分数阶离散灰色模型及其在备件需求预测中的应用

针对某型新概念武器装备缺乏可比对的现有装备,备件需求历史数据少,对装备本身保障特性缺乏了解等问题,提出应用分数阶GM(r,1)模型进行备件需求预测的方法。应用矩阵扰动理论证明了GM(r,1)模型的扰动界小于GM(1,1)模型的扰动界。利用1阶累加矩阵及其矩阵乘法运算推导出p阶累加矩阵。应用分数阶差分方程理论,将p阶累加矩阵推广到r分数阶累加矩阵,建立分数阶累加灰色模型GM(r,1)。通过矩阵求逆运算,得到r分数阶累减矩阵,简化了r分数阶累减计算方法。应用遗传算法确定GM(r,1)模型最优阶数,利用GM(r,1)模型预测维修备件需求,并通过实际数据实验,表明GM(r,1)模型比GM(1,1)模型具有更好的预测性能。     

基于灰色残差修正理论的目标航迹预测方法

针对灰色理论在智能反坦克子弹药对地面目标航迹预测的精度问题,提出两种灰色残差修正的航迹预测模型：标准灰色残差修正模型(GRMM)和基于灰色Verhulst模型理论的灰色Verhulst残差修正模型(GVRMM)。建立目标航迹灰色预测模型,并分析了灰色模型的局限性;对预测值与测量值的残差序列采用GRMM和GVRMM两种模型进行了在线预估,并利用残差预测值对航迹预测值进行实时修正。通过仿真实验验证了基于在线残差修正机制的方法能够有效减少目标跟踪误差,GVRMM的误差修正效果更加明显,具有良好的实用性。     

基于改进灰色关联分析的仿真模型综合验证方法

灰色关联分析是仿真模型验证最有效的方法之一,但基于常规灰色关联分析进行仿真模型验证时存在着未考虑数据序列数值间的接近程度、给出的处理1组飞行试验序列与1组仿真实验序列的灰色关联度与靶场实际问题不符、无法获得模型的整体性能评价等问题,会引起决策风险较大。为此,提出一种基于改进灰色关联分析的仿真模型综合验证的方法。在灰色关联系数的计算中引入数据距离,从而使灰色关联度的计算值综合了时间序列几何形状的相似性和数值距离的接近性两个属性,提高了仿真模型验证的准确性。通过概率和计算能够处理1组飞行试验数据和多组仿真实验数据的关联分析问题,从而融合了试验过程的随机因素,在小样本飞行试验条件下充分利用了仿真实验信息,提高了仿真模型验证的可靠度。对不同的实际飞行试验样本赋予不同的重要性权重,从而得到仿真模型的整体性能评估。同时给出具体的基于改进灰色关联分析模型综合验证的操作过程,并证明改进灰色关联度模型满足灰色关联定理及相关性质。通过实例分析验证了该方法的合理性和有效性。     

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。     

多目标优化的多品种维修器材分配问题研究

为了更好地满足部队维修器材需求,优化需求数量超过供应中心库存数的多品种维修器材分配整合供应问题,建立了保障重点、兼顾公平、效用最大的多目标优化模型。提出了采用灰色关联度方法对多目标进行处理,将多目标转化为单目标问题,并将之内嵌到改进遗传算法中。实例验证表明,该算法最优适应度值及平均适应度值可分别降低31.538 5%和37.371 1%,验证了该模型能有效减少器材分配失衡,提高器材供应效率。     

基于优化的非等间隔灰色理论和BP神经网络的身管磨损量预测

针对火炮身管烧蚀磨损量预测中存在的数据采样时间间隔不均匀、采样难度大、成本高、数据量小,常规数据拟合和预测方法难以处理等问题,提出一种基于改进的非等间隔灰色理论和BP神经网络的组合预测方法。通过组合预测模型对某型火炮身管的烧蚀磨损量进行预测,实例分析表明该组合预测模型具有较高的预测精度,为身管内膛磨损量的预测提供了一种新的技术途径。     

基于隐半Markov模型的故障诊断和故障预测方法研究

隐半Markov模型(HSMM)是隐Markov模型(HMM)的一种扩展形式,通过在HMM结构中加入状态驻留时间分布参数,克服了HMM假设状态驻留时间服从指数分布的不足。HSMM不仅具有较强的模式分类能力,而且能对实际问题中的状态驻留时间进行合理建模,故既可用于故障诊断,又可用于故障预测。分析了利用HSMM进行故障诊断和预测的框架;并针对传统HSMM建模算法计算量和存储空间都比较大的缺点,引入并改进了一种快速递推算法,降低了计算复杂度和存储空间要求;最后将HSMM应用于直升机齿轮箱轴承故障诊断和GaAs激光器剩余使用寿命(RUL)预测,试验绪果证明了这种方法的有效性。     

一种改进的灰色BP 神经网络预测模型

为提高灰色GM(1,1)模型的预测精度和BP 神经网络的映射能力,提出一种改进的灰色BP 神经网络预测 模型。通过分别对灰色系统理论和BP 神经网络2 种模型进行改进,再串联组合成新的预测模型,并结合实测数据 进行仿真试验。结果表明：改进后的模型能兼具二者优点,预测精度有较大提高,相对误差减小,运算速率更快。     

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。     

基于改进灰色预测模型的军械维修器材消耗预测方法

分析了军械维修器材的消耗特点,从建模可行性分析、数据变换处理、模型建立、模型检验和预测5个方面系统阐述了一般序列的GM（1,1）建模与预测过程,研究了军械维修器材含有空缺值序列的GM（1,1）建模与预测方法。通过实例验证了一次指数平滑法在军械维修器材含有空缺值灰色预测问题中的适用性,为军械维修器材保障工作提供了新的方法。     

基于数据融合和改进新陈代谢不等间距GM(11)模型的导弹装备故障预测

针对导弹装备故障预测中存在数据采样时间间隔不均匀、采样难度大、数据量小等问题,借鉴数据融合技术和灰色预测理论,提出一种基于数据融合和改进新陈代谢不等间距灰色模型（AMUGM(1,1)）的预测方法。建立改进初始值选取和背景值构造的不等间距灰色模型,并通过残差修正和新陈代谢相结合的方式对模型进行优化;基于加权思想提出了隶属度加权法,以确定各模型的隶属度权值;根据隶属度权值和AMUGM(1,1)模型建立特定个体的故障预测模型。实例仿真验证了该方法的有效性。     

基于灰色马尔可夫模型的装备故障间隔期预测研究

针对武器装备故障间隔期预测的难点,提出了在灰色GM(1,1) 模型的基础上建立灰色马尔可夫组合模型进行故障间隔期的预测。在分析典型电子装备故障率曲线的基础上,根据电子装备的故障特点,形成合理的建模背景,建立组合模型对装备故障间隔期进行预测。通过实例对预测值和真实值进行比较,表明在“少数据冶、“贫信息冶、“ 不确定冶的情况下利用该组合模型预测故障间隔期的有效性,有效降低预测误差,提高预测精度。     

电子装备干扰目标的灰关联预测分配模型

电子装备的干扰目标分配是电子对抗作战研究的重要课题,但实战中的部分模型参数是无法实时获取的。电子装备的作战使用分为任务计划准备和实战使用两个阶段,提出可以利用计划准备阶段的有关历史数据来预测实战使用时的模型参数。首先提出了灰关联预测值的概念,给出了基于有限历史数据的计算方法;继而建立了实战中干扰目标的灰关联预测分配模型,并对算法进行了分析讨论。仿真示例结果表明建立的模型合理,算法可行,符合实战对电子装备干扰目标分配的要求。     

导弹设备贮存可靠性灰色预计模型

针对导弹设备贮存可靠性预计问题,通过对原始数据序列是否满足准指数规律的检验,建立了相应的灰色预测模型,并提出了一种新的估计模型参数的方法,采用卡尔曼滤波算法减弱原始数据的随机性。算例表明模型简单实用、精度高、通用性好。     

基于高斯混合-隐马尔可夫模型的速差转向履带车辆横向控制驾驶员模型

为解决基于离合器转向机的履带车辆在无人行驶条件下的横向控制问题,采用一种基于高斯混合-隐马尔可夫模型的统计学习方法构建驾驶员模型,以实现对驾驶员跟踪控制操控经验的表述。利用经过大量试验采集获得的经验驾驶员操控数据对模型进行训练。以基于高斯混合模型表征的车辆速度和航向偏差作为隐马尔可夫模型的观测状态参量,并利用高斯混合模型对左右操纵杆位置进行转向模式划分,以转向模式作为隐马尔可夫模型的隐藏层状态参量,通过对模型的训练最终实现对于驾驶员操控经验以及车辆特性的统计学描述。利用上述模型对跟踪控制过程中的期望转向模式进行预测分析,结果表明该模型能够较准确地对转向模式进行预测。     

基于新型小波神经网络和灰预测的电动负载模拟器控制

针对某火炮随动系统电动负载模拟器自身复杂的非线性以及多余力矩对系统加载性能的影响,提出了一种基于新型小波神经网络和灰预测的控制策略。该策略主要由变结构的粒子群小波神经网络（VSPSO-WNN）控制器和灰预测补偿器（GPC）构成,前者利用粒子群优化（PSO）算法小波神经网络（WNN）的权值等参数,加快了系统的收敛速度,并利用自学习算法动态改变隐含神经元数目,降低了系统的计算复杂度,提高了系统的动静态响应性能;后者在Lyapunov意义下系统稳定的基础上构造出灰预测补偿器,利用灰理论来预测输入力矩偏差,进一步提高了系统的稳定性和准确性。半实物台架仿真实验结果表明：该复合控制策略具有较强的鲁棒性和较高的控制精度,保证了系统动态加载时的稳定性和抗干扰能力。