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。     

改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。     

基于改进的不等时距灰色模型的车辆装备冷却系金属腐蚀预测

车辆装备冷却系金属腐蚀原因错综复杂,是一个多因子综合作用的灰色系统。针对传统UGM(1,1)模型所存在的缺陷,将背景值构造优化、新陈代谢思想应用2个方面相结合,提出了一种改进的不等时距灰色GM(1,1)模型(简称MUGM(1,1,λ)模型),并用于冷却系金属腐蚀预测。结果表明:所建立的MUGM(1,1,λ)模型的预测精度高,优于传统UGM(1,1)模型,并可用于中长期预测,具有良好的实用价值。     

GM(1,1)和SVR的雷达电子部件状态趋势预测模型

为提高雷达电子部件状态趋势预测的精度,根据测试数据特点,提出了基于GM(1,1)与支持向量机回归(SVR)的组合预测模型。采用粒子群优化算法分别对GM(1,1)和SVR模型进行了改进,提高了单一模型的预测精度。在此基础上,结合GM(1,1)模型对趋向性数据的预测优势和SVR模型对数据波动的强适应性,达到了取长补短、相得益彰的效果。实验结果表明该组合模型不但具有更高的预测精度,而且对不同预测对象有更强的适应能力。     

基于改进GM(1,1)模型的T/R组件故障率预测

针对传统灰色模型GM(1,1)在实际应用中出现的问题,首先对原模型的基础上进行了改进,建立了离散灰色模型;然后,引入优化因子对背景值进行了优化,并增加了预测模型的线性形式,提出了线性回归的改进离散灰色模型;最后,通过实例进行了仿真和模型对比分析。结果表明:文中所提出的方法具有更高的精度且求解简便,适用范围更广。     

灰色预测GM(1,1)模型及其改进与应用

介绍了灰色预测的基本原理和常用GM(1,1)模型及其适用性判断方法,针对GM(1,1)模型中背景值的取法,提出了一种自动寻优定权的改进措施,通过实例对比分析,应用效果良好。     

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。     

灰色直接迭代建模在武器故障预报中的应用

武器系统故障数据常呈现出非等时距、随机性及非准光滑特性,不满足GM(1,1)的建模条件。为此,引入故障信息序列的导数作为建模的白化值,并使用迭代优化算法进行参数优化,从而构建灰色直接迭代GM(1,1)模型。同时,直接迭代建模可有效利用数据第一点的信息,建模时不需累加生成变换和还原处理,算法简单可行,可以有效解决武器系统贫信息状态下的故障预报问题。仿真结果验证了该模型对于实际武器故障序列具有较高的拟合和预测精度。为了解和掌握武器质量状态的发展规律提供了可行的方法。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

基于改进灰色GM(1,1)模型的武器系统费用预测

武器系统费用影响因素众多,各因素作用机理复杂,导致费用分布呈波动性和不稳定性。基于此,提出了一种改进的灰色GM(1,1)模型。该模型采用傅立叶级数和马尔科夫链方法,对不稳定武器费用系统的周期和随机现象进行建模,以提高预测精度。实例仿真结果表明:改进的灰色GM(1,1)模型可有效解决不稳定的武器费用预测问题,且具有良好的预测性能。     

GM(1，1)模型与指数回归模型的比较与研究

GM(1,1)模型与指数回归模型都是对具有指数或近似指数规律的系列数据建立的数学模型。通过对两种模型进行比较与研究,发现一方面,利用数据列的灰指数特性建立指数回归模型,可以简单地实现数据列的预测过程;另一方面,利用指数回归模型可以对灰色理论的GM(1,1)模型进行控制和优化。     

基于灰色加权马尔科夫的部队集成训练效果预测

针对GM(1,1)预测模型误差较大的问题,在GM(1,1)模型的基础上引入加权马尔科夫模型构建了部队集成训练效果预测模型。该模型以GM(1,1)模型存在的预测残差作为划分马尔科夫状态的依据,通过加权处理对预测结果进行修正。实例分析结果表明,该模型算法简单,易于实现,可以较大地提高部队训练效果预测精度,为部队开展科学有效的实战化训练提供了有力的数据支撑。     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。     

预测公式相似的两种灰色模型探讨

指出了带有线性时间项的GM (1,1,t) [1] 和线性拟合意义下最优GM (1,1) [2 ] 这两种灰色模型的预测公式相似 ,虽同样采取最小二乘参数估计 ,但求解不同阶数的正规方程组出现了不同程度的病态性 ,虽使用最新数学工具软件MATLAB ,但带有线性时间项的GM (1,1,t)仍失去预测意义。     

轮式突击炮行进间射击炮口振动分析及稳定控制

为了研究不同因素对炮口振动的影响规律,建立了轮式突击炮行进间射击多体动力学模型,并与试验结果对比验证了合理性。路面谱采用谐波叠加法建模,在不同路面条件和火线高情况下进行了仿真计算,获得了两种因素对行进间射击炮口振动的影响规律。构建了垂向稳定器模型,进行了联合仿真,对比了有、无稳定器两种情况下的炮口振动。结果表明:炮口振动幅值随路面粗糙度增大而增大;火线高对炮口振动的影响是非线性的;垂向稳定器能有效控制炮口振动,相较于无稳定器情况,开炮前炮口最大高低角和高低角速度幅值分别降低了94.1%和97.4%,开炮后炮口最大高低角振动幅值降低了16.2%。该研究对轮式突击炮的总体设计起到了一定理论支撑,具有重要工程应用价值。     

船舶水下电场的预测方法

为了实现对船舶水下电场信号目标特征的控制,提出一种信号预测的方法。对测得的信号进行小波分解并分别在静电场和轴频电场频段进行重构。对高频的轴频电场信号构建自回归预测模型,对低频的静电场信号以灰色GM(1,1)模型进行拟合。将预测结果进行叠加得到对下一时刻电场信号的预测值。实测数据对该方法的检验结果表明:用该方法对船舶水下电场进行预测,电场的预测误差在原信号幅值的20%以内。     

小样本下装备平均修复时间的非统计估计模型

针对小样本下装备平均修复时间的参数估计问题,提出了一种基于离散GM(1,1)模型和未确知有理数的新方法。首先,对原始数据序列进行等概率可放回地随机再抽样,通过离散GM(1,1)模型挖掘生成较多的样本数据;然后,使用未确知有理数对自助样本集合进行描述,构建其表达模型和阶数优化模型;最后,分别构建了平均修复时间基于未确知有理数的点估计和区间估计模型,并通过与GJB2072—94建议的估计模型进行参数估计与对比,验证了该非统计方法的有效性和可行性。     

坦克行进间炮耳轴倾斜角预测模型研究

针对坦克行进间具有振荡性的火炮耳轴倾斜角数据,提出了一种改进的灰色预测模型。提出了一种数据变换方法,能够将原始序列处理为正数单调序列,使其符合灰色模型对建模数据的需求;利用小区间的矩形面积和重构模型背景值,并在基于无偏性的准则下研究了重构背景值中的参数与模型参数之间的关系,提出了一个背景值中参数的直接表达式;利用两种参数的关系,构建了改进的灰色微分方程,通过求解得到了优化的预测公式。经过实例分析,改进模型预测结果的平均相对误差为3.53%,能够较为准确地预测炮耳轴倾斜角的变化情况。     

遥控武器站总体结构参数优化研究

为减小遥控武器站炮口扰动以提高射击精度,建立了遥控武器站部分机构参数化三维模型、有限元模型和刚柔耦合动力学模型。基于多学科集成优化软件ModelCenter进行了系统集成,以减小炮口扰动为目标,建立了遥控武器站总体结构参数优化模型。采用多目标遗传算法对总体结构参数进行了优化,优化后炮口振动状况明显改善,与位移相关的起始撼动和与速度相关的起始扰动分别较原方案降低了17.05%和19.04%。     

GM(1,1)模型用于目标方位数据预处理

基于估计理论这一数学基础的纯方位目标运动分析,由于其本质上的非线性,导致估计性能严重依赖观测精度,在大噪声背景下,收敛慢,甚至发散.针对此,提出一种基于灰色系统GM(1,1)模型的数据预处理算法.该算法不需要数据的概率分布、一二阶矩等统计先验知识,而是通过生成具有较强规律的数列,揭示数据的内在规律.仿真结果表明,该模型能有效地滤除背景噪声;经过预处理后的数据用于目标运动状态求取,解算结果理想.