基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.     

一种有视线角约束的模糊变系数变结构制导律北大核心

针对有末端视线角约束下拦截高速机动目标的场景,设计了一种模糊变系数变结构制导律。提出了一种自适应变结构制导律,制导律可以根据弹目距离自适应调整趋近滑模面的速度;用饱和函数代替制导律中的开关项,有效消除了系统抖振。仿真表明,拦截高速非机动和高速机动目标,提出的变结构制导律均可以满足视线角约束和脱靶量要求,但需用过载较大。为解决需用过载较大的问题,引入模糊控制方法,设计模糊控制器对变结构制导律中的导引系数进行优化,得到了一种模糊变系数变结构制导律,可以满足视线角约束且有效抑制了系统的需用过载。