武器平台信息系统现场可更换单元划分方法

针对功能综合化发展背景下的综合模块化武器平台信息系统综合化程度高、功能复杂,不便于维修保障等问题,采用功能/硬件资源的模糊聚类、多重模糊有向图等方法进行武器平台信息系统LRU划分,划分了通用处理模块、信号处理模块、图形图像处理模块、网络交换模块和电源变换模块等LRU.通过项目应用表明,该方法可显著缩短现场可更换时间,提高武器平台信息系统维修保障能力和"通用化、系列化、组合化"水平.     

基于HTCPN的飞机备件需求预测方法

针对航空兵部队飞机备件需求预测问题,提出了一种基于分层赋时着色Petri网(Hierarchical Timed Colored Petri Net,HTCPN)的飞机备件需求预测方法.根据飞机维修保障工作内容与流程,运用CPN Tools软件,构建飞机维修保障工作HTCPN总网仿真模型,以及故障维修工作HTCPN子网仿真模型.提出了备件需求量确定规则,建立了基于飞机出动架次率的备件需求预测模型.通过算例分析,验证了该方法的科学性和有效性.     

可拓工程方法在效能-费用权衡中的应用

介绍可拓学及物元理论,提出用可拓工程方法对武器装备效能-费用进行权衡分析。建立了装备效费权衡分析的高阶复合物元模型,对初始效费方案进行了延拓,提出可拓特征集的概念。在此基础上,对效能-费用方案进行可拓聚类分析。     

基于可拓工程方法的舰空导弹作战通道性能分析

分析了舰空导弹作战通道性能的影响因素,应用可拓工程方法建立了舰空导弹作战通道性能多指标参数的物元可拓评估模型,以定量的结果对舰空导弹作战通道性能进行了评估分级,并与层次分析法的结果进行了比较,结论基本一致。为舰空导弹作战通道性能评估问题寻求出一种新方法,其评估结果可为决策提供定量依据。     

寿命型产品定数截尾可靠性鉴定试验方案研究

相对于定时截尾可靠性鉴定试验方案来说,寿命型产品定数截尾试验方案方面的研究较少。首先从理论上证明了,寿命服从指数分布的产品,无论对定数截尾试验中的故障产品是否用新产品替换,其鉴定试验方案的设计公式完全相同。之后推导出了同时能满足检验上限、检验下限、生产方风险、使用方风险要求的定数截尾鉴定试验方案设计公式,并用GB5080.7中的数据验证了公式的正确性。给出了指数寿命型产品定数截尾试验中的接收概率公式,并推论出了同一产品在不同试验方案的鉴定结果可能完全相反。最后建议,应在鉴定试验前尽可能知晓产品的可靠性水平,从而可有目的地选择或设计试验方案,以求产品高概率通过鉴定试验。     

面向任务的随舰备件配置方法

研究了多阶段任务成功概率的计算方法,根据舰船多阶段任务的特点,建立了随舰备件配置模型.提出了系统修整过程中确定备件配置方案的分析方法与系统执行任务过程中基于粒子群算法的备件配置模型.经实例分析表明:该模型既满足了任务成功概率的要求,又充分利用了舰船排水量和宝贵的备件存储空间,对于随舰备件的配置具有普遍的适用性.     

基于Bayes理论的固有可用度定时截尾试验方案

为解决小子样条件下进行产品固有可用度试验验证的问题,基于Bayes理论,提出了一种固有可用度定时截尾试验方案．该试验方案在假设故障间隔时间和修复时间均服从指数分布的前提下,将现场试验分为同时进行的可靠性和维修性定时截尾试验2个部分,要求在利用验前试验信息的基础上,使本次试验获得的验后分布还可以作为下一次现场试验的验前分布,提高了试验数据的利用率,具有较好的经济效益．     

一种面向宽带复杂信号侦察的可配置计算应用框架

可配置计算系统的优势与系统设计过程的复杂性是一对矛盾,可配置计算框架为此提供了有益的思路。但受限于适用范围与通用性考虑,已有的特别是商业框架仅支持系统的静态重构。本文针对宽带信号侦察这一特定应用领域,提出了一种功能级可配置计算应用框架BSRRCS-RCAF,该框架将领域应用中具有共性的计算与功能模块抽取和集中起来,形成二进制比特流配置文件库,并提供构建此类系统的公共服务体系。基于公共服务体系以及配置文件库,当需要修改或者重新构建宽带信号侦察系统时,只需在现有框架下动态调用配置组件库,或者遵循框架的统一设计接口完善补充组件库中的特定功能部分,整个系统设计框架将得到方便复用,便于实现基于快速重构的多种系统功能。     

基于保障概率的装备磨损单元备件配置研究

备件在装备保障中发挥着至关重要的作用,而备件的数量则决定着装备的维修能力和保障水平.针对装备磨损部件预防性维修的研究较少,介绍了一种较为简便、实用的定时更换策略,通过对寿命服从正态分布的磨损部件的分析,导出了基于保障概率的磨损单元备件计算模型,最后给出了计算实例.结果表明,该方法在明确磨损部件故障规律的情况下,应用方便,计算简单.     

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。