基于串联QFD神经网络的武器装备使用需求映射方法

针对传统优化方法不能对武器装备使用主体――部队的使用需求进行有效考虑,提出武器装备使用需求到性能指标映射的串联QFD神经网络方法.该方法综合利用了QFD方法采集信息准确快速、神经网络能够精确模拟多变量输入输出强非线性关系的优点,提高了映射精度与针对性,克服了传统需求分析侧重于推理而轻实践、侧重于"设计方"而轻"使用方"的弊端,集中体现了"用户"为主的思想.改进了传统BP网络训练算法,给出了武器装备使用需求映射适应度函数.最后,结合实例对方法及算法进行了可靠性验证.     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。     

基于系统动力学的装备保障体制系统仿真分析

装备保障体制系统具有复杂性、动态性和非线性等特点,构建了三级装备保障体制的SD仿真理想模型和仿真延迟模型。充分考虑保障系统生成各要素之间都具有的反馈性和时滞性,通过模型仿真对三级装备保障系统的稳定性进行了分析,并指出了建立二级装备保障体制的条件,分析了军民联合的保障机制对保持保障系统稳定性的重要作用。最后基于仿真结果提出了装备保障体制建设方面的几点建议。     

未来新概念地面机动作战平台需求分析

本文揭示了新概念地面机动作战平台可能的六个飞跃，研究得出了新概念地面机动作战平台四种新的基本攻防作战方式；论述了新概念地面机动作战平台的作战需求及运用其作战必须更新的三个理念。     

贝叶斯在装备技术实验结果信息解释决策中的应用

针对目前不能对装备技术实验结果信息进行有效解释,将贝叶斯决策方法引入到装备技术实验的结果信息分析当中,克服由于实验本身性质及主观因素造成的实验结果信息具有“欺骗”性的弊端.基于贝叶斯基本理论及相关研究成果.分析贝叶斯决策在装备技术实验中的应用目的和应用步骤并给出了应用实例,为提高相关人员正确决策提供了科学方法.     

基于蚁群算法的火力分配寻优方法研究

火力分配的优化是最大限度的发挥火力单位效能,达到最大毁伤效果的基础和前提,将蚁群算法应用于火力分配的优化.研究了蚁群算法用于火力分配寻优的相关条件,给出了火力分配寻优的模型和算法.最后,结合一个应用实例,说明了蚁群算法用于解决火力分配问题有很好的应用价值.     

基于QFD的武器装备使用需求映射方法

针对传统优化方法不能有效考虑部队需求的问题,提出了基于质量功能展开(Quality Function Deployment,QFD)的武器装备使用需求映射方法,给出了部队需求和武器装备性能指标自相关性的处理方法,并使用松弛系数法保证了最优解集的寻求与重点需求的优先实现。结合实例对该方法的实用性和反映部队需求的准确性进行了验证。结果表明:该方法既克服了传统需求分析侧重于论证人员的推理而对实际使用方的需求考虑不足的弊端,又充分体现了"用户"为主的思想。