基于改进PSO-LSSVM 的军用工程机械研制费用预测模型

针对传统参数法对装备研制费用进行预测存在的局限性问题,采用改进粒子群算法（particle swarm optimization,PSO）对LSSVM模型进行改进,构建军用工程机械研制费用预测模型。运用2种优化策略改进粒子群算法,对种群初始化过程进行控制、克服粒子群算法易于早熟的缺点。用改进后的粒子群算法优化最小二乘支持向量机的模型参数和核参数,以获得更好的预测效果。预测结果表明：该费用预测模型运用于军用工程机械研制费用预测,明显优于传统预测模型,具有很好的预测精度和效率。     

基于LS-SVM的飞机部件故障率预测

支持向量机具有完备的统计学习理论基础和学习功能。它用核函数建立预测模型,再用已知数据为学习样本训练学习机,用检验样本进行验证、预测系统未来故障。最小二乘支持向量机(LS-SVM)采用最小二乘线性系统作为损失函数,函数估计精度高、收敛速度快。基于支持向量机的多层参数寻优、等维信息一步预测和不等维信息多步预测,可用于飞机状态评估、故障诊断和参数预测以及故障率分析。     

基于LS-SVM的新机备件需求预测

为解决因新机备件历史消耗数据相对较少而给备件预测工作带来的困难,提出应用最小二乘支持向量机(least squares support vector machine,LS-SVM)回归算法来实现新机备件需求的预测.阐述了最小二乘支持向量机的基本原理,建立了新机备件需求的预测模型,选取核函数,采用LS-SVM对训练样本进行学习,对其网格结构参数进行训练,通过十字交叉验证(cross-validation)和网格搜索(grid-search)确定最优参数,利用训练后的LS-SVM对新机备件需求进行预测,并进行算例仿真.结果表明,LS-SVM在新机备件需求预测上表现优秀.     

基于参数法的3种研制费用估算模型

以防空导弹武器系统研制费用估算为研究对象,阐述了参数费用法中数据收集整理和自变量的选取两个重要内容,介绍了最小二乘、偏最小二乘和BP神经网络的原理,然后以国外8种型号导弹研制费用为实例,研究了如何建立这3种研制费用估算模型,最后对3种估算模型的计算结果进行了对比分析,得出了3种估算模型的优劣,并阐明了原因。本研究结果,对防空导弹武器系统研制费用的估算具有积极的参考意义。     

基于改进的LS-SVM地空导弹生存能力的预测

针对最小二乘支持向量机(LS-SVM)缺失的鲁棒性以及参数难以选择的问题,提出了改进的LS-SVM预测建模方法。该方法首先从样本特征重要程度的角度出发构造特征加权矩阵,然后利用该特征加权矩阵对LS-SVM进行加权,最后采用了人工鱼群优化算法选择模型参数。通过对基准数据集的仿真验证了该方法的有效性和可行性,并将其预测地空导弹生存能力,获得了满意的结果。     

基于多核优选的装备费用支持向量机预测法

针对支持向量机的核函数选择存在盲目性问题,提出多核优选的装备费用支持向量机预测方法。在不同核函数条件下,以提高推广能力拟合精度为目标,结合变步长多层次搜索算法选择最佳参数,确定拟合效果,通过判断选择最佳核函数。实例计算表明,多核优选的支持向量机预测方法精度高,通用性好。     

偏最小二乘回归在导弹研制费用预测中的应用

分析了影响导弹研制费用的性能参数,提出用偏最小二乘回归方法来预测导弹研制费用.该方法对变量进行主要成分分析、典型相关分析和多元性回归,在处理存在多重线性相关的小样本多元数据方面精确度高.实例证明,该方法在导弹研制费用的预测应用中可行且精确可靠.     

LS-SVM的矩形窗算法及其在非线性系统建模中的应用

最小二乘支持向量机是支持向量机的一种重要方法,但该方法不能用于在线辨识,并且可能导致计算膨胀问题.将最小二乘支持向量机与矩形窗算法相结合,可形成最小二乘支持向量机的矩形窗算法.由于该方法采用了在线递推,可有效克服坏数据对参数估计的影响,并可避免计算膨胀问题,提高了最小二乘支持向量机的计算速度.最后将该方法应用于非线性系统的建模中,仿真实例验证了该方法的有效性.     

基于SVM 的作战效能灵敏度分析

从评估问题本身出发研究学习样本的构造方法,针对传统灵敏度分析方法的不足,提出基于支持向量机的作战效能灵敏度分析方法。分析基于最小二乘支持向量机（Least Square Support Vector Machine,LS—SVM）作战效能的原理与模型,提出一种新的基于属性效用函数估计的学习样本构造方法,提出基于PSO算法的LS—SVM参数的优化选择方法。总结基于支持向量机的作战效能灵敏度分析的实现算法,采用参考文献中的数据为例进行算例分析。结果表明,该方法无需考虑决策属性间的复杂关系,在灵活性和所提供的信息量上由于传统解析法,在计算速度上优于Monte Carlo法。     

基于最小二乘支持向量机的航材备件需求建模

基于最小二乘支持向量机(LS-SVM)的航材备件需求预测模型,根据航材备件需求的保障任务、航材性能、环境及人事等影响因素建立.假设系统为单输入单输出,定义其输入输出时间序列集.采用LS-SVM算法,确定NARMAX函数.最后利用系统在正常输入输出时的数据对LS-SVM进行离线训练,得到系统需求模型.     

基于最小二乘支持向量机的机枪加速寿命建模

加速寿命试验可以在短时间内对产品寿命进行有效评定。针对以往机枪加速寿命模型预测能力较差的问题,提出了基于最小二乘支持向量机（LS-SVM）建立加速寿命模型的方法。以机枪寿终射弹量为寿命特征,以试验环境温度、枪管最大温度、射击间隔时间以及最大膛压为加速应力建立了机枪加速寿命模型。由于LS-SVM的参数选取是决定建立模型优劣的关键因素,因此采用遗传算法对LS-SVM参数进行优化选取。通过分析比较LS-SVM与常规变换方法和BP神经网络建立的机枪加速寿命模型精度,结果表明利用LS-SVM方法建立的模型明显优于其他2种方法,验证了LS-SVM在机枪加速寿命预测应用中的有效性。     

装备开发过程中任务与费用资源优化分配研究

针对基于集成产品研发团队(integrated product team,IPT)群的并行开发管理模式分析其在开发过程中怎样兼顾任务与费用。在对装备系统开发过程中,制定关联任务分解原则,建立任务分解模型,并将任务与费用资源在不同IPT间进行优化分配。研究结果表明,该研究可提高装备系统开发的效费比和管理水平。     

装甲装备保障装备发展探讨

通过对装甲装备保障装备的定义、分类与构成的描述,提出了装甲装备保障装备的地位和作用,结合军内外对装甲装备保障装备的需求分析,探讨了国内外装甲装备保障装备的发展动向．     

基于模糊综合评判的军事装备维修费绩效管理评估

针对当前军事装备维修费绩效管理评估的不足,采用模糊综合评判法对军事装备维修费绩效管理进行评估。基于模糊综合评判原理,分析军事装备维修费绩效管理评价指标,利用专家评分法确定各个指标的隶属度,用层次分析法确定各指标的权重系数,建立其评估模型,并以某部队装备维修费绩效管理水平评估为例进行研究。结果表明:该模型能准确掌握军事装备维修费绩效管理状况,找出影响绩效管理水平的差距,提高管理效率。     

灰色理论在装备经济寿命预测中的应用

在分析装备的寿命周期费用的基础上,根据系统特点,运用灰色系统理论的GM(1,1)模型.累加数列克服原始数列的波动性和随机性,转化为规律性较强的数列,由此建立装备的经济寿命预测模型.以实例进行计算,进行相应的精度验证检验,结果证明所建模型具有实用性.     

故障树分析在提高武器装备可靠性中的应用

根据武器装备系统自身的特点建立故障树,在实例中运用数学方法,对建立的故障树进行定性和定量分析,计算并分析重要参数.其步骤包括:下行法求取最小割集、上行法求取最小割集、最不可靠割集的计算与分析、顶事件发生的概率和可靠度的计算、底事件的重要度的计算.结果证明,故障树分析(FTA)是一种有效的提高武器装备系统可靠性的分析方法.