行的多项水上候选评。

11、价指标和陆上运行的多项陆上候选评价指标；0013基于粒子群优化算法分别在多项所述水上候选评价指标中提取出多项水上评价指标以及在多项所述陆上候选评价指标中提取出多项陆上评价指标。0014根据本发明一些实施例，所述基于粒子群优化算法过程为：0015随机初始化粒子种群中粒子的速度和位置，其中，所述粒子种群由多个水上候选评价指标或者多个陆上候选评价指标形成；0016根据适应度函数计算各粒子的适应度；0017根据所述适应度确定粒子当前的最优位置与整个粒子种群当前的最优位置；0018更新各粒子的速度与位置；说明书1/13 页4CN 116611612 A40019重复执行所述根据适应度函数计算各粒子的适应。

12、度的步骤到所述更新各粒子的速度与位置的步骤，直到达到预设的最大迭代次数以筛选出多个全局最优粒子。0020根据本发明一些实施例，所述水陆两栖艇性能评价方法还包括以下步骤：0021通过对每一项的性能评价指标的多个试验数据进行曲线拟合以过滤试验数据中的不合格数据；0022根据过滤后的多个所述试验数据确定置信区间，并选择所述置信区间内的试验数据作为所述性能评价指标新的试验数据。0023根据本发明一些实施例，所述根据过滤后的多个所述试验数据确定置信区间包括以下步骤：0024根据过滤后的多个所述试验数据确定指标算术平均值；0025根据过滤后的多个所述试验数据确定指标标准差；0026根据所述指标标准差确定指。

13、标误差平均值；0027根据所述指标平均误差、所述算术平均值和预设的置信度确定置信区间。0028根据本发明一些实施例，所述性能评价指标的试验得分通过以下公式计算：0029Ai10(xxmin)/(xmaxxmin)；0030其中，Ai表示第i个性能评价指标的试验得分，x表示第i个性能评价指标位于置信区间的试验数据，xmin表示性能评价指标的允许值范围的下限，xmax表示性能评价指标的允许值范围的上限。0031根据本发明一些实施例，所述基于熵权法确定每一项性能评价指标的权重系数包括以下步骤：0032整合所有性能评价指标的试验数据得到第一矩阵；0033对所述第一矩阵进行正向化处理得到第二矩阵；003。

14、4对所述第二矩阵进行标准化处理得到第三矩阵；0035根据所述第三矩阵中各项性能评价指标的试验数据确定项性能评价指标的各个试验数据的信息熵，根据所有试验数据的信息熵得到第四矩阵；0036对所述第四矩阵的信息熵进行归一化处理得到每一项性能评价指标的权重系数。0037另一方面，本发明实施例还提供一种水陆两栖艇性能评价系统，包括：0038第一模块，用于基于粒子群优化算法确定多项性能评价指标，其中，多项性能评价指标分为多项水上评价指标和多项陆上评价指标；0039第二模块，用于获取水陆两栖艇各项性能评价指标对应的多个试验数据；0040第三模块，用于根据每一项性能评价指标的多个所述试验数据确定每一项性能评价。

15、指标的试验得分；0041第四模块，用于基于熵权法确定每一项性能评价指标的权重系数；0042第五模块，用于根据多项所述性能评价指标分别对应的权重系数和试验得分确定水陆两栖艇的综合得分。0043另一方面，本发明实施例还提供一种水陆两栖艇性能评价装置，包括：0044至少一个处理器；0045至少一个存储器，用于存储至少一个程序；0046当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现说明书2/13 页5CN 116611612 A5如前面所述的水陆两栖艇性能评价方法。0047另一方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算。

16、机可执行指令用于使计算机执行如前面所述的水陆两栖艇性能评价方法。0048本发明上述的技术方案至少具有如下优点或有益效果之一：基于粒子群优化算法确定多项性能评价指标以选择出合理的多项水上评价指标和多项陆上评价指标，获取水陆两栖艇各项性能评价指标对应的多个试验数据，根据每一项性能评价指标的多个所述试验数据确定每一项性能评价指标的试验得分，基于熵权法确定每一项性能评价指标的权重系数，根据多项性能评价指标分别对应的权重系数和试验得分确定水陆两栖艇的综合得分。本发明考虑水陆两栖艇的水上性能和陆上性能，能够全面、准确、客观地评价水陆两栖艇性能。附图说明0049图1是本发明实施例提供的水陆两栖艇性能评价方法。

17、流程图；0050图2是本发明实施例提供的水陆两栖艇性能评价装置示意图。具体实施方式0051下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或者类似的标号表示相同或者类似的原件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。0052在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、左、右等指示的方位或者位置关系为基于附图所示的方位或者位置关系，仅是为了便于描述本发明和简化描述，而不是指示或者暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。0053本发。

18、明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或者暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。0054本发明实施例提供了一种水陆两栖艇性能评价方法，本申请实施例中的水陆两栖艇性能评价方法，可应用于终端中，也可应用于服务器中，还可以是运行于终端或服务器中的软件等。终端可以是平板电脑、笔记本电脑、台式计算机等，但并不局限于此。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以。

19、及大数据和人工智能平台等基础云计算服务的云服务器。0055参照图1，本发明实施例提供了一种水陆两栖艇性能评价方法包括但不限于以下步骤：0056步骤S110，基于粒子群优化算法确定多项性能评价指标，其中，多项性能评价指标分为多项水上评价指标和多项陆上评价指标；0057步骤S120，获取水陆两栖艇各项性能评价指标对应的多个试验数据；0058步骤S130，根据每一项性能评价指标的多个试验数据确定每一项性能评价指标的说明书3/13 页6CN 116611612 A6试验得分；0059步骤S140，基于熵权法确定每一项性能评价指标的权重系数；0060步骤S150，根据多项性能评价指标分别对应的权重系数和。

20、试验得分确定水陆两栖艇的综合得分。0061在步骤S110的一些实施例中，粒子群优化算法(Particle swarm optimization，PSO)是一种进化计算技术(evolutionary computation)，源于对鸟群捕食的行为研究。粒子群优化算法通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当。

21、前全局最优解来调整自己的速度和位置。以评价指标作为粒子，基于粒子群优化算法确定合理的多项性能评价指标，多项性能评价指标分为多项水上评价指标和多项陆上评价指标。示例性地，多项水上评价指标可以分别为出水角、入水角、最高航速、静稳性、回转直径、最大航程、水平系数、横摇系数、横倾角、纵倾角、漂角、舵角和吃水深度。陆上评价指标可以分别为最高速度、10km/h初速度制动距离、续驶里程、驻坡制动、纵距、横距、整备质量、最小离地间隙和最小转弯半径。0062在步骤S120的一些实施例中，在确定性能评价指标后，可以根据各项性能评价指标的要求进行试验，以获取每一项性能评价指标对应的多个试验数据。试验数据的获取可在室。

22、外实地试验，即通过水陆两栖艇所装备的相关传感器获得试验数据，也可以通过采用风机法和造浪机载荷法，依据船舶操纵性试验标准，模拟典型工况进行测试获得试验数据。0063在步骤S130的一些实施例中，可以通过设置每一项性能评价指标的允许值范围和试验数据确定性能评价指标客观的试验得分。性能评价指标的试验得分如以下公式：0064Ai10(xxmin)/(xmaxxmin)；0065其中，Ai表示第i个性能评价指标的试验得分，x表示第i个性能评价指标位于置信区间内的试验数据，xmin表示性能评价指标的允许值范围的下限，xmax表示性能评价指标的允许值范围的上限。0066在步骤S140的一些实施例中，熵权法是。

23、指利用已知的试验数据对性能评价指标体系赋权的方法。指标的变异程度(方差)越小，所反映的信息量也越少(同时信息熵越大)，其对应的权值也应该越低。也就是说越可能发生的事信息熵越大，信息量越少，权值也越低。进一步地，可以基于熵权法的Topsis模型确定每一项性能评价指标的权重系数，基于熵权法的Topsis模型是一种常用的综合评价方法，能充分利用原始数据的信息，客观进行权重幅值，其结果能客观地反映各评价指标之间的差距。0067在步骤S150的一些实施例中，水陆两栖艇的综合得分如以下公式：0068SA1E1+A2E2+.+AiEi；0069其中，Ai表示第i个性能评价指标的试验得分，Ei表示第i个性能评。

24、价指标对应的权重系数。0070进一步地，可以根据综合得分查询综合性能评价表确定水陆两栖艇的评价等级和评价结果，综合性能评价表如表1所示：0071表1综合性能评价表说明书4/13 页7CN 116611612 A70072综合得分6060697074757980848590919596100评价等级DCBBB+AAA+评价结果不合格合格较差差好很好极佳优秀0073根据本发明一些实施例，步骤S110中，基于粒子群优化算法确定多项性能评价指标这一步骤包括但不限于以下步骤：0074步骤S210，选择水陆两栖艇分别在水上运行的多项水上候选评价指标和陆上运行的多项陆上候选评价指标；0075步骤S220，基。

25、于粒子群优化算法分别在多项水上候选评价指标中提取出多项水上评价指标以及在多项陆上候选评价指标中提取出多项陆上评价指标。在本实施例中，通过基于粒子群优化算法分别提取水上评价指标和陆上评价指标，能够保证对水陆两栖艇的水上性能和陆上性能均能得到合理的评价，提高水陆两栖艇整体性能评价的可靠性。0076基于粒子群优化算法过程包括步骤S1S5：0077S1、随机初始化粒子种群中粒子的速度和位置，其中，粒子种群由多个水上候选评价指标或者多个陆上候选评价指标形成。0078初始化粒子的位置信息和速度信息为：00790080008100820083其中xji(0)表示第0代粒子群中第i个粒子的第j个试验数据的位置。

26、，vji(0)表示第0代粒子群中第i个粒子的第j个试验数据的速度，N为粒子种群中的粒子数量，D为各粒子对应的试验数据的样本量。可以理解的是，当粒子种群由多个水上候选评价指标构成，粒子种群中的一个粒子对应一个水上候选评价指标；当粒子种群由多个陆上候选评价指标构成，粒子种群中的一个粒子对应一个陆上候选评价指标。例如某水陆两栖艇进行了五次试验，共获得了十组数据，则D10。rand(0,1)是0,1上服从均匀分布的随机数。0084S2、根据适应度函数计算各粒子的适应度。0085本发明实施例可以采用Griewank函数作为所使用的适应度函数进行适应度的计算，计算公式如下：00860087其中，G表示粒子。

27、的适应度，xi表示粒子种群中第i个粒子，n表示第i个粒子的试验数据的数量。0088S3、根据适应度确定粒子当前的最优位置与整个粒子种群当前的最优位置。0089对于粒子种群中的每一个粒子，将其当前适应度值与其历史最优位置pbest的适应度值比较，如果较好，则将其作为当前的最优位置pbest；0090对于粒子种群的每一个粒子，将其当前适应度值与整个种群的全局最优位置说明书5/13 页8CN 116611612 A8gbest的适应度值比较，如果较好，则将其作为当前的全局最优位置gbest；0091需要说明的是，pbest表示粒子目前为止发现的最优位置，gbest表示为目前为止整个粒子群中发现的最优。

28、位置。0092S4、更新各粒子的速度与位置。00930094xji(k+1)xji(k)+vji(k+1)；0095其中，为惯性权重因子，0；k为当前迭代次数；c1和c2称为学习因子，分别是粒子本身历史最优值的权重系数和粒子跟踪群体最优值的权重系数；和 是服从于伯努利分布的在0,1区间内的随机数。0096需要说明的是，为动态值，采用线性递减权值策略进行变化，具体计算公式为：0097(t)(iniend)(Gkg)+end；0098其中，Gk为预设的最大迭代次数；ini为初始惯性权值；end为迭代值达到最大迭代次数时的惯性权值；g为当前迭代次数。0099S5、重复执行步骤S2S4，直到达到预设的。

29、迭代次数以筛选出多个全局最优粒子，即为最优性能评价指标。通过分别采用粒子种群优化算法能够分别提出多个最优水上评价指标和多个最优陆上评价指标。0100根据本发明一些实施例，本发明实施例的水陆两栖艇性能评价方法还包括但不限于步骤S310S320，步骤S310S320执行于步骤S130之前。0101步骤S310，通过对每一项的性能评价指标的多个试验数据进行曲线拟合以过滤试验数据中的不合格数据。0102在本实施例中，对每一项的性能评价指标的多个试验数据进行曲线拟合可以基于最小二乘法展开，曲线拟合过程如下：0103确定直线模型，如下：0104y 1+2x；0105确定平均损失函数Q，如下：0106010。

30、7其中，x表示第i个性能评价指标对应的试验数据。0108曲线拟合为求解 1和 2的最优解，即求解Q的最小值，求解Q的最小值过程如下：0109在Q函数中，分别对 1和 2求导，可得到以下公式：011001110112计算 1和 2，如下：0113说明书6/13 页9CN 116611612 A901140115将求解出的 1和 2代入直线模型确定直线拟合函数y 1+2x。0116根据直线拟合函数曲线筛选出性能评价指标的试验数据中差异较大的部分不合格数据。0117步骤S320，根据过滤后的多个试验数据确定置信区间，并选择置信区间内的试验数据作为性能评价指标新的试验数据。0118在本实施例中，步骤S。

31、320中，根据过滤后的多个试验数据确定置信区间这一步骤包括但不限于以下步骤：0119步骤S410，根据过滤后的多个所述试验数据确定指标算术平均值；0120步骤S420，根据过滤后的多个所述试验数据确定指标标准差；0121步骤S430，根据所述指标标准差确定指标误差平均值；0122步骤S440，根据所述指标平均误差、所述算术平均值和预设的置信度确定置信区间。0123指标算术平均值通过以下公式计算：01240125其中，为第i个性能评价指标的指标算术平均值，x1xn为过滤后的多个试验数据，n为过滤后的第i项性能评价指标的试验数据的样本量。0126指标标准差通过以下公式计算：01270128其中，i。

32、为第i个性能评价指标的指标标准差，xj为第j个试验数据。0129指标误差平均值通过以下公式计算：01300131其中，i为第i个性能评价指标的指标误差平均值。0132置信区间如下：01330134其中，c为预设的置信度，示例性地，预设95的置信水平，查询T分布表可得置信度C的值为1.96。0135在过滤后的试验数据中选取位于置信区间内的可靠性较高的试验数据进行后续试验得分、权重系数的计算。0136根据本发明一些实施例，步骤S140中，基于熵权法确定每一项性能评价指标的权重系数这一步骤包括但不限于以下步骤：0137步骤S510，整合所有性能评价指标的试验数据得到第一矩阵；0138步骤S520，对。

33、第一矩阵进行正向化处理得到第二矩阵；说明书7/13 页10CN 116611612 A100139步骤S530，对第二矩阵进行标准化处理得到第三矩阵；0140步骤S540，根据第三矩阵中各项性能评价指标的试验数据确定项性能评价指标的各个试验数据的信息熵，根据所有试验数据的信息熵得到第四矩阵；0141步骤S550，对第四矩阵的信息熵进行归一化处理得到每一项性能评价指标的权重系数。0142具体地，计算水上运行的性能评价指标的权重系数和陆上运行的性能评价指标的权重系数，本实施例结合某款水陆两栖艇水上试验数据和陆上试验数据确定性能评价指标的权重系数为例进行说明。性能评价指标的试验得分如表1。0143表。

34、1性能评价指标的试验得分0144说明书8/13 页11CN 116611612 A1101450146基于各项性能评价指标的试验数据形成初始的第一矩阵如下：01470148对第一矩阵进行正向化处理得到第二矩阵，具体为将所有的指标类型统一转换为极大型指标，包括：0149极小型指标转换为极大型指标，其采用以下公式计算：0150 ximaxx1,x2,.xi；0151其中，xi(i1,2,m)表示该水陆两栖艇对应的第i个性能评价指标对应的试验得分，xi表示正向化处理后性能评价指标对应的试验得。0152中间型指标转换为极大型指标，其采用以下公式计算：01530154其中，M表示到最佳值距离的最大值，x。

35、i表示该水陆两栖艇对应的第i(i1,2,m)个性能评价指标对应的试验得分，xbest表示该艇性能评价指标对应的试验得分最佳值，xi表示正向化处理后性能评价指标对应的试验得分。0155区间型指标转换为极大型指标，其采用以下公式计算：0156Mmaxaminxi,maxxib|说明书9/13 页12CN 116611612 A1201570158其中，xi表示该水陆两栖艇对应的第i项性能评价指标对应的试验得分，M表示到最佳值距离的最大值，a表示最佳区间的下限值，b表示最佳区间的上限值，xi表示正向化处理后性能评价指标对应的试验得分。0159在本实施例中，将表1形成的初始第一矩阵各个数据转化为极大型。

36、指标的正向处理，得到第二矩阵。0160对第二矩阵进行标准化处理得到第三矩阵，如下：0161第二矩阵表示为：01620163其中，xij表示正向化处理后第i个性能评价指标对应的第j个试验得分(i1,2,m，j1,2,n)。0164将标准化后的得到的第三矩阵记为Z，其中，第三矩阵中的每一个数据如下：01650166可以理解的是，标准化处理后的第三矩阵中存在负数，则需要对第二矩阵X实行另一种标准化的方法，计算公式为：01670168其中，zij表示标准化处理后的第i项性能评价指标对应的第j个试验得分，xij表示该艇第i项性能评价指标对应的第j个试验得分(i1,2,m，j1,2,n)。0169计算各个。

37、试验数据的信息熵得到第四矩阵的过程如下：0170通过以下公式计算各个试验得分所占的比重，如下：01710172其中，pij表示第i项性能评价指标下第j个试验得分所占的比重，zij表示标准化处理后的第i项性能评价指标对应的第j个试验得分。0173确定各性能评价指标的信息熵，如下：0174说明书10/13 页13CN 116611612 A130175其中，ei表示第i项性能评价指标的信息熵，pij表示第i项性能评价指标下第j个试验得分所占的比重，n表示性能评价指标对应的试验得分的样本量。0176计算性能评价指标的信息效用值，如下：0177di1ei；0178其中，ei为第i项性能评价指标的信息熵。

38、，di为第i项性能评价指标的信息效用值。0179对信息熵进行归一化处理，得到第i项性能评价指标的权重，如下：01800181其中，i为第i项性能评价指标的权重，di为第i项性能评价指标的信息效用值。0182计算试验得分并归一化处理，确定性能评价指标的最终权重系数，如下：0183标准化处理后的第三矩阵为：01840185其中，zij表示标准化处理后第i个性能评价指标对应的第j个试验得分(i1,2,m，j1,2,n)。0186分别计算出第i项性能评价指标未进行归一化处理的最大值和最小值：0187最大值如下：01880189其中，表示第三矩阵中第i项性能评价指标的最大值，zij表示第三矩阵中第i项性。

39、能评价指标第j个试验得分(i1,2,m，j1,2,n)。0190最小值如下：01910192其中，表示第三矩阵中第i项性能评价指标的最小值，zij表示第三矩阵中第i项性能评价指标第j个试验得分(i1,2,m，j1,2,n)。0193第i(i1,2,3,.,m)项性能评价指标与最大值之间的距离如下：01940195第i(i1,2,3,.,m)项性能评价指标与最小值之间的距离如下：01960197其中，i为第i项性能评价指标的权重。0198计算出第i项性能评价指标未归一化处理的试验得分如下：说明书11/13 页14CN 116611612 A1401990200对试验得分进行归一化处理，得到性能评。

40、价指标的最终权重系数如下：02010202其中，Ei表示第i项性能评价指标的权重系数。0203另一方面，本发明实施例还提供一种水陆两栖艇性能评价系统，包括：0204第一模块，用于基于粒子群优化算法确定多项性能评价指标，其中，多项性能评价指标分为多项水上评价指标和多项陆上评价指标；0205第二模块，用于获取水陆两栖艇各项性能评价指标对应的多个试验数据；0206第三模块，用于根据每一项性能评价指标的多个试验数据确定每一项性能评价指标的试验得分；0207第四模块，用于基于熵权法确定每一项性能评价指标的权重系数；0208第五模块，用于根据多项性能评价指标分别对应的权重系数和试验得分确定水陆两栖艇的综合。

41、得分。0209可以理解的是，上述水陆两栖艇性能评价方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述水陆两栖艇性能评价方法实施例相同，并且达到的有益效果与上述水陆两栖艇性能评价方法实施例所达到的有益效果也相同。0210参照图2，图2是本发明一个实施例提供的水陆两栖艇性能评价装置的示意图。本发明实施例的水陆两栖艇性能评价装置包括一个或多个控制处理器和存储器，图2中以一个控制处理器及一个存储器为例。0211控制处理器和存储器可以通过总线或者其他方式连接，图2中以通过总线连接为例。0212存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执。

42、行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于控制处理器远程设置的存储器，这些远程存储器可以通过网络连接至该水陆两栖艇性能评价装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。0213本领域技术人员可以理解，图2中示出的装置结构并不构成对水陆两栖艇性能评价装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。0214实现上述实施例中应用于水陆两栖艇性能评价装置的水陆两栖艇性能评价方法所需的非暂态软件程序以及指令存。

43、储在存储器中，当被控制处理器执行时，执行上述实施例中应用于水陆两栖艇性能评价装置的水陆两栖艇性能评价方法。0215此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，可使得上述一个或多个控制处理器执行上述方法实施例中的水陆两栖艇性能评价方法。说明书12/13 页15CN 116611612 A150216本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执。

44、行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CDROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。0217上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。说明书13/13 页16CN 116611612 A16图1图2说明书附图1/1 页17CN 116611612 A17。