导弹推进系统贮存寿命预测技术与仿真系统开发

针对导弹推进系统的贮存环境恶劣严酷,特别是对结构可靠性要求较高的实际,提出导弹推进系统寿命预测原理,采用修正的Arrhenius方法和GM-BP组合方法,分别建立了发动机装药寿命预估和推进系统贮存寿命预测模型。在此基础上,开发了导弹推进系统贮存寿命预测软件,并进行实例仿真,验证了模型的有效性。依据仿真结果,工程技术人员可以发现潜在的故障模式,制定出相应的贮存期维修检测计划与策略,提高贮存可靠性,延长其寿命。     

基于机器学习的固体火箭发动机燃烧室壳体旋压数据预测

为提高固体火箭发动机燃烧室壳体旋压加工的良品率,提出一种旋压数据预测模型。通过对旋压加工数据集进行分析处理和特征提取,并运用机器学习建立预测模型,五折交叉验证评估模型,可有效地预测中部跳动和Q处跳动。预测结果表明：该模型为后期优化旋压加工工艺,提高燃烧室壳体良品率提供了基础。     

改进BP网络在装备维修费用预测中的应用

提出了一种BP神经网络理论的改进算法,在此基础上建立了时间序列对象的预测模型,根据预测模型,对某型装备使用维修费用进行预测,并与实际使用维修费用进行了对比.结果表明此模型准确,并具有应用泛化能力,该算法为费用预测提供了一条新途径.     

基于改进分形方法的备件消耗预测

针对移动平均法预测精度较低和神经网络预测模型计算过程复杂的情况，提出运用分形方法进行备件消耗量的预测．本文在一般分形预测模型基础上，引入异常数据的概念，运用统计理论对分维值进行分析，建立局部变异系数模型，对传统算法进行了改进，为分维数的选择提供了依据并提高了预测准确性．实验表明，采用这种改进的分形算法，在短期内能够准确预测备件消耗量的变化情况，误差率小于3％．     

基于灰色可变加权系数的组合预测模型

为了提高预测精度,提出了灰色可变加权系数的组合预测模型。以组合预测模型的误差平方和最小为优化为准则,建立最优的非负可变加权系数的组合预测模型,计算不同时刻单项预测模型的最优加权系数。利用灰色GM（1,1）模型对可变加权系数进行预测,进而得到组合预测结果。算例表明,灰色可变加权系数组合预测模型综合利用了各个单项预测模型的重要预测信息,预测误差远小于各单个模型的预测误差,精度更高,模型实用性更强。     

地空导弹装备部队维修经费预测模型

分析了地空导弹装备部队维修经费的组成项目,确定了部队维修经费的预测步骤,并建立了部队维修经费统计模型和预测模型,最后用实例验证了该模型的合理性．     

坦克装甲车辆冷却性能的集成化预测模型

针对坦克装甲车辆的冷却过程涉及多物理场作用、多个零部件与多种流体参与的特点,基于整体和综合的角度,提出了冷却性能的集成化预测思路。建立了集成化预测模型,发动机燃烧产热和部件摩擦产热作为热源,考虑了基于部件集总质量的热节点与冷却液、润滑油、动力舱空气、发动机进气、燃气、废气之间的传热,冷却液、润滑油和动力舱空气的流动。通过边界耦合与内部参数耦合相结合、局部收敛与整体收敛相结合的算法进行模型的求解。预测实例显示,这种模型可以实现在各种外界环境温度和不同运行工况的坦克装甲车辆冷却性能的集成化预测,具有较好的预测精度。     

飞行器航迹测量数据的粗差探测模型优选方法

为评估不同模型的粗差探测性能,使用多余观测数、内部可靠性和外部可靠性等指标对飞行器航迹测量数据处理中的3种典型模型的粗差探测能力进行了定量评估和比较分析。建立了不同模型间性能比较的等效规则,按照典型的工程应用场景进行了仿真实验。结果表明:大数据集模型的系统结构较强,具有更优的单粗差探测性能,但大模型对于多粗差探测是不利因素;在实际应用中,应根据粗差发生的统计特征,选取数据量大小合适、结构强度高的模型作为优选模型。     

基于偏最小二乘回归分析的试验装备修理成本预测

为了科学预测试验装备修理成本,提高维修经费决策质量,引入偏最小二乘回归分析（Partial Least Squares Regression,PLSR）对试验装备修理成本进行预测。针对试验装备修理成本小样本、贫数据、特征量相关性强的不利条件,构建预测模型;基于以往数次大修相关数据,预测试验专用装备使用期的某次大修成本。同时,为保持模型的稳健性,提高模型解释能力和预测精确度,尝试利用变量投影重要性分析对模型进行优化,取得了较好的效果。实例证明,该方法不仅能在多变量间存在严重多重相关性情况下建立模型,而且能够有效筛选与因变量关系不大的自变量,简化输入样本集。     

一种改进的装备保障能力并联预测模型

为了提高装备保障能力的预测精度,针对当前预测算法及其组合模型存在的问题,提出了一种改进的并联预测模型。利用文本挖掘选择预测指标及权重,改进了区间标度算法并构造了不等距、多尺度区间的模糊时间序列模型。改进了粒子群优化方法中微粒速度和位置及惯性权重值的算法,使用该方法优化了支持向量机参数并建立预测模型。依据改进的模糊时间序列和支持向量机预测模型建立了改进的并联预测模型,通过计算预测权重值并将预测值与预测权重值组合形成并联模型的预测值。通过案例证明了该预测方法具有更高的精度。     

目标属性信息相关时融合识别的实现方法

多源信息融合的一个主要应用方向是目标识别,但是各传感器测量到的目标属性值常常是相关的、不独立的,因此对各属性信息的融合比较困难。基于多属性决策模型( MADM)和D-S证据理论提出了加权融合的方法,并给出了权重系数的计算方法和权重灵敏性分析方法,介绍了利用条件概率加权进行目标识别的方法。     

基于组合赋权-模糊评判的反舰导弹协同作战效能评估

针对典型赋权方法的弊端,提出基于偏好系数的权重组合新方法。构建导弹协同作战效能指标体系,分 别运用层次分析法(analytical hierarchy process,AHP)和熵权法2 种赋权方法以及2 种方法组合,对效能评估模型进 行权值求取以及模糊评判,并对结果进行分析。仿真结果表明,该方法验证了组合赋权法在效能评估中应用的合 理性。     

一种基于粗糙集证据理论深度融合的局部冲突快速合成方法

传统证据理论在进行多焦元属性融合时可能产生组合爆炸,当待合成证据体冲突时容易导致一票否决。针对以上两个问题,通过将待合成证据体转换为知识信息系统,应用粗糙集理论对多源信息进行规则约简,得到约简后的知识规则信息系统,计算出信息系统对每条证据体的支持度;在证据合成中,基于规则信息系统引入证据体支持度、焦元可信度、焦元一致性等因素来表示证据体之间的局部冲突,在此基础上给出冲突证据合成规则。通过测试算例对所提方法进行了测试验证,结果表明：该方法具有较快的收敛速度,计算时间消耗能够得到大幅度降低,在冲突证据合成中具有较强的鲁棒性。     

基于云理论和组合赋权方法的反潜巡逻机搜潜效能评估技术研究

针对传统效能评估方法的局限和不足,提出了一种基于云理论和组合赋权方法的反潜巡逻机搜潜效能评估方法;对于因素指标的权重分配问题,将层次分析法和熵权法相结合,依据方差最大化原理提出了一种主客观结合的组合赋权方法;应用云理论进行效能评估,介绍了云的数字特征,引入云权重参与评估,并通过云计算得到最终评估结果。通过实例计算及 Matlab 仿真,直观明确地体现了各搜潜方案搜潜效能的优劣。     

基于组合模型预测火炮初速的研究与应用

火炮初速决定着在复杂战场环境中能否准确打击敌人,而准确预测出火炮初速关系到在不经试射的情况下能否成功命中目标。预测火炮初速往往采用某种单一模型,虽然建模简单但是只能提取出火炮初速中的某一特征,从而导致预测精度并不理想。针对这种情况,选取了某型火炮3组不同的初速数据进行分析,提出利用ARIMA时间序列模型、GM(1,1)灰色模型及BP神经网络模型进行预测,既能提取出火炮初速中的线性成分又能提取出非线性成分,同时为了最大限度发挥出单一模型的预测优势,利用3个单一模型建立了组合模型,并利用实测数据对各个模型预测精度进行了检验。结果表明,组合模型能更好地发挥出所有模型的预测优势,预测精度更高,更适合作为火炮初速预测的有效模型。     

防空预警雷达高原环境适应性评估的自学习模糊灰度方法

高原地区恶劣的自然环境对防空预警雷达各部件正常工作带来了严峻挑战.为提高雷达装备在高原地区的使用效能、降低后期维护成本,需要在装备研制阶段进行合理化的环境适应性评估.针对上述需求,提出一种基于自学习模糊灰度理论的防空预警雷达高原环境适应性评估方法.通过分析影响防空预警雷达高原环境适应性的关键指标因素,建立基于贝叶斯估计...     

基于Agent的武器装备体系多分辨率建模研究

针对武器装备体系建模的方法问题,提出一种基于Agent的多分辨率建模新思路：首先确定武器装备体系的规模和层次;再选择合适的建模仿真最小单元,确定相应的分辨率;最后根据不同分辨率模型间的聚合／解聚关系和建模仿真需要,初步确定模型的结构,并设计满足模型一致性转换的优化目标函数。     

基于粗糙集-逼近理想解排序的辐射源威胁排序方法

将辐射源威胁评估作为多属性决策问题,提出逼近理想解排序（TOPSIS）法与粗糙集（RS）理论相结合的算法,构建一套完备的辐射源威胁等级排序模型,解决在没有先验信息条件下实时定量衡量辐射源威胁程度。针对TOPSIS方法中构造标准化决策矩阵时数据赋权的主观局限,运用粗糙集理论计算评价指标与评判结果的粗糙依赖度,确定评价指标权重,规避主观赋权的片面性。仿真结果与原始数据相符,证明所提方法的有效性,进一步量化威胁程度,有助于更精细准确排序。该方法具有工程实用价值,可以运用于辐射源威胁评估。     

一种改进的基于二阶统计量的盲源抽取算法

针对之前盲源抽取算法存在鞍点的问题,提出一种新的基于二阶统计量的盲源抽取算法。通过利用自回归模型对抽取信号向量进行估计,并利用估计值与抽取向量之差提出一种新的代价函数,证明了代价函数的有效性。通过利用最速下降法对抽取向量以及FIR滤波器权值向量的计算,求解出抽取向量最优值。最后通过仿真证明算法相对之前两种算法有更高的可靠性,且在低信噪比的环境下,算法抽取效果依然良好且保持很高的抽取正确率。     

基于多分类支持向量机和证据合成方法的多传感器信息融合研究

为克服支持向量机和Dempster方法的不足,提出一种基于SVM多分类器的识别结果概率输出方法。以BPA函数的形式输出SVM多分类结果,对Dempster证据合成方法进行了改进：根据证据之间的相似性程度判断是否存在证据;中突,对于证据数目在3条以上且存在冲突的证据组合,引用统计理论中马氏距离的计算公式计算各证据与其余证据组合之间的距离,导出各证据的重要性权系数,由此对证据的BPA函数进行转化,采用Dempster方法对转化后的BPA函数进行合成。然后,将SVM多分类器的BPA输出作为参与融合的各传感器对应的BPA函数,采用改进的证据合成方法进行合成,得到最后识别结果。结果表明,SVM识别方法能降低错误率,其输出形式包含更多信息量。