排序方式： 共有16条查询结果，搜索用时 72 毫秒
1.
准确的备件需求预测在备件库存管理中尤为重要,但是备件间歇性需求的特点以及需求的历史数据不足使得备件需求预测特别困难,在一些部门,导弹备件库存管理水平决定了设备如何使用和维修.为解决上述问题,建立一种新的预测方法,综合评价备件需求预测的自相关与解释变量的关系:通过回归分析确定由解释变量引起的非零需求,判别一个非零需求发生的原因,进而得到修正后的非零需求序列的预测结果,最后通过LTD估计,得到具体的非零需求预测值.通过理论分析以及实例结果均证明,改进方法在预测精度上优于其它方法,为导弹备件预测研究提供一定的参考与借鉴. 相似文献
2.
3.
针对复杂系统多故障并存且实际测试中存在误警和漏检等特点,提出非可靠性测试条件下多故障定位问题的解决方法。以寻找后验概率最大的故障假设为目标,引入贝叶斯理论并结合系统的检测、误警相关矩阵,将原问题转化为一个组合最优化问题。采用改进的偏转次梯度优化算法（modified reflection subgradient optimization algorithm,简称MRSOA）求解优化问题的拉格朗日对偶,获得故障定位结果。对某型雷达发射机在非可靠性测试情况下的多故障定位结果表明,该方法具有较高的定位效率和定位准确度。 相似文献
4.
5.
6.
人工免疫识别系统的传统方法易造成抗体进化效率低、免疫网络冗余。为解决该问题,提出一种新型的人工免疫分类方法。引入阳性选择和网络抑制机理,结合蒙特卡洛方法,根据训练抗原产生优化分布的初始抗体,融合多种免疫原理模拟免疫应答过程,由初始抗体进化出成熟的记忆细胞,利用记忆细胞依据K最近邻表决方法对待分类抗原进行分类。对UCI数据集的分类结果表明,该方法与人工免疫识别系统相比,抗体进化迭代次数平均减少63.1%,网络压缩率平均提高14.7%。在某线性稳压电源的故障诊断实例中,该方法的平均分类准确率为92.5%,高于人工免疫识别系统和神经网络等分类方法。 相似文献
7.
针对现有监测方法对时变过程易产生误警且对微弱故障的检测能力不足等问题,提出一种基于可变遗忘因子的改进递归主元分析(recursive principal component analysis,RPCA)方法用于自适应故障监测。在主元模型的在线更新中引入一种可变遗忘因子,并为不同的模型参数设置不同的遗忘因子;在相关矩阵的递归分解中引入部分奇异值分解的思想,递归计算负荷矩阵和特征值对角矩阵;提出一种控制限递归更新方法,实现控制限的自适应更新。对某型雷达发射机工作过程的监测结果表明,改进的RPCA方法能自适应地跟踪过程的时变,有效地减少了对正常工况调整的误警和对微弱故障的漏报。 相似文献
8.
9.
10.