AIPUB归智期刊联盟

微信公众号

网站二维码

2025年4月24日 1:12 星期四
首页 > 过刊浏览>2022年第31卷第4期 >213-220. DOI:10.15888/j.cnki.csa.008406
PDF HTML阅读 XML下载 导出引用 引用提醒
基于置信规则库推理的装备战损等级评定
作者:
基金项目:

预研基金重点项目(41412030301, 30110040301)


Techniques for Equipment Battle Damage Assessment Based on Belief Rule Base Reasoning
Author:
  • 摘要
    • | |
  • 访问统计
    • |
  • 参考文献 [18]
    • |
  • 相似文献
    • |
  • 引证文献
    • | |
  • 文章评论
    摘要:

    针对复杂战场环境下战损数据的多源性和不确定性, 本文根据战损等级评定的非线性特点, 提出了一种基于置信规则库(belief rule base, BRB)和证据推理(evidential reasoning, ER)的装备战损等级评定方法. 首先, 在战损等级评定影响因素分析的基础上, 建立了一种新的融合多种特征信息的BRB-ER战损等级评定模型; 其次, 为解决传统专家系统中初始BRB参数不准确的问题, 利用局部粒子群算法对模型初始参数进行优化, 从而提高战损等级评定的准确性; 最后, 以某战损试验为例, 对基于置信规则库推理的装备战损等级评定方法进行了验证和对比. 结果表明, 该方法用于战时装备战损等级评定具有较高的准确度和可靠性, 从而为装备保障指挥员进行战场维修决策提供辅助支持.

    Abstract:

    According to the nonlinear characteristics of battle damage assessment (BDA), this study proposes an equipment BDA method based on the belief rule base (BRB) and evidential reasoning (ER) in view of the multi-source and uncertain battle damage data in a complicated battlefield. Firstly, through the analysis of factors affecting BDA, a new BRB-ER model integrating multiple characteristics is presented. Secondly, to solve the problem of inaccurate parameters in the initial BRB of the traditional expert system, we use the local particle swarm optimization algorithm to optimize the initial parameters of the model and thus improve the accuracy of BDA. Finally, a battle damage test is taken as an example to verify and compare methods for equipment BDA based on the reasoning of BRB. The results show that the proposed method can effectively evaluate the equipment BDA and provide assistant support for a commander to make battlefield maintenance decisions.

    参考文献
    [1] 宋明昌, 石全, 尤志锋, 等. 多信息源条件下战损部件恢复能力评估方法. 系统工程与电子技术, 2020, 42(11): 2538–2545. [doi: 10.3969/j.issn.1001-506X.2020.11.16
    [2] Xia C, Lin L, Dong L. Battle damage level prediction on Fuzzy theory and Bayesian method. Proceedings of the 5th International Conference on Robotics, Automation and Mechatronics. Qingdao: IEEE, 2011. 295–298.
    [3] 马晓明, 丁平, 晏卫东. 基于贝叶斯网络的舰船目标毁伤评估. 兵工自动化, 2016, 35(6): 72–75. [doi: 10.7690/bgzdh.2016.06.017
    [4] 韩城, 杨海燕, 马嘉呈. 基于贝叶斯网络的防空作战战损评估模型构建. 火力与指挥控制, 2018, 43(2): 36–40. [doi: 10.3969/j.issn.1002-0640.2018.02.008
    [5] 陈建海, 冯杰, 王志勇. 基于案例推理的装备战损评估专家系统. 舰船电子工程, 2009, 29(12): 45–48. [doi: 10.3969/j.issn.1627-9730.2009.12.012
    [6] 胡海峰, 王志明, 刘恒博. 一种快速评定通信设备战损等级的方法. 指挥控制与仿真, 2009, 31(3): 114–116. [doi: 10.3969/j.issn.1673-3819.2009.03.032
    [7] Qi ZF, Liu QQ, Wang J, et al. Battle damage assessment based on an improved kullback-leibler divergence sparse autoencoder. Frontiers of Information Technology & Electronic Engineering, 2017, 18(12): 1991–2000
    [8] 赵英俊, 宋文焦, 段楠楠, 等. 地空导弹装备战场损伤等级的综合指标评判. 火力与指挥控制, 2011, 36(1): 108–110, 117. [doi: 10.3969/j.issn.1002-0640.2011.01.028
    [9] 李军, 戚英华. 基于多目标多维模糊决策的装备战场损伤等级评定方法. 装甲兵工程学院学报, 2009, 23(3): 20–24. [doi: 10.3969/j.issn.1672-1497.2009.03.005
    [10] 石全, 王广彦, 胡起伟, 等. 装备战场损伤建模与仿真技术. 北京: 国防工业出版社, 2017.
    [11] Yang JB, Liu J, Wang J, et al. Belief rule-base inference methodology using the evidential reasoning approach-rimer. IEEE Transactions on Systems, Man, and Cybernetics-Part A:Systems and Humans, 2006, 36(2): 266–285. [doi: 10.1109/TSMCA.2005.851270
    [12] Chang LL, Zhou ZJ, You Y, et al. Belief rule based expert system for classification problems with new rule activation and weight calculation procedures. Information Sciences, 2016, 336: 75–91. [doi: 10.1016/j.ins.2015.12.009
    [13] 鱼蒙, 黄健, 孔江涛. 输入信息不完整的置信规则库推理方法. 哈尔滨工业大学学报, 2019, 51(4): 51–59. [doi: 10.11918/j.issn.0367-6234.201804076
    [14] 王韩杰, 杨隆浩, 傅仰耿, 等. 专家干预下置信规则库参数训练的差分进化算法. 计算机科学, 2015, 42(5): 88–93. [doi: 10.11896/j.issn.1002-137X.2015.5.018
    [15] 李敏, 傅仰耿, 刘莞玲, 等. 置信规则库参数训练的布谷鸟搜索算法. 小型微型计算机系统, 2018, 39(6): 1149–1155. [doi: 10.3969/j.issn.1000-1220.2018.06.006
    [16] 苏群, 杨隆浩, 傅仰耿, 等. 基于变速粒子群优化的置信规则库参数训练方法. 计算机应用, 2014, 34(8): 2161–2165. [doi: 10.11772/j.issn.1001-9081.2014.08.2161
    [17] 杨英杰. 粒子群算法及其应用研究. 北京: 北京理工大学出版社, 2017.
    [18] Chen T, Ju SH, Ren F, et al. EEG emotion recognition model based on the libsvm classifier. Measurement, 2020, 164: 108047. [doi: 10.1016/j.measurement.2020.108047
    相似文献
    引证文献
引用本文

刘嘉迪,郝建国,黄健.基于置信规则库推理的装备战损等级评定.计算机系统应用,2022,31(4):213-220

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-06-22
  • 最后修改日期:2021-07-14
  • 在线发布日期: 2022-03-22
文章二维码
友情链接:中国科学院软件研究所中国计算机学会中国科学院国家自然科学基金委员会软件学报
您是第11417138位访问者
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码：100190
电话：010-62661041 传真： Email：csa (a) iscas.ac.cn
技术支持：北京勤云科技发展有限公司

京公网安备 11040202500063号