导弹贮存可靠性预测模型研究

分析了贮存环境对导弹武器贮存可靠性的影响 .在两种假设条件下 ,建立了定期检测修复条件下导弹武器贮存可靠度的两上数学模型 ,并给出了参数的估计方法 .作为一个实例分析 ,对于某型导弹某分系统的定期检测给出了实用的贮存可靠度预测模型 ,并对两种模型拟合和预测结果进行了比较 ,数据结果表明两种预测模型都具有较好的拟合程度和预测精度     

导弹贮存可靠性预测建模方法

导弹贮存可靠性研究是有效提高导弹战备完好性的重要途径，其中建立导弹贮存可靠性预测模型是贮存可靠性研究的核心内容之一，也是确定预防性维修时机的依据．在分析导弹贮存可靠性物理模型基础上，讨论了导弹贮存可靠性变化的一般规律．在此基础上，对几种具有较大工程实践价值的导弹贮存可靠性预测模型进行了讨论和总结．     

基于定期检测的导弹贮存可靠性预测模型

基于导弹的定期检测数据, 通过对导弹贮存可靠性的变化机理进行分析, 建立了导弹贮存可靠性预测模型.对模型进行了拟合和检验, 结果表明方法效果符合要求.     

基于定期检测的导弹贮存可靠性研究

基于导弹的定期检测数据,通过对导弹贮存可靠性的变化机理进行分析,建立了导弹贮存可靠性预测模型．并对模型进行了拟合和检验,结果表明该方法能较好地预测导弹贮存可靠性的变化规律。     

一种基于贮存可靠性数据的导弹寿命预测方法

研究基于贮存可靠性数据的导弹寿命预测方法,给出科学和切合实际的导弹贮存寿命.根据导弹贮存状态下的定期批检结果,采用"残差平方和(R2)"最小原则,给出一定服役期内导弹故障率,故障率上、下置信区间计算方法,以及最优拟合函数模型,给出导弹在有空调库房、无空调库房和露天场地条件下的贮存可靠度及其置信区间.按照无故障概率不小于0.7的判断标准,以某型导弹定期检测数据信息进行寿命预测分析,结果符合实际.该方法实用可行,可以为导弹延寿可靠性分析提供借鉴.     

基于BP神经网络的空空导弹贮存可靠性预测模型研究

针对空空导弹在长期的贮存过程中环境因素对其可靠性的影响,提出了一种基于BP神经网络的建模方法。该方法首先对空空导弹进行分析,确定神经网络的结构;然后对环境信息进行加权融合,形成输入样本,再将检测时刻可靠度的点估计作为输出样本,训练神经网络;当误差达到要求后,根据在导弹贮存期间所采集的环境信息预测导弹当前的可靠度。     

简装防空导弹贮存可靠性研究

对某型筒装导弹的贮存薄弱环节进行分析,并建立影响导弹贮存可靠性的故障树。利用现有的加速寿命试验模型对导弹关键部件进行加速寿命试验,其基本任务就是通过试验对模型参数进行辨识,加速模型包括：Arrhenius模型、逆幂律（Inverse Power Law,IPL）模型、单应力Eyring模型,以及广义Eyring模型。     

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。     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

机载导弹发射架寿命可靠性试验方法

寿命指标是考核机载导弹发射架可靠性的重要指标之一，文中对导弹发射架的寿命试验方案进行了探讨和介绍，确定了发射寿命和挂飞寿命，解决了部队在使用中关心的寿命问题，同时可为同类装备的寿命研究提供参考。