基于BP神经网络的后勤装备资产寿命周期费用预测研究

BP神经网络就是指采用反向传播学习算法的前向多层人工神经网络,它具有分布式存储信息、高强的容错性、并行处理信息、自学习性和非线性映射逼近能力等运行特点。基于BP神经网络的后勤装备资产寿命周期费用预测模型的构建,通常按照初始化、构建网络、导入输入输出层和训练网络、决策、结论的步骤来完成。     

装备预测与健康管理体系结构及关键技术

结合预测与健康管理技术（PHM）在降低装备保障维修费用方面的明显优势,介绍了预测与健康管理技术的内涵及特点,分析了PHM系统的开放式流程,并将该开放式流程应用于装备的故障诊断和预测中,提出一种基于PHM的预测与健康管理体系框架。在此基础上,对诊断与预测技术以及传感器配置算法等关键技术进行了详细阐述,介绍了采用的诊断和预测模型及算法。     

装备再制造费用预测估算方法

在装备再制造周期及再制造费用基本概念的基础上,给出了再制造费用参数的相关内容,并阐述了工程估算法、专家判断估算法、参数估算法、类比估算法等4种装备再制造费用分析及预测估算的方法,构建了基于工程估算法的再制造费用分解结构,并对再制造费用分析流程进行了详细描述,可为形成正确的再制造设计方案提供费用决策依据。     

基于预测的战场态势感知信息分发机制

针对目前战术互联网传输能力无法满足态势感知信息传输要求的现状和态势感知信息存在大量冗余的特点,提出了一种基于预测的战场态势感知信息分发机制。通过Qualnet软件对这种方式进行了仿真验证,结果表明在可用带宽紧张时,预测方式相对于原有的周期分发方式,降低了数据的发送量,并能提供更高精度和时效性的态势感知信息。     

H.264/SVC的编码依赖问题研究

H.264/SVC(Scalable Video Coding)使用了多种预测编码机制,极大地提高了分级编码的编码性能,同时也引入了复杂的编码依赖关系,给编码器的优化控制带来了极大的难度。因此,有必要研究这种不可忽视的编码依赖关系。在介绍H.264/SVC的主要预测编码机制的基础上,分析归纳出H.264/SVC的编码依赖关系主要来源于帧间预测、层间帧内预测和层间残差预测,然后针对这三种预测机制的特点,结合文献[1]提出的帧间依赖关系,基于实验数据,建立了编码依赖模型,得到了用编码依赖测度表达的编码依赖关系。最后,将时域依赖模型应用到H.264/SVC基本层码率控制中,实验数据表明时域依赖模型能够提高码率控制的性能。     

飞机结构疲劳可靠度贝叶斯组合预测

在实际工程中,常常需要利用模型去描述和分析问题。然而模型亦存在不确定性,即可能存在多个描述同一现象的模型,例如多个疲劳分析的模型。针对飞机结构的疲劳可靠性问题,提出在考虑三种裂纹扩展模型下基于贝叶斯公式的疲劳可靠度组合预测方法。针对不同应力水平下飞机结构试件的裂纹扩展数据建立了三种随机裂纹扩展模型;在考虑模型参数不确定性条件下,采用贝叶斯模型平均方法对三种模型进行组合;基于组合模型分析结构的可靠度。所提方法在分析飞机结构疲劳可靠度上,采用了组合模型,能够最大限度保障结果的稳定性。此外,考虑了模型参数的不确定性,能够得到更为合理的裂纹扩展预测分布和可靠度预测值。给出的实例及分析结果表明所提方法可行。     

N-乙基间甲氧基苯胺之合成工艺改进

采用间氨苯酚为原料,以四氢吡喃(THP)作羟基保护剂,以醋酸酐作酰基保护剂和氨基单取代的专一选择剂,以溴乙烷作烷基化试剂,硫酸二甲酯作甲基化试剂,在原有最优化合成工艺条件下,经六步反应合成N-乙基间甲氧基苯胺,产率达到65.9%.经改进后的合成路线反应步骤虽有所增加,但收率提高了8.3%.     

基于指数平滑法的装备维修器材需求量预测

准确地预测维修器材需求量是制定装备保障计划的重要依据.针对装备维修器材需求量预测相对不够准确的问题,通过对两种预测方法进行比较,引入了适用于准确预测的指数平滑方法,建立了基于指数平滑法的装备维修器材需求量预测模型,介绍了确定初始值的方法,并以某种维修器材需求量预测为例进行了分析,为准确预测装备维修器材需求量提供了一种较为科学合理的方法.     

基于GM(1,1)模型的武器装备性能预测在作战需求分析中的作用

针对目前武器装备作战需求分析过程中存在主观性大、需求不准确的实际情况,借助灰色系统理论,建立了GM(1,1)预测模型,以历代武器装备的性能参数为输入,得到未来武器装备可能的性能参数值,其结论可为作战需求分析提供有效参考和约束.     

对建立思想问题预警机制的几点思考

当前,礼会思潮空前活跃,各种文化相互激荡,价值追求趋于多元,给官兵思想带来了深刻影响和强烈冲击,给思想政治教育也带来了严峻挑战。建立集预测、分析、发现于一体的思想问题预警机制,对于及时预测、发现官兵的思想问题,进一步提高政治教育的快速反应和跟进能力,具有十分重要的意义。