基于模糊推理的战时备件需求预测

针对战时多阶段备件需求的不确定性及阶段相关性特点,提出了基于模糊推理的战时备件需求预测方法。把体现作战意图的专家预测值与体现需求量阶段相关性的Markov 预测值结合起来,通过Mamdani 模糊推理规则及反模糊化给出最终备件需求预测值。采用语言变量描述备件需求量,定义了需求量模糊集合,并在Markov 预测需求量时直接采用该模糊集描述系统状态。实例表明该预测方法能有效用于缺乏历史需求记录的战时备件需求预测问题中。     

基于粗糙灰色预测的装备维修资源需求预测模型

面向装备维修资源保障任务,首先采用粗糙集理论,通过属性约简算法,简化装备维修备件资源消耗影响因素,在此基础上利用灰色预测模型,对基于虚拟仓储的装备维修资源需求进行预测,通过与单一的灰色预测方法结果相比较,将粗糙集与灰色预测模型相融合的方法应用于装备维修备件资源预测的结果可靠、信息准确,并且预测值与实用值的相对误差和绝对误差很小,达到了准确预测的效果;从而验证了此模型与算法的有效性,为信息化战争中提高装备维修备件资源保障功能提供理论与方法支持。     

基于仿真的合成部队装备维修保障资源需求确定和效能评估

针对平时陆军合成部队装备维修保障资源需求确定及其验证问题,开展合成部队装备维修保障资源需求分析和装备维修保障效能评估研究。从保障对象、保障资源、保障策略3个方面对合成部队装备维修保障问题进行分析;以火控系统为例,采用蒙特卡洛仿真方法对单装火控系统维修时间和备件需求进行计算,在此基础上,分别计算单一种类装备群火控系统和多种类装备群火控系统的维修时间和备件需求,进而确定合成部队火控系统的维修保障人员和备件需求量;通过效能评估检验合成部队火控系统维修保障人员和备件需求计算结果的可信性。研究结果表明：采用该仿真方法确定合成部队各装备子系统的维修保障人员和备件需求是可行的;通过维修保障效能评估能够对维修保障资源需求计算结果进行验证。     

随机服务系统在装备需求预测与决策建模中的应用

为解决复杂约束条件下装备维修保障决策难题,运用随机服务系统原理进行装备需求预测与决策建模。结合装备维修保障需求预测与决策问题实际,系统分析随机服务系统模型的基本组成、分布规律、表示方法及主要模型和衡量指标,提出基于保障效率约束条件的装备维修保障需求预测与决策方法,结合装备维修保障实际建立了装备维修保障的损失函数概念,并运用实例验证了该方法的可行性和有效性。该研究结论对创新装备维修保障需求预测与决策方法,推进装备维修保障精确化发展具有一定的现实意义。     

基于备件保障概率分配的备件需求量预测模型

鉴于目前装备研制阶段备件需求量预测方法与系统顶层设计指标相脱节,预测结果与装备系统战备完好性要求偏差较大。通过对原有可达可用度公式的扩展,建立了可达可用度与系统级备件保障概率的关系。综合分析备件保障概率的影响要素,将备件保障概率分配到分系统、外场可更换单元（LRU）级别,进而预测装备的备件需求量。通过某型号飞机的备件需求计算案例,验证了该方法的可行性与适用性。该方法使得考虑装备底层设计要素预测出的备件需求量能够很好的契合系统顶层指标,既有利于实现装备的顶层设计要求,又增强了备件需求预测的可操作性。     

基于卡尔曼滤波算法装备维修器材需求量预测

针对装备维修器材需求具有复杂性、随机性等特点，采用基于卡尔曼滤波算法的预测模型，对装备维修器材需求量进行预测，并引入了冲击序列对预测模型进行了优化．通过实例分析，表明该模型具有较高的精度和一定的适用性，可以为器材管理人员提供科学、准确的辅助决策信息．     

正态型不可修部件备件需求预测方法

为解决维修保障中备件需求预测形式复杂和精度不高的问题,以正态型不可修部件为对象,对备件需求 预测方法进行研究。从保障概率的角度出发,介绍与备件保障相关的指标,建立正态型部件保障概率模型,通过逆 运算确定满足保障概率条件的备件需求数量,给出寿命服从正态分布的部件备件需求量,通过案例得出精确预测方 法和近似预测方法的应用条件。预测结果表明,工程近似方法适合于确定较长时间的备件需求量。     

基于马尔科夫与蒙特卡罗仿真的导弹装备备件需求量预测

针对低需求量备件采用一般的时间序列预测法误差较大的难题,构建基于马尔可夫与蒙特卡罗仿真的预测模型。分析备件需求量的马尔可夫性,将马尔可夫链与蒙特卡罗仿真相结合,在建立仿真模型的基础上,以MATLAB为平台,给出利用计算机实现蒙特卡罗仿真的算法步骤,并应用实例进行分析。结果表明：在给定备件满足率的情况下,应用该模型可根据季度消耗量序列来预测该类备件未来1年的需求量,为低需求量备件的预测提供借鉴。     

基于RBF 神经网络的导弹备件需求量预测仿真

针对导弹部署后期与备件有关的各项保障数据相对较多的情况,提出采用径向基函数（Radial Basis Function,RBF）网络方法。以某型导弹的某备件为预测对象,对导弹维修备件需求影响因素进行分析,介绍RBF网络的结构、工作原理及预测步骤和流程图,并进行仿真结果分析。分析结果表明,该方法比普通前向网络训练省时,能解决备件需求量的预测问题。     

基于灰色马尔可夫模型的装备维修备件需求预测

针对武器装备维修备件需求量预测的难点,在全面分析各种预测方法的基础上,根据武器装备维修备件需求量是典型的小子样和贫信息的特点,在灰色GM(1,1)模型的基础上建立了灰色马尔可夫模型,并通过具体的实例进行验证,结果表明,灰色马尔可夫模型对具有随机性和波动性的非平稳随机序列具有很好的拟合效果,为武器装备维修备件需求量预测提供了一种新的途径和方法。     

火炮预知维修专家系统中的预测推理机制

火炮故障预测技术以当前火炮使用状态为起点,对火炮在未来任务段内可能出现故障进行预测.系统分为数据采集/处理、故障预测及性能评估、维修决测四个层次.该过程涉及:预测模型的建立、预测知识的表示、基于"框架 规则"的反向推理三部分.     

某型发射装备伴随保障系统

针对某型发射装备维修保障系统需求,构建以保障车为核心的发射装备伴随保障系统.通过信息集成、全资可视化、嵌入式传感等技术,实现武器装备基于准实时装备状态信息的综合诊断、健康管理及辅助决策,系统与业务信息网的接入,实现保障信息横向共享和交互,辅以远程技术支援等手段弥补战场保障技术力量的不足,并对该系统的组成结构与系统功能、主要组成设备的功能、系统软件组成与功能进行较全面的设计.分析结果表明:该系统实现了基于准实时的装备状态信息的综合诊断、健康管理及辅助决策,通过网络的接入,可实现保障信息的横向共享、交互及远程技术支援,为装备保障的一体化联合优化决策提供数据和技术支持.     

防空导弹武控设备实现CBM方法的探讨

针对解决防空导弹武控设备目前维修方式中的诸多问题,基于状态的维修(CBM)方式是有效解决途径之一。分析了对防空导弹武控设备进行CBM时的状态监测、失效模型建立、故障预测和维修决策等关键技术问题,探讨了防空导弹武控设备实现CBM的技术对策。结果表明,CBM具有诸多优点,它的实践应用必将引发武控设备维修技术的根本变革,促进高新技术在防空导弹武控设备维修领域的应用。     

武器装备故障预测及健康管理系统设计

武器装备故障预测及健康管理系统由用户层、应用层和支撑层组成,采用分布式C/S结构.故障诊断预测模块接收异常状态信息并进行判断.故障趋势预测模块接收趋势信息,将诊断和预测结果供给分析决策模块综合诊断预测结果、FMECA表、设备当前和以后的任务性质及其它信息,以采取相应的控制措施,并提供维修需求信息.     

基于保障任务的维修资源柔性分配模型

根据装备保障维修资源、预计和任务属性描述,建立基于保障任务的维修资源柔性分配模型.模型含战损装备、维修任务、维修资源、维修保障控制等模块.采用该模型使维修资源分配目标函数最优,以减少维修资源冲突.其维修资源分配辅助决策系统包括维修资源Agent的查询、管理和分配等功能,以提高装备保障任务的执行效率.     

基于能力需求的维修保障人员专业种类确定方法

针对维修保障人员专业重复设置、资源交叉利用等问题,提出基于能力需求的维修保障人员专业确定方法.通过深入部队调研掌握装备列装情况,对装备集合按功能系统进行分解,从而映射出维修保障人员能力需求;通过分析能力需求要素之间的相似程度,采用构建模糊最大树的方法对这些要素进行聚类处理,并根据聚类结果确定维修保障人员的专业种类,从而有效避免所设置专业性质的重复,为下一步研究打下基础.     

基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测

为了解决装备器材历史需求数据少、需求规律不明确的问题,提出一种基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测方法。针对威布尔分布尺度参数未知以及形状和尺度参数均未知两种情况,分别基于贝叶斯方法通过解析求解和数值模拟的方式进行了参数估计,并引入柯尔莫哥洛夫-斯米尔诺夫检验法对寿命分布模型进行拟合优度检验;综合考虑修复性维修、预防性维修和装备器材的已使用时间,提出了基于蒙特卡洛仿真的部队装备器材年度需求预测方法。算例分析表明：小样本下通过贝叶斯估计得到的寿命分布模型拟合度高,基于仿真的需求预测方法简单、有效。     

基于偏最小二乘回归分析的试验装备修理成本预测

为了科学预测试验装备修理成本,提高维修经费决策质量,引入偏最小二乘回归分析（Partial Least Squares Regression,PLSR）对试验装备修理成本进行预测。针对试验装备修理成本小样本、贫数据、特征量相关性强的不利条件,构建预测模型;基于以往数次大修相关数据,预测试验专用装备使用期的某次大修成本。同时,为保持模型的稳健性,提高模型解释能力和预测精确度,尝试利用变量投影重要性分析对模型进行优化,取得了较好的效果。实例证明,该方法不仅能在多变量间存在严重多重相关性情况下建立模型,而且能够有效筛选与因变量关系不大的自变量,简化输入样本集。