基于粗糙集和熵权以及改进支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集(RS)、熵权(EW)法、自适应粒子群优化(APSO)算法与加权最小二乘支持向量机(WLS-SVM)的组合预测模型应用于导弹备件消耗预测的构想。阐述了粗糙集、信息熵、自适应粒子群优化算法和WLS-SVM的基本原理,并改进了APSO的搜索方式和最小二乘支持向量机(LS-SVM)的加权方法;建立了基于RS、EW法和自适应粒子群优化WLS-SVM的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

基于粗糙集和BP 神经网络的导弹备件消耗预测

针对神经网络预测导弹备件消耗时参数过多会导致事件过长并易陷入局部最优的问题,建立一种基于粗糙集和BP神经网络的导弹备件消耗预测模型。在对采集到的导弹备件消耗信息进行特征提取、形成决策表的基础上,用粗糙集理论对原始信息表进行约简,去除冗余的属性和属性值,并将约简的影响因素值输入到BP神经网络中进行训练预测。实例结果表明：该预测方法大大减少了网络的收敛时间,提高了模型的预测精度,为导弹备件消耗预测提供了一个新的思路。     

基于故障数据的导弹突发故障预测方法

针对导弹突发故障发生时间短,难以直接预测等问题,在一定置信度的前提下,基于故障数据对导弹突发故障预测方法进行了研究。对故障数据进行统计推断,确定了故障数据的分布规律,进而基于故障数据分布函数建立了导弹突发故障预测模型,得出了导弹未来一段时间内的突发故障概率。最后通过算例分析,验证了导弹突发故障预测模型的合理性。     

基于SES 的不常用备件需求预测模型

在目前引进装备的需求预测中,针对历史数据较少和样本值具有大量零值的问题,采用一次指数平滑法（Single Exponential Smoothing,SES）进行不常用备件需求预测。分析指数平滑法初始值和加权系数对模型预测准确性的影响,建立舰艇间断性需求备件的预测模型,并对某型舰艇备件进行预测和分析,较好地实现了间断性需求备件的预测。仿真结果证明了该方法的可行性和有效性。     

基于神经网络的导弹惯性器件故障预报系统研究

在导弹武器系统当中,及时准确地故障预报对提高导弹的安全性具有极其重要的意义.针对导弹惯性器件故障预报系统的设计要求,考虑到神经网络用于故障预报的优点,在神经网络技术应用于导弹惯性器件的故障预报过程中提出了神经网络的训练算法,把神经网络、预测理论和故障诊断系统有机结合起来建立了一个故障预报系统,利用该系统选取神经网络预测模型对某导弹陀螺随机漂移进行建模和分析,实现了故障预报.实例预测结果证明,给出的神经网络预测模型和训练算法是可行的.     

导弹武器装备备件数量计算方法研究

基于导弹装备备件储存不合理的现状，探讨了寿命服从指数分布、正志分布和威布尔分布的导弹部件的初始备件需求量，以及可修复件和不可修复件的后续备件数量的计算方法．讨论了备件保障和战备完好性的关系，指出按战备完好性要求配置备件是科学、合理的方法．     

基于虚拟样机的机械件消耗规律确定方法

针对传统的消耗规律确定方法很难准确地预测舰炮机械件的消耗量的问题,提出基于虚拟样机的机械件消耗规律确定方法。以舰炮典型机械机构方向传动系统为例,采用FTA、FMECA方法得到该机械机构的关重件,采用Virtual.Lab Motion仿真软件构建了方向传动系统仿真模型,对齿轮故障进行仿真验证;通过建立疲劳可靠性寿命预测流程与模型,得到不同可靠度下的第三级齿轮疲劳可靠性寿命;在对核对表法修正的基础上,建立机械件年消耗量解析模型,得到了方向传动系统年平均消耗量。应用表明,该方法可较准确获得装备机械件年消耗量。     

基于灰色理论的间断性需求备件预测方法

针对装备贮存过程中备件需求呈现间断性,难以对备件配置数量进行预测的问题,应用灰色理论,建立了间断性需求备件预测模型。计算实例表明,该方法简单实用,可在检测数据样本量较少的情况下对间断性需求备件进行有效预测,为备件配置数量的确定提供了理论参考。     

备件可靠性分析及需求预测

针对备件需求量确定难的问题,采用可靠性分析法,提出了设备寿命服从多种分布的分布参数估计和未知寿命分布设备的寿命分布假设检验方法,建立了不同寿命分布设备备件需求量的预测模型,编制了装备备件保障软件,可方便、准确预测备件需求。     

基于灰色模型的艇载导弹测试电源系统故障预测

针对艇载导弹测试电源系统故障分析问题,提出一种基于灰色模型的艇载导弹测试电源系统故障预测方法。为了提高导弹地面电源的工作效率,从分析历史检测数据入手,采用灰色理论的分析方法,建立了适合导弹地面电源故障时间预测的 GM(1,1)模型,详细阐述了模型检验的方法,并通过实例清晰地说明了模型运用和检验的具体步骤。数据检验结果表明：该故障预测模型不但能够较好地模拟历史灾变数据,而且其预测的故障时间与实际情况相吻合。     

基于新息灰预测的导弹遥测参数预测算法研究

为了在导弹飞行中判决导弹故障,建立基于新息的灰预测算法。利用GM(1,1)模型的每一个预测值替换掉最老的一个信息,以实现新陈代谢,然后再以补充了新信息但序列长度不变的预测序列对反映导弹工作状态的遥测关键参数进行实时预测。通过Matlab仿真软件对原有GM(1,1)模型和改进的GM(1,1)模型进行分析比较,验证了改进后GM(1,1)模型预测精度比较高,易于实现,适合导弹故障的实时预测。     

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ARIMA模型的备件消耗预测方法

对基于求和自回归滑动平均模型的备件消耗预测方法进行研究，提出将使用过程中备件消耗的数据看作时间序列，通过建立相应的ARIMA（p，d,q）模型进行预测的方法。依据该方法选用航空兵战场某种航材备件的消耗数据进行预测。结果表明预测的准确度提高近15％，说明该方法适用于备件消耗预测。     

舰载机间断型备件的需求预测方法

针对舰载机随舰出航过程中舰载机间断型备件的需求预测具有一定的特殊性,提出一种基于灰色系统和时间聚合的适用于舰载机间断型备件的需求预测方法.将备件发生需求定为异常值,利用灰色灾变预测对发生需求的航段进行预测,得到需求发生的时间;采用时间聚合法对备件需求量进行聚合处理,结合各影响因素利用GM(1,N)进行预测,解聚合后得到备件需求数量.实际案例分析表明:该方法预测精度较高,优于Croston法和Boostrap法等传统方法.     

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.