一种装备评价方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种装备评价方法，包括：基于预设的评价指标体系确定待评价装备的指标参数后；根据指标参数获取专家评价数据、用户评价数据，以及历史使用评价数据，并确定专家评价数据、用户评价数据和历史使用评价数据分别对应的可信度；利用DS证据理论对专家评价数据、用户评价数据和历史使用评价数据进行融合，获得融合结果；并基于预设的规则对融合结果进行分析，确定待评价装备的评价结果。该方法充分考虑了专家、用户和客观使用过程对装备的评价，从而提高了装备评价的准确性和综合性。相应地，本发明专利技术公开的一种装备评价装置、设备及可读存储介质，也同样具有上述技术效果。

【技术实现步骤摘要】
一种装备评价方法、装置、设备及可读存储介质
本专利技术涉及大数据分析
，更具体地说，涉及一种装备评价方法、装置、设备及可读存储介质。
技术介绍
装备评价是对装备的相关数据进行分析、处理和比较，以帮助做出决策的过程。其中，所述相关数据包括各种试验数据、设计审查数据、软硬件测试数据、建模与仿真数据、历史使用(含维护、储存等)数据等。装备评价贯穿装备全寿命过程，是考核装备性能、评定装备质量优劣、确定装备研制和采购策略的必要手段，是提升装备性能的重要途径。需要说明的是，本申请文件中的装备可以为任意领域内的设备，例如：光电设备、通信设备、健身训练设备等。现有的装备评价方法一般仅进行主观评价或仅进行客观评价。其中，主观评价包括：研制装备的专家对装备的评价和使用装备的用户对装备的评价；客观评价为：采用模糊综合评判、数据包络分析等方法分析装备客观存在的指标特点。其中，主观评价虽然能充分考虑专家的专业知识经验和用户的使用感受，但是由于不同受众关注问题的角度不同，其对同一指标的要求和需求也就不同。例如：专家对设备的性能和效率的要求更高，而用户则对设备的舒适度和便捷性要求更高。因此，仅基于人为主观评价装备，由于不同专家、用户对同一装备的评价结果差别较大，难以保证评价结果的客观性和准确性。客观评价不受人为因素影响，但对装备的评价依赖于数据量大小和数据的准确性，得到的评价结果准确性和综合性也有待提升。因此，如何提高对装备进行准确、综合的评价，是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种装备评价方法、装置、设备及可读存储介质，以实现对装备进行准确、综合的评价。为实现上述目的，本专利技术实施例提供了如下技术方案：一种装备评价方法，包括：获取待评价装备，并基于预设的评价指标体系确定待评价装备的指标参数；根据指标参数获取专家对待评价装备的专家评价数据、用户对待评价装备的用户评价数据，以及待评价装备的历史使用评价数据，并确定专家评价数据、用户评价数据和历史使用评价数据分别对应的可信度；利用DS证据理论对专家评价数据、用户评价数据和历史使用评价数据，进行融合，获得融合结果；基于预设的规则对融合结果进行分析，并确定待评价装备的评价结果。其中，获取待评价装备的历史使用评价数据，包括：根据指标参数获取待评价装备的历史使用数据，并将历史使用数据输入预设的RBF神经网络，输出历史使用评价数据。其中，RBF神经网络的构建过程包括：基于评价指标体系获取训练样本数据和验证样本数据；确定RBF神经网络的拓扑结构和参数配置，并利用训练样本数据对RBF神经网络进行训练；当训练完成后，将验证样本数据输入RBF神经网络，并判断输出的评价结果与验证样本数据的原始评价结果是否一致；若是，则利用RBF神经网络评价待评价装备的历史使用数据。其中，确定历史使用评价数据对应的可信度，包括：将预设的多个测试样本数据分别输入RBF神经网络，并输出每个测试样本数据分别对应的评价结果；将RBF神经网络输出的评价结果与测试样本数据的原始评价结果一致的测试样本数据标记为目标测试样本数据，并记录目标测试样本数据的个数；将目标测试样本数据的个数与输入RBF神经网络的所有测试样本数据的个数的比值，作为历史使用评价数据对应的可信度。其中，利用DS证据理论对专家评价数据、用户评价数据和历史使用评价数据进行融合，获得融合结果，包括：利用评价指标体系中的评价结果等级确定DS证据理论的识别框架；结合专家评价数据、用户评价数据和历史使用评价数据分别对应的可信度分别对专家评价数据、用户评价数据和历史使用评价数据进行修正；基于修正后的专家评价数据、用户评价数据和历史使用评价数据生成识别框架中各命题的基本概率赋值；结合Dempster组合规则和识别框架中各命题的基本概率赋值对修正后的专家评价数据、用户评价数据和历史使用评价数据进行两两融合，获得融合结果。其中，基于预设的规则对融合结果进行分析，并确定待评价装备的评价结果，包括：通过基本概率赋值规则或最小风险规则对融合结果进行分析，并确定待评价装备的评价结果。一种装备评价装置，包括：确定模块，用于获取待评价装备，并基于预设的评价指标体系确定待评价装备的指标参数；获取模块，用于根据指标参数获取专家对待评价装备的专家评价数据、用户对待评价装备的用户评价数据，以及待评价装备的历史使用评价数据，并确定专家评价数据、用户评价数据和历史使用评价数据分别对应的可信度；融合模块，用于利用DS证据理论对专家评价数据、用户评价数据和历史使用评价数据进行融合，获得融合结果；评价模块，用于基于预设的规则对融合结果进行分析，并确定待评价装备的评价结果。其中，融合模块包括：确定单元，用于利用评价指标体系中的评价结果等级确定DS证据理论的识别框架；修正单元，用于结合专家评价数据、用户评价数据和历史使用评价数据分别对应的可信度分别对专家评价数据、用户评价数据和历史使用评价数据进行修正；生成单元，用于基于修正后的专家评价数据、用户评价数据和历史使用评价数据生成识别框架中各命题的基本概率赋值；融合单元，用于结合Dempster组合规则和识别框架中各命题的基本概率赋值对修正后的专家评价数据、用户评价数据和历史使用评价数据进行两两融合，获得融合结果。一种装备评价设备，包括：存储器，用于存储计算机程序；处理器，用于执行计算机程序时实现上述任意一项的装备评价方法的步骤。一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述任意一项的装备评价方法的步骤。通过以上方案可知，本专利技术实施例提供的一种装备评价方法，包括：获取待评价装备，并基于预设的评价指标体系确定待评价装备的指标参数；根据指标参数获取专家对待评价装备的专家评价数据、用户对待评价装备的用户评价数据，以及待评价装备的历史使用评价数据，并确定专家评价数据、用户评价数据和历史使用评价数据分别对应的可信度；利用DS证据理论对专家评价数据、用户评价数据和历史使用评价数据进行融合，获得融合结果；基于预设的规则对融合结果进行分析，并确定待评价装备的评价结果。可见，所述方法对于待评价装备的评价过程，综合考虑了专家对待评价装备的专家评价数据、用户对待评价装备的用户评价数据，以及待评价装备的历史使用评价数据，并确定了专家评价数据、用户评价数据和历史使用评价数据分别对应的可信度；进而利用DS证据理论对得到的专家评价数据、用户评价数据和历史使用评价数据进行融合，并基于预设的规则对融合结果进行分析，得到待评价装备的评价结果。该方法综合考量了专家评价数据、用户评价数据和历史使用数据，将主观评价与客观评价相融合，得到了准确性和综合性较高的评价结果。因此本专利技术提供的方法实现了装备的准确、综合评价。相应地，本专利技术实施例提供的一种装备评价装置、设备及可读存储介质，也同样具有上述技术效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术实施例公开的一种装备评价方法流程图；图2为本专利技术实施例公开的另一种装本文档来自技高网...

【技术保护点】
1.一种装备评价方法，其特征在于，包括：获取待评价装备，并基于预设的评价指标体系确定所述待评价装备的指标参数；根据所述指标参数获取专家对所述待评价装备的专家评价数据、用户对所述待评价装备的用户评价数据，以及所述待评价装备的历史使用评价数据，并确定所述专家评价数据、所述用户评价数据和所述历史使用评价数据分别对应的可信度；利用DS证据理论对所述专家评价数据、所述用户评价数据和所述历史使用评价数据进行融合，获得融合结果；基于预设的规则对所述融合结果进行分析，并确定所述待评价装备的评价结果。

【技术特征摘要】
1.一种装备评价方法，其特征在于，包括：获取待评价装备，并基于预设的评价指标体系确定所述待评价装备的指标参数；根据所述指标参数获取专家对所述待评价装备的专家评价数据、用户对所述待评价装备的用户评价数据，以及所述待评价装备的历史使用评价数据，并确定所述专家评价数据、所述用户评价数据和所述历史使用评价数据分别对应的可信度；利用DS证据理论对所述专家评价数据、所述用户评价数据和所述历史使用评价数据进行融合，获得融合结果；基于预设的规则对所述融合结果进行分析，并确定所述待评价装备的评价结果。2.根据权利要求1所述的装备评价方法，其特征在于，所述获取所述待评价装备的历史使用评价数据，包括：根据所述指标参数获取所述待评价装备的历史使用数据，并将所述历史使用数据输入预设的RBF神经网络，输出所述历史使用评价数据。3.根据权利要求2所述的装备评价方法，其特征在于，所述RBF神经网络的构建过程包括：基于所述评价指标体系获取训练样本数据和验证样本数据；确定所述RBF神经网络的拓扑结构和参数配置，并利用所述训练样本数据对所述RBF神经网络进行训练；当训练完成后，将所述验证样本数据输入所述RBF神经网络，并判断输出的评价结果与所述验证样本数据的原始评价结果是否一致；若是，则利用所述RBF神经网络评价所述待评价装备的历史使用数据。4.根据权利要求3所述的装备评价方法，其特征在于，所述确定所述历史使用评价数据对应的可信度，包括：将预设的多个测试样本数据分别输入所述RBF神经网络，并输出每个测试样本数据分别对应的评价结果；将所述RBF神经网络输出的评价结果与测试样本数据的原始评价结果一致的测试样本数据标记为目标测试样本数据，并记录所述目标测试样本数据的个数；将所述目标测试样本数据的个数与输入所述RBF神经网络的所有测试样本数据的个数的比值，作为所述历史使用评价数据对应的可信度。5.根据权利要求1-4任意一项所述的装备评价方法，其特征在于，所述利用DS证据理论对所述专家评价数据、所述用户评价数据和所述历史使用评价数据进行融合，获得融合结果，包括：利用所述评价指标体系中的评价结果等级确定所述DS证据理论的识别框架；结合所述专家评价数据、所述用户评价数据和所述历史使用评价数据分别对应的可信度分别对所述专家评价数据、所述用户评价数据和所述历...

【专利技术属性】
技术研发人员：宋元章，陈媛，王俊杰，王安邦，李洪雨，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林,22