基于灰色理论的电子系统状态预测方法

电子系统的状态预测是利用其历史信息来实现系统未来状态和趋势的估计,以防止灾难性故障的发生,对于推动视情维修具有重要意义。针对典型模拟滤波电路,通过分析其关键测试信号的特点,研究了基于灰色理论的状态预测方法,并针对该预测模型的不足,设计粒子群算法选择最佳预测维数,设计新陈代谢法使该模型参数在线改变,从而建立符合电子系统信号特点的灰色预测模型。将该模型与ARAM模型比较,实验结果验证了该模型具有较好的状态预测精度和预测性能。     

基于灰色Verhulst优化模型的电子装备故障预测方法

针对平均故障工作时间数据样本量少的特点,提出利用灰色Verhulst模型预测电子装备故障;又针对灰色Verhulst模型存在预测精度不高的问题,研究了灰色Verhulst模型参数的优化方法。通过实际试验数据对2个模型进行了仿真验证,并基于灰色关联度对2个模型的模拟预测精度进行了比较分析,结果表明：基于灰色Verhulst优化模型适合于电子装备故障预测,并具有较高的拟合预测精度。     

灰色加权马氏链组合在航空装备事故预测中的应用

为提高传统灰色马氏链组合模型的航空装备事故预测水平,引入加权马氏链,提出了一种改进的灰色马氏链组合预测方法。该方法先通过建立灰色模型,提取事故序列的趋势信息,然后再利用灰色残余信息构建加权马氏链模型,合理发挥各步长马氏链的作用,以期准确刻画随机波动规律。为验证其有效性,在美国空军A级飞行事故万时率实际数据基础上,建立了灰色加权马氏链组合预测模型,结果表明,模型对2000年~2002年预测的相对误差平均控制在4.59%以内,远高于灰色叠加马氏链模型,所建的模型能够比较客观地反映航空安全的未来发展现状。     

灰色组合模型在股指预测中的新发现

针对四项灰色组合模型,提出了较优的最佳等维新息两项组合灰色模型预测。通过证券市场股指预测的实证分析,发现灰色组合模型均不及两次拟合灰色模型适用。     

当前非法出入境活动发展趋势预测

将灰色系统理论与马尔可夫链方法相结合,提出了灰色模型——马尔可夫链预测当前非法出入境活动发展趋势的方法,以某年至某年出入境统计的原始数为依据,通过MATLAB编程建立起微分拟合方程和系统状态转移概率矩阵,对当前非法出入境活动的发展趋势进行了预测和分析.     

改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。     

基于改进灰色GM(1,1)模型的武器系统费用预测

武器系统费用影响因素众多,各因素作用机理复杂,导致费用分布呈波动性和不稳定性。基于此,提出了一种改进的灰色GM(1,1)模型。该模型采用傅立叶级数和马尔科夫链方法,对不稳定武器费用系统的周期和随机现象进行建模,以提高预测精度。实例仿真结果表明:改进的灰色GM(1,1)模型可有效解决不稳定的武器费用预测问题,且具有良好的预测性能。     

柴油机磨损寿命的灰色马尔柯夫模型预测

基于灰色系统理论,将灰色ＧＭ（１,１）预测模型和马尔柯夫预测模型的优点结合起来,形成一个灰色马尔柯夫预测模型,拓宽了灰色预测的应用范围。特别地,这种模型的预测结果比其它随机波动性较大的数据到模型的预测结果精确得多。对柴油机磨损寿命进行预测,取得了令人满意的结果。     

灰色灾变与回归分析法的航空装备不安全事件预测

为提高航空装备不安全事件的预测水平,减少事故造成的人员和财产损失,将灰色灾变与回归分析方法有机结合,提出一种航空装备不安全事件的组合预测方法。该方法先从数据中找出灾变点(灾变发生的日期),通过建立这些灾变点的灰色灾变模型预测未来灾变点,再对这些灾变点上的值构建灰色预测模型,计算出未来灾变点的灾变值;而对于非灾变点,可建立合适的回归分析模型进行预测。为验证其可行性,在某飞行训练基地的航空装备不安全事件频数的数据基础上,建立了灰色灾变回归组合预测模型,结果表明,模型对2001年~2004年预测的相对误差平均控制在6.87%以内,所建立的组合模型,能够比较客观地反映航空装备安全的未来实际状况。     

基于Volterra级数的航空年事故率预测方法

针对当前航空年事故率传统预测精度不高的问题,从分析混沌特性入手,对事故数据重构相空间,构建了航空年事故率预测的Volterra级数模型。对航空年事故率数据进行预处理,采用0-1混沌特性判定方法判断时序的混沌特性;在混沌时序的基础上,应用互信息法和假近邻法确定相空间的参数,重构相空间;基于此,构建二阶Volterra自适应预测模型,并采用NLMS算法实时获取模型的最优参数;最后,应用模型对美国空军飞行事故万时率进行预测,能够将相对误差控制在2%以内,优于传统灰色时序组合预测模型,所建的模型反映了航空装备的安全状况。     

坦克行进间炮耳轴倾斜角预测模型研究

针对坦克行进间具有振荡性的火炮耳轴倾斜角数据,提出了一种改进的灰色预测模型。提出了一种数据变换方法,能够将原始序列处理为正数单调序列,使其符合灰色模型对建模数据的需求;利用小区间的矩形面积和重构模型背景值,并在基于无偏性的准则下研究了重构背景值中的参数与模型参数之间的关系,提出了一个背景值中参数的直接表达式;利用两种参数的关系,构建了改进的灰色微分方程,通过求解得到了优化的预测公式。经过实例分析,改进模型预测结果的平均相对误差为3.53%,能够较为准确地预测炮耳轴倾斜角的变化情况。     

光学表面的分形特点与模拟表征算法

根据光学表面在微观结构呈现出的自相似性,利用尺度无关的分形模型描述了其结构特征;采用结构函数法对抛光表面的分形维数进行计算,分析了粗糙度参数RMS值、误差波长、测量尺度、采样长度和采样点数对分形维数的影响规律。在此基础上,提出了采用一阶自回归分形模型对抛光表面进行模拟的新方法,分析了界定尺度、模型参数对分形特征和分形维数的影响规律。利用分形维数描述光学表面的微观结构具有评价方法简单、在一定范围内与测量尺度无关等优点。     

基于灰色预测法的军械维修器材消耗规律

研究并掌握军械维修器材的消耗规律,对做好军械维修器材的保障工作有着重要的意义.基于此,研究了灰色预测法,并针对军械维修器材的实际情况,论述了如何确定影响因子,进而对灰色预测模型进行了改进,用改进后的模型研究军械维修器材的消耗规律,预测结果非常贴近实际值.     

基于灰色非线性回归模型的故障预测

为克服传统灰色模型的局限性,通过对一阶累加生成序列规律性的分析,将灰色模型和非线性回归模型相结合,构造了一种灰色非线性回归模型。实例仿真结果表明,该模型既拓展了传统灰色模型的适用条件,又比传统灰色模型和非线性回归模型具有更高的预测精度,且适用性广。     

基于灰色神经网络的装甲器材需求量预测

分析了装甲器材需求量影响因素,将灰色预测与神经网络预测方法相结合,建立了装甲器材需求量预测的灰色神经网络计算模型。该模型具有灰色系统的少数据建模及神经网络的精度可控性等优点,能较好地解决目前装甲器材需求预测精度不高的问题,可为装甲器材管理部门制定订购、调拨计划提供决策依据。     

基于GreyNN模型的无人机需求预测研究

针对无人机（unmanned aerial vehicle,UAV）需求预测问题,建立了灰色神经网络（grey neural network,GreyNN）模型,基于GreyNN模型对无人机需求进行预测。仿真实验结果表明,在小样本贫信息情况下,GreyNN比单一BP神经网络模型和灰色预测（grey prediction）模型预测效果更好,实验验证了方法的可行性。     

地空导弹发控系统寿命预测的组合模型

将灰色系统理论和BP神经网络有效地结合起来,建立了灰色BP神经网络的组合预测模型,并采用遗传算法对该模型进行优化。为了验证优化后模型的有效性,采用灰色BP神经网络的预测结果进行对比分析。实际数据的预测结果表明,优化之后的模型比单独采用灰色BP神经网络,具有更小的均方差(MSE,Mean Square Error),对发控系统剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度。     

基于灰色马尔科夫模型的军事物流成本预测

为提高军事物流成本预测精度,应用马尔科夫链理论对军事物流成本灰色预测模型的预测量进行马尔科夫修正,建立了军事物流成本的灰色马尔科夫预测模型。以军队某综合仓库的物流成本为例对模型的预测效果进行检验,结果表明,灰色马尔科夫模型的预测效果明显优于灰色预测模型。     

基于梯度下降灰色Markov模型的装备器材需求预测

为改进灰色Markov装备维修器材需求预测模型在小样本条件下的预测效果与合理性,提出了基于梯度下降算法的灰色Markov模型。通过建立关于各时间节点拟合残差的二乘损失函数,运用梯度下降算法迭代得到灰色Markov模型最优转移概率强度和Kolmogorov方程解的最优待定系数并实施预测。数值模拟与实例分析的结果表明,梯度下降灰色Markov模型可快速有效地搜索转移概率强度以及待定系数的相对优化值,进而改善模型的预测效果和稳定性。     

基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.