坦克团装备技术保障能力评价模型

在效能—费用分析的基础上,提出了一个坦克团装备保障评价模型.该模型通过对坦克团有关统计数据的分析、加工和综合处理,生成一个评价参数,量化反映坦克团装备保障的能力.     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

装备保障能力评价参数体系设计与应用

为了及时发现装备作战单元在装备保障建设中存在的问题并确定原因,研究了装备保障能力评价参数体系的构建。在剖析装备保障能力概念的基础上,将能力评价参数分为综合层、系统层、子系统层及资源层。从参数内容、评价对象层次以及时域3个维度设计了评价参数体系框架,并据此对4个层次参数的选取及其关系分别进行了探讨。最后通过某防空旅装备保障能力评价实例,验证了参数体系设计方法的可操作性和有效性。     

基于作战能力的装备保障方法

分析了传统的武器装备保障方法对战时保障的不足,提出了基于作战能力的装备保障方法,阐明了该方法的主要思想.研究了通过建立任务-作战能力-装备及其功能结构之间的关联关系,识别装备保障需求的方法,并讨论了基于作战能力的装备保障中使用保障方案评价、维修保障方案评价、装备使用调配等重要问题.该方法的研究为一体化联合作战模式下装备保障研究工作建立了总的理论框架.     

基于BP网络的坦克火力性能评价模型

应用神经网络理论与方法建立了坦克火力性能比较的BP网络模型,利用MATLAB中神经网络工具箱对国内外几种代表性坦克的火力性能进行比较.结果表明,BP神经网络模型能很好地解决评价因子与装备性能之间的非线性关系,评价坦克火力性能简便可靠,客观性强.     

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。     

径向基神经网络的联合作战方案评估仿真

利用径向基神经网络具有的能逼近任意非线性系统的优势,通过已知数据构建模型,实现模型对未知数据的模式识别,达成评估联合作战方案的目的,为研究联合作战方案评估提供了一种新方法。最后运用MATLAB软件,利用已知数据获取未知数据的方法,建立了基于学习样本的径向基神经网络模型,评估应用举例。     

某型导弹装备使用保障能力评估

导弹装备是一种高可靠性,单一使用的冷储备系统,其先进的战术技术性能必须在有效协调使用保障的基础上才能充分发挥出来。在对某型导弹装备使用保障工作分析的基础上,提出了基于该导弹装备品质的使用保障能力评估指标体系,运用模糊理论建立了多级模糊层次综合评判模型,给出了导弹装备使用保障能力的量化评估方法,并进行了实例计算,结果可为该装备使用保障工作的进一步优化提供参考和依据。     

基于IDEF的使用阶段装备保障方案评价模型

为了分析评价系统的建模需求及其要进行的评价工作,引入复杂任务按功能进行层次分解的思想,并针对使用阶段装备保障方案评价的复杂性特征,提出应用IDEF方法对装备保障方案评价系统进行分解。分别建立了基于IDEF0的评价系统功能模型和基于IDEF3的评价系统过程模型;结合装备器材保障方案评价研讨过程示例,验证了该模型的可行性,为装备保障方案评价系统的设计提供了科学的依据。     

装备保障方案综合评价系统运用分析

装备保障方案综合评价系统的构建是为了科学合理地对装备保障方案进行权衡分析和优化筛选,在详细阐明该系统特征和功能的基础上,通过组织多名专家协同,运用该系统针对具体装备保障方案开展评价工作,验证了基于装备方案综合评价系统进行装备保障方案评价的可行性,找出了下一步该系统的改进之处。     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

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。     

一种基于神经网络的彩色图像分割方法

提出了适于彩色图像分割的加强型径向基函数网络方法,采用在线自适应聚类学习算法确定隐层节点的数目、激活函数中心值;通过Hebb学习算法迅速将隐层节点中心值分为目标颜色聚类中心和背景颜色聚类中心两类;输出层用竞争规则将目标与背景分开。通过对多幅彩色图像进行分割处理验证了该方法的有效性。     

基于多分辨分析的雷达目标识别方法

针对宽带高距离分辨率雷达的工作体制,提出了一种基于多分辨分析和信息综合的目标识别算法。目标特征由小波变换在相邻分辨率上的能量之比的对数构成。利用多分辨分析,将目标特征分解为反映目标结构概貌的低通特征和刻画目标结构细节的高通特征。利用辐射基函数神经网络分别对目标的低通特征和高通特征进行识别判决,然后将基于目标的低通特征和高通特征的判决信息进行综合,得到最终的识别结果     

装备作战需求论证质量评估系统设计

开发陆军武器装备作战需求论证质量评估系统是实现需求论证工程化的重要环节,是提高装备需求论证质量与效率的有效手段。通过对武器装备作战需求论证评估系统功能需求进行分析,明确了系统设计框架;设计了基于管理Agent和评估模型Agent的多Agent模型管理模式,给出了系统开发流程,为需求论证质量评估提供了技术支撑。     

基于二维小波变换的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于二维小波变换的空间目标识别算法。该算法首先对空间目标的ISAR像进行二维小波变换,然后从近似分量和细节分量中提取奇异值特征,最后应用径向基函数(RBF)神经网络进行分类识别。计算机仿真实验表明,该算法取得了比较好的识别效果。     

改进BP网络的舰船装备保障资源保障能力评估

针对单独运用BP网络评估舰船装备保障资源保障能力时存在的不足,提出了一种基于改进BP网络的舰船装备保障资源保障能力评估模型。首先构建了保障能力评估的指标体系,在此基础上,采用主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为神经网络输入,一方面减少了输入变量的维数,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,同时也简化了网络的结构。然后将遗传优化算法与BP网络结合,利用GA的全局搜索能力优化BP网络的结构参数。最后进行实例计算,结果表明该方法有效克服了纯BP算法局部收敛、泛化能力弱等问题,新模型采用的算法具有收敛速度快,结果精度高的优点,适用于对保障资源保障能力的分析和评估。     

BP组合预测方法在维修保障费用预测中的应用

通过对时间序列预测方法和回归分析原理的分析,建立了适用于武器装备维修保障费用的BP网络组合预测的时间序列多输出模型,并结合某型装备多年的维修保障费用,进行了预测数据仿真,得出的结果与实际的数据相比误差较小,具有较大的理论价值和实际的军事价值,有利于提高维修保障费用的效益,有利于实现装备的优良效费比。