基于RBF神经网络的装备使用保障费用预测

使用保障费用的估算是寿命周期费用管理的重要组成部分,通过分析使用保障费用估算存在的问题,利用RBF神经网络构建了时间序列的预测模型,并应用于装备使用保障费用预测研究.通过对某型装备使用保障费用的预测分析,实例表明该模型具有较好的预测精度,可用于装备使用保障费用的预测和估算.     

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。     

基于神经网络的武器装备维修费用灰色预测

针对武器装备维修费用影响因素多,各因素之间关系复杂,难以把握的特点,文章将该预测视为灰色系统并建立GM（1,1）预测模型,通过BP神经网络挖掘预测值同预测残差之间的关系,进一步提高灰色预测模型的精确度．     

应用RBF网络的导弹研制费用预测

影响导弹武器系统研制费用的因素含最大有效射程、目标容量、导弹最大飞行速度、发射质量及研制周期.建立基于RBF神经网络的费用预测模型,其算法步骤包括:预测算法思想、归一化原始数据、样本集输入数据的选取.该模型不仅克服了因专家主观因素而造成的影响,且提高了算法的运行效率和模型的预测精度.     

系统单个部件机会维修的费用和可用度仿真

当系统中存在某些重要部件易损坏时,可以对其采取机会维修的策略。这不仅能提高可用度还能分摊固定维修费用,改善系统经济性。从此角度出发,提出了维修费用和可用度的计算表达式。之后考虑系统中单个部件进行机会维修下,研究了在使用更换维修时维修费用和可用度,并在蒙特卡罗方法基础上设计了仿真算法。结合实例表明本方法可以有效提高可用度并降低维修费用。     

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。     

备件维修级别经济性分析模型研究

针对备件维修级别问题,借助故障树理论,设定四类模型节点,建立维修级别经济性分析的模型网络图,并分析使用阶段各种维修费用,建立一种新型维修级别经济性分析模型,可运用最优化理论从而进行费用估算,使费用最小.结合实例论证了该模型准确性和可行性.     

新型地空导弹装备使用保障费用预测模型

分析了地空导弹装备使用保障费用的影响因素和特点,在考虑通货膨胀和资金时间价值等因素的基础上,运用类比法建立了新型地空导弹装备使用保障费用预测模型,并通过实例验证了模型的有效性,该模型对新型地空导弹装备使用保障费用的预测具有重要意义．     

火炮预知维修专家系统中的预测推理机制

火炮故障预测技术以当前火炮使用状态为起点,对火炮在未来任务段内可能出现故障进行预测.系统分为数据采集/处理、故障预测及性能评估、维修决测四个层次.该过程涉及:预测模型的建立、预测知识的表示、基于"框架 规则"的反向推理三部分.     

复杂可维修设备寿命周期费用仿真

无论是设计者在进行产品设计时、还是使用者在做购买决策时,都希望尽可能准确地预测产品的寿命周期费用.现有寿命周期费用估算方法普遍存在估算精度低的问题,该文提出寿命周期费用预测的仿真方法,建立了复杂可维修设备的寿命周期费用仿真模型,并验证了该模型的正确性.     

一种基于可靠度约束的分阶段等周期预防性维修模型研究

为保持装备寿命周期的运行可靠性,针对周期预防性维修模型和顺序预防性维修模型的优缺点,结合装备维护保养实际,提出3阶段等周期预防性维修模型。以可靠度约束条件下的装备寿命周期最小费率为优化目标,建立了周期预防性维修模型、顺序预防性维修模型和3阶段等周期预防性维修模型,从而得到各计算模型装备寿命周期的最优预防性维修次数和维修间隔期。结果表明,在同等条件下,3阶段等周期预防性维修模型既能保持装备寿命周期内较高的可靠性和较低的费率,又能紧密结合维修操作实际,具有良好的应用可行性和推广性。     

基层级装甲装备维修经费需求研究

在分析装甲装备维修经费需求研究现状以及影响因素的基础上,结合未来基层级装甲装备发展趋势,构建了基层级装甲装备维修经费总需求模型,并通过实例进行了验证,可为维修经费配置提供决策参考。     

基于改进PSO 的航天测控装备维修器材库存优化

针对维修器材积压浪费的问题,对航天测控装备维修器材库存进行优化.借鉴现有多级库存优化相关研究成果,采用改进的粒子群优化算法,将测控装备维修器材库存优化过程描述为在测控装备的可用度达到规定水平,考虑非串件拼修和串件拼修2种维修策略,构建基于测控装备可用度和器材保障费用约束的维修器材库存优化模型,获得测控装备维修器材最优的携运行方案,通过实例进行验证.结果表明,该模型与优化算法具有一定的可信性及较好的应用价值.     

考虑预防性维修的备件需求量计算模型

备件是装备使用与维修的重要物质基础,是影响装备寿命周期费用的重要因素。针对传统备件需求量计算模型未考虑预防性维修需求的问题和不足,以工龄更换维修策略为例,建立考虑预防性维修的备件需求量计算模型,提出基于离散法的模型求解算法。通过具体算例对模型的应用方法和效果进行了验证,并与传统的备件需求量计算模型进行了对比分析。研究结果表明：传统备件需求量计算模型存在很大误差;预防性维修策略下备件需求量计算模型能够显著提高备件需求量计算的准确性,不仅可以对任意周期长度的备件需求量进行计算,而且还可以用于分析装备寿命周期备件保障费用。     

基于EXTEND的复杂维修流程仿真

采用EXTEND仿真软件对复杂维修流程进行了建模仿真,某大型修理厂对装备的维修需要经过5道工序,如装备清洗、故障检测、常规故障修复、非常规故障修理、总装测试。其中非常规故障修理工序中,分3条流水线并行进行修理．在此基础上,分析得出随机性维修任务对维修流程的影响,另外利用作业成本法,估算出维修费用,为此问题的研究提供一种可行的技术途径。     

不确定交货下的装备维修器材供应链协调对策

为协调不确定交货条件下装备维修器材供应链各成员的利益关系,运用Stackelberg主从博弈理论进行对策研究.以维修单位作为主方,提出最佳订货量和单位缺货惩罚成本策略,从方即供应商以额外供应能力作为响应;以维修单位预期成本最小化为目标建立优化模型,结合约束条件构建带有惩罚因子的特殊适应度函数;利用粒子群优化算法进行仿真计算.仿真结果表明:Stackelberg主从博弈可以有效协调装备维修器材供应链,保证供应链及各成员的利益.     

基于数字孪生的卫星装备智能设计系统

“十四五”期间,卫星装备研制任务数量将逐年增加,卫星装备的复杂程度也不断提高。为改进以经验为主的卫星装备传统设计模式,解决卫星装备设计数据库标准化程度低、数据可继承性差、数据生命周期覆盖率差、生产试验运行数据与原始数据交互率低,导致设计效率低、研制成本高、维护升级困难等难题,提出一种基于数字孪生的卫星装备智能设计方法。将卫星装备按尺寸、载荷、特点分类归纳出卫星载荷条件、卫星装备功能模块、生产检测试验模块、运维模块组成的数据库。依据卫星尺寸、接口、载荷等条件根据计算规则驱动孪生出卫星装备数字功能模块,并自动装配成孪生模型,根据载荷的一些特殊条件对数字孪生模型功能模块进行智能联动调整,并可以将孪生模型计算结果、装备实物验证结果和当前孪生数字模型进行对比迭代和修正,不断提高孪生数字模型准确性,并可以通过孪生模型全生命周期数据监控,实时将实物维护改造信息同步映射到孪生模型,进一步提高卫星装备设计效率,缩短研制周期,削减研制成本。     

环境因素对试验装备维修成本的影响分析

为深入认识当前我军试验装备维修费的供需矛盾,大力提高维修费的使用效益。利用价值链分析手段识别试验装备维修活动过程,从一个广义的成本动因分析视角出发,系统分析宏观层次上环境因素对试验装备维修成本的影响关系。该研究一定程度上能为揭示我军试验装备维修成本变化的客观规律提供有益帮助。     

可用度约束条件下装备健康管理信息测试周期优化研究

针对传统测试周期设计没有考虑装备健康状态和可用度约束对周期决策影响的问题,研究了面向装备健康管理的测试周期优化模型。在装备健康状态退化模型基础上,提出了控制限维修策略。基于此,建立了以更新周期内费用率最小为优化目标,以装备使用可用度为约束条件,以测试周期为决策变量的非线性权衡优化模型。基于更新过程实现了测试周期优化设计。仿真结果表明,所提模型能有效指导贮存模式装备测试周期优化设计,具有一定的工程应用价值。     

基于遗传算法优化支持向量机的航空装备维修费用预测

针对传统航空装备维修费用预测方法难以计算得到满意结果的问题,建立遗传算法优化支持向量机的航空装备维修费用预测模型。将遗传算法与支持向量机相结合,利用遗传算法对支持向量机的参数进行优化,通过实例对GA-SVM模型的应用进行分析对比。结果表明：在航空装备维修费用预测中,该模型比SVR、BP神经网络、偏最小二乘回归以及传统普通多元线性回归方法,具有更高预测精度和泛化能力。