基于Logistic回归、Markov过程和改进灰自助法的导弹备件需求预测

 为了提高预测间断性需求导弹备件的精度,提出一种基于Logistic回归、Markov过程和改进灰自助法的组合预测模型。将样本序列划分为解释变量序列和自相关序列,对解释变量采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,把这两方面组合得到提前期非零需求发生概率,再运用改进灰自助法进行需求分布确定,得到最终的提前期需求。改进灰自助法先进行Bootstrap抽样,进行GM(1,1)二次数据拟合,既克服了Bootstrap法在小子样下的重复抽样问题,又克服,Bootstrap法在小子样下仿真结果不可信的问题。实例表明,提出的组合预测方法降低了预测误差,说明了该方法的有效性、可行性和实用性。     

基于改进证据理论的导弹状态评估方法

针对目前导弹状态评估存在的问题,在分析导弹状态参数的基础上,建立了导弹状态参数体系,并将导弹状态按照实现其特定功能分为良好状态、较好状态、堪用状态、拟故障状态和故障状态,进而设计了一种基于改进证据理论的多指标融合导弹状态评估方法。针对D-S证据理论应用于导弹状态评估存在的证据源权重分配、合成过程中未知信息处理及冲突分配等问题,在分析现有改进方法的基础上,采用状态参数的权重系数对原始证据源进行修正,并基于全局冲突应在引起冲突的焦元之间进行局部分配的思想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及设计的导弹状态评估方法的正确性。     

EM算法在Wiener过程随机参数的超参数值估计中的应用

Wiener过程广泛用于产品的性能退化建模,为了便于Bayesian统计推断大都采用随机参数的共轭先验分布。针对目前的二步法得到的超参数先验估计值精度不高的问题,研究了最大期望(expectation maximization,EM)算法在Wiener过程超参数先验估计中的应用。EM算法将随机参数作为隐含变量对先验信息进行整体处理,利用随机参数的期望值代替其估计值,通过Expectation和Maximization组成的递归迭代过程寻找超参数的估计值。仿真实验表明,EM算法相比于二步法提高了估计精度,特别是在采样数量较少时EM算法具有较大的精度优势。GaAs激光器实例应用表明EM算法不但具备很好的收敛性而且有良好的工程应用价值。     

基于Markov三级库存系统备件横向调拨配置模型

Focusing on the problem that there is lateral transshipment existing in the system of special -equipment-material, an allocation model for the three-echelon inventory system with lateral transshipment based on Markov is proposed. Combing with the condition that fault spare parts are partly restored, a subsystem inventory model for local warehouses is established according to a Markov queuing theory, and the steady state probability distribution is obtained. The allocation model for a three-echelon inventory system is established with aggregated local warehouses. Then the optimal model is established, and the objective is to minimize the total expected operating cost by choosing the maximum inventory level at the local warehouses. The iteration algorithm and Lingo software are used to solve and optimize the model. In the case, the optimal allocation cost is 14.55% of non-lateral transshipment condition, which shows that the proposed model and algorithm are rational. Finally, sensitivity analysis is made to determine the influence degree of parameters.     

一种改进的有效冲突证据融合方法

针对经典证据理论Dempster规则无法有效合成冲突证据的问题,结合现有改进规则方法和改进模型两类方法的优势,提出一种改进的冲突证据融合处理方法。引入证据平均值的概念,通过计算各证据与证据平均值之间的距离来确定可信度作为权重,以区分各证据间的相关性和差异;再加权平均进行合成获得融合结果;并通过比较验证了该方法不仅有效,且在收敛速度和可靠性上更加优越。     

基于证据GO法的复杂多态系统动态可靠性分析

为了准确把握复杂多态系统及其部件可靠性指标的演变规律,需要对其进行动态可靠性分析。针对复杂多态系统退化参数的认知不确定性问题,提出一种用于动态可靠性分析的证据GO算法,以GO法原理为分析基础,结合证据理论构建一种考虑认知不确定性的多态GO法操作符,完成对复杂多态系统的不确定量化,结合马尔可夫模型对复杂多态系统进行可靠性建模,从而有效地分析认知不确定性给系统可靠度的影响,并用算例验证方法的可行性。     

基于FDN的装备体系任务能力依赖性分析

为了深入分析装备体系内各装备系统在任务执行过程中自身性能退化对其相互依赖性的影响, 并准确把握体系内各装备系统在自身性能退化和相互依赖性的双重影响下其当前效能的演变规律, 对传统功能依赖网络分析(functional dependency network analysis, FDNA)方法进行了一定改进。引入自身效能退化系数, 给出考虑时间因素的动态FDNA算法; 以Markov过程为基础, 构建体系内装备系统的性能退化模型, 为自身效能退化系数的计算提供相应依据, 从而提出一种基于功能依赖网络的装备体系任务能力依赖性分析方法, 并用案例验证了方法的可行性。     

基于DSm证据云物元模型的装备状态评估方法

针对装备状态各等级之间相互交叠的模糊过渡区域会导致状态划分存在主观性较强的问题,同时为了提高基于装备多特征参数融合的状态评估方法的准确度,提出了一种基于云物元模型的DSm(Dezert-Smarandache)证据建模及状态评估方法。该方法首先对特征参数进行基于云物元模型的DSm隶属度赋值,然后提出了一种基于灰靶贡献度的证据源修正公式,再通过隶属度与基本概率赋值(basic probability assignment, BPA) 间的关系求得DSm模型的BPA,最后将不同特征参数的BPA进行DSmT+PCR5(Dezert-Smarandache theory+proportional conflict redistribution rules)融合得到评估结果。通过实例分析,验证了这一新方法的有效性和优越性。     

面向任务的备件库存供应能力建模与仿真

基于备件库存在装备保障中的重要作用,提出了备件延期交货量、无延期交货概率、平均等待时间及短缺风险四个新的、能反映库存供应能力的指标,并建立了基于备件需求率的指标模型。在此基础上,利用Mento-Carlo法、数理统计、计算机仿真等理论建立了一种面向任务的备件库存供应能力仿真模型。实例表明该仿真模型能实现对库存供应能力指标的仿真,仿真结果不仅可以定量分析影响备件库存供应能力的因素,还可为确定合理备件库存策略,提高武器装备的保障能力提供决策依据。     

基于改进Theil不等系数的导弹备件消耗预测

针对传统备件消耗预测模型在组合赋权方面存在的缺陷,提出了一种基于改进Theil不等系数的诱导有序加权调和平均（induced ordered weighted harmonic averaging, IOWHA）算子和马尔科夫链（Markov chain, MC）的导弹备件消耗预测模型。首先运用最小二乘法、数据变换技术和加权理论对单项预测模型进行改进;然后建立基于Theil不等系数的IOWHA算子组合预测模型;提出利用MC定性推导出组合模型中各单项预测模型在待预测时点上的预测精度状态,进而应用遗传算法（genetic algorithm, GA）求解得到待预测时点上的组合模型权系数。实例结果表明,所提出的组合预测模型大大降低了预测误差。