有限任务间隔时间内的装备选择性维修决策研究

在序贯任务过程中,在有限任务间隔时间约束条件下,以提高装备的任务可靠度为目标,建立了复杂串并联系统任务可靠度模型,以最小维修、预防更换和事后更换为可选维修策略,建立了总维修时间约束条件下以任务可靠度最大化为目标的选择性维修决策模型。采用遗传算法建立了选择性维修决策优化求解算法,解决了求解空间爆炸问题。案例分析表明,装备选择性维修决策模型及基于遗传算法的优化求解方法是有效的。     

考虑维修任务分配的装备选择性维修决策优化

在紧迫的战场环境下，如何利用有限的时间、人力和资源保持或恢复装备战斗力，使装备具有连续执行任务的能力，是装备保障指挥人员最关心的问题之一。本文以装备执行多个作战任务为背景，综合考虑维修保障时间、不完全维修效果、维修人员技能水平、装备性能状态等因素，以最小阶段任务可靠度最大化为决策目标，建立考虑维修任务分配的装备选择性维修决策模型，采用遗传算法进行优化求解。结合算例，分析了任务持续时间、维修人员技能水平对决策目标的影响，验证了所提模型及算法的有效性。     

战场抢修多需求点多资源二层优化调度模型

在战时协同维修保障过程中,针对各维修任务间经常发生维修资源短缺及资源冲突的问题,在分析连续消耗条件下战场抢修资源调度的特点及决策目标的基础上,建立了在抢修开始时间最早的条件下支援点数目最少的战场抢修多需求点多资源二层优化调度模型,并给出了算法和优化调度方案.算例分析结果表明了模型的合理性和算法的有效性.     

面向任务的舰船编队保障模式及备件配置研究

备品备件是装备计划修理、临时修理和战场应急抢修的重要保障物资，对装备保障能力的及时形成和长久保持发挥重要作用.针对海上任务期间，舰船编队自主保障和伴随保障两种典型保障模式，以编队携行能力（总体积）为约束，装备可用度为目标函数，建立了备件配置优化模型.在相同的装备可用度指标约束下，对两种保障模式在不同维修能力下的备件配置优化方案进行了对比和分析，并采用蒙特卡罗仿真模型对计算结果进行了验证.案例结果表明：相比自主保障而言，伴随保障模式下的编队备件资源具有更高的利用率，仿真结果与解析结果误差小于4%，进一步验证了模型的正确性和可行性，研究结果能够为海上编队任务期间制定合理的保障模式和优化备件携行方案提供决策支持.     

具备有限维修能力的舰船编队保障方案优化

以舰船编队维修保障资源优化为研究背景,在VARI-METRIC理论基础上,拓展了“无限维修总体”的假设条件,根据M/M/c排队论,建立了有限维修能力约束下的舰船装备可用度评估模型。以保障费用为优化目标,在装备可用度指标约束下,采用边际优化算法,对出航前舰船编队维修保障资源进行综合优化。通过任务想定,给出了优化结果,并对其进行了分析,结果较为合理。研究结论能够为装备保障管理人员制定保障方案提供决策支持。     

装备战场抢修的任意随机Petri网建模及仿真

基于任意分布随机Petri网（ASPN）,建立了装备战场抢修系统的ASPN模型。利用ARENA通用仿真平台,对装备战场抢修系统的ASPN模型进行仿真,得出了一些有价值的结论。仿真的结果与实际情况吻合,充分验证了模型的正确性。仿真的结论可为装备战场抢修的决策阶层提供决策支持,对提高我军装备维修保障能力,实现经济型维修保障,具有重要的意义。     

基于相关因素的决策优化模型建模方法

结合机载导弹阵地战场抢修决策平台项目开发,提出了基于相关因素的决策优化模型建模方法。该方法建立在建模的可分离原则上,首先对决策问题自顶而下地进行相关环境和相关因素的分离,然后自底而上地建立综合集成决策优化模型。同时,该方法采用形式化表示体系来描述建模过程。应用该方法建立了面向机载导弹阵地战场抢修决策的优化模型。应用表明,该方法协调了建模过程中多角色的交互问题,为模型的可用、应用和复用打下了良好的基础。     

装备保障平台战时运用优化决策分析模型

针对装备保障平台战时如何优化运用的问题,根据平台在机动中遭敌火力打击及自我维修过程所具有的马尔可夫性特点,将受打击时间按照打击次数离散化,从而将该过程描述为状态离散、时间离散的马尔可夫链,由此构建了无条件自我维修和有条件自我维修的马尔可夫链模型,实现了单平台战时运用优化决策。基于战场抢修率最大化的目标,运用规划理论,构建了综合考虑遭敌打击的装备保障平台编组优化模型,提出了平台编组战时运用优化决策分析方法。应用实例表明,所建模型运算简单、方便、实用,能为指挥员在战时科学使用装备保障平台提供决策依据。     

基于simio平台的装甲装备战场抢修组织实施过程仿真

针对现代战争装甲装备战场抢修组织实施任务需求,在分析装甲装备战损规律的基础上,研究了战场抢修的组织实施过程,构建了过程模型,并基于simio平台进行了仿真。模型具有一定的可扩展性,对战场抢修工作具有一定的参考价值。     

资源约束的拼件维修模型与粒子群求解算法

为了获得最优的装备作战单元的拼件维修方案与任务分配方案, 建立了一种同时优化拼件维修方案与任务分配方案的非线性规划模型, 模型中同时考虑了不同任务对武器系统的具体需求、武器系统的客观情况、维修资源约束, 可以最大化地协调任务、装备群与维修资源之间的矛盾, 所以更加贴合实际. 设计了基于粒子群算法的求解算法, 包括算法框架、粒子的表示、初始化、适应度函数、更新方法等. 最后, 应用该粒子群算法对具体实例进行了求解, 分析表明模型与算法可以有效地优化任务分配方案与拼件维修方案, 提高装备作战单元任务成功概率, 为决策者制定决策提供指导.     

合成部队多阶段作战任务成功概率仿真评估

考虑战场环境和战时装备维修保障评估合成部队多阶段作战任务成功概率, 对于辅助合成部队作战任务规划和装备维修保障决策具有重要的现实意义。在分析合成部队装备和合成部队装备维修保障模式的基础上, 构建了战时合成部队多阶段任务剖面; 通过对合成部队作战过程的分析, 提出了战时合成部队各阶段任务成功要求; 充分考虑合成部队多作战单元任务的协同性、合成部队装备的多样性及其战时随机共因失效(random common cause failure, RCCF)、战场环境下敌方火力打击和阶段任务时间的随机性、换件修理时间的不确定性等复杂因素, 利用蒙特卡罗仿真(Monte Carlo simulation, MCS)原理给出了合成部队多阶段作战任务成功概率评估的详细仿真流程, 并通过算例进行仿真和结果分析。研究结果表明:本文模型可用于合成部队多阶段作战任务成功概率评估和战斗阶段持续时间优化, 并为战时合成部队备件携行方案优化奠定了模型基础。     

多信息源条件下战损部件恢复能力评估方法

在进行战时装备战损部件恢复能力评估时,针对收集得到的部件抢修样本信息与实际战场情况不相符的问题,以战场环境和抢修分队维修保障条件为依据,分别建立了样本信息筛选模型和样本抢修时间向实际抢修时间折合的内积模型。采用随机加权法将样本信息转换为参数分布,提出支持度与最大熵相结合的信息源权重确定方法,将相似部件和部件历史信息进行融合,得出部件在对应战场条件下的恢复能力评估结果。算例分析表明,该评估方法可对多种复杂战场条件下的部件恢复能力进行评估,提出的多源融合方法较传统估计方法评估结果更加准确,具有很强的实用性。     

多信息源条件下战损部件恢复能力评估方法

在进行战时装备战损部件恢复能力评估时,针对收集得到的部件抢修样本信息与实际战场情况不相符的问题,以战场环境和抢修分队维修保障条件为依据,分别建立了样本信息筛选模型和样本抢修时间向实际抢修时间折合的内积模型。采用随机加权法将样本信息转换为参数分布,提出支持度与最大熵相结合的信息源权重确定方法,将相似部件和部件历史信息进行融合,得出部件在对应战场条件下的恢复能力评估结果。算例分析表明,该评估方法可对多种复杂战场条件下的部件恢复能力进行评估,提出的多源融合方法较传统估计方法评估结果更加准确,具有很强的实用性。     

飞机复材结构的修理容限确定方法

针对民用飞机复材结构修理实践中要不要修理、能不能修理等维修决策问题,考虑损伤的发生次序、发生时间、损伤尺寸、损伤检测概率、超载分布、维修策略、强度退化与恢复等因素,以失效概率为安全性约束条件,以维修成本为经济性优化目标,提出了一种基于用蒙特卡罗仿真的飞机复材结构修理容限确定方法.案例研究结果表明:得到的修理容限及对应的检查间隔可以更加使航空公司更加经济地决策维修活动,而且能够主动控制飞机复材结构的安全性和可靠性水平,为飞机复材结构在寿命周期内的安全性和经济性分析以及损伤维修阈值决策提供了一种具有工程意义的技术方法.     

战伤装甲装备修理工时仿真及其分布规律研究

为预测战时维修保障需求，给出了战伤装甲装备毁伤部件仿真生成的原理和战伤装甲装备修理工时的计算方法，应用均匀分布随机变量的特性和神经网络算法，建立了战伤装甲装备修理工时仿真数据生成模型；以某型坦克为例进行了计算机仿真，产生出了战伤坦克修理工时的仿真数据，经统计分析确定出了战伤坦克修理工时的分布规律。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题，本文提出一种基于概率图的作战任务智能规划方法，通过统计分析判定任务间因果关系，采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率，进而基于时间序列方法预测战场态势变化，实现辅助指挥员智能决策。最后，本文在某联合登岛案例中开展了方法验证，结果表明，所提出的方法可成功实现任务规划并具有可解释性，可实现对战场态势变化的预测和快速响应，在战场上为军队提供强有力的支持。