一种面向复杂任务网络模型的非完备状态评估方法、装置及设备与流程

专利检索2025-07-30  29


本专利涉及舰载设备检测,特别涉及一种面向复杂任务网络模型的非完备状态评估方法、装置及设备。


背景技术:

1、随着船舶系统的发展,其任务形式更加复杂、传感器数量急剧增加并且网络拓扑也日趋复杂,舰载设备的数据呈现多元异构状态,船舶的任务系统需要承受着海量的数据管理和存储的任务。面对多源异构数据的存储、传输、处理的问题,对于不同的行业、不同的系统规模,实现的方式也将有所不同。

2、非完备状态是由于环境复杂性和不确定性,存在各种噪声,因此传感器检测到的数据会受噪声影响从而与实际环境存在一定偏差。同时,部分设备的状态也随运行时间而改变,甚至进入故障状态。这种在部分设备进入故障的情况以及故障之间耦合,导致对复杂的网络任务可用能力的量化表征和实时评价出现偏差。

3、因此,复杂任务网络模型的非完备状态评估涉及多维度特征信息,信息量大、非完备特性突出,要实现复杂任务网络的非完备状态评估现有机器学习方法在任务系统等非完备信息下的状态评估泛化性难以保证,且不具备可解释性,置信度不高。


技术实现思路

1、本发明提供了一种面向复杂任务网络模型的非完备状态评估方法、装置及设备,旨在提供一种基于模糊神经网络的非完备状态评估方法来解决现有任务系统的非完备信息下的状态评估方法,泛化性不强,置信度不高等问题。

2、第一方面,本发明实施例提供了一种面向复杂任务网络模型的非完备状态评估方法,其包括

3、获取待测的舰载设备数据;其中,所述舰载设备数据用于表示各所述舰载设备的状态特征;

4、将所述待测的舰载设备数据输入训练好的非完备状态评估模型,以输出对应的状态评估结果;其中,所述状态评估结果用于表示各所述舰载设备的系统任务可用等级;

5、其中,所述非完备状态评估模型的训练过程包括:

6、获取舰载设备样本数据;其中,所述舰载设备样本数据包括已测得的所述舰载设备数据以及对应的状态评估结果;

7、将部分所述舰载设备样本数据作为训练集输入预设的非完备状态评估模型进行训练,以获取经训练的非完备状态评估模型;其中,所述预设的非完备状态评估模型是基于模糊神经网络构建的;

8、将另一部分所述舰载设备样本数据作为测试集输入所述经训练的非完备状态评估模型进行测试,以获取所述训练好的非完备状态评估模型。

9、第二方面,本发明提供了一种非完备状态评估装置,所述装置包括

10、获取单元,用于获取待测的舰载设备数据;其中,所述舰载设备数据用于表示各所述舰载设备的状态特征;还用于获取舰载设备样本数据;其中,所述舰载设备样本数据包括已测得的所述舰载设备数据以及对应的状态评估结果;

11、评估单元,用于将所述待测的舰载设备数据输入训练好的非完备状态评估模型,以输出对应的状态评估结果;其中,所述状态评估结果用于表示各所述舰载设备的系统任务可用等级;

12、模型训练单元,用于将部分所述舰载设备样本数据作为训练集输入预设的非完备状态评估模型进行训练,以获取经训练的非完备状态评估模型;其中,所述预设的非完备状态评估模型是基于模糊神经网络构建的;还用于将另一部分所述舰载设备样本数据作为测试集输入所述经训练的非完备状态评估模型进行测试,以获取所述训练好的非完备状态评估模型。

13、第三方面,本发明实施例提供了一种电子设备,所述电子设备包括存储器及处理器,所述存储器上存储有电子设备程序,所述处理器执行所述电子设备程序时实现上述的方法。

14、第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。

15、与现有技术相比,本发明提供了一种面向复杂任务网络模型的非完备状态评估方法,该方法是基于机器监督学习下的评估方法,通过建立了一种基于模糊神经网络的智能评估模型,该模型可以更好地实现对复杂的网络任务的量化表征和评价,其具有较高的泛化能力和置信度。



技术特征:

1.一种面向复杂任务网络模型的非完备状态评估方法,应用于舰载设备检测领域,其特征在于,所述的方法包括:

2.根据权利要求1所述的方法,其特征在于,所述将部分所述舰载设备样本数据作为训练集输入预设的非完备状态评估模型进行训练,以获取经训练的非完备状态评估模型,包括:

3.根据权利要求1所述的方法,其特征在于,所述获取舰载设备样本数据;包括:

4.根据权利要求3所述的方法,其特征在于,所述舰载设备样本数据包括输入值与输出值,所述输入值用于表示所述已测得的舰载设备数据;所述输出值用于表示所述已测得的舰载设备数据对应的状态评估结果;所述基于采集到的舰载设备原始样本数据构造虚拟样本数据,包括:

5.根据权利要求4所述的方法,其特征在于,所述基于整体扩散技术生成所述虚拟样本数据的输入值,包括:

6.根据权利要求4所述的方法,其特征在于,所述基于克里格插值技术生成所述虚拟样本数据的输出值,包括:

7.根据权利要求3所述的方法,其特征在于,所述基于采集到的舰载设备原始样本数据构造虚拟样本数据之前,包括:

8.一种非完备状态评估装置,其特征在于,包括:

9.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,所述存储器上存储有电子设备程序,所述处理器执行所述电子设备程序时实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。


技术总结
本发明公开了一种面向复杂任务网络模型的非完备状态评估方法、装置及设备,应用于舰载设备检测领域,其包括获取待测的舰载设备数据;将待测的舰载设备数据输入训练好的非完备状态评估模型,以输出对应的状态评估结果;其中,非完备状态评估模型的训练过程包括:获取舰载设备样本数据;将部分舰载设备样本数据作为训练集输入预设的非完备状态评估模型进行训练,以获取经训练的非完备状态评估模型;将另一部分舰载设备样本数据作为测试集输入经训练的非完备状态评估模型进行测试,以获取训练好的非完备状态评估模型。本发明建立了的基于模糊神经网络的评估模型可以更好地实现对复杂的网络任务的量化表征和评价,其具有较高的泛化能力和可靠性。

技术研发人员:邓建辉,刘鹏鹏,黄金娥,王岩磊,秦宝岭
受保护的技术使用者:中国人民解放军92942部队
技术研发日:
技术公布日:2024/5/29
转载请注明原文地址:https://win.8miu.com/read-1157113.html

最新回复(0)