成批维修策略下雷达冗余系统可用度研究

某些大型相控阵雷达中，装备设备量大与要求装备可用度高之间存在很大矛盾，如何在装备采用冗余设计和备件批量送修的条件下，最大限度地提高装备的使用可用度，是雷达保障方案制定面临的难点问题。针对该难题，本文通过建立定期成批维修策略下雷达冗余系统的使用可用度模型，求解雷达使用可用度模型，分析某雷达阵面的使用可用度实例，最终明晰了使用可用度与系统停机前工作时间、初始备件数量、部件维修人员数量三个因素的关系。结果表明，该模型可以优化备件、维修人员等保障资源的配置，为雷达冗余系统维修保障方案的制定提供支持。     

雷达装备可修复备件三级库存优化仿真

针对雷达装备器材供应保障中可修复备件配置问题,在分析三级保障结构下可修复备件运转流程的基础上,构建了可修复备件三级供应保障结构下库存优化模型。模型采用基层级供应可用度作为优化目标,以备件订购费用作为约束条件,运用边际分析法优化可修复备件三级库存配置,实现了在有限购置费用约束条件下的基层级供应可用度最大化。最后,通过实例对三级库存模型进行了仿真分析,并评估了中继级维修时间、基地级补给时间等因素对基层级供应可用度的影响,仿真结果可为雷达装备可修复备件合理配置提供参考。     

基于遗传算法的某火控系统备份功能板优化模型

通过简要分析某火控系统的维修方式,建立了备份功能板费用与此火控系统效能的函数关系。根据实际情况,建立了在备份功能板费用一定的约束条件下火控系统的功能板(印制版)随机备件优化模型,结合遗传算法解优化问题的特点,将遗传算法引入到求解备件优化问题中来,有效地解决了这一复杂的备件优化问题,保证了此火控系统具有较高的可用度。     

基于遗传算法的弹药装备备件优化模型研究

结合当前弹药装备备件优化配置的工程需求,建立了基于遗传算法的备件优化模型。在弹药装备战备完好率和费用的共同约束下,利用遗传算法收敛速度快、全局寻优能力强、编程实现简单等特点,实现了对该模型的求解,得到了弹药装备备件的最优配置。最后,以某弹药装备为案例进行了分析,结果表明,遗传算法能有效地解决弹药装备备件的优化问题。     

雷达可修复备件优化配置研究

备件保障是提高装备的战备完好性和降低寿命周期费用的重要研究领域.文中研究了可修复备件保障建模方法及应用,基于METRIC模型基本理论,并结合雷达装备备件保障现状,建立了雷达可修复备件优化配置模型.模型采用备件期望短缺数作为模型的优化目标,运用边际效能法优化备件配置,并结合实例进行了应用.     

雷达装备两级维修保障过程建模与仿真

雷达装备维修保障过程的动态性决定了运用仿真技术对其建模分析的适用性。文中在分析雷达装备两级维修保障过程的基础上,利用离散事件仿真软件Arena建立了雷达装备两级维修保障过程仿真模型,并仿真分析了组件平均故障间隔时间、维修周转时间、库存数量等因素对雷达装备使用可用度的影响,结果表明通过缩短维修周转时间可较大幅度提高雷达装备的使用可用度。研究成果对于优化雷达装备两级保障系统具有指导意义。     

基于危害性综合指标的雷达备件配备研究

通过对雷达可更换单元危害性的分析，提出了一种综合了危害度与严酷度的指标，并根据备件量计算模型及危害性综合指标而给出雷达备件的配备方案。该方案能够解决备件配备中优先权的问题。并可以综合经费等因素来确定备件配备的种类与数量。     

多级电子备件存储模型

给出了一种基于装备可用度的电子备件存储模型,他能够在备件数量确定的条件下,通过确定最优的两级储备（基层级、中继级）,使装备的使用可用度最大.最后以某电子备件为例,对模型的实用性和有效性进行了验证.     

雷达兵指挥自动化系统装备备件优化模型研究

雷达兵指挥自动化系统装备备件费用直接影响系统备件保障概率,而备件保障概率又影响到维修保障及系统的战备完好性,因而如何利用好有限的备件费用,得到较大的战备完好率是一个重要的研究课题.建立了系统战备完好率与备件费用之间的函数关系,并利用遗传算法对系统备件优化模型求解进行了阐述.     

基于改进混合量子遗传算法的二相编码雷达波形优化

针对当前雷达波形优化算法搜索策略单一、适用范围受限的问题,提出了一种基于改进混合量子遗传算法的二相编码雷达波形优化算法。所提算法采用了一种新的自适应旋转角度策略,根据迭代次数和余弦相似度动态调整旋转角度,提高了算法的收敛速度、全局搜索能力和求解质量。仿真结果表明,与遗传算法、基本量子遗传算法和混合量子遗传算法相比,对于包含了单峰、多峰和非凸优化问题的6个标准测试函数,所提算法在质量和资源消耗上均表现更好;对于二相编码雷达波形优化,证实了使用所提算法优化波形是可行和有效的。     

面向任务的备件携行量仿真优化方法

在多阶段任务系统中，可修部件的寿命服从一般分布、维修时间也服从一般分布的备件携行量优化问题很难利用解析方法来解决。采用仿真的方法，建立可修部件寿命和维修时间均服从一般分布的多阶段任务系统的仿真模型，给出了最优备件携行量的仿真计算方法，讨论了如何确定维修组的数量。并且通过实例检验了这种仿真方法的适用性。最后利用一个指数分布实例对解析方法和仿真方法计算出的结果进行比较，从而对所提出的仿真方法进行了检验。     

备件保障度评估与备件需求量模型研究

基于更新过程理论,给出了部件寿命服从不同分布(指数分布、威布尔分布、正态分布和Г分布)情况下,单不可修部件的备件保障度模型;然后给出了多不可修部件和多可修部件的备件保障度模型．通过具体算例,验证了模型的正确性;最后在备件保障度模型的基础上,给出了备件需求量模型。     

Application of boundary-tracking gradient-method for optimizingspares cost for k-out-of-n:G systems

This paper presents an application of a classical method of steepest-descent optimization coupled with a boundary-tracking technique to solve the integer spare allocation problem for k-out-of-n:G systems. The objective function for the optimization is linear and subject to a nonlinear availability constraint. The constrained problem is solved in an unconstrained manner using a multiple-gradient technique. The search along the function gradient (unit cost) aims to locate the desired optimum on the constraint boundary. A recovery move to the feasible region is carried out if the search strays into the unfeasible region. Upon re-entry into the feasible region, a new base point for the new search direction is found along the vector sum of the gradient of the objective function and the violated constraint at the recovery point. Results for this boundary tracking multi-dimensional gradient optimization method are compared with enhanced simplical optimization and other methods developed specifically for solving integer problems. The authors' tests are carried out on systems of various numbers of subsystems. The results show appreciable improvement in execution time when compared to their earlier integer simplical optimization methods and to the Sasaki method. The improvement in CPU times is presented for comparison     

k-out-of-m system availability with minimum-costallocation spares

An optimization method for determining the number of spare units that should be allocated to a k-out-of-m system to minimize the system-spares cost yet attain the specified system availability is presented. The objective function for optimization is a nonlinear integer type. The optimization method is a variation of the simplex search technique used for continuous functions. The optimization problem is cast in a form that minimizes the system-spares cost, with the required system availability as an inequality constraint. Results obtained by using the proposed optimization technique, as well as the computation time required for optimization, are compared to those for methods developed specifically for dealing with nonlinear integer problems. The method is simple, easy to implement, and yet very effective in dealing with the spare allocation problem for k-out-of-m:F systems     

基于最小二乘支持向量机的飞机备件多元分类

飞机后续备件配置直接关系到装备的战备完好率和寿命周期费用,对备件的正确分类是进行备件配置决策的前提。支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力。研究了新型支持向量机算法-最小二乘支持向量机,设计了基于多元分类的最小二乘支持向量机,在此基础上,建立了飞机备件多元分类模型,并对某机型的备件进行了分类。结果表明,基于最小二乘支持向量机的飞机备件多元分类方法是有效、可行的。