CN102982237A - 一种确定目标系统使用指标的方法和系统 - Google Patents
一种确定目标系统使用指标的方法和系统 Download PDFInfo
- Publication number
- CN102982237A CN102982237A CN2012104425919A CN201210442591A CN102982237A CN 102982237 A CN102982237 A CN 102982237A CN 2012104425919 A CN2012104425919 A CN 2012104425919A CN 201210442591 A CN201210442591 A CN 201210442591A CN 102982237 A CN102982237 A CN 102982237A
- Authority
- CN
- China
- Prior art keywords
- scene
- sample
- service index
- task
- designated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种确定目标系统使用指标的方法和系统,该方法包括确定所述目标系统的使用指标项、确定目标系统可能的任务场景和通过仿真实验确定所述目标系统的各项使用指标值的步骤,该系统包括使用指标确定模块、任务场景确定模块和仿真实验确定模块,通过这种方式,本发明能够以任务要求为评估准则、并通过仿真实验来确定目标系统的使用指标,其能够对论证结果与任务要求之间的关系进行定量分析,有助于提高论证结果的可信度与说服力,降低决策风险。
Description
技术领域
本发明涉及一种确定目标系统使用指标的方法和系统,特别涉及一种以任务要求为评估准则、基于仿真实验的确定目标系统使用指标的方法和系统。
背景技术
目标系统(这里的“目标系统”是指具有一定使用指标的机械、机电、电学、通信、计算机等装置或系统,例如运输车辆所构成的目标系统)的使用指标是描述目标系统功能和性能的一组数据集合,是性能优劣的重要表征(这里的“使用指标”例如可以是性能指标等各种参数,例如运输车辆所具有的最大速度和油箱大小等构成的使用指标)。
在目标系统研制计划和立项阶段,必须根据使用相关因素综合考虑各种制约条件,对使用指标提出明确的要求,确定出其具体的数值或值域范围(例如研制运输车辆时需要确定出其最大速度和油箱大小等构成的使用指标的具体数值或值域范围)。确定使用指标是一项十分重要和复杂的工作,如果使用指标确定得不合理,就有可能导致目标系统研制失败,或研制出来后,不能发挥应有的作用,从而造成巨大的经济损失和建设贻误。
目前在确定目标系统使用指标(也称为“目标系统使用指标论证”)方面主要采用半经验设计方法和多学科优化设计方法。其中,半经验设计方法的实质是一种基于专家评议与统计模型相结合的设计方法。整个步骤包括:①参照国内外同类系统,依靠专家经验提出初步的总体指标(也即总体的使用指标);②基于相关经验公式/统计模型对指标进行分解计算(例如针对各子系统的指标进行分解计算);③通过专家评议反复进行研讨,并确定最终的指标值(也称为论证结果)。但这种方法具有一定缺点,并不能完全满足要求,主要表现在:一是在新系统论证(也即确定新目标系统的使用指标、或者确定目标系统的新使用指标)时,已有经验公式/统计模型可能并不适用,尤其是对新使用指标,可能还没有可用的经验公式/统计模型;二是该方法在子系统间指标权衡与总体优化方面基于专家评议,需要大量的协调,因此论证周期较长,更极端的情况是,如果在论证过程中专家发生变化,不仅难以保证论证结果的一致性,更可能会导致论证结果需要推倒重来;三是难以定量说明论证结果与任务要求之间的关系,论证结果缺乏说服力(也即例如确定出的使用指标没有反映其与系统任务场景之间的定量关系,使用指标是否能够符合系统不同任务场景的要求,无法给出具有说服力的定量说明)。
而多学科优化设计方法的实质是一种强调数值计算与并行优化的设计方法,它可以将整个目标系统的模型层次结构中的最上层设计指标逐层分解直至最底层。整个步骤包括:①确定整体指标,并构建分层模型(也即确定整个目标系统的整体使用指标,并构建整个目标系统的分层模型);②将模型的设计指标分解为各子系统的设计指标(也即将整体使用指标分解为各子系统的设计指标);③在各个子系统的设计指标之间进行协调计算;④反复迭代,保证子系统之间目标都能达到且相互之间不冲突,从而确定出最终的指标值。这种方法的突出问题在于:一是该方法的整体优化策略围绕事先提出的总体指标开展,总体指标的制定仍然需要专家给定;二是同样也难以定量分析论证结果与任务要求之间的关系(也即例如确定出的使用指标没有反映其与系统任务场景之间的定量关系,使用指标是否能够符合系统不同任务场景的要求,无法给出具有说服力的定量说明)。
由此可见,有必要设计一种确定目标系统使用指标的方法和系统。具体地说,有必要设计一种以任务要求为评估准则、基于仿真实验的确定目标系统使用指标的方法和系统。
发明内容
本发明的主要目的是提供一种确定目标系统使用指标的方法。
本发明的另一目的是提供一种确定目标系统使用指标的系统。
为了达到上述目的,本发明提出了一种确定目标系统使用指标的方法,所述方法包括下列步骤:
步骤1,确定所述目标系统的使用指标项,记为{MOP1,MOP2,...MOPn},其中n表示所述使用指标项的项数;
步骤2,确定目标系统可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep},所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述目标系统可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;
步骤3,通过仿真实验确定所述目标系统的各项使用指标值,具体包括:
步骤3.1,实验设计:针对任务场景SceneA∈{Scene1,Scene2,...Scenep},确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;
步骤3.4,轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数;
步骤3.5,针对所述最终样本集按照一定的优先规则确定出最优样本,并获得该最优样本所对应的使用指标项的各项使用指标值。
进一步地,所述目标系统是运输车辆,所述步骤1中的使用指标项记为{V,C},其中V表示最大速度,C表示油箱大小。
进一步地,所述步骤1中的使用指标项通过专家经验或基于知识工程获得;所述步骤3.1中每一项使用指标项可能的取值通过专家经验或基于知识工程获得。
进一步地,所述步骤3.5中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
进一步地,所述步骤3.5中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本。
本发明还提供了一种确定目标系统使用指标的系统,其特征在于,所述系统包括:
使用指标确定模块,用于确定所述目标系统的使用指标项,所述使用指标项记为{MOP1,MOP2,...MOPn},其中n表示所述使用指标项的项数;
任务场景确定模块,用于确定目标系统可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep},所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述目标系统可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;
仿真实验确定模块,用于通过仿真实验确定所述目标系统的各项使用指标值,具体包括:
实验设计模块,用于针对任务场景SceneA∈{Scene1,Scene2,...Scenep}确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;
最终样本确定模块,用于轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数;
最优样本确定模块,用于针对所述最终样本集按照一定的优先规则确定出最优样本,并获得该最优样本所对应的使用指标项的各项使用指标值。
进一步地,所述目标系统是运输车辆,所述使用指标确定模块中的使用指标项记为{V,C},其中V表示最大速度,C表示油箱大小。
进一步地,所述使用指标确定模块中的使用指标项通过专家经验或基于知识工程获得;所述实验设计模块中每一项使用指标项可能的取值通过专家经验或基于知识工程获得。
进一步地,所述最终样本确定模块中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
进一步地,所述最终样本确定模块中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本。
与现有技术相比,本发明具有以下优点:本发明能够以任务要求为评估准则、并通过仿真实验来确定目标系统的使用指标,其能够对论证结果与任务要求之间的关系进行定量分析,有助于提高论证结果的可信度与说服力,降低决策风险。
附图说明
为了更清楚的说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1的确定目标系统使用指标的方法的流程示意图;
图2为本发明实施例2的确定目标系统使用指标的系统的结构示意图;
图3为本发明实施例3的确定运输车辆使用指标的方法的流程示意图;
图4为本发明实施例4的确定运输车辆使用指标的系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然所描述的实施例仅是本发明的一部分实施例,不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,本发明实施例1提供了一种确定目标系统使用指标的方法,所述方法包括下列步骤:
步骤1,确定所述目标系统的使用指标项,记为{MOP1,MOP2,...MOPn}(也称为目标系统适用指标项集),其中n表示所述使用指标项的项数;
步骤2,确定目标系统可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep}(也称为目标系统的任务场景集),所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述目标系统可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;A在1...p之间取整数;
步骤3,通过仿真实验确定所述目标系统的各项使用指标值,具体包括:
步骤3.1,实验设计:针对任务场景SceneA∈{Scene1,Scene2,...Scenep},确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;B在1...n之间取整数;
步骤3.2,仿真实验:针对任务场景SceneA∈{Scene1,Scene2,...Scenep},对原始样本集的每一样本进行仿真实验,并获得针对原始样本集的仿真结果(这里的“仿真实验”例如可以将运输车辆等目标系统设置在相应的模拟任务场景中,使其按照本身的工作方式进行运行,检测该任务场景下与任务要求对应的指标,从而获得针对原始样本集的仿真结果);
步骤3.3,确定指定任务场景下的可用样本:以任务要求为评估准则,得到任务场景SceneA下的可用样本集,记为 其中Y为任务场景SceneA下的可用样本集中可用样本的个数;这里的SampleA是一种集合;
步骤3.4,轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数(这里,如果某一SampleA中没有任何可用样本,则将其排除在最终样本集之外,因此最终样本集的个数z必然小于或等于所述目标系统可能的任务场景的项数p);
步骤3.5,针对所述最终样本集按照一定的优先规则确定出最优样本(这里的“一定的优先规则”例如可以是取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本;也可以是最终样本集{Sample1,...SampleA...,Samplez}中出现在各可用样本集中频次最多的可用样本,将其作为最优样本;还可以采用其他优先规则,具体的优先规则不限于此),并获得该最优样本所对应的使用指标项的各项使用指标值。
通过这种方式,能够以任务要求(例如)为评估准则、并通过仿真实验来确定目标系统的使用指标,其能够对论证结果与任务要求之间的关系进行定量分析,有助于提高论证结果的可信度与说服力,降低决策风险(也即确定出的使用指标值与系统任务场景之间存在相应定量关系,能够针对使用指标是否符合目标系统不同任务场景的要求,给出具有说服力的定量说明)。
进一步地,所述目标系统是运输车辆,所述步骤1中的使用指标项记为{V,C},其中V表示最大速度,C表示油箱大小。
通过这种方式,本发明的方法例如可以应用于确定运输车辆的包括最大速度V和油箱大小C等使用指标的相关具体领域中,具有实际的应用价值。
进一步地,所述步骤1中的使用指标项{MOP1,MOP2,...MOPn}通过专家经验或基于知识工程获得;所述步骤3.1中每一项使用指标项MOPPB∈{MOP1,MOP2,...MOPn}可能的取值通过专家经验或基于知识工程获得。
通过这种方式,目前系统的使用指标项具体包括哪些(例如某一目标系统所具有的典型的使用指标有哪些),以及每一使用指标项可能的取值(例如每一使用指标项所具有的典型的实际取值有哪些),都可以通过专家经验(例如根据本领域的专家经过大量研究和实际应用而总结的历史经验等获得的相应使用指标项及典型取值)或基于知识工程(例如在计算机上建立专家系统的技术,获得相应使用指标项及取值)来获得。
进一步地,所述步骤3.5中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
通过这种方式,可以将针对每一任务场景下获取的最终样本集{Sample1,...SampleA...,Samplez},通过求取其公共的样本交集,从而确定出能够符合所有(或尽可能多)任务场景的评估准则要求的最优样本。
进一步地,所述步骤3.5中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本(具体的方法,例如可以是针对每一SampleA获取其对应任务场景下最接近对应评估准则的可用样本,然后将这些可用样本中出现频次最高的样本作为最优样本)。
通过这种方式,可以从最终样本集{Sample1,...SampleA...,Samplez}中寻找出最接近所述评估准则,并适用所有(或尽可能多)任务场景的评估准则要求的最优样本。
实施例2
如图2所示,本发明实施例2提供了一种确定目标系统使用指标的系统,所述系统包括:
使用指标确定模块,用于确定所述目标系统的使用指标项,所述使用指标项记为{MOP1,MOP2,...MOPn},其中n表示所述使用指标项的项数;
任务场景确定模块,用于确定目标系统可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep},所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述目标系统可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;
仿真实验确定模块,用于通过仿真实验确定所述目标系统的各项使用指标值,具体包括:
实验设计模块,用于针对任务场景SceneA∈{Scene1,Scene2,...Scenep}确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;
最终样本确定模块,用于轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数;
最优样本确定模块,用于针对所述最终样本集按照一定的优先规则确定出最优样本,并获得该最优样本所对应的使用指标项的各项使用指标值。
进一步地,所述目标系统是运输车辆,所述使用指标确定模块中的使用指标项记为{V,C},其中V表示最大速度,C表示油箱大小。
进一步地,所述使用指标确定模块中的使用指标项通过专家经验或基于知识工程获得;所述实验设计模块中每一项使用指标项可能的取值通过专家经验或基于知识工程获得。
进一步地,所述最终样本确定模块中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
进一步地,所述最终样本确定模块中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本。
实施例3
如图3所示,本发明实施例3以确定运输车辆的使用指标(也即运输车辆指标论证)为例,对实施例1的方法进行举例说明。此时实施例1中的所述目标系统是运输车辆;本发明实施例3提供了一种确定运输车辆使用指标的方法,所述方法包括下列步骤:
步骤1,确定所述运输车辆的使用指标项,记为{MOP1,MOP2,...MOPn},其中n表示所述使用指标项的项数;
步骤2,确定运输车辆可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep},所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述运输车辆可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;
步骤3,通过仿真实验确定所述运输车辆的各项使用指标值,具体包括:
步骤3.1,实验设计:针对任务场景SceneA∈{Scene1,Scene2,...Scenep},确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;
步骤3.3,确定指定任务场景下的可用样本:以任务要求为评估准则,得到任务场景SceneA下的可用样本集,记为 其中Y为任务场景SceneA下的可用样本集中可用样本的个数;
步骤3.4,轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数(这里,如果某一SampleA中没有任何可用样本,则将其排除在最终样本集之外,因此最终样本集的个数z必然小于或等于所述目标系统可能的任务场景的项数p);
步骤3.5,针对所述最终样本集按照一定的优先规则确定出最优样本(这里的“一定的优先规则”例如可以是取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本;也可以是最终样本集{Sample1,...SampleA...,Samplez}中出现频次最多的可用样本,将其作为最优样本;还可以采用其他优先规则,具体的优先规则不限于此),并获得该最优样本所对应的使用指标项的各项使用指标值。
通过这种方式,能够以任务要求(例如)为评估准则、并通过仿真实验来确定运输车辆的使用指标,其能够对论证结果与任务要求之间的关系进行定量分析,有助于提高论证结果的可信度与说服力,降低决策风险(也即确定出的使用指标值与系统任务场景之间存在相应定量关系,能够针对使用指标是否符合运输车辆不同任务场景的要求,给出具有说服力的定量说明)。
进一步地,所述步骤1中的使用指标项{MOP1,MOP2,...MOPn}通过专家经验或基于知识工程获得;所述步骤3.1中每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值通过专家经验或基于知识工程获得。
通过这种方式,目前系统的使用指标项具体包括哪些(例如某一目标系统所具有的典型的使用指标有哪些),以及每一使用指标项可能的取值(例如每一使用指标项所具有的典型的实际取值有哪些),都可以通过专家经验(例如根据本领域的历史经验等)或基于知识工程来获得。
进一步地,所述步骤3.5中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
通过这种方式,可以将针对每一任务场景下获取的最终样本集{Sample1,...SampleA...,Samplez},通过求取其公共的样本交集,从而确定出能够符合所有(或尽可能多)任务场景的评估准则要求的最优样本。
进一步地,所述步骤3.5中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本(具体的方法,例如可以是针对每一SampleA获取其对应任务场景下最接近对应评估准则的样本,然后将这些样本中出现频次最高的样本作为最优样本)。
通过这种方式,可以从最终样本集{Sample1,...SampleA...,Samplez}中寻找出最接近所述评估准则,并适用所有(或尽可能多)任务场景的评估准则要求的最优样本。
下面以具体的实例来说明上述过程,设定所述步骤1中的使用指标项记为{V,C},其中V表示最大速度,C表示油箱大小;所述步骤2中所述目标系统可能的任务场景的项数p=1,该任务场景记为Scene1(用于描述典型路况与气候条件的满负载长途运输),Scene1所存在的任务要求的项数q=1,相应的任务要求为“运输时间不大于10小时”,记为此时,这种确定运输车辆使用指标的方法,包括以下步骤:
步骤1,针对运输车确定使用指标项,记为{V,C}。其中V表示最大速度(用公里/小时表示),其中C表示油箱大小(用升表示)。使用指标项可以通过广泛征求专家意见/知识工程获取,此处仅为示例。
步骤3,通过仿真实验确定使用指标值。
步骤3.1,实验设计。针对Scene1,确定{V,C}可能的取值并进行组合,记每一个组合为一个样本,记为{Sample1,Sample2,...Sample9}(参见表1)。指标的取值可以通过专家经验或基于知识工程获取,在设计过程中也可以通过一些实验设计方法减少样本的数量。
步骤3.2,仿真实验。针对Scene1所有样本进行仿真实验(仿真结果参见表1)。
表1实验设计及仿真实验结果
步骤3.3,确定指定任务场景下的可用样本。以任务要求为评估准则,得到Scene1下的可用样本集,记为{Sample6,Sample8,Sample9}。
步骤3.4,轮巡所有任务场景,本实施例仅有一个场景,则得到可用样本{Sample6,Sample8,Sample9}。
步骤3.5,样本排序。遵循的优先规则确定最终样本,明确该样本对应的各项使用指标值。本实施例取最接近评估准则的样本为最优样本,即Sample6,由此可得相应使用指标为{V=60km/h,C=130L}。
通过这种方式,可以通过与实施例1对应的方法,确定出运输车辆的使用指标{V,C}。
实施例4
如图4所示,与实施例3对应,并与实施例2相似,本发明实施例4提供了一种确定运输车辆使用指标的系统,所述系统包括:
使用指标确定模块,用于确定所述运输车辆的使用指标项,所述使用指标项记为{MOP1,MOP2,...MOPn},其中n表示所述使用指标项的项数;
任务场景确定模块,用于确定运输车辆可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep},所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述运输车辆可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;
仿真实验确定模块,用于通过仿真实验确定所述运输车辆的各项使用指标值,具体包括:
实验设计模块,用于针对任务场景SceneA∈{Scene1,Scene2,...Scenep}确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;
仿真实验模块,用于针对任务场景SceneA∈{Scene1,Scene2,...Scenep},对原始样本集的每一样本进行仿真实验,并获得针对原始样本集的仿真结果;
最终样本确定模块,用于轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数;
最优样本确定模块,用于针对所述最终样本集按照一定的优先规则确定出最优样本,并获得该最优样本所对应的使用指标项的各项使用指标值。
进一步地,所述使用指标确定模块中的使用指标项通过专家经验或基于知识工程获得;所述实验设计模块中每一项使用指标项可能的取值通过专家经验或基于知识工程获得。
进一步地,所述最终样本确定模块中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
进一步地,所述最终样本确定模块中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明还可以通过其他结构来实现,本发明的特征并不局限于上述较佳的实施例。任何熟悉该项技术的人员在本发明的技术领域内,可轻易想到的变化或修饰,都应涵盖在本发明的专利保护范围之内。
Claims (10)
1.一种确定目标系统使用指标的方法,其特征在于,所述方法包括下列步骤:
步骤1,确定所述目标系统的使用指标项,记为{MOP1,MOP2,...MOPn},其中n表示所述使用指标项的项数;
步骤2,确定目标系统可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep},所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述目标系统可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;
步骤3,通过仿真实验确定所述目标系统的各项使用指标值,具体包括:
步骤3.1,实验设计:针对任务场景SceneA∈{Scene1,Scene2,...Scenep},确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;
步骤3.4,轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数;
步骤3.5,针对所述最终样本集按照一定的优先规则确定出最优样本,并获得该最优样本所对应的使用指标项的各项使用指标值。
2.如权利要求1所述的方法,其特征在于,所述目标系统是运输车辆,所述步骤1中的使用指标项记为{V,C},其中V表示最大速度,C表示油箱大小。
3.如权利要求1或2所述的方法,其特征在于,所述步骤1中的使用指标项通过专家经验或基于知识工程获得;所述步骤3.1中每一项使用指标项可能的取值通过专家经验或基于知识工程获得。
4.如权利要求1或2所述的方法,其特征在于,所述步骤3.5中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
5.如权利要求1或2所述的方法,其特征在于,所述步骤3.5中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本。
6.一种确定目标系统使用指标的系统,其特征在于,所述系统包括:
使用指标确定模块,用于确定所述目标系统的使用指标项,所述使用指标项记为{MOP1,MOP2,...MOPn},其中n表示所述使用指标项的项数;
任务场景确定模块,用于确定目标系统可能的任务场景,并针对其中任一任务场景确定其所存在的任务要求,所述任务场景记为{Scene1,Scene2,...Scenep},所述任一任务场景记为SceneA∈{Scene1,Scene2,...Scenep},其所存在的任务要求记为其中p表示所述目标系统可能的任务场景的项数,q为任务场景SceneA所存在的任务要求的项数;
仿真实验确定模块,用于通过仿真实验确定所述目标系统的各项使用指标值,具体包括:
实验设计模块,用于针对任务场景SceneA∈{Scene1,Scene2,...Scenep}确定每一项使用指标项MOPB∈{MOP1,MOP2,...MOPn}可能的取值并进行组合,每一个组合为一个样本,这些样本的集合记为原始样本集其中X为原始样本集的个数;
最终样本确定模块,用于轮巡所有任务场景{Scene1,Scene2,...Scenep},得到每一任务场景下的可用样本集构成的最终样本集,记为{Sample1,...SampleA...,Samplez},其中z≤p,z为最终样本集的个数;
最优样本确定模块,用于针对所述最终样本集按照一定的优先规则确定出最优样本,并获得该最优样本所对应的使用指标项的各项使用指标值。
7.如权利要求6所述的系统,其特征在于,所述目标系统是运输车辆,所述使用指标确定模块中的使用指标项记为{V,C},其中V表示最大速度,C表示油箱大小。
8.如权利要求6或7所述的系统,其特征在于,所述使用指标确定模块中的使用指标项通过专家经验或基于知识工程获得;所述实验设计模块中每一项使用指标项可能的取值通过专家经验或基于知识工程获得。
9.如权利要求6或7所述的系统,其特征在于,所述最终样本确定模块中所述优先规则包括获取最终样本集{Sample1,...SampleA...,Samplez}之间的交集,以确定最优样本。
10.如权利要求6或7所述的系统,其特征在于,所述最终样本确定模块中所述优先规则包括从最终样本集{Sample1,...SampleA...,Samplez}中取最接近所述评估准则的样本为最优样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210442591.9A CN102982237B (zh) | 2012-11-08 | 2012-11-08 | 一种确定目标系统使用指标的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210442591.9A CN102982237B (zh) | 2012-11-08 | 2012-11-08 | 一种确定目标系统使用指标的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102982237A true CN102982237A (zh) | 2013-03-20 |
CN102982237B CN102982237B (zh) | 2016-05-11 |
Family
ID=47856249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210442591.9A Expired - Fee Related CN102982237B (zh) | 2012-11-08 | 2012-11-08 | 一种确定目标系统使用指标的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102982237B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303583A (zh) * | 2008-06-19 | 2008-11-12 | 上海交通大学 | 五轴数控加工安全最短刀具长度的规划方法 |
CN102663176A (zh) * | 2012-03-28 | 2012-09-12 | 北京航空航天大学 | 针对高可靠机械产品的主动可靠性分析评价方法 |
CN102749206A (zh) * | 2012-07-04 | 2012-10-24 | 吉林大学 | 车辆换挡品质评价测试方法及测试系统 |
-
2012
- 2012-11-08 CN CN201210442591.9A patent/CN102982237B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303583A (zh) * | 2008-06-19 | 2008-11-12 | 上海交通大学 | 五轴数控加工安全最短刀具长度的规划方法 |
CN102663176A (zh) * | 2012-03-28 | 2012-09-12 | 北京航空航天大学 | 针对高可靠机械产品的主动可靠性分析评价方法 |
CN102749206A (zh) * | 2012-07-04 | 2012-10-24 | 吉林大学 | 车辆换挡品质评价测试方法及测试系统 |
Non-Patent Citations (1)
Title |
---|
向家伟等: "小型甘蔗收获机切割器试验研究", 《农业工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN102982237B (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11393341B2 (en) | Joint order dispatching and fleet management for online ride-sharing platforms | |
Noori et al. | Electric vehicle cost, emissions, and water footprint in the United States: development of a regional optimization model | |
Yazdanie et al. | Advancing urban energy system planning and modeling approaches: Gaps and solutions in perspective | |
CN105550323B (zh) | 一种分布式数据库负载均衡预测方法和预测分析器 | |
US20160245662A1 (en) | System And Method For Vehicle Energy Estimation, Adaptive Control And Routing | |
CN105631600A (zh) | 车险查勘任务的发布方法及系统 | |
Eyoh et al. | Modelling and predicting future urban expansion of Lagos, Nigeria from remote sensing data using logistic regression and GIS | |
Bauer et al. | On-demand automotive fleet electrification can catalyze global transportation decarbonization and smart urban mobility | |
US11915252B2 (en) | Method for identifying key elements that affect emergence of global efficiency of rail transit system and simulation system for implementing the same | |
Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
CN104598475A (zh) | 基于行车用量模型事件的存储及索引方法及系统 | |
CN101819661A (zh) | 复杂系统的决策支持能力评估分析方法 | |
Yao et al. | Service operations of electric vehicle carsharing systems from the perspectives of supply and demand: A literature review | |
CN105469155A (zh) | 一种城市可持续发展能力的动态评估方法 | |
Jonsson et al. | The usefulness of transport models in Swedish planning practice | |
Liebenau et al. | The UK's digital road to recovery | |
Guptha et al. | Integrating fuzzy AHP and GIS to prioritize sites for the solar plant installation | |
Lu et al. | Spatial-temporal evolution analysis of the impact of smart transportation policies on urban carbon emissions | |
Xia et al. | A distributed EMDN-GRU model on Spark for passenger waiting time forecasting | |
CN102982237A (zh) | 一种确定目标系统使用指标的方法和系统 | |
CN111126706B (zh) | 基于知识驱动的功能变更传播路径和工作量预测方法 | |
CN113743789A (zh) | 基于城市建成环境因素的共享单车空间分布量估计方法 | |
Noori | Development of Regional Optimization and Market Penetration Models for Electric Vehicles in the United States | |
CN109144763A (zh) | 一种基于耦合信息的公交缺失行车数据恢复方法 | |
CN104063613A (zh) | 多模式公交网络的效能评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160511 Termination date: 20161108 |
|
CF01 | Termination of patent right due to non-payment of annual fee |