FMEA与粗糙集相结合的故障预测方法

基于FMEA和粗糙集决策系统基本理论,对飞机中分系统故障预测问题进行了研究。首先定义故障预测所需的征兆并对系统进行FMEA,按照FMEA分析结果分次向系统模型注入引起特定故障的事件,采集含有故障趋势的系统模型的信息用于构建适用于故障预测的粗糙集决策表,对该表进行了处理,最终发现用于故障预测的知识(即决策规则和算法);最后运用所发现的知识进行故障预测。     

基于D-S理论的神经网络作战效能预测方法

提出一种基于D-S理论的神经网络预测方法,采用改进的证据理论对作战效能预测指标体系进行优化选取,降低了由于预测指标体系的模糊性和不确定性造成误差;在此基础上,建立基于Elman网络的作战效能预测模型,通过对作战效能的预测仿真及测试,验证了该方法的可行性和优越性。     

RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.     

装备故障诊断和预测技术综述

结合故障诊断与预测技术的国内外研究现状,综述了故障诊断和预测的完整性认知模型,并以此对蓬勃发展的故障诊断和故障预测技术进行了分类与综合分析。同时针对故障的不确定性特征,对故障诊断和预测技术的性能要求、定量评价与验证方法进行了分析。最后,分别从实际应用及扩展的四个方面提出了故障诊断、预测,以及PHM技术未来发展的几个问题。     

灰色GM(1,1)模型在电子装备寿命预测中的应用

介绍了传统装备可靠性试验数据评估的不足,为此根据灰色预测的基本原理,用GM(1,1)模型并通过精度修正,给出了实际应用中的预测方法.最后通过具体实例,对电子装备未来可能发生故障的范围进行了预测,取得令人满意的结果,从而证明了该预测方法能为装备的维修保养提供重要的数据支持,对研究武器装备的可靠性具有重大现实意义.     

GM(1,1)模型在装备备件订购中的应用

分析了武器装备备件订购决策的目标和常用方法,并运用灰色理论GM(1,1)模型及关联度分析法,提出了在军用备件订购工作中费用目标预测的应用方法,以及提高预测精度的措施。     

欠采样技术在选频测量中的应用

低通采样技术在混合信号应用中被广泛采用。而在窄带带通应用中,比较理想的是欠采样技术(或称为带通采样技术)。本文介绍了欠采样技术及其在选频测量中的应用。重点对频谱混迭,模数转换器件及其时钟的选择等问题进行了分析。     

基于Kalman滤波对运动目标状态最优预测

给出了运动目标状态空间表达式,Kalman滤波递推公式及算例,实现了目标状态的滤波及预测,对于提高打击运动目标的精度,缩短火力反应时间及简化指挥程序具有较强的实践意义。     

导弹系统电磁兼容预测初探

基于"电磁拓扑"和"电磁屏障"概念,应用"电磁拓扑-图论混合技术"详细阐述了导弹系统的电磁拓扑描述及电磁干扰相互作用关联图,并分析了针对导弹武器系统应用电磁拓扑图论法的基本步骤。