排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
针对传统优化方法不能对武器装备使用主体――部队的使用需求进行有效考虑,提出武器装备使用需求到性能指标映射的串联QFD神经网络方法.该方法综合利用了QFD方法采集信息准确快速、神经网络能够精确模拟多变量输入输出强非线性关系的优点,提高了映射精度与针对性,克服了传统需求分析侧重于推理而轻实践、侧重于"设计方"而轻"使用方"的弊端,集中体现了"用户"为主的思想.改进了传统BP网络训练算法,给出了武器装备使用需求映射适应度函数.最后,结合实例对方法及算法进行了可靠性验证. 相似文献
2.
针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。 相似文献
3.
4.
5.
6.
7.
针对传统优化方法不能有效考虑部队需求的问题,提出了基于质量功能展开(Quality Function Deployment,QFD)的武器装备使用需求映射方法,给出了部队需求和武器装备性能指标自相关性的处理方法,并使用松弛系数法保证了最优解集的寻求与重点需求的优先实现。结合实例对该方法的实用性和反映部队需求的准确性进行了验证。结果表明:该方法既克服了传统需求分析侧重于论证人员的推理而对实际使用方的需求考虑不足的弊端,又充分体现了"用户"为主的思想。 相似文献
1