基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。     

基于信息融合和改进UGM(1,1)模型的故障预测

针对故障预测中存在数据采样时间间隔不均匀、采样难度大、数据量小等问题,借鉴信息融合技术和灰色预测理论,提出了一种基于信息融合和改进不等时距灰色模型(improved unequal interval grey model, IUGM)的预测方法。首先,运用一元二次非线性回归思想建立不等时距灰色预测模型,并通过初始值改进、残差修正和新陈代谢相结合的方式对模型进行改进;然后基于加权思想提出隶属度加权法,以确定特定个体和同类产品的隶属度权值;最后基于加权思想和IUGM(1,1)模型建立特定个体的故障预测模型。实例仿真验证了所提方法的有效性。     

广义加权多重函数平均组合预测及其参数估计

提出一种新的组合预测模型———广义加权多重函数平均组合预测模型,并利用二次规划算法给出其加权系数的不同参数估计方法。该模型具有广泛的代表性,它集多种组合预测模型于一体,是一种新的群组集结方法,通过选择合适的模型组合形式及最佳的模型参数,能够有效地提高预测精度。预测实例表明了该模型的有效性。     

基于数据融合和改进MUGM(1,m,w)的导弹装备故障预测

针对现代导弹装备系统组成复杂、结构关系模糊、特征参数获取不完整和不确定,造成其故障预测实现困难的问题,借鉴数据融合技术和灰色预测理论,提出了一种基于数据融合和改进多因素新陈代谢不等时距加权灰色预测模型(improved multi variables metabolism unequal interval weighted grey model, IMUGM(1,m,w))的导弹装备故障预测方法。首先,通过引入加权因子w的方式建立多因素不等时距加权灰色预测模型(UGM(1,m,w)),再通过初始值改进、残差修正、新陈代谢思想相结合的方式对模型进行改进;然后以特定个体的历史监测数据为基准,计算同类产品和特定个体的相应预测值及其与特定个体性能退化数值的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的性能退化模型,最后结合实时监测数据依次更新性能退化数据、Euclid距离、隶属度权值和性能退化模型,实现导弹装备故障预测,实例仿真及分析验证了方法的有效性。     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题，集成灰色理论和神经网络方法，提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1，1）模型的初始值与背景值，利用Levenberg-Marquardt算法改进反向传播神经网络模型；采用组合预测思想，将多方法融合改进灰色模型和神经网络模型，分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例，验证上述方法在故障预测中的有效性。结果表明，灰色神经网络组合模型的预测精度优于单一预测模型，可用于装备的故障预测和预测性维修。     

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。     

基于粗糙集理论修正的后续备件指数平滑预测方法

针对后续备件需求预测误差大的问题,提出一种基于粗糙集理论修正的后续备件指数平滑预测方法。根据备件需求数据呈现的趋势,通过拟合确定指数平滑法的次数和平滑系数。从装备在使用过程中影响备件需求数据波动的因素出发,提出了不依赖于基本预测方法的改进预测思路。构建基于粗糙集理论的修正模型。结合算例,对比分析所提方法的优越性,结果表明修正方法可以显著提高预测精度,提出的改进方法不涉及基本预测方法内部特性且无需引入其他辅助方法,通用性较强。     

基于相关系数的加权几何平均组合预测模型的性质

加权几何平均组合预测为一种非线性的组合预测方法.针对基于相关系数的加权几何平均组合预测模型,定义了优性组合预测模型、预测方法优超、组合预测冗余度等概念,讨论了在一定的条件下,该组合预测存在非劣性及优性组合预测的充分条件,得出了一个判断冗余预测方法的判定定理.从理论和实例说明基于对数相关系数的非线性组合预测模型的有效性.     

精英遗传改进的非线性灰色神经网络算子与军费开支多目标组合预测应用

军费开支属于复杂经济系统下具有宏观经济特征的一类非线性时间序列。在多目标组合下的军费开支预测问题研究背景下,提出了一种基于精英遗传算法(elite genetic algorithm,EGA)改进的非线性灰色神经网络计量组合预测模型,给出了总体建模思路与非线性灰色神经网络算子分系统和EGA分系统设计方法,解决了多准则目标优化的NP完全问题,并对模型的预测效果进行比较分析。采集美国27年间(1990-2016年)军费开支时间序列进行实证检验,分析结论认为非线性灰色神经网络算子能够有效提高模型精度,EGA算法在收敛速度与精度上优于标准遗传算法,采用所建立的预测模型进行军费开支预测精度更高,效果更好。     

基于不完备信息的粗糙集初始备件品种确定方法

针对初始备件品种确定问题,提出基于不完备信息的粗糙集初始备件品种确定方法。从关键性、消耗性、可更换性、经济性和可获取性5个方面系统分析初始备件品种决策影响因素;对比分析经典粗糙集模型的优劣,构建加权阈值粗糙集模型;提出基于系统信息量的属性权重确定方法;依据加权阈值粗糙集模型确定上、下近似集,获得初始备件品种决策规则。结合算例分析探讨模型的有效性,结果表明该方法能够提高备件品种决策精度。     

基于关键性的备件库存配置优化模型

针对可修复备份多级管理模型当备件关键性不同时无法再使用边际效应法的问题,以舰艇编队索马里护航备件携带为研究背景,提出了一种基于备件关键性的初始库存优化方法。首先,建立了备件关键性影响因素的评价指标体系,针对其具有模糊性的特点,采用模糊层次分析法(fuzzy analytic hierarchy process,FAHP)分析了备件重要度指标之间的相对权重的关系,给出了模糊判断矩阵及其一致性的求解方法;其次,给出了基于蒙特卡罗仿真方法的备件关键性求解模型和流程;再次,改进了边际效应法,建立了基于备件关键性的舰艇备件库存优化模型;最后研究表明,基于FAHP和蒙特卡罗方法求解备件关键性的模型可以降低人为主观性的影响,操作简单且易于实现;将修正了的边际效应法用于求解备件初始库存,有重点针对关键性较高备件的同时也能兼顾一般。     

基于ROEWA算子局部活动轮廓的SAR图像分割算法

针对经典可变区域拟合(region scalable fitting,RSF)模型无法分割合成孔径雷达(synthetic aperture radar,SAR)图像的问题,提出了一种基于指数加权均值比(ratio of exponentially weighted averages, ROEWA)算子的改进RSF局部活动轮廓模型。算法首先以SAR图像目标边缘的ROEWA算子的负指数函数为边缘指示函数,对区域可伸缩能量项和弧长项进行加权,消除了原模型中梯度算子对于乘性相干斑满布的SAR图像边缘检测失效的弊端,还防止了目标弱边界的泄漏,避免了边界缺失;其次在零水平集演化的偏微分方程中加入权系数可变的面积项,提升了算法在目标边缘处的自适应捕获能力,同时也提高了算法对目标多层轮廓的检测能力,并且最大化地保留了目标的外轮廓;面积项的可变权系数可根据目标的ROEWA算子的模值来自动调整大小,很好地保持了目标的边缘细节。改进算法不受初始轮廓的影响,对相干斑噪声不敏感,且实验证明算法的计算复杂度仅与图像的尺寸有关。通过对合成与真实的SAR图像数据进行实验,验证了所提方法的直观性和有效性。     

空间和费用约束条件下的随船备件配置优化方法

通过分析舰艇海上器材保障模式,依据装备的层次分解结构、舰艇的备件更换修理能力,在根据备件的故障率确定备件需求的基础上,以系统的备件不短缺概率为优化目标,考虑备件总经费和仓库空间的约束,建立了基于边际分析法的备件配置优化模型。实例优化结果显示,携带舰艇车间可更换单元,在相同的备件存储空间和体积约束下,可以显著提高舰艇装备的战备完好性。     

基于零件寿命函数的慢速流动备件库存模型

对价值高的慢速流动备件，如何确定其最佳再订货时间和订货批量，这是目前困扰企业的一个急需解决的问题。由于设备系统的复杂性、零件故障的随机性、备件消耗的特殊性，此类备件的需求难以预测，也难以对相关费用做出准确评估，使用传统的订货点法已经不能很好解决这一问题。本文从零件寿命函数角度对此问题进行了研究．给出了基于零件寿命函数的慢速流动备件库存控制模型。最后以武汉某氧气生产企业此类生产备件——气体冷却器芯为例，对模型的有效性进行了验证。结果表明，使用基于零件寿命函数模型对慢速流动备件进行库存控制．能有效地缩短此类备件的平均存储时间，降低存储成本。     

组合预测法的改进及其在负荷预测中的应用

阐述了传统组合预测方法的基本原理,并从理论上论证了组合预测方法相对于单一预测模型的优越性。在此基础上,总结了组合预测方法的具体步骤,对组合预测方法基于最小二乘法的最优权重确定方法进行了改进,提出了一种新的基于BP神经网络模型的最优权重确定方法。最后将改进后的组合预测方法应用于电力系统短期负荷的预测中。通过分析和比较,验证了该方法的有效性。     

面向动态任务的作战单元两等级两层级可修复备件优化

针对作战单元执行任务前备件保障方案制定难的问题,在对作战任务和备件保障系统分析的基础上,对可修复备件控制多级技术（multi-echelon technique for recoverable item control, METRIC）经典模型进行了扩展,提出了作战任务和保障能力动态变化条件下的作战单元两等级两层级任务成功性评估模型。以备件购置费用为优化目标函数,作战单元任务成功性为约束条件,建立了基于作战单元任务成功性的备件优化模型,运用边际效应方法给出了优化模型的求解方法。通过应用实例给出了相应的备件优化方案和优化备件方案下的作战单元任务成功性评估曲线。该模型可为装备保障指挥人员根据作战任务和保障环境制定备件保障方案提供一定的决策支持。     

串件拼修策略下不完全修复件时变可用度评估建模

任务期间对车间更换单元(shop replaceable unit,SRU)进行串件拼修,减少现场可更换单元(line replaceable unit,LRU)因SRU短缺造成LRU维修等待的时间,是提高装备可用度的有效途径。针对任务期间备件最终修复概率小于1、备件处于非稳态需求时传统完全可修件库存策略不合理的问题,扩展可修复备件多级管理(multi-echelon technique for recoverable item control,METRIC)理论,建立使用现场和后方基地两级SRU串件拼修对策下不完全修复件两级两层时变可用度评估模型。列举案例对比分析串件拼修对策前后装备可用度变化,分析结果表明,串件拼修能一定程度上提高装备可用度,对装备可用度提高程度与LRU最终修复概率和初始备件携带数量有关。最后,采用蒙特卡罗仿真方法对串件拼修对策下的备件保障模型进行了验证,仿真结果与解析结果误差在2%以内。     

面向任务的备件保障评估通用模型研究

多级备件库存是装备普遍保障模式,针对任务期备件需求处于动态变化的特点,在综合考虑备件报废、维修、运输等因素下,提出了面向任务的任意保障等级备件时变可用度模型。首先,分析了备件维修运输供应渠道;其次,结合动态帕尔母定理,对可修复备件多级控制技术理论进行扩展,构建备件动态维修运输供应模型;最后,根据供应渠道概率分布类型,建立装备时变可用度模型。同时,通过案例分析了装备可用度随时间变化规律,且案例结果与验证模型结果基本一致,模型可为保障决策者制定任务期备件方案提供参考。     

考虑不完美维修的定期检测与备件策略联合优化

针对退化过程服从三阶段故障过程的单部件系统提出了定期检测与备件订购策略联合优化.该策略下,根据检测时系统的状态执行不同的维修活动:当系统处于正常状态,不执行任何维修活动;若识别轻缺陷进行不完美维修并采用比例役龄回退模型描述不完美维修效果;若识别严重缺陷则更换系统.当更换系统时需考虑备件状态:若处于存货状态则立即更换,若正处于途中则到货时更换,若未订货需立即订货并在到货时刻更换.考虑所有更新事件采用更新报酬理论建立以最小化单位时间内期望成本为目标的模型,同时优化检测周期和订货点.最后,设计枚举优化算法和离散仿真算法求解模型,并在算例分析中验证模型的有效性和适用性.