兵工学报 ›› 2013, Vol. 34 ›› Issue (12): 1529-1535.doi: 10.3969/j.issn.1000-1093.2013.12.007
李俊, 孟涛, 张立新, 赵韶平
LI Jun, MENG Tao, ZHANG Li-xin, ZHAO Shao-ping
摘要: 传统的评估方法在指标体系获取、模型建立及专家资源数量等方面都会受到各种主观因素的影响和制约,从而降低评估结果的客观性及正确性。为了克服传统方法的缺点,基于粗糙集理论并结合相关机器学习算法,以导弹武器在寿命周期中的质量数据为基础,从中自动分析、提取导弹武器的质量性能评估规则,进而对导弹武器当前的质量状况给出评估。阐述了该评估方法的理论依据,设计并实现了规则提取及评估中的算法步骤。该评估方法以客观的质量信息为基础,不依赖于任何先验知识,不受专家资源制约,规避了主观因素的介入,有效提高了评估结论的客观性和正确性。通过小子样数据和大子样数据2种情形下的算例分别对整机级和部件级的武器质量性能进行了模拟评估,评估结果验证了该方法的有效性和正确性。传统的评估方法在指标体系获取、模型建立及专家资源数量等方面都会受到各种主观因素的影响和制约,从而降低评估结果的客观性及正确性。为了克服传统方法的缺点,基于粗糙集理论并结合相关机器学习算法,以导弹武器在寿命周期中的质量数据为基础,从中自动分析、提取导弹武器的质量性能评估规则,进而对导弹武器当前的质量状况给出评估。阐述了该评估方法的理论依据,设计并实现了规则提取及评估中的算法步骤。该评估方法以客观的质量信息为基础,不依赖于任何先验知识,不受专家资源制约,规避了主观因素的介入,有效提高了评估结论的客观性和正确性。通过小子样数据和大子样数据2种情形下的算例分别对整机级和部件级的武器质量性能进行了模拟评估,评估结果验证了该方法的有效性和正确性。
中图分类号: