基于FMECA的装备健康状态评估方法

针对装备健康状态评估中健康状态影响因素众多且很难统一定量描述的问题,提出了基于FMECA(Failure Mode,Effects and Criticality Analysis)的健康状态评估方法.从装备的FMECA报告中提取装备健康状态的主要影响因素,并进行归一化处理,根据因素类型,通过健康状态隶属分布函数或专家打分的形式得到健康状态隶属度向量,利用灰色相关分析法得到各因素权重,采用模糊综合评估模型得到各因素综合影响下的装备健康状态等级.以某型战车导弹发控系统为对象,验证了该健康状态评估方法的可行性,结果表明:该方法能够对装备健康状态给出合理的评估结果,并具有较强的可操作性.     

基于云重心评估法的装备健康状态评估

装备健康状态评估作为健康管理的重要组成部分,是实施状态维修的关键环节。针对装备健康状态信息的随机性和模糊性。对状态指标体系进行了定性和定量的组合。将装备健康状态划分为5个等级,建立了基于云重心评估法的装备健康状态评估模型,采用加权偏离度来衡量装备的健康状态,构成了定性和定量评价间的相互映射。通过应用,验证了该方法的可行性。     

基于CLOUD-TFN-AHP-α的健康状态评估方法

针对复杂装备维修管理中仅以部件的技术状态确定系统状态的不足,构建基于CLOUD-TFN-AHP-α的系统级健康状态评估框架。在此基础上,首先研究基于系统健康度概念的健康状态等级量化描述方法;然后运用云模型评估子系统健康状态,借助TFN-AHP评估系统健康状态,最后采用惩罚函数修正评估结果。以期为获得合理、准确的复杂装备健康状态提供定量依据。     

面向装备健康管理的可测性指标研究

可测性指标是开展可测性设计、验证和评估的依据.针对传统可测性指标主要用于故障可检测性和故障可隔离性水平评价,不能全面反映面向装备健康管理可测性水平的问题,在定性分析装备健康管理对可测性的本质需求基础上,从全域和瞬态角度提出了五个可测性指标以定量描述面向装备健康管理的可测性水平;并基于故障模式状态矢量给出了可测性指标的分析计算流程.最后以某装备柴油机的机体子系统为案例详细说明了可测性指标的计算过程,应用结果表明所提指标具有一定的可行性和合理性,可以有效指导面向装备健康管理的可测性优化设计.     

基于灰色聚类和模糊综合评判的装备——装备群健康状态评估

针对目前装备健康状态评估存在的问题，建立了一个基于灰色聚类和模糊综合评判的“装备-装备群”两级评估模型。该模型利用灰色聚类法来评估单个装备的健康状态，将得到的单个装备健康状态的聚类系数向量作为模糊综合评判的隶属度向量，利用模糊综合评判技术来评估装备群的整体健康状态。详细论述了评估模型建立的关键问题：健康状态的分级、评估指标、白化权函数以及权重的确定。最后通过实例分析表明，该模型评估结果合理，可操作性强。     

舰船装备健康状态评估方法

结合可靠性和维修性的概念,对舰船健康状态评估的相关概念进行了分析,并对健康状态和健康度的概念进行了探讨和改进.提出了单个舰载装备和由多个装备组成的装备系统的健康状态评估方法,引入了"任务健康度"的概念.最后,根据舰船执行不同任务的实际需求,将全舰健康状态的概念引入到舰船的使用和维修保障中,提出了舰船各系统的健康状态标准...     

基于劣化度的装备健康状态评估模型

为了准确评估装备的健康状态,实施装备的状态维修,引入劣化度概念,结合装备的特点,确定了以装备特征参数劣化度为评估指标,运用变权模糊理论,建立了基于劣化度的装备健康状态变权模糊综合评估模型。结合地空导弹装备实际工作,进行了实例分析,验证了该方法的准确性和有效性。     

基于装备战斗力的集群装备战损等级评定方法

为了建立集群装备战损评估决策支持系统的需要,对集群装备战损等级评定方法进行了研究.在集群装备的组成特点与评估装备战斗力的基本方法,战时实时评估与平时效能分析的区别与联系的分析基础上,建立了基于单装战损评估的战斗力评估模型,对模型的具体步骤与关键参数进行了详细阐述,由此进一步建立了基于模糊隶属度的集群装备战损等级评定模型.最后以示例对上述模型的具体应用进行了说明.     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.     

基于HMM的电子设备健康状态评估方法

针对弹上设备的性能退化问题,提出一种改进流形学算法的电子设备健康状态评估方法.首先,在SNPP算法中引入非相关约束并加入核函数形成KSUNPP算法,将其用于原始特征的提取,获得有效的特征集作为隐马尔可夫模型(HMM)的输入进行训练;其次,用KL距离来衡量故障程度,可实现设备退化程度的评估.最后,通过将该方法应用于某型导弹指令接收机健康状态评估中,验证了有效性.