基于云物元的军民融合装备维修保障能力评估

鉴于在军民融合装备维修保障能力评估中存在赋权主观随意,评分忽略模糊和随机因素等问题,在建立军民融合装备维修保障能力评估指标体系的基础上,针对赋权过程中存在的随意性,运用G1法和改进熵权法以及博弈论方法进行主客观结合,确定指标权重.针对能力评估中需要考虑模糊性和不确定性,提出了基于云物元模型的军民融合装备维修保障体系能力评估方法,并通过对5个单位的维修保障能力进行分析,确定了维修保障能力等级,评估结果与实际相符,验证了上述方法的有效性和可靠性.     

基于Delphi-FCE的通用车辆EMSC评估

通用车辆装备维修保障是现代化后勤建设中的重要组成部分，通用车辆装备的维修保障能力是否满足平时和战时的要求，都需要对通用车辆装备的维修保障能力进行评估。于是提出一种基于Delphi-FCE的通用车辆装备维修保障能力评估方法。先提出基于Delphi法的通用车辆装备维修保障能力评估指标体系构建方法，以解决当前评估指标体系的构建不够科学的问题。然后建立通用车辆装备保障能力的综合评估模型，以期获得更加科学化和合理化评估结果。最后通过实例验证所提方法的正确性，结果表明该方法建立的评估指标客观有效、科学合理，所得的评估结果更加精确。研究工作为指导车辆装备维修保障能力提升有重大意义。     

基于模糊层次分析法的通信装备维修任务量建模方法

装备维修保障作为保持和恢复战斗力的重要因素,起着举足轻重的作用。作为提高装备使用效益的直接手段,贯穿于装备全寿命周期。本文结合通信装备维修保障工作实际,通过分析影响和制约通信装备维修保障能力的各项客观因素,建立通信装备维修任务量模型,以此确定满足不同保障单位所需要的总维修保障能力值。为计算不同单位维修任务量提供评估基础,为维修人力编配提供辅助决策。     

基于Agent的战时装备维修保障效能评估方法研究

依据战时装备维修保障系统效能评估的目的、原则和多Agent仿真对效能评估的要求,从效果、效率和效益三个方面构建了战时装备维修保障系统效能评估指标体系,建立了评估模型;在此基础上,以Swarm为平台,建立了战时装备维修保障仿真原型系统,初步实现了装备维修保障仿真,并利用GA/BP的方法对仿真结果进行了评估示例分析.实践证...     

基于变权理论的装备维修人员能力评估模型

针对常权模糊综合评判在对装备维修人员保障能力评估时带来的"状态失衡"的问题,运用变权原理,提出了一种基于惩罚与激励的局部状态变权模型,对装备维修人员的保障能力进行了变权模糊综合评判.通过编程实现模型提出的算法,运用实例分析对模型进行了验证,并与常权模糊综合评判的结果进行了比较,得出变权模糊综合评判更能反映出装备维修人员保障能力实际的结论.     

装备维修保障方案评估研究

分析装备维修保障方案评估的特点,建立装备维修保障方案评估体系,将层次分析法和灰色关联分析相结合,建立评估模型,并通过实例分析对三种不同方案进行排序和优选.     

合成旅战时装备维修保障效能评估指标研究

从效能的概念入手,深入分析合成旅战时维修保障效能的概念,厘清了效能、能力、效率等相近概念的区别,研究合成旅战时维修保障效能应具备的基本内涵。在准确把握效能涵义的基础上,以效能的度量为切入点,结合合成旅战时维修保障典型活动,对合成旅战时装备维修保障效能的影响因素进行分析,得出装备指挥效能、装备维修效能、器材保障效能三个主要影响因素。在此基础上,阐述了各个指标的概念,并对其影响因素进行分析,得到了合成旅战时装备维修保障效能评估指标体系,对下一步的评估工作进行了展望。     

油料装备智能维修仿真平台研究

在研究油料装备维修管理特点的基础上,提出油料装备智能维修仿真平台框架。为提高维修效率和质量,将模糊神经网络应用于故障诊断中,建立故障智能诊断模型,给出了故障诊断模糊神经网络结构。将灰色预测理论和神经网络应用于装备维修领域,建立油料装备维修备件储备策略模型。研究微粒群优化算法的油料装备维修策略模型,使得油料装备维修有效性及经济性达到最佳。油料装备智能维修仿真平台的研究,对提高油料装备维修科学化和智能化水平,加强油料装备保障力度具有重要意义。     

模糊综合评判在装备维修机构评估中的应用

装备维修机构的评估是一个复杂的过程,文章通过分析评估装备维修机构的诸多构成因素,从中选取关键因素,提出了一种基于模糊综合评判的评估模型,并通过实例分析验证了该模型的可行性。依据该模型得出评估结果,可对装备维修的关键因素进行重新部署和调整,这对于提高装备维修机构的能力具有十分重要的现实意义。     

基于Rough集理论的装备维修保障资源优化配置

建立了基于Rough集理论的装备维修保障资源配置知识的表达、获取、发现和应用体系；用基于分辨矩阵的属性约简方法，提出了一种装备维修保障资源配置方法。结合实例，对复杂战场环境下装备维修保障资源配置进行了定性分析，给出了不同条件下装备维修保障资源配置方案，为装备维修保障资源配置决策提供了理论依据。     

BP神经网络在维修保障系统能力评估中的应用

维修保障系统能力的高低已逐渐成为影响战争胜负的重要因素,对其能力的评估是实现维修保障目标、形成战斗力的重要和有效的辅助决策手段.该文首先介绍了BP神经网络的基本原理和方法,在系统分析维修保障系统能力各种影响因素的基础上,构建了维修保障系统能力评估指标体系.接着详细设计了用于评估维修保障系统能力的BP神经网络模型,并利用MATLAB仿真软件对结果进行了计算和分析.结果表明BP神经网络具有很强的解决复杂非线性关系问题的特点,适用于对维修保障系统等复杂系统的分析和评价.     

股票价格预测的建模与仿真研究

研究股票价格准确预测问题,由于股票价格数据具非线性、随机性等变化规律,同时股票市场与国内外经济政治变化有关,传统股票价格预测方法只能对其线性变化规律进行准确预测,无法反映股票价格非线性部分进行有效建模,导致股价预测精度不高。为了提高股票价格预测精度,提出了一种遗传优化BP神经网络的股票价格预测模型。充分利用BP神经网络良好的非线性映射能力,对股票价格变化规律进行建模,并通过遗传算法对BP神经网络模型参数进行优化,从而获最优股票价格最优预测模型。实验结果表明,相对于传统股票价格预测模型,遗传算法优化BP神经网络的股票价格预测模型拟合程度更好,预测精度更高,为股票价格预测提供了依据。     

基于神经网络的高新技术企业吸收能力评估

知识吸收能力足影响高新技术企业创新能力的重要因素,同时是一个非常复杂的系统.鉴于传统评价方法的局限,研究了人工神经网络技术在高新技术企业知识吸收能力评估管理中的优化应用.在总结分析企业吸收能力的影响因素基础上,建立了吸收能力评价的指标体系.通过引入人工神经网络,提出了一个基于BP神经网络的吸收能力的仿真评估模型,综合考虑了专家意见和要素间的非线性等特点.模型的仿真结果和目标分析结果具有较高的逼近度,从而证明了人工神经网络在高新技术企业知识吸收能力评估中的可行性及其优越性.     

高炉喷煤支管状态监测系统的数据处理

根据高炉喷煤支吹管的实际工况对支管监测系统的要求,介绍了利用BP神经网络提高系统测试精度、改善系统适应性及维护性中的方法,分析了传统数据处理方法在数据处理中的缺陷和人工神经网络方法在提高高炉喷煤支管状态监测系统的线性度方面的应用。同时,BP神经网络的极强的输入-输出非线性映射能力可以自动按非线性特性进行刻度转换输出系统的被测量值,为反非线性描述的问题提供了一种新的数据处理手段。     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.     

一种基于改进遗传算法的新型小波神经网研究

提出了一种基于改进遗传算法（Improved Genetic Algorithm , IGA）的新型BP小波神经网络，并通过异或问题和非线性辨识问题进行仿真实验。实验结果表明，基于改进遗传算法的BP小波网络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力，而且具有遗传算法全局快速寻优的特点，与简单遗传算法相比，在收敛快速性和稳定性方面都有了明显的改善。     

基于BP神经网络的战时维修人员编组评估模型研究

简要介绍了装备保障力量编组的基本方式,分析了维修人员编组的主要影响因素,针对维修人员编组方案评估过程中各因素组合的非线性及评估对象结构的复杂性,提出将维修分队成员同一属性的组合看成维修分队整体的一个属性,并利用BP神经网络对维修分队每个组合属性进行评估,最后利用线性加权法求出维修分队人员编组方案的综合评估结果。以某型火炮维修分队为例对该模型进行了运用,结果表明该模型具有客观、准确、简便的特点。研究结果可对维修人员的优化编组提供理论指导。     

VC++环境下的BP神经网络建模和模拟退火优化研究

文章简要介绍了BP神经网络和模拟退火算法的原理,提出了一种基于VC 环境的BP神经网络建模与模拟退火优化方法,通过模拟退火对BP网络的输入参数进行优化,实现算法接口并进行了软件设计.采用一个焊接算例进行验证,证明了该BP神经网络逼近能力强、收敛速度快,模拟退火能寻找到最优焊接参数,该软件平台具有一定的实用性.     

基于灰色BP神经网络的瓦斯爆炸的预测

瓦斯浓度在很大程度上决定了煤矿井下发生爆炸的可能性,而原有灰色模型预测方法精度不是很高,但是所需的数据较少,而BP神经网络有高度的非线性计算、自学习和自组织能力。本文结合了灰色系统与BP神经网络各自的优点进行预测,使预测结果更加精确,可靠性得到很大的提高。     

基于BP神经网络的说话人识别技术的实现

说话人识别就是从说话人的一段语音中提取出说话人的个性特征,通过对这些个人特征的分析和识别,从而达到对说话人进行辨认或者确认的目的。神经网络是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,为说话人识别技术提供了一种独特的方法。BP（Back-propagation Neural Network）是一种非循环多级网络训练算法,有输入层,输出层和N个隐含层组成。首先概述了语音识别技术,介绍了BP神经网络训练过程的7个步骤及其模型,如何建立BP神经网络模型。同时介绍了与其相关的特征参数的提取,神经网络的训练和识别过程,最后,通过编程在Linux系统下实现说话人身份的识别。