基于ARMA-BP组合模型的装备故障率预测方法

为解决单一模型预测装备故障率预测误差大、精度低的问题,提出了一种基于ARMA-BP组合模型的装备故障率预测方法.在建立ARMA模型和BP神经网络模型的基础上,采用加法集成法建立ARMA-BP组合预测模型,并利用方差倒数法确定ARMA模型和BP神经网络模型的权重系数.以某型装甲装备故障率数据为研究对象,对比ARMA模型、BP神经网络模型和ARMA-BP组合模型故障率预测结果,表明:相比于单一预测模型,ARMA-BP组合模型的装备故障率预测结果精度更高.     

装备保障备件需求预测算法

面对维和装备种类繁杂与维和环境复杂恶劣、保障维修矛盾突出的问题,必须强化任务开始前的维和装备保障备件需求预测。首先分析了维和任务特点,提出了维和装备保障构想;其次提出了维和装备保障需求预测步骤,研究了基于PSO-BP神经网络的维和装备保障预测模型;最后基于实际数据,采用实验验证的方法检验了算法的有效性。实验结果表明:通过基于PSO-BP神经网络的维和装备保障预测模型可以有效对维和装备保障备件需求进行预测,提高维和装备保障效能。     

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.     

基于改进的神经网络的军械备件需求预测

针对当前军械应急保障中备件供应需求依据经验判断,从而导致保障不精准的现实问题,浪费应急保障资源,削弱部队战斗力.在对军械备件需求量进行分析时发现,军械备件需求符合间断型备件需求特征.基于改进的神经网络军械应急维修备件需求预测模型,利用神经网络模型的强大非线性函数的拟合能力,将间断型的备件需求分解为两步.最终,将两个序列预测结果综合分析,得出军械备件需求预测结果.根据改进神经网络预测模型,结合某单位某军械装备保障数据,用总体数据的4/5作为训练数据,1/5作为测试数据进行预测,实验结果表明,改进的神经网络预测模型预测精度优于其他预测模型,预测精度符合预期,可以为军械应急保障提供依据.     

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.     

基于遗传算法的装备使用保障费用灰色组合预测

针对目前对武器装备寿命周期费用估算建模难以实施的情况,以准确预测武器装备寿命周期费用的主要组成部分—装备使用保障费用为出发点,依据装备使用保障费用的特点建立了装备使用保障费用的灰色组合预测模型,指出了用蚁群算法优化组合权系数的不足,并提出了新的优化方法—遗传算法。最后,结合实例验证说明了该模型的预测效果优于蚁群优化的方法,为准确估算武器装备寿命周期费用提供了依据。     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。     

基于AHGA-BP网络的防空导弹研制费用预测方法

<正>在基于神经网络的防空导弹研制费用预测模型研究中,针对直接利用遗传算法训练神经网络运算时间长、精度较低的问题,本文提出了一种基于AHGA+BP混合学习算法的防空导弹研制费用预测模型。采用此模型对典型防空导弹研制费用进行预测,并与其它方法进行比较,结果表明,此方法计算速度更快,精度更高。     

基于灰色理论的新装备维修保障费用预测

文章以我军某新型装备维修保障费用为研究对象,运用灰色理论的预测模型GM(1,1)对新装备未来维修保障费用进行了预测,并对预测模型的可靠性进行了系统验证。验证表明,通过运用灰色理论预测模型对新型装备的维修保障费用进行预测,可以较准确地反映实际情况,并为决策部门决策提供科学依据。     

装甲装备使用可用度与维修保障费用的优化模型

维修保障费用是影响装甲装备使用可用度的重要因素之一。要在有限的保障经费下实现高可用度要求,就必须建立装甲装备的使用可用度与维修保障费用的优化模型。根据装甲装备实际维修特点,在分析装甲装备预防性维修过程中故障类型多样的基础上,构建了装甲装备在给定维修周期内的使用可用度模型和维修保障费用模型,进而建立了使用可用度与维修保障费用的优化模型,提出了模型的解法和模型的改进建议。     

小样本装备软件成本估算相关向量机建模

针对装备软件成本估算时面临的历史数据少的小样本难题,提出把机器学习理论运用到装备软件成本估算研究领域,构建了基于相关向量机的小样本装备软件成本估算模型,采用COCOMO模型数据库中的数据对所构建模型进行训练和验证。为进一步验证所构建模型的合理性,在机器学习领域分别运用支持向量机模型和神经网络模型对相同数据进行估算,实验结果证明了基于相关向量机估算模型在小样本装备软件成本估算时比其他两种模型更精确。     

基于军民融合条件的装备性能维修保障合同执行情况

在军民融合背景下,部分新获得承制资格企业在首批装备制造或维修保障任务中时有违约问题发生。为解决该问题,提出了以基于性能的采办理论为基础的合同违约预测方法研究。以陆军通用武器装备维修保障承制单位为案例,运用SPSS软件进行数据整理和因子分析,构建合同履行预测评价模型。然后利用新入民营企业试生产实验数据在量产前建立费用和可用度模型,通过费效比最优的方式预测各新入企业的首批装备可用度及花费等关键指标,进行综合评估。结论表明该方法能够对装备合同履行情况和违约风险进行预判。     

基于多信号模型的计量策略设计与验证

装备可计量性的理论方法研究对提高装备的计量保障水平具有重要意义。针对国内缺乏装备可计量性模型的现状,提出了可计量性分析设计的多信号模型方法。系统总结了可计量性多信号模型的基本理论,详细介绍了在单超差假设及不考虑组元可靠性、计量时间和费用影响下的超差检查用检定和超差定位用检定操作优选算法以及计量策略制定方法。建立了信号产生系统多信号模型,给出了超差-检定相关性矩阵,分析了信号产生系统的计量检定树,结论与信号产生系统实际检定方法相符,实例证明,此方法合理有效。     

一种无人战斗机系统使用保障费用分析方法

基于无人战斗机系统在使用保障上的特点,通过对有人战斗机使用保障费用模型进行合理改造,使其能适用于无人战斗机的使用保障费用分析。经过改造的模型具有结构清晰、概念明确的特点。适合在飞机总体设计阶段用于全寿命周期的费用估算以及飞机的费效分析和综合优化设计。通过与有人战斗机的使用保障费用进行对比计算表明,无人战斗机系统的使用保障费用具有明显的经济优势。     

基于系统动力学方法的战时通用装备保障仿真研究

简要介绍了系统动力学的相关概念、特点.分析了战时通用装备保障系统的体系结构.并用系统动力学的方法对战时装甲装备保障子系统进行了简化模型仿真研究,验证了用系统动力学的方法对通用装备保障建模的可行性;利用系统动力学的方法对战时通用装备保障系统进行研究分析,必将对通用装备保障系统的结构优化和科学决策提供可靠的数据支持.     

两栖装甲装备战场损伤仿真模型

现代战争,随着各种高技术武器装备,特别是精确制导武器的广泛应用,战场上装备的损伤概率会越来越大;损伤的后果将越来越严重,使战时的保障问题变得更加突出,且难以把握.从分析两栖装甲装备在未来作战中的损伤机理入手,在缺乏大量实际战损数据的情况下,通过建立装备战场损伤仿真模型,为战时装备保障方案的制定,提供科学有效的辅助决策依据.     

基于公理设计理论装备保障系统级别设计研究

针对装备保障系统级别设计领域的特点和不足,在深入分析装备保障系统级别设计概念的基础上,运用公理设计原理,建立装备保障系统级别分析模型,并对装备保障系统级别设计目标进行了＂目标-设计＂的分解,将原来复杂的级别设计问题分解成由若干个模块构成的简单设计策略问题,保证了设计过程中不耦合,实现了装备保障系统级别设计的科学性、创新性,确保了级别设计的准确性。     

基于性能的装备采购合同商选择研究

根据基于性能的装备采购目标,在考虑合同商满足军方提出的性能指标的基础上,从合同商的资质、生产技术能力、装备价格成本、装备保障性能、管理运营情况和双方协商沟通水平等方面建立了合同商选择评价指标体系,并运用层次变权综合决策方法进行综合评判。案例分析表明：该方法能充分反映决策者的意愿,使合同商的选择更好地满足基于性能的装备采购的需要。