装甲装备军民一体化维修保障的几点思考

提出了装甲装备军民一体化维修保障的基本概念,解读了基本内涵,分析了因保障客体变化带来的保障主体变化的内在需求和外在作用,明确了保障任务的区分和保障方式的选择以及按需动态调整变化,着眼解决现实矛盾、结合未来发展,对规范保障管理和建立运行机制等方面提出需求,对转变保障观念、拓展保障渠道、创新保障方式、理顺保障关系具有一定参考价值。     

基于任务需求分析的维修装备数量确定

针对目前常用的维修装备数量预测方法存在的不足,以装备维修任务需求分析模型为输入,建立装备维修任务和维修装备数量之间的解析关系模型,从而计算出维修装备的数量。该方法充分考虑了任务需求对维修装备发展的牵引作用,为确定维修装备数量提供了新的途径。     

装备保障能力评价参数体系设计与应用

为了及时发现装备作战单元在装备保障建设中存在的问题并确定原因,研究了装备保障能力评价参数体系的构建。在剖析装备保障能力概念的基础上,将能力评价参数分为综合层、系统层、子系统层及资源层。从参数内容、评价对象层次以及时域3个维度设计了评价参数体系框架,并据此对4个层次参数的选取及其关系分别进行了探讨。最后通过某防空旅装备保障能力评价实例,验证了参数体系设计方法的可操作性和有效性。     

基于WSR和LSS的装甲装备维修质量管理模式

紧贴装备保障转型的需求,引进物理-事理-人理（WuLi-ShiLi-RenLi,WSR）系统方法论与精益六西格玛（Lean Six Sigma,LSS）管理理论,提出一种装甲装备维修质量全系统综合管理模式。从WSR与LSS管理的角度,阐述了这种管理模式的基本思想,详细分析了其基本特点;依据LSS管理模式,从整体上详细论述了装甲装备维修质量管理包含的内容;结合WSR与LSS的逻辑过程,论述了其基本管理方式。     

发展装备再制造，提升军用装备保障力和战斗力

装备再制造是指废旧装备高技术修复、改造的产业化。大力发展装备再制造,可促进高技术在武器装备中的应用,推动武器装备维修保障方式的改变,是节省军费、提高装备性能的重要举措。装备再制造学科的建设是装甲兵工程学院学科建设新的增长点。通过加强宣传、组织试点、合力攻关、培养人才等综合措施,全力推进全军及学院装备再制造的发展。     

论军事技术和装备保障的关系

探讨了军事技术与装备保障相互影响的一般原理,对陆军装备技术进行了简单分类,并对各类技术对装备保障的影响进行了重点探讨,以期能对陆军装备保障的发展有所启示。     

基于遗传算法的战时维修保障系统优化研究

分析了战时维修保障系统的结构功能,给出了维修保障系统的解析模型,提出了维修保障系统的可控参数及指标;为了使维修保障系统发挥最佳效能,以最小二乘准则作为系统的优化准则,建立了维修保障系统的优化模型,采用遗传算法对优化模型进行求解,给出了计算方法,并以计算实例验证了方法的可行性。     

聚类分析法在通用装备保障训练考评中的应用

针对通用装备保障训练考评的特点,探讨了利用聚类分析法对通用装备保障训练考评成绩区分与排序,并给出了对通用装备保障分队的训练考评成绩进行区分与排序的实例。     

On‐line parameter estimation for a partially observable system subject to random failure

In this paper, we study the on‐line parameter estimation problem for a partially observable system subject to deterioration and random failure. The state of the system evolves according to a continuous time homogeneous Markov process with a finite state space. The system state is not observable, except for the failure state. The information related to the system state is available at discrete times through inspections. A recursive maximum likelihood (RML) algorithm is proposed for the on‐line parameter estimation of the model. The RML algorithm proposed in the paper is considerably faster and easier to apply than other RML algorithms in the literature, because it does not require projection into the constraint domain and calculation of the gradient on the surface of the constraint manifolds. The algorithm is illustrated by an example using real vibration data. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006     

支持向量机在弹药训练消耗量预测中的应用

针对部队平时弹药训练消耗量预测过程中,样本采集数目较少的实际情况,采用了一种新的预测方法———支持向量机。该方法基于统计学习理论的原理,较好地解决了小样本的学习问题。并以某部队1997—2002年弹药训练消耗量为学习样本,建立了弹药年消耗量的预测模型。计算结果表明,这种方法比传统的方法有更少的误差和更好的预测精度。