神经网络在雷达装备故障趋势预测中的应用

为了提高预测精度,在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型。通过普通BP网络预测模型引出基于指数衰减的神经网络预测模型,经验证预测精度较高。并介绍了雷达装备状态监测与故障趋势预测系统构成,此系统对于雷达装备的早期故障预测和预防性维修具有重要意义。     

基于状态监测与信息融合的雷达装备故障趋势预测

针对现代雷达故障诊断和预测中与装备故障相关的信息很多及故障趋势难以预测的问题,在分析常用故障趋势预测方法的基础上,提出了基于状态监测与信息融合的雷达装备故障趋势预测模型,研究了不同信息运用FMECA、FTA、故障案例等方法进行归一化处理的方法.该方法充分利用信息之间的冗余性和互补性,以期提高故障预测的可靠性和精确度,使...     

基于最大熵和仿真的导弹装备备件需求预测

针对小样本条件下确定导弹装备故障数据统计分布的困难,基于最大熵原理与概率加权矩建立了统计分布函数估计的新方法及其实用的数值计算方法。将概率加权矩引入导弹装备寿命分布建模的新方法,克服了基于经典矩在小样本量下统计估计的大偏差问题。其次,针对导弹装备在工作、停机期间及备件在储备期间均可能发生故障或失效的情况,建立了基于保障度的间断工作导弹装备备件需求量预测模型。最后,在建模基础上,分析了仿真流程,规划了仿真步骤。示例仿真结果与解析方法计算的结果吻合较好,表明了仿真模型的适用性和有效性。     

果蝇算法优化的相关向量机在电子装备中的应用

针对电子装备渐变故障预测问题,提出一种基于果蝇算法优化相关向量机的故障预测方法。该方法将原始时间序列数据进行相空间重构处理,并基于折交叉验证和果蝇算法优化相关向量机模型的核函数参数,从而建立故障预测模型,并以某型雷达发射机速调管监测数据对模型性能进行了验证。实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度以及预测可靠性方面都具有一定优势。     

初始保障期内装备维修器材保障决策方法

为解决新服役装备在初始保障期内维修器材保障方案决策问题,分析了两级装备保障体制下维修器材的流动情况。利用贝叶斯估计理论,根据固定时间间隔期内最小顺序统计量与失效数的预测下限来确定服从威布尔分布的装备单元故障时间和故障数量。最后通过实例表明,与支持向量机、灰色神经网络和ARMA等预测模型相比,所建方法能够获得更佳的预测结果。     

基于故障相关2单元并联系统的备件消耗预测

针对工程实践中存在的故障相关2单元并联系统,通过单元故障率分析,研究了系统备件消耗预测方法.将故障相关情况分为一般情况和特殊情况,分别推导了单元累积故障分布函数,在此基础上,建立了备件消耗预测模型.通过实例分析,验证了该方法的可行性,为工程实践中备件消耗预测提供了参考.     

小子样统计理论在装备状态检测中的应用

在进行小子样条件下的装备状态检测评估时，由于采用传统统计方法对样本数据进行处理的置信度不高，统计估计时风险较大，因而在进行装备状态检测时，采用了Bayes Bootstrap方法对小子样试验数据进行了模拟统计，提高了数据处理精度，获得了状态特征的概率分布和在95％置信度下的故障判别域，实现了装甲车辆发动机故障的诊断识别。     

基于改进GM(1,1)模型的装备故障预测

针对装备故障数据量小、传统灰色预测模型GM(1,1)的精度受背景值影响大的问题,提出了一种基于背景值优化的改进GM(1,1)装备故障预测方法。该方法基于背景值的几何意义,从背景值与发展系数之间数量关系的角度出发,通过最小二乘法对二次参数进行估计,还原得到原始参数估计值,并结合新陈代谢对模型进行改进。导弹装备的故障预测实例表明,改进GM(1,1)模型较传统模型有更高的预测精度。     

一种基于PH分布的装备维修模型

根据造成装备故障的老化失效和外部环境因素,将装备故障分为内部故障和外部故障,综合考虑装备的完美修理和换件2种维修策略,基于PH分布对装备内外部故障过程的描述建立了装备的维修模型.分析了该模型的2个性能测度,即单位时间内平均修理次数和换件次数,并给出了具体的算例.仿真结果表明,该模型具有通用性和实用性.     

支持向量机动态多分类方法

针对支持向量机分类中存在盲区的问题,在分析多分类支持向量机构建方法的基础上,采用二叉树支持向量机,通过类型知识库动态更新,建立了二叉树支持向量机动态多分类模型;选取径向基函数作为核函数,给出了提高多分类模型性能的核参数和惩罚因子寻优遗传算法;以卫星整流罩空调系统表冷器控制单元为仿真实验对象,建立了传感器偏置故障、漂移故障、完全故障和精度下降故障的多分类模型,验证了提出方法的有效性。