简介机械装备故障预测系统设计

故障预测是一个新生事物,机械装备的故障预测更是一个复杂的大系统,随着人工智能技术先进研究成果的不断推出,有关故障预测的基础性理论和应用技术的研究也必将得到飞跃性的发展。而探讨开发机械装备故障预测系统的一般性准则,可以起到抛砖引玉的作用。     

随机时间序列法在油料消耗预测中的应用

能否准确预测航空兵场站油料消耗量,对于做好场站油料保障工作具有重要意义。目前对油料消耗预测通常采用经验估算法,虽简单易行,但缺乏科学依据。本文采用随机时间序列法,建立了场站油料消耗量预测模型。实例验证其预测精度较高。     

GM(1,1)模型在装备备件订购中的应用

分析了武器装备备件订购决策的目标和常用方法,并运用灰色理论GM(1,1)模型及关联度分析法,提出了在军用备件订购工作中费用目标预测的应用方法,以及提高预测精度的措施。     

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。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

故障预测与健康管理技术的应用与发展

基于故障预测与健康管理（Prognostics and Health Management,PHM）系统框架,分析了PHM技术在装备维修保障中的重要意义,概述了PHM技术的发展过程及应用现状,重点讨论了当前故障预测与健康管理所采用的关键技术,包括先进传感器技术、数据传输技术、数据挖掘与信息融合技术、健康评估与故障预测技术、智能推理与决策支持技术等,最后展望了PHM技术的发展趋势。     

指数平滑预测法应用中平滑系数的确定

在决策科学中 ,人们运用科学方法和手段进行预测活动 ,对科学的决策具有举足轻重的作用。而指数平滑法则是序列分析法中的一种重要方法。文章通过编制计算机程序的方法 ,实现了指数平滑预测法应用中平滑系数的确定     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统，基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ　模糊规则给出了一种系统预测模型，分别用模糊Ｃ－均值聚类算法和线性回归方法导出模型参数．利用该模型对舰船维修经费进行了预测，并进行了精度分析．