[发明专利]一种基于性能预测的产品概念性能评价方法

权利要求书

1.一种基于性能预测的产品概念性能评价方法，其特征在于，包括以下步骤：

第一步：确定作为评价标准的性能指标，并确定各性能指标的权重；

第二步：分析历史产品设计信息，确定各性能指标的关键设计参数；

第三步：采用支持向量回归SVM(Supportvectorregression)方法对历史产品设计信息进行分析，利用关键设计参数建立相应性能指标的预测模型；

第四步：以新产品概念方案的关键设计参数值作为SVM预测模型的输入，对方案的各性能值进行预测；

第五步：根据各概念方案的性能指标预测值，利用VIKOR方法首先定义理想方案和负理想方案，然后以折中规划法为核心，提供最大化“群体效益”与最小化“个别遗憾”相妥协的概念方案排序，最终确定最优的概念方案。

2.如权利要求1所述的一种基于性能预测的产品概念性能评价方法，其特征在于，进一步地，所述确定各性能指标的关键设计参数，包括以下步骤：

第(1)步、归一化分析：对各设计参数和性能指标进行归一化处理，经过变换，化为无量纲形式，避免计算结果产生较大误差；

第(2)步、分析设计参数与各性能指标的关联程度，利用灰色关联熵分析法对历史产品设计信息进行分析；

第(3)步、根据设计参数序列曲线与性能指标序列曲线的相似程度来判断两者联系的紧密程度，曲线越分离说明相应序列之间的关联度就越小，反之就越大，通过上述分析得到各设计参数与不同性能指标间的关联程度；

第(4)步、识别关键设计参数：根据设计参数与各性能指标的关联程度，得到各性能指标的关联设计参数序列，该序列按关联程度由大至小对相应设计参数进行排列，在各性能指标对应的序列中选取关键设计参数。

3.如权利要求1或2所述的一种基于性能预测的产品概念性能评价方法，其特征在于，进一步地，所述利用关键设计参数建立相应性能指标的预测模型具体包括以下步骤：

(1)将h组产品设计参数与性能指标数据分为训练集和测试集，针对每一性能指标，选取其对应设计参数关联序列中前a个作为PSO-SVM模型的输入变量；

(2)在一个经验区间内随机选取SVM的输入参数并初始化粒子群算法PSO的输入参数，然后根据训练集数据建立性能指标SVM预测模型,得到初始的预测模型；

(3)将测试样本集中设计参数数据输入初始的预测模型完成测试样本的性能指标值预测，得到初始预测结果；

(4)使用粒子群算法中的适应度函数F计算初始预测结果与测试样本集中真实性能值的误差，若满足F收敛条件，则初始预测模型即为最终预测模型，否则利用粒子群算法在经验区间内循环搜索SVM输入参数的取值，直至得到满足F收敛条件或达到最大迭代次数的最终预测模型为止，此时的输入参数值为最优值,从而实现有效确定SVM模型输入参数并保证预测模型的预测性能最优。