基于R-VIKOR方法的复杂系统装备仿真可信参数优选

doi:10.16182/j.issn1004731x.joss.22-FZ0941

摘要/Abstract

摘要：

复杂仿真系统的运行往往不是孤立的，它总是受到多重外部因素和自身性能的影响，在进行仿真可信度计算时，不可避免地涉及到参数的选择，在与参考模型进行比较时，需要同时考虑不同的性能指标，这就转化为多属性决策问题的研究范畴。提出一种基于R-VIKOR(resist rank reversal of vise kriterijumska optimizacija | kompromisno resenje)方法的复杂系统仿真可信参数优选方法，通过模型迁移理论获得新模型的多组气动参数，与基础模型的最优参数进行相似性计算，为具有相似气动外形的新复杂系统模型提供更可靠的气动参数。

关键词: R-VIKOR(resist rank reversal of vise kriterijumska optimizacija , kompromisno resenje), 模型迁移, 可信性评估, 参数优选, 气动参数

Abstract:

The operation of complex simulation system is not isolated, and always affected by multiple external factors and its own performance. In simulation reliability calculation, parameters need to be chosen, and different performance indexes need to be taken into account when comparing with the reference model. The research is transformed into the multi-attribute decision. An system simulation trusted parameter optimization method based on R-VIKOR(resist rank reversal of visekriterijumska optimizacija | kompromisno resenje) is proposed. Multiple sets of aerodynamic parameters of the new model are obtained through model migration theory, and similarity calculation is carried out with the optimal parameters of the basic model, and more reliable aerodynamic parameters for the new aircraft model with similar aerodynamic shape are provided.

Key words: R-VIKOR(resist rank reversal of visekriterijumska optimizacija , kompromisno resenje), model of migration, credibility assessment, parameter optimization, pneumatic parameters

中图分类号:

TP391.9

王智广, 刘柏廷, 王晓雷, 刘涛, 杨召伟. 基于R-VIKOR方法的复杂系统装备仿真可信参数优选[J]. 系统仿真学报, 2022, 34(12): 2670-2679.

Zhiguang Wang, Baiting Liu, Xiaolei Wang, Tao Liu, Zhaowei Yang. Reliability Parameter Optimization Complex System Simulation Based on R-VIKOR Method[J]. Journal of System Simulation, 2022, 34(12): 2670-2679.

图/表 8

图1

图2

图3

图4

图5

表1

表2

表3

参考文献 16

1	Chen F F, Xiang J T, Thomas D G, et al. Model-Based Parameter Optimization for Arc Welding Process Simulation [J]. Applied Mathematical Modelling(S0307-904X), 2020, 81: 386-400.
2	Liu Xiangwen, Li Weijing, Wu Tongwen, et al. Validity of Parameter Optimization in Improving MJO Simulation and Prediction Using the Sub-Seasonal to Seasonal Forecast Model of Beijing Climate Center[J]. Climate Dynamics(S0930-7575), 2019, 52: 3823-3843.
3	Carillo M, Cordasco G, Serrapica F, et al. Distributed Simulation Optimization and Parameter Exploration Framework for the Cloud[J]. Simulation Modelling Practice and Theory(S1569-190X), 2018, 83: 108-123.
4	杨明, 焦松, 李伟, 等. 基于可信度优化的仿真模型参数估计方法[J]. 华中科技大学学报(自然科学版), 2014, 42(6): 90-94.
	Yang Ming, Jiao Song, Li Wei, et al. Estimation Method of Simulation Model Parameters Based on Credibility Optimization[J]. Journal of Huazhong University of Science and Technology(Natural Science Edition), 2014, 42(6): 90-94.
5	Pellegrini R, Serani A, Leotardi C, et al. Formulation and Parameter Selection of Multi-Objective Deterministic Particle Swarm for Simulation-Based Optimization[J]. Applied Soft Computing(S1568-4946), 2017, 58: 714-731.
6	徐宁, 董新民, 刘棕成, 等. 基于Pareto集与多目标决策的飞控参数优化[J]. 飞行力学, 2012, 30(3): 245-249.
	Xu Ning, Dong Xinming, Liu Zongcheng, et al. Optimization of FCS Parameter Based on Pareto Optimal Set and Multi-Objective Decision[J]. Flight Dynamics, 2012, 30(3): 245-249.
7	张一航, 侯明善. 制导系统设计参数多准则优化决策方法研究[J]. 兵工学报, 2014, 35(1): 70-75.
	Zhang Yihang, Hou Mingshan. Multi-criteria Decision-making for Guidance System Design Parameters[J]. Acta Armamentarii, 2014, 35(1): 70-75.
8	Wang Yingming, Luo Ying. On Rank Reversal in Decision Analysis[J]. Mathematical and Computer Modelling(S0895-7177), 2009, 49(5/6): 1221-1229.
9	杜婷, 侯明善. 不同赋权TOPSIS制导系统设计决策比较[J]. 现代电子技术, 2014, 37(9): 15-19.
	Du Ting, Hou Mingshan. Comparison Among Different Weighting TOPSIS Methods of Design Parameter Decision Making for Guidance System[J]. Modern Electronics Technique, 2014, 37(9): 15-19.
10	张一航, 侯明善. 基于Monte-Carlo仿真的制导系统多准则决策设计方法[J]. 电子设计工程, 2013, 21(23): 43-46.
	Zhang Yihang, Hou Mingshan. Robust Multi-criteria Decision Making for Guidance System Design Parameters[J]. Electronic Design Engineering, 2013, 21(23): 43-46.
11	Saaty T L, Sagir M. An Essay on Rank Preservation and Reversal[J]. Mathematical and Computer Modelling(S0895-7177), 2009, 49(5/6): 1230-1243.
12	Meng F Y, Su B, Bai Y. Rank Reversal Issues in DEA Models for China's Regional Energy Efficiency Assessment[J]. Energy Efficiency(S1570-646X), 2019, 12: 993-1006.
13	董典, 侯明善, 殷春武. 导弹拦截目标制导系统的VIKOR方法参数设计[J]. 计算机仿真, 2016, 33(4): 53-57.
	Dong Dian, Hou Mingshan, Yin Chunwu. Parameter Design for Guidance System Based on VIKOR Approach[J]. Computer Simulation, 2016, 33(4): 53-57.
14	杨文光, 吴云洁. 熵权VIKOR方法下的制导系统仿真可信优选研究[J]. 系统仿真学报, 2019, 31(7): 1272-1279.
	Yang Wenguang, Wu Yunjie. Credible Optimum Selection of Guidance System Simulation Based on Entropy Weight VIKOR Method[J]. Journal of System Simulation, 2019, 31(7): 1272-1279.
15	李伟, 林圣琳, 周玉臣, 等. 复杂仿真系统可信度评估研究进展[J]. 中国科学: 信息科学, 2018, 48(7): 767-782.
	Li Wei, Lin Shenglin, Zhou Yuchen, et al. Research Progress on Credibility Assessment of a Complex Simulation System[J]. SCIENTIA SINICA Informationis, 2018, 48(7): 767-782.
16	王浩亮, 李清东, 任章, 等. 基于模型迁移方法的高超声速飞行器建模[J]. 北京航空航天大学学报, 2016, 42(12): 2640-2647.
	Wang Haoliang, Li Qingdong, Ren Zhang, et al. Modeling of Hypersonic Vehicle via Model Migration Method[J]. Journal of Beijing University of Aeronautics and Astronautics, 2016, 42(12): 2640-2647.

方案	M_v /(m/s)	S_v /(m/s)	M_h /m	S_h /m
A₁	7.993 5	10.845 8	93.714 0	54.534 6
A₂	9.405 7	12.456 6	109.042 7	63.391 4
A₃	0.962 1	2.163 9	24.059 4	15.137 1
A₄	5.077 9	6.964 9	67.373 7	39.377 0

[1]	崔正达, 姚维强, 徐琴, 方陈, 陈颖. 基于演化博弈的低碳城市电网长期韧性仿真方法[J]. 系统仿真学报, 2022, 34(12): 2595-2604.
[2]	孙宁可, 王艳, 纪志成. 基于深度自编码器的电力能耗异常检测方法[J]. 系统仿真学报, 2022, 34(12): 2557-2565.
[3]	赖启平, 肖谭南, 李东晟, 沈沉. 基于微分神经网络的风电机群低电压穿越特性建模[J]. 系统仿真学报, 2022, 34(12): 2546-2556.
[4]	焦业峰, 王艳, 纪志成. 基于BLP-ALO-SVM的风电功率短期预测方法[J]. 系统仿真学报, 2022, 34(12): 2535-2545.
[5]	奇格奇, 刘思劲, 何一康, 王猛, 黄爱玲. 基于仿真驱动的高速公路主动限速效用评价与推荐[J]. 系统仿真学报, 2022, 34(12): 2522-2534.
[6]	王若萱, 吴建平, 徐辉. 自动驾驶汽车感知系统仿真的研究及应用综述[J]. 系统仿真学报, 2022, 34(12): 2507-2521.
[7]	王贵峰, 郭金星. 三电平四桥臂APF低运算量预测控制策略研究[J]. 系统仿真学报, 2022, 34(12): 2680-2690.
[8]	张博远, 龚光红, 王泽, 李妮. 基于深度网络的蓝军装备模型参数生成方法研究[J]. 系统仿真学报, 2022, 34(12): 2629-2638.
[9]	娄嘉冀, 马静, 李晓威, 赵越, 宋友斌. 微波雷达高精度跟踪环路建模与仿真技术研究[J]. 系统仿真学报, 2022, 34(12): 2619-2628.
[10]	张连怡, 沈喜生, 卿杜政, 张晗, 周敏, 王喜富. 基于信息熵的复杂作战网络动态演化研究[J]. 系统仿真学报, 2022, 34(12): 2605-2618.
[11]	王国陈. 空中联合投送任务规划仿真与效能评估系统[J]. 系统仿真学报, 2022, 34(11): 2497-2506.
[12]	蒋庆, 王儒敬. 稻麦联合收获机清选智能调控模型仿真与试验[J]. 系统仿真学报, 2022, 34(11): 2485-2496.
[13]	郑文, 史可, 朱静宜. 考虑组合信息的O2O平台交易仿真[J]. 系统仿真学报, 2022, 34(11): 2470-2484.
[14]	汪鹏, 宋晓华, 杨昊雯, 翟晓颖, 韩晶晶, 鞠立伟. 新配额制下电力-绿证-超额消纳量多尺度市场交易仿真[J]. 系统仿真学报, 2022, 34(11): 2458-2469.
[15]	朱新平, 徐川, 瞿菁菁, 苏庭文. 多跑道机场机动区滑行道运行方案设计及仿真评估[J]. 系统仿真学报, 2022, 34(11): 2448-2457.