数据基故障诊断算法更新问题研究

机内测试被广泛应用于故障诊断、装备健康管理与预测等领域。针对机内测试设备在设计和升级时遇到的分类器更新、样本数量不平衡、硬件条件限制问题,提出初步解决方案。利用基于密度的聚类和人工免疫方法处理原始数据;提出基于代表样本点的混合学习方法;利用支持向量机和仿真案例验证所提方法。结果表明所提方法能够解决上述问题,有助于基于数据的机内测试设备设计与升级。     

基于事例推理的装备软件成本估算研究

采用基于事例推理的估算方法可以很好地解决传统经验函数估算软件成本时的局限性。讨论了装备软件成本估算和基于事例推理研究的特点，从总体上描述了基于事例推理装备软件成本估算系统结构和实现流程，阐述了主要的研究内容，包括影响软件成本因素、系统的事例表示方法以及相似度的基本算法及事例的改写，并通过实例验证了事例推理在装备软件成本估算实践中的具体应用。     

基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

基于系统贴近度的装备中修费用估算模型

装备维修费用是装备中修过程最直接、最敏感的决策因素,为科学合理地估算修理机构装备中修费用,通过对装备中修范围和中修费用结构的分析,运用模糊数学中的隶属度和贴近度相关理论以及平滑指数法建模思路,构建了基于系统贴近度的装备中修费用估算模型,并通过对某新入役装备进行估算分析,验证了该模型的科学性和结果的可靠性.     

集对分析和LS-SVM相结合的装备研制风险综合评价法

为有效降低或规避武器装备研制风险,确保装备研制项目的顺利推进,提出一种基于集对分析理论与最小二乘支持向量机方法的装备研制风险综合评价方法。根据武器装备研制特点,建立装备研制风险评价指标体系。在此基础上,引入集对分析理论中的联系度和集对概念构建训练样本和测试样本。利用样本对最小二乘支持向量机进行训练测试,得到装备研制风险的评价模型,并给出评价结果。案例分析表明,所提方法过程简便,定性定量结合,形式易于理解,评价结果也更加贴近实际,对于提升装备研制项目风险管理和决策水平,具有重要的实际意义。     

基于宽带Delphi和功能分解相结合的装备软件早期成本估算

针对装备软件早期成本估算时存在的相关成本信息基础薄弱的“贫信息”问题,提出了基于宽带Delphi与功能分解的装备软件早期成本估算组合法。该组合法依据领域专家的知识和经验对软件成本做出判断,避免了需要过多依赖历史信息的局限性。而功能分解法能将软件按功能模块进行细分,提高了宽带Delphi估算的精度。     

基于数据的故障诊断更新问题分析及应用

机内测试被广泛应用于故障诊断，装备健康管理与预测等领域。本文针对机内测试设备在设计和升级时遇到的分类器更新，样本数量不平衡，硬件条件限制问题，提出了初步解决方案。首先，利用基于密度的聚类和人工免疫的方法处理原始数据，然后提出了基于代表样本点的混合学习方法，最后利用支持向量机和仿真案例验证了本文所提方法。结果表明本文所提方法能够解决上述问题，有助于基于数据的机内测试设备设计与升级。     

支持向量机的国产飞机研制费用建模估算

国产飞机研制费用建模因样本容量有限而导致了传统多元统计回归模型的适用性问题。应用支持向量机(SVM)理论进行多维空间小样本建模与估算,以国产运输机研制费为例,基于设计专业分解研制费用样本,采用变量投影重要性指标(VIP)筛选自变量,建立研制费用估算模型,并使用交叉检验与误差概率估计验证模型有效性。该模型方法适用于国产飞机研制费用估算,且可用于飞机改型及改装的经济性定量评估,便于项目早期决策使用。     

基于可维护性的装备软件成本估算模型

为解决装备软件成本估算问题,以装备软件的可维护性为基础,引入软件熵表示装备软件混乱度,从理论上探讨装备软件的可维护性与装备软件成本、装备软件有效代码变动量之间的关系,提出了装备软件成本与开发源代码可维护性需满足的两个假设条件,推导得出基于可维护性的装备软件成本估算模型,并通过对某装备软件项目的成本进行实证分析。分析结果表明:该模型操作简便,适用性较好。     

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。     

小子样多失效模式系统可靠性竞争模型

为解决小子样多失效模式系统可靠性模型参数的估计问题,首先应用支持向量积建立小子样条件下各故障模式的规律模型,其次利用模型将各故障模式的故障数据由小子样扩充成大样本,再次采用常规的参数估算方法估算各故障模式的分布参数,最后建立多失效模式系统的可靠性竞争模型。利用所提方法,建立了小子样条件下具有两种失效模式的柴油机汽缸套可靠性竞争模型,计算结果与大样本条件下的故障预测数据吻合度较高,说明了方法的有效性。     

支持向量机在弹药训练消耗量预测中的应用

针对部队平时弹药训练消耗量预测过程中,样本采集数目较少的实际情况,采用了一种新的预测方法———支持向量机。该方法基于统计学习理论的原理,较好地解决了小样本的学习问题。并以某部队1997—2002年弹药训练消耗量为学习样本,建立了弹药年消耗量的预测模型。计算结果表明,这种方法比传统的方法有更少的误差和更好的预测精度。     

支持向量机在柴油机技术状况评估中的应用

介绍了现有的柴油机技术状况评估方法，分析了这些方法的局限性和支持向量机在处理小样本、非线性、高维数等方面的优势。提出了基于支持向量机的柴油机技术状况评估模型。确定了能够表征柴油机技术状况变化的特征，并通过实车试验提取这些特征；构建了基于支持向量机的柴油机技术状况评估模型，并对部分试验车辆柴油机进行了评估。结果证明：支持向量机在装甲车辆柴油机技术状况评估中的应用是可行的。     

基于支持向量机的武器系统研制项目评估分析

对常规评估方法和支持向量机模型用于武器系统研制项目评估进行了分析和比较,着重分析了应用支持向量机进行武器系统研制项目重要度评估的具体形式以及方法特点,通过实例进行了分析验证,取得了满意的结果.     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

软件保障费用估算模型研究

分析了软件保障费用的基本构成和一般表达式，构建了软件错误更改费用估算模型、新功能保障费用估算模型和有时间限制的保障费用估算模型，并结合实例进行了分析。软件保障模型估算的研究对提高软件保障费用估算的精度和效率有重要意义。     

A parallel machine replacement model

This paper considers a finite horizon parallel machine replacement problem where a fixed number of machines is in operation at all times. The operating cost for a machine goes up as the machine gets older. An older machine may have to be replaced by a new one when its operating cost becomes too high. There is a fixed order cost associated with the purchase of new machines. Machine purchase prices and salvage values may depend on the period in which they were purchased. The objective is to find a replacement plan that minimizes the total discounted cost over the problem horizon. We believe that the costs in our model are more commonly observed in practice than those previously used in the literature. The paper develops properties of optimal solutions and an efficient forward‐time algorithm to find an optimal replacement plan. A dominance property is developed that further limits the options to be considered, and a simple forecast horizon result is also presented. Future research possibilities are mentioned. © 2002 Wiley Periodicals, Inc. Naval Research Logistics 49: 275–287, 2002; Published online in Wiley InterScience (http://www.interscience.wiley.com). DOI 10.1002/nav.10012     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.