武器效能评估模型及其自学习的研究与实现

发布时间：2020-04-11 14:08

【摘要】：随着科学技术的不断发展,高新技术武器大量运用于海上军事作战领域,同时海洋环境要素也极大地影响着武器效能的发挥。研究在特定气象水文要素环境下武器作战效能的评估问题,对于提高武器作战水平,更好地辅助军事行动决策具有重要意义。另外数据库建立初期,武器作战信息匮乏,解决这种情况下的武器效能评估问题,同时提高模型的评估精度和参考性,是很多学者的共同研究目标。为此,本文对这些问题展开了一系列研究。支持向量回归机(SVR)能较好地解决武器效能评估中出现的非线性、高维度和小样本等问题,但是武器效能受作战环境要素影响显著且不同的要素影响程度不尽相同。为了充分利用环境要素重要性差异,提高评估精度,本文提出了一种特征加权支持向量回归机(WSVR)评估模型。该模型采用基于G1法的主观法与灰色关联分析的客观法的组合权重方法来获取环境要素权重并据此改进了SVR模型,给出了算法实现步骤。最后基于实例验证并与其他模型的对比分析,来验证模型的性能。为进一步提高模型评估精度,有必要对模型实施参数优化。为了克服标准粒子群算法(PSO)易陷入局部极值、后期收敛速度慢、精度差等缺点,提高PSO算法的全局收敛能力,本文综合模拟退火(SA)算法和混沌(C)思想,提出了一种改进的混沌模拟退火粒子群(CSA-PSO)算法,并给出了算法的流程图及实现步骤。然后,基于实例分析来测试验证算法的性能,并对WSVR评估模型的参数进行了优化。最后,针对数据信息缺乏的武器效能评估问题,本文引入衍生推理机制。利用与待评估实例具有较高相似度的一种或多种武器的样本数据,从通用模型库中自适应地选择最合适的模型,通过样本训练得到该武器专用评估模型。为了提高模型的评估精度和可靠性,本文引入了评估模型的自学习机制,按照一定规则进行模型的二次训练,并更新专用模型以完成模型自学习。本文最后,基于UML建模和.NET三层架构模式,完成了武器效能衍生推理和模型自学习功能模块的设计与实现。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：E91;E920.8

【相似文献】

相关期刊论文 前10条

1 赵志强;缑锦;陈维斌;;基于云模型的自学习进化算法[J];北京交通大学学报;2009年06期

2 马开平,严洪森;产品全生命周期制造模式选择的自学习研究[J];计算机集成制造系统;2005年06期

3 雷金莉;窦满峰;;永磁无刷直流电动机的自学习模糊PI控制[J];微特电机;2013年03期

4 许飞云;钟秉林;黄仁;;基于行为的故障诊断系统跟踪自学习算法研究[J];中国机械工程;2006年22期

5 游滨,黄席樾,陶桂宝;适于pH值控制的自学习专家控制器[J];重庆大学学报(自然科学版);1999年06期

6 姜孝华,张光昭;一类简单的自学习专家控制器研究[J];仪器仪表学报;1999年05期

7 李华,达强;自学习模糊控制系统仿真初探[J];电气传动自动化;2000年06期

8 晏敏,张昌期,翟贤,刘育骐;平面布局专家系统的自学习智能回溯搜索策略[J];华中理工大学学报;1989年S1期

9 刘占生,须根法,夏松波,黄文虎;旋转机械故障诊断的自学习方法研究[J];振动工程学报;1996年04期

10 刘林运,夏常弟,万百五,梁天培;模型参数不确定的连续系统自学习定性控制[J];西安交通大学学报;1998年11期

相关会议论文 前3条

1 李贻斌;苏学成;李洪亮;樊炳辉;杨明;逄振旭;;基于神经元的参数自学习PID控制器[A];1996中国控制与决策学术年会论文集[C];1996年

2 王群仙;陈增强;袁著祉;;基于BP网络的参数自学习广义预测控制器[A];1997年中国控制会议论文集[C];1997年

3 梁学明;周天健;;一种不完全规则的Fuzzy专家自学习控制器[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

相关博士学位论文 前1条

1 郑馨;自学习的白细胞图像分割算法研究[D];华中科技大学;2014年

相关硕士学位论文 前8条

1 杨欣;武器效能评估模型及其自学习的研究与实现[D];东南大学;2015年

2 李立琛;基于深度自学习的人脸美丽预测研究[D];五邑大学;2014年

3 何虎;车窗防夹控制器的自匹配与自学习[D];清华大学;2013年

4 刘冠军;自学习遥控嵌入式系统平台设计[D];天津大学;2006年

5 袁林雄;城市交通自学习实时控制策略设计[D];哈尔滨工程大学;2002年

6 曹洁;基于自学习机制的移动社会网络信息投递策略研究[D];电子科技大学;2013年

7 王鹏翔;基于机器自学习的电网安全校正算法研究[D];华北电力大学（北京）;2011年

8 张步坤;轧制工艺模型的自适应自学习理论研究及工程实践[D];燕山大学;2005年

，

本文编号：2623680