数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

一种改进的D-S冲突证据合成方法

产生反直觉结果是D-S证据理论在融合冲突证据时经常出现的问题,为了解决这一问题,提出一种改进的D-S冲突证据合成方法。利用Pignistic概率距离衡量证据间的冲突;同时,引进证据间相似度、支持度、确定度、决策度以及可信度来共同确定证据的权重,合理地分配冲突在各命题的比例;并对存在冲突的证据进行修正处理;最后,利用统一信度函数模型对证据进行合成。通过算例验证并与其他方法进行对比表明,所研究的方法在处理冲突证据时优于其他方法,鲁棒性和收敛性更好。     

基于任务可用度模型的指数分布型备件随舰携行量计算模型

针对现有的战备完好性计算模型与备件数量关联度不强的问题和基于战备完好性的备件数量计算大多采用仿真方法的不足,提出了能够考虑备件数量影响的舰船装备任务可用度的概念及其计算模型,并在此基础上研究了寿命服从指数分布的备件在故障后采用更换策略时,装备的任务可用度与备件携行量的关系,得到了一个可以通过解析计算确定备件数量的新模型...     

设备健康状态评估指标体系约简方法

针对设备健康状态评估涉及指标多、指标间关系复杂的问题,提出基于粗糙集和遗传算法的设备健康状态评估指标体系约简方法.将粗糙集理论和遗传算法相结合,对设备健康状态评估指标进行约简的同时,提高约简效率.某燃气轮机健康状态评估指标体系约简案例显示,该方法能够在不失代表性、系统性的前提下,将复杂指标体系约简为较为简洁、明了的指标体系,保持评估结果准确的同时减少信息收集工作量.     

指标融合和隐马尔可夫模型的舰船装备技术状态评估

科学合理的技术状态评估技术是保障舰船安全性和任务完好性的有效途径之一,针对目前舰船装备技术状态评估缺乏动态性以及评估指标过多的问题,构建舰船装备技术状态多指标融合模型,结合技术状态评估指标融合模型和隐马尔可夫模型所具有双随机性和严谨数学推理能力的特点,建立基于指标融合模型和隐马尔可夫模型的舰船装备技术状态动态评估模型。最后通过案例分析验证了所提出的方法能够有效体现技术状态评估中的动态性,为舰船装备技术状态评估提供新的途径。     

基于灰色关联TOPSIS法的舰船装备维修方案决策

针对舰船装备维修方案优选问题,提出基于灰色关联TOPSIS法的舰船装备维修方案决策。该决策选取维修间隔时间、维修费用、维修时间和维修风险4个量化指标,利用灰色关联度减少不确定信息和小样本数据影响,并引入TOPSIS法处理多属性问题。通过对各维修方案相对贴近度排序优选,得出最佳维修方案。案例分析可知,该方法有效可行,值得在工程实践中借鉴。