基于改进AHP和云模型的质量状态定性评估

针对传统云模型在质量状态定性评估中存在的评语云化方法、指标权重确定和评估结果判定3个方面的不足,提出了一种基于改进AHP和云模型的定性评估方法。通过设置一个AHP自动调整器使判断矩阵自然满足一致性要求,避免了反复一致性检验导致的繁琐计算以及隐含的盲目性问题,并且根据构造的专家相似矩阵,有效筛选并排除极端专家意见以求解合理的权重值;结合德尔菲法,利用逆向云发生器直接生成评语的云模型,逐步寻优获得了统一协调的意见;此外还设计了一种基于平均隶属度的云相似度度量方法,实现了评估结果与定性评语之间隶属程度的量化表征。最后以某导弹雷达导引头为评估实例,验证了评估方法的有效性和优越性。     

信息冲突与不确定条件下的装备质量状态评估

针对质量状态评估中所需测试信息的冲突性和不确定性,及其对装备质量状态评估准确性和完备性所造成的不良影响,提出一种基于改进证据推理(evidential reasoning,ER)方法的质量状态评估方法。在对质量状态进行等级划分和测试数据预处理之后,该方法通过将各测试参数之间的"冲突"和"不确定"按比例分配到各等级,使证据之间的冲突有效降低,评估的总体不确定性减少。将其应用到导弹装备的质量状态评估中,运算结果和方法对比表明改进后的方法能有效融合冲突信息、降低评估的不确定性,且方法原理简单,理论基础充分,方便程序实现。     

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。