基于改进最小二乘支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集、熵权法、自适应粒子群优化算法与加权最小二乘支持向量机的组合预测模型应用于导弹备件消耗预测的构想。首先阐述了粗糙集、信息熵、自适应粒子群优化算法和加权最小二乘支持机的基本原理,并改进了自适应粒子群优化算法的搜索方式和最小二乘支持向量机的加权方法;然后建立了基于粗糙集、熵权法和自适应粒子群优化加权最小二乘支持向量机的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

Wiener过程在非线性退化建模中的应用

针对Wiener过程为线性随机过程而产品性能退化为非线性的情况,提出一种时间尺度转换方法,首先通过时间尺度转换把非线性退化数据转换成线性退化数据,采用Wiener过程对其进行建模分析,然后通过时间尺度逆转换实现产品在原有时间尺度下的可靠性评估。给出了Wiener过程参数估计的步骤和方法,并以某型导弹电连接器的加速退化数据为例,阐述了基于时间尺度转换的Wiener过程在非线性退化建模中的应用。结果表明,时间尺度转换方法成功实现了电连接器的可靠性评估,从而拓展了Wiener过程的应用范围,为非线性退化建模提供了一种有效途径,并为退化型产品的可靠性评估提供了可行的思路。     

基于非泊松分布的不可修备件优化配置模型

 针对已有备件配置模型的局限性,研究需求服从非泊松分布的不可修备件优化配置模型.通过分析两级库存系统不可修备件的保障特点,将需求服从泊松分布的假设放宽,建立需求服从非泊松分布的不可修备件满足率通用模型,在此基础上构建以备件配置费用最小为优化目标,以系统备件配置满足率为约束条件的两级库存系统不可修备件配置优化模型,并通过遗传算法给出最优配置方案.结合案例的优化及验证结果显示,该优化配置模型适用于正态分布等需求服从非泊松过程的备件配置问题,其配置方案在保证系统备件配置总费用最低的前提下,使备件满足率达到95.02%,与Opus 10 软件的计算结果一致,表明优化配置模型的可行性和可靠性.     

舰船特装器材多目标优化配置方法

 针对舰船海上执行任务期间随舰特装器材的保障问题,研究了特装器材的多目标优化配置方法。结合舰船特装器材保障的实际特点,以器材的体积、质量、费用为约束条件,以保障概率和利用率为优化目标,建立多目标多约束特装器材优化配置模型,并改进多目标粒子群算法,保证全局范围粒子多样性,避免算法过快收敛,以求得全局最优解。通过实例对比改进粒子群算法与标准算法的计算结果,分析不同指标权重比组合下的最优配置方案、不同约束条件下的多目标变化趋势,证明了改进粒子群算法的稳定性和多目标优化模型的实用性。     

Wiener过程在非线性退化建模中的应用

 针对Wiener过程为线性随机过程而产品性能退化为非线性的情况,提出一种时间尺度转换方法,首先通过时间尺度转换把非线性退化数据转换成线性退化数据,采用Wiener过程对其进行建模分析,然后通过时间尺度逆转换实现产品在原有时间尺度下的可靠性评估。给出了Wiener 过程参数估计的步骤和方法,并以某型导弹电连接器的加速退化数据为例,阐述了基于时间尺度转换的Wiener过程在非线性退化建模中的应用。结果表明,时间尺度转换方法成功实现了电连接器的可靠性评估,从而拓展了Wiener过程的应用范围,为非线性退化建模提供了一种有效途径,并为退化型产品的可靠性评估提供了可行的思路。     

基于联合局域相关向量机的雷达导引头状态预测方法

针对雷达导引头机电结构组成复杂、性能指标测试数据信息利用率不足、使用传统基于数据驱动的状态预测方法精度不高的问题,借鉴相关向量机(relevance vector machine,RVM)和Dempster-Shafer (D-S)证据理论,提出了一种基于证据融合和改进局域RVM的状态预测方法。首先,对标准RVM回归模型进行改进,通过构建方差高斯核函数(variance Gauss kernel function, VGKF)来提高核函数的全局性能和泛化能力;然后通过借鉴混沌序列局域预测法中邻近点个数的选取方法,利用Hannan-Quinn (H-Q)准则对训练空间预测嵌入维数进行优化,避免了主观选取的盲目性,完成了改进局域相关向量机模型(local relevance vector machine, LRVM)的构建;最后,利用具有近似退化规律的同源装备测试数据对LRVM进行了改进,通过D-S证据理论对两种模型的预测结果进行了融合,建立了联合局域相关向量机(united local relevance vector machine, U-LRVM)模型。通过对导引头相关参数的实例预测,验证了该方法的可行性和优越性。     

维修性先验信息的融合方法

在利用Bayes小子样方法进行维修性指标验证时,针对维修性先验信息与现场维修信息为异总体的可能性较大的问题,分别建立了前期试验阶段维修时间信息向现场试验信息折合的内积模型和相似装备维修时间信息向待评装备维修时间信息折合的线性模型。采用随机加权法将先验信息转换为先验分布,并以现场信息为基准,根据各先验信息与现场信息分布模型中均值参数的差异程度来确定各先验分布的权重,然后通过计算综合先验分布与假设的正态分布的概率密度误差,对其融合后为正态分布的假设进行了检验,同时也提出了准确计算分布模型参数的方法。对某舰船装备维修性先验信息的折合与融合的实例表明了方法的有效性。     

多需求分布下特装器材随舰配置多目标优化研究

针对目前随舰特装器材配置研究仅以单一故障分布为假设,难以满足实际情况的问题,提出了基于多需求分布的特装器材随舰配置多目标优化模型,根据更新理论,分别构建了指数、Weibull、正态分布的保障概率模型,并综合建立了系统保障概率模型。结合费用目标,以特装器材的体积和质量作为约束条件,建立了基于保障概率和配置费用的多目标多约束优化模型。通过引入逼近理想解排序(technique for order preference by similarity to ideal solution, TOPSIS)法确定各配置方案的贴近度,作为遗传算法求解的适应度函数,得到了特装器材随舰配置最优方案,分析了目标之间、目标与约束条件之间的关系。算例结果表明,该模型和算法对于解决复杂装备的特装器材优化配置问题具有应用方便、性能良好的优点,为特装器材配置综合决策提供了新的思路。     

基于改进证据理论的导弹状态评价方法

 为研究导弹状态评价方法,将导弹的状态分为优、良、中、差和故障5个等级。若一个或多个状态参数测试不合格,可以直接判定导弹处于故障状态;若所有状态参数测试均合格,表明导弹是合格的。对于测试合格的导弹,在评价特征参数状态的基础上,构建了基于改进证据理论的导弹状态评价模型,对所有特征参数的状态合成并决策,确定了测试合格的导弹的状态退化等级。针对利用证据理论在合成状态特征参数过程中的冲突分配问题,在分析现有改进证据理论方法的基础上,采用将全局冲突细分为局部冲突并按照冲突焦元值权重分配的方法,对证据理论进行了改进,通过实例分析,验证了改进方法的有效性。     

维修性小子样验证中先验信息的融合方法

研究了在Bayes小子样验证方法中多源先验信息的融合问题。由于维修时间取值具有跳跃性大、范围较宽的特点,采用随机加权法将先验信息表示为先验分布。分别提出了基于均值和基于样本量的先验分布权重因子,在此基础上,建立了基于质量因子计算先验分布权重的模型。通过计算综合先验分布与假设的正态分布的概率密度误差,对其融合后为正态分布的假设进行了检验,同时也提出了准确计算分布模型参数的方法。通过某舰船装备维修性先验信息融合的实例表明了方法的有效性及准确性。