基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.     

BP神经网络的飞机机体研制费用估算

提出一种应用人工神经网络预测飞机机体研制费用的方法.该方法利用偏最小二乘法对飞机性能参数进行了主成分提取,用这些主成分作为BP网络的输入变量,建立了一种基于BP神经网络的飞机研制费用的估算模型,应用该模型对典型的飞机机体研制费用进行了预测.预测结果表明,该方法是有效的、可行的.     

基于灰色Verhulst优化模型的装备研制费用高精度预测

针对装备寿命周期费用中研制费用的高精度预测问题,提出了一种灰色Verhulst优化模型。首先提出了对灰色Verhulst模型参数进行优化的数学规划模型,然后介绍了应用模拟退火算法求解该Verhulst模型,最后结合实例对鱼雷研制费用进行了建模,并进行了模拟有效性比较与分析。理论分析和仿真计算结果均表明,所提优化模型具有更高的模拟和预测精度,且模拟序列与原始序列具有更大的灰色关联度。     

基于AHGA-BP网络的防空导弹研制费用预测方法

<正>在基于神经网络的防空导弹研制费用预测模型研究中,针对直接利用遗传算法训练神经网络运算时间长、精度较低的问题,本文提出了一种基于AHGA+BP混合学习算法的防空导弹研制费用预测模型。采用此模型对典型防空导弹研制费用进行预测,并与其它方法进行比较,结果表明,此方法计算速度更快,精度更高。     

GM(1,1)模型预测火炮研制费用的应用

随着科学技术的发展,寿命周期费用日益受到重视,尤其是寿命周期费用中研制阶段的费用对寿命周期费用起到决定作用.利用GM(1,1)灰色理论对自行火炮寿命周期费用中的研制费用进行分析,建立了基于GM(1,1)灰色理论的自行火炮研制费用分析通用时间序列模型,并以某自行火炮研制费用为实例,利用SPSS统计软件对文中建立的灰色预测模型进行了分析计算.其计算和检测的结果表明模型可靠、精度较高,为自行火炮研制费用分析提供新的理论分析方法.     

对我国武器装备研制费用估算现状的分析及改进建议

本文简要回顾了美国控制武器装备费用增长的政策和措施,研究了我国武器装备费用分析的现状,提高了市场经济条件下改进我国武器装备研制费用管理和控制的政策建议。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题,分析了输出扭矩的影响因素,在实验室试车台记录数据的基础上,利用小波分析方法对带噪声的原始信号进行预处理,运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型.     

基于灰色分离建模方法的装备寿命周期费用预测

根据我装备研制项目有限、样本很少和寿命周期费用(life cycle cost,LCC)预测的不确定性以及易受外界不确定性因素影响的特点,提出在基于GM(1,1)建模的基础上,采取灰色分离建模方法来预测装备的LCC.所举实例证明这一方法可以取得较高的预测精度.     

改革大型复杂武器系统审价方式的思考

大型复杂武器系统具有研制和生产周期长、内部结构复杂、生产耗费巨大等特点。文章分析了现行的大型复杂武器系统审价存在审价时机偏后、审价思想落伍、审价方式单一等问题,提出审价方式改革应当以全寿命费用管理思想、目标价格管理思想、激励创新思想为指导,对装备研制、生产过程采取事前预测、事中控制、事后跟踪相结合的审价方式。     

重点武器装备研制经费管理探讨

文章阐述了当前重点武器装备研制经费管理存在的问题,分析了研制经费升高的原因,提出了加强重点武器装备研制经费管理的建议,即科学论证决策,加强武器装备全寿命费用管理;引入竞争机制,培育武器装备价格竞争市场;加强经费预测,实现武器装备价格工作的前伸;建立健全法规,规范武器装备研制工作。     

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。     

武器装备研发成本补偿引入保险机制

随着我国军民融合武器装备研发生产体系的深度发展和社会主义市场经济体制的不断完善,武器装备研发中投入的研发成本面临很高的投资风险,成为困扰企业参与武器装备研发的重要因素。面对庞大的研发费用支出以及研发成本补偿措施不完善,企业要独自面对研发活动中的风险,这在一定程度上降低了企业参与装备研发的积极性。本文认为,通过保险机制的引入,鼓励企业为武器装备研发活动投保科技保险,同时,军方在对研发活动进行分析评判后,对企业的保费按比例进行分摊,能够在拓宽补偿途径的同时,利用保险分担企业研发过程中的风险,激发企业参与武器装备研发的热情,更好地为军队武器装备发展建设做出贡献。     

基于BP神经网络的装备器材需求预测模型

准确预测装备器材的需求数量,是装备器材保障工作的重要内容和装备器材计划管理的前提。采用BP神经网络算法,通过对装备器材历史消耗数据进行处理,建立了装备器材需求预测模型,并结合实例,对模型进行了探讨和验证。     

基于支持向量分类的装备完好性预测模型

对抗的战场环境和任务的变化,越来越需要装备战备完好性来保障作战行动。保持或提高装备战备完好性是装备保障的核心和中心工作。利用基于结构风险最小化的支持向量分类（Support Vector Classification,SVC）方法对装备的战备完好性进行了预测,提高了机器学习方法的预测能力。并以车辆装备发动机的技术状况数据为实例,建立了预测模型,通过参数选择,提高了模型预测的正确率、命中率等指标。结论表明：支持向量分类方法是预测装备战备完好性的有效方法。     

基于径向基小波神经网络的装备保障方案评价模型

针对装备保障方案评价的实际问题,利用小波函数的多分辨率分析和逐层逼近能力,建立了基于径向基小波神经网络的装备保障方案评价方法。通过对装备保障方案中评价参数的量化,建立评价参数的样本库。将各种性能指标输入到训练好的网络,客观地评价保障方案的性能。以陆军防空旅装备保障方案为例,组织保障领域的专家对评价参数进行综合研讨,得到量化的参数值,然后使用新方法对其进行评价。仿真结果表明,径向基小波神经网络具有良好的非线性映射能力和泛化性能,能够比较准确地对装备保障方案做出评价。     

基于灰色系统理论的设备状态监测系统设计

介绍了设备状态集中监测系统的构建和灰色系统理论在设备状态预测中的应用原理及方法．利用Matlab提供的基于最小二乘法的非线性曲线拟合函数能方便地求解一阶灰微分方程,从而得到原始数列的预测值表达式．应用实例表明,基于灰色系统理论的预测模型适用于小样本不确定问题的研究,预测精度高、实现容易．基于灰色系统理论的设备状态监测系统的研制对于科学制定维修计划,改进设备的管理维护手段,确保试验任务的质量和进度具有重要作用．     

基于年龄更换策略的威布尔分布备件需求计算方法

备件需求量预测在装备保障工作中发挥着重要作用。预防性维修可以消除装备潜在的故障或避免装备发生故障后所导致的严重后果,从而使装备始终处于期望状态。预防性维修策略下备件需求量建模能够以可预见的可靠性数据为基础进行,其关键问题是最佳更换间隔时间的确定。针对威布尔分布装备备件,采用年龄更换策略,确定最佳更换间隔时间,并在此基础上导出威布尔型备件需求计算模型,为备件需求量的预测提供了一种简单有效的方法。     

装备维修器材保障最小费用模型研究

考虑部队装备维修器材需求量的随机变化对保障费用产生的影响,通过实际问题分析给出了在保障单位零星供应条件下,如何确定保障单位最佳的器材存储量并建立器材保障最小费用模型的程序和方法,最后结合实例,验证了模型的适用性.     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。