浅谈运筹学在装备效能评估上的应用

本文是在新技术革命背景下,军事运筹学在装备效能评估上的应用问题进行探讨.首先明确分析运筹学在装备系统效能评估上的应用,其次分析运筹学在装备作战模拟效能评估上的应用,为运筹学在装备效能上的合理利用打下坚实的基础.     

基于Agent的应急空间装备体系效能评估研究

运用基于Agent建模仿真的方法进行应急空间装备体系效能评估,能有效反映体系组成间的交互关系。在确立应急空间装备体系效能评估指标后,依据应急空间装备体系结构确定其多Agent结构及Agent模型结构;针对获取相应指标值的需求,建立了应急空间装备体系的Agent模型,并采用AnyLogic仿真软件对所建模型进行了仿真、效能指标计算与结果分析,找出了影响效能指标的主要因素。     

某型军用工程装备故障诊断系统设计与实现

某型军用工程装备是执行非战争军事行动的重要救灾设备,是道路抢险部队使用最为广泛的工程装备,一旦发生故障,将对部队执行救灾任务产生巨大影响。对该型装备故障诊断系统进行了详尽的分析,并在此基础上设计开发了基于故障树的故障诊断专家系统,将装备维修由传统的经验判断型改为专家系统智能辅助决策型,大幅提高了装备的实时维修保障能力。     

基于故障树和虚拟仪器的遥测装备故障诊断研究

论文在分析某遥测装备故障特性的基础上,通过对一种遥测装备变频单元故障树的定性和定量分析,构建了基于故障树的专家诊断系统,基于故障树模型给出了基于虚拟仪器的故障诊断系统实现方案和硬件设计,编写了相应的故障诊断系统软件程序。通过对遥测装备故障诊断实验验证了该系统的可靠性和有效性,有力地提高了检测与故障自动化诊断能力,加快了该遥测装备的保障和维护效率。     

基于自动识别技术的海军装备保障方法研究

海军装备良好的可靠性、维修性是保证海军战斗力最关键的因素之一。鉴于海军装备的信息化及复杂程度越来越高,提出了基于自动识别技术的海军装备保障方法。该方法实现从供货商到基地再到海军的一体化装备管理,自动识别技术的应用辅助供货商快速获取装备物资需求,基地能够快速对装备物资出库入库,舰员快速获取装备物资信息并进行维修。基于自动识别技术的海军装备保障方法方便了装备的使用和维护,大大提高了装备保障管理的效率。     

面向健康管理的复杂装备维修模糊聚类

科学合理的维修活动是提高装备效能、提升部队战斗力的重要途径。装备复杂化、系统化,对可靠性、维修性、保障性要求越来越高,装备何时维修,采取何种策略,是装备效能发挥的重要前提。从健康管理角度出发,在分析健康状态、故障模式影响以及故障模式发生概率基础上,采取模糊C均值聚类法研究装备维修活动,科学划分维修时机并给出相应维修策略,从而优化装备维修活动,实现装备健康管理(EHM)目标。将所提方法应用于某型装备,并通过Matlab仿真,验证了方法的可行性与合理性,为装备健康管理提供决策依据。     

基于故障树的梭式窑故障诊断专家系统*

为实现对梭式窑运行异常特别是燃烧异常的故障检测和定位,研究并设计了一种基于故障树的故障诊断专家系统。首先给出梭式窑故障诊断专家系统的形式化定义,进而详细分析并设计了专家系统的各个组成部分;最后重点介绍使用故障树来设计知识库的原理与方法,以及使用故障树来进行故障诊断推理的算法。工程实践表明,该系统知识模型适应性好,使用简单方便,故障诊断结果可靠稳定。     

航空装备智能保障思考

随着科学技术的发展及在军事领域的应用，使作战概念、战争模式以及保障模式发生了很大的改变。当前，人工智能技术相关学科发展、理论建模、机器学习等整体推进，已深刻影响了新装备的研制，也使智能装备需要智能保障的问题提到眼前。在传统装备保障概念的基础上，回顾了20世纪末21世纪初武器装备升级换代所带来的军事变革，分析了人工智能对装备保障的影响，结合人工智能技术所能支持的航空装备保障范畴，提出航空装备智能保障体系构建的考虑，以期为人工智能与测试保障的相关性研究提供帮助。     

故障树领域本体及SWRL规则的构建方法研究

故障树(Fault Tree,FT)被广泛应用于系统故障的快速定位,但其因缺乏精确的语义信息而存在重复构建问题。将本体引入到故障树领域中,并对如何构建故障树本体及相应的SWRL规则进行了研究:首先采用本体描述语言 (Web Ontology Language,OWL)对故障树中的概念及概念之间的关系进行知识表示,构建了一个可共享、可重用、可扩展的故障树领域本体;然后将故障树中事件之间的逻辑关系转化成语义 Web 规则语言 (Semantic Web Rule Language,SWRL);最后将构建的故障树领域本体和SWRL规则放入JESS推理机中进行推理,产生新的知识,用于系统故障的快速定位。实验证明,使用所提出的方法能在解决故障树重复构建问题的同时,不对系统故障的快速定位产生影响。     

基于UML的RMS仿真研究

可靠性维修性保障性（RMS）是影响装备作战使用的重要因素，仿真法是进行武器装备作战使用研究的有效途径。该文在对武器装备作战使用的需求进行分析的基础上，使用UML建立了RMS在驶备作战使用中的仿真模型，提出了作战过程中RMS仿真的方法，真实反映了RMS对装备作战使用的影响。     

基于机器学习的列车设备故障预测模型研究

决策树作为机器学习和数据挖掘领域中广泛应用的预测模型,其输出结果易于理解和解释。针对高速铁路车载智能设备数量庞大的流数据且设备故障复杂和诊断效率低等问题,采用CVFDT决策树算法,通过对规范化的列控设备流数据进行机器学习,构建车载设备智能故障预测模型（低概率发生、高概率发生和已发生故障）,实现对设备潜在故障“事前排除”,提高故障分类精度、定位和诊断准确性,保障高速铁路运营安全和运输效率。     

基于北斗卫星的GPS轨迹数据异常双频定位方法

当前GPS轨迹定位方法均采用单频定位,在数据异常情况下不能保障定位精度,故此提出一种基于北斗卫星的GPS轨迹数据双频定位方法研究。先基于北斗卫星的定位原理建立用于空间几何距离测量和地面监测点精准定位的数学模型,并确定出伪距和载波相位的观测值的权重;利用北斗卫星确定出标的物的空间几何距离,及空间位置信息;由于定位系统本身及大气电离层的影响,得到空间定位信息内包含有误差项,基于北斗卫星系统可以修正GPS轨迹误差项和异常数据,实现对标的物位置信息的精准定位。测试数据表明提出定位方法的精度更高,综合定位偏差值为0.56%,同时定位误差的均值和方差控制表现更好。     

挖掘机北斗高精度自动定位和引导方法

对挖掘机行走机构和工作装置进行高精度定位,能够实现挖掘机自动跟踪和引导,提高作业效率、优化作业效果、降低工作损耗;以北斗高精度接收机和定位天线为主,配合角度传感器和车载计算机,组成一种高精度定位系统,可实现挖掘机自动跟踪和引导;同时,通过对方法运行过程进行流程化概括和讨论,介绍设备总体定位、运动姿态分析、坐标转换等详细算法,并在软件程序中予以实现;系统在某矿山挖掘机进行测试并于传统方法对比,证明了该方法在挖掘机行走机构和工作装置高精度定位中的效力和适用性。     

基于贝叶斯网络的故障树在机械设备中的应用

由于故障树分析方法在可靠性分析中存在局限性,研究贝叶斯网络在可靠性分析中的应用,给出了故障树向贝叶斯网络转化的方法,以及基于贝叶斯网络求解顶事件发生概率的算法.最后对发控设备进行了分析,结果表明,基于贝叶斯网络的故障树分析方法更贴近实际。     

故障树模块化在装甲车辆灭火系统故障诊断中的应用

为了实现装甲装备灭火系统故障的快速诊断,提出了一种故障树模块化分析方法;对灭火系统故障树进行深度优先最左遍历,并记录遍历过程,按照遍历顺序对故障树中的每个事件进行标定,并将灭火系统故障树划分为相互独立的模块,依据划分的模块可以通过故障现象对模块内的故障进行排查及修复;实验结果分析表明,该方法可以快速修复模块故障,恢复系统功能,简化了以往对灭火系统所有子事件遍历查错的繁琐过程。该方法同样可以计算故障模块的失效概率,并可以实现故障模块的整体更换,恢复系统性能;证明了故障树模块化方法在灭火系统故障诊断中具有较高的效率,简化了灭火系统诊断流程,在装甲车辆其他系统故障诊断中具有借鉴作用,符合现代作战对于装备保障的需求。     

装备维修经济分析浅论

武器装备的维修活动必须讲求经济效益。针对现役武器装备维修保障建设中的弊端,利用经济学原理,从最佳预防性维修工时和装备大修的经济界限入手,对武器装备的维修工作进行了经济分析。按维修费用最小原则确定了最佳预防性维修工时,通过研究比较旧装备与新装备的等值费用现值明确了装备大修的经济界限,从而有效地提高武器装备维修效能,降低维修保障费用,为现役武器装备维修保障的实施提供了一个良好的思考方向。     

基于贝叶斯网络模型的电子装备故障诊断研究

针对电子装备故障的层次性、相关性、不确定性特点,结合贝叶斯网络在处理不确定性问题上的优点,提出了电子装备故障诊断的贝叶斯网络方法;研究了基于故障树分析和故障模式、影响、危害度信息的贝叶斯网络模型建立方法,分析了贝叶斯网络的故障预测和推理原理,确立了各底事件对故障诊断的重要度,形成了故障诊断的合理顺序,通过实例验证了上述方法的可行性和有效性;研究成果对复杂电子装备的故障诊断有借鉴意义。     

高精度北斗卫星定位的尾矿库在线监测

利用高精度北斗卫星接收机作为主要测量设备再辅以其他传感器、通信网络、计算机服务器,建立一整套基于北斗高精度定位的尾矿库在线监测系统,其可用于远程自动化尾矿库安全监控、安全分析评价及安全预警管理,确保尾矿库的安全。     

城市轨道交通设备故障聚类与贝叶斯网络预警

针对城市轨道交通的海量监控报警数据分析难度大的问题,结合设备故障特征,应用数据挖掘方法定义聚类特征树,建立基于故障集的层次聚类分析模型,取得故障要素的高频聚类并识别关联规则。通过构建故障贝叶斯层次网络,提出故障预警模型,计算取值概率推断预警值,进一步探讨了关联性预警的识别和应用策略。采用某城市轨道交通的阶段报警数据实例验证,表明识别出的故障关联规则与实际较好地符合,利用该方法推断故障预警能快速定位风险隐患,为安全管理提供有效的决策支持。     

基于深度学习的数字化装备故障诊断研究综述

数字化装备具有结构复杂、技术密集、信息化程度高等特点,传统的故障诊断方法需要拆装的部件多、故障定位准确率低,而深度学习能够从装备原始数据中挖掘有价值且敏感的特征,适合用于数字化装备的智能故障诊断;为此,首先进行了部队数字化装备故障诊断的现实困境和挑战分析,阐述了国内外数字化装备维修保障的研究现状,而后总结了装备故障诊断的主要方法和研究应用进展,重点将深度学习在装备故障诊断领域的研究成果进行了梳理,最后结合实际提出了基于深度学习方法实现数字化装备故障诊断的3种研究思路。