ANFIS网络在舰船维修费用预测中的应用

利用自适应模糊推理系统(ANFIS)的模糊推理能力和学习功能相结合的优点,运用于舰船维修费用预测中.分析了影响维修费用的因素,采用变量投影重要性分析方法(VIP)对影响因素进行评估和筛选,使用ANFIS网络建立模型.通过实际算例进行分析,用历史数据训练ANFIS网络,预测舰船维修费用,在数据样本量小的情况下,较一般神经网络精度有明显提高.     

基于半马氏决策过程的电容器维修策略优化

针对电容器随机劣化失效的特点,采用半马氏决策过程解决其预防性维修方案设计和维修策略优化问题.在电容器随机劣化的Gaussian-Poisson模型基础上,以检测周期为优化变量,同时考虑预防性维修次数阈值的影响,建立电容器长期运行费用率优化模型.分析表明,对该型号电容器来说,预防性维修相比于事后修理更加有利于节省部件长期运行的费用率.     

马尔可夫过程的k/N系统使用任务完成能力分析

研究了任务期间允许换件维修和备件供应时k/N系统的任务完成能力.首先,利用马尔可夫过程分析了k/N系统的状态转移过程,研究了k/N系统在特定维修保障策略下的运行过程.然后,以k/N系统固定任务时间内在正常状态停留时间的分布函数作为其任务完成概率模型,并通过全概率分解和更新过程的分析方法对任务完成概率进行求解.最后,利用任务完成概率模型在Matlab中绘制了任务完成概率随任务时间、任务量、备件携行数量以及备件平均供应时间的变化曲线,讨论并分析了对任务完成概率的影响.     

自行火炮状态维修决策支持系统

针对现阶段自行火炮定期维修中存在问题,为了预防自行火炮的故障以及缩短维修时间,提高自行火炮维修的针对性和有效性,在自行火炮维修中引入了基于状态的维修(Condition Based Maintenance,CBM),从工程应用的角度出发,设计并开发了自行火炮状态维修决策支持系统(CBMDSS),明确了系统设计的目标,构建了系统的总体结构,详细阐述了系统实现的具体功能,应用Visual Studio.Net及Matlab相结合的程序开发语言开发了自行火炮状态维修决策支持系统,对自行火炮开展状态维修具有十分重要的使用价值。     

多专业批量维修任务调度方法研究

通过对不同专业设置方式下的维修任务调度问题进行分析,以最小化批量维修任务的维修时间为目标,将考虑专业维修顺序的批量维修任务调度问题分成两步进行求解,首先,建立了批量维修任务在专业领域内的调度及优化模型;其次,提出了基于NEH的批量维修任务排序方法．最后,通过实例对模型和方法的正确性和可行性进行了说明和验证,实例结果表明,该方法更贴近于实际,实现了快速、有效地解决维修任务调度问题,     

基于粗糙集的装备维修信息属性约简算法

分析了装备维修信息的概念和组成,将粗糙集理论应用到装备维修信息处理中,结合信息熵和互信息的定义,界定了一种新的属性重要度,并将其作为启发信息,提出了改进的基于属性重要度和互信息的属性约简算法,并通过对装备维修信息约简,进行了算法验证。实验结果表明:所提出的算法精度较高,得到的结果比较符合实际,能够为装备维修保障提供决策依据。     

一种考虑权重的多专业流水式批量维修任务调度模型

针对维修专业不同的设置模式和运行模式,对多专业流水式批量维修任务调度问题进行了分析和建模,在考虑任务权重的基础上将该问题分成两步求解。首先,建立了初始专业领域内批量维修任务调度及优化模型;其次,建立了考虑任务权重的多专业流水式批量维修任务调度模型。实例验证表明：该方法更贴近于实际,可快速、有效地解决批量维修任务调度问题。     

伴随维修组维修模型聚合方法

面向装备维修保障系统的多分辨率建模问题,提出了一种装备维修模型的聚合方法,为装备维修保障系统模型的聚合研究提供了一种新的思路。该方法通过聚合故障输入和推理维修状态实现维修模型的聚合。最后通过基于MATLAB的仿真实验验证了该方法的可行性。通过实例验证可以看出,该方法缩短了仿真时间,减少了复杂系统底层建模的工作量。     

An optimal structured policy for maintenance of partially observable aircraft engine components

This paper considers the maintenance of aircraft engine components that are subject to stress. We model the deterioration process by means of the cumulative jump process representation of crack growth. However, because in many cases cracks are not easily observable, maintenance decisions must be made on the basis of other information. We incorporate stress information collected via sensors into the scheduling decision process by means of a partially observable Markov decision process model. Using this model, we demonstrate the optimality of structured maintenance policies, which support practical maintenance schedules. © 1998 John Wiley & Sons, Inc. Naval Research Logistics 45: 335–352, 1998     

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。