基于作战效能的武器装备可靠性指标评估方法

装备可靠性的评估是装备管理使用中面临的重要课题.在总结前人的研究基础上,提出了一种基于武器装备作战效能的可靠性评估方法:建立非线性指标聚合的武器效能指标体系,通过主客观评分效果对底层指标进行打分,经过非线性指标聚合等手段获取装备效能的归一化评估指数,通过多次评估获取装备效能评估指数数据集,以此为基础对装备的可靠性进行评估.最后给出了评估仿真实例,实验结果表明所提方法的有效性、可行性.     

基于改进GM(1,1)模型的导弹贮存可靠性预测方法

针对导弹系统技术复杂、贮存样本量受限、测试数据波动性较大等特点,结合装备的具体情况提出了基于改进GM(1,1)模型的导弹贮存可靠性预测方法。该方法首先利用"对数-幂函数变换"对导弹的历史可靠性数据进行处理,提高数据光滑度,然后依据GM(1,1)模型计算得到可靠性预测值和残差,再利用残差建立残差修正模型,得到残差修正值,减少残差对结果的影响,最后利用残差修正值修正可靠性预测值并还原,求得可靠性最终预测值。实例表明,该改进模型对导弹系统可靠性变化的描述比传统模型更加准确有效,预测结果精度更高,为导弹贮存可靠性预测分析提供了一种有效的改进方法,其算法设计推广性强,可作为其他装备寿命预估的重要工具。     

某装备系统机电产品贮存可靠性评估方法

针对某装备系统机电产品长期自然贮存环境下可靠性无法准确评估的难题,提出了一种基于极小χ2估计和拟合优度检验的贮存可靠性评估方法,并对试验数据进行了分析、计算和处理。该方法通过拟合产品的失效分布来确定其分布函数参数,并根据确定的分布函数来预测产品的贮存可靠寿命。与现有的评估方法相比,采用该方法确定的分布函数更能反映产品的可靠性变化规律,对机电产品的贮存寿命预测结果更加合理,在工程研究领域具有很好的实用价值。     

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.     

基于预计和评估结果融合的电子装备可靠性预测方法

分析了目前获得电子装备可靠性水平的可靠性预计和评估两种方法各自的优缺点,确立了融合两种方法所得结果以解决各自方法不足的思想.基于证据决策理论,以电子装备累积故障概率作为目标集,将可靠性预计结果和评估结果分别作为两批证据对目标集进行支持.利用信息融合方法,对两个利用不同源信息得出的预计结果和评估结果进行了融合,并得到了准确、实用的可靠性预测结果.最后以某型雷达为例进行实例分析,验证此方法的可行性.     

备件消耗信息的鱼雷贮存可靠性评估

鱼雷服役后属于长期贮存装备,那么开展其贮存可靠性研究具有重要意义.针对鱼雷备件信息较易获得的现实,开展了其备件消耗数据结构的分析研究,提出了基于成败型数据处理鱼雷贮存失效数据的方法,并且结合ZIP模型的思想建立了鱼雷的备件统计模型,并利用矩估计方法对鱼雷贮存可靠性进行了评估.最后利用计算机进行了大量的数据仿真,通过与真值对比分析验证了方法的可行性,可以较为客观地评估鱼雷贮存可靠性.     

基于云理论的装备技术状态预测

通过分析装备技术状态变化的模糊性和不确定性等特性,提出了基于云理论的装备技术状态预测模型.根据装备技术状态劣化趋势,给出了基于云模型的时间序列状态预测方法,有效地运用了装备状态评估中的主观预测知识.将历史趋势与当前趋势相结合,实现了基于时间序列的状态预测.最后以某装备的发动机为研究对象,对发动机状态的动态评估值进行了预测,验证了该状态预测方法的有效性.     

一种适合靶场测试装备应用软件的可靠性评估方法

针对靶场测试装备应用软件的可靠性评估问题,提出了靶场测试装备应用软件的可靠性建模过程,以某型CCD弹道相机测量系统主控软件的可靠性评估为例,根据实际收集到的失效数据,建立可靠性评估模型,并对该模型的预计有效性和正确性进行验证.该模型可应用于靶场测试装备应用软件的可靠性评估.     

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。     

基于支持向量分类的装备完好性预测模型

对抗的战场环境和任务的变化，越来越需要装备战备完好性来保障作战行动。保持或提高装备战备完好性是装备保障的核心和中心工作。利用基于结构风险最小化的支持向量分类（Support Vector Classification，SVC）方法对装备的战备完好性进行了预测，提高了机器学习方法的预测能力。并以车辆装备发动机的技术状况数据为实例，建立了预测模型，通过参数选择，提高了模型预测的正确率、命中率等指标。结论表明：支持向量分类方法是预测装备战备完好性的有效方法。