摘要: 海军武器装备的使用环境复杂多变，海洋环境中各种气象水文要素对海军武器装备的作战效能影响显著，且机理复杂，这大大增加了海军武器装备作战效能的评估难度。目前常用的武器效能评估方法有专家评定法、解析评估法及试验统计评估法等。对于海洋环境... 展开 海军武器装备的使用环境复杂多变，海洋环境中各种气象水文要素对海军武器装备的作战效能影响显著，且机理复杂，这大大增加了海军武器装备作战效能的评估难度。目前常用的武器效能评估方法有专家评定法、解析评估法及试验统计评估法等。对于海洋环境影响下武器装备作战效能的评估问题，首先影响武器装备作战效能的海洋气象水文要素众多，且影响机理较为复杂，其次上述评估方法大都为线性模型，且评估过程受人为因素影响较大，因此已无法满足本问题的需要。如何建立客观高效的非线性评估模型对于武器装备作战效能的评估问题具有重要的研究价值。 针对上述问题，本文首先提出将神经网络理论应用到海洋环境影响下武器效能的评估问题中。采用前馈神经网络模型，首先确定评估指标，即影响武器效能的海洋气象水文要素，并将之作为模型的输入，然后选择合适的隐含层神经元，并将武器效能作为模型的输出，从而建立了基于前馈神经网络的武器效能评估模型。在此基础上通过算例实验对模型的可行性与有效性进行了论证。此外基于.NET平台，设计并开发了前馈神经网络的工具箱，以解决海洋环境下武器效能的评估问题。 考虑到基于神经网络的武器效能评估模型通常需要较多的训练样本才能获得较好的评估效果，但在实际中，限于资金等因素的制约难以进行很多次实验，因此样本数据也较为有限。本文进一步提出将支持向量回归机应用到武器效能的评估问题中。支持向量回归机基于VC维与结构风险最小化原理，能够较好地处理武器效能评估中出现的小样本、非线性和高维度的问题。本文首先基于ε-支持向量回归机建立了武器效能评估模型，但该模型在求解时，需确定参数ε的取值，而在实际中难以选择最优的ε，因此本文使用了一种改进形式，即ν-支持向量回归机。该模型通过引入参数ν而将参数ε作为变量出现，因此避免了确定参数ε的取值。基于支持向量回归机的评估模型在求解时转化为凸二次规划问题，本文采用基于分解思想的SMO算法求解。另外采用网格搜索及交叉验证的策略，对参数优选进行了讨论。在此基础上通过算例实验对模型的可行性进行了论证，并与基于神经网络的评估模型进行了比较和分析。此外基于.NET平台，设计并开发了支持向量回归机的工具箱，以供开发武器效能评估系统时使用。 基于对武器效能评估模型的理论分析，本文对武器效能评估系统的结构进行了UML建模，详细分析了系统的用例模型和结构模型。接着介绍了.NET平台及AD0.NET数据库访问技术，然后结合本文所设计的神经网络工具箱和支持向量回归机工具箱，设计并开发了基于三层体系结构的海洋环境影响下武器装备作战效能评估系统。最后对本文所做的工作进行了总结。 收起