基于IOWA 算子的装备备件需求量组合预测模型

针对传统预测模型在预测过程中信息利用不充分和预测对象复杂多变的问题,建立一种基于IOWA算子的最优组合预测模型。该模型利用IOWA算子集合灰色系统建模和小波神经网络处理非线性复杂系统的优点,以误差平方和为准则对数据进行分析,并利用Matlab工具箱对其进行优化计算,从而得出最优组合预测结果。实例分析结果验证了该组合预测模型的科学性和优越性。     

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。     

基于聚类关联规则神经网络组合算法的弹丸初速预测

针对靶场试验中利用初速雷达测试弹丸初速需要重构的情况,选择同时参试的两台雷达的数据进行融合建立神经网络模型,用一台雷达的数据预测出另一台雷达需要重构的数据。由于预测模型预测精度的高低取决于所建模型的好坏,而模型的好坏取决于样本数据的质量,先利用聚类分析和关联规则从大量历史试验数据中挖掘出优质的样本,再建立神经网络进行预测。实验结果表明,与支持向量回归机相比,由聚类分析关联规则神经网络构建的组合算法的预测精度更高,预测历史相似数据误差远小于1‰,预测与历史出入较大的数据的精度也较为理想。两种情况下的预测结果表明,组合算法既保证了预测精度又具有一定的鲁棒性,可以作为弹丸初速的预测模型。     

基于IGWO组合模型的炮控系统健康预测方法

针对单一模型对炮控系统组成部件的健康预测精度低、适用性差等问题,提出一种改进灰狼优化算法(IGWO)的组合预测方法。通过改进灰狼优化算法(GWO)的收敛因子,提高全局搜索能力,避免陷入局部最优值;选择在健康预测中效果较好的ARMA、RBFNN、LSSVM模型,搜索3种模型的最优权重系数并建立组合预测模型;以陀螺仪组为例,将其温度传感器阻值与漂移度数据分别带入单一模型、IGWO组合模型和其他组合模型中进行健康预测。通过对预测结果的误差评价分析与RUL误差比较,可以得出,IGWO在搜索组合模型最优权重系数方面优于GWO,预测精度也优于其他组合模型,且预测效果稳定。     

灰色神经网络在空舰导弹寿命预测中的应用研究

结合灰色理论与BP神经网络建立了灰色神经网络组合预测模型.该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合.利用三种灰色模型及灰色神经网络模型对某型空舰导弹某电子设备的失效时间进行预测,研究结果表明灰色神经网络预测效果明显优于灰色模型,是一种实用的且精度较高的预测方法.     

基于自适应回归算法的导弹表面温度预测

为预测导弹高速飞行时由于气动加热而升高的表面温度,根据已知的物理模型和试验数据,建立了一种基于自适应回归算法的导弹表面温度预测模型,使用该模型预测出温度数据,然后与实际试验数据进行对比。抽样选取含有55个个体的样本,按个体时间顺序排列样本个体,使用样本中的前50个个体训练预测模型,再使用剩余5个个体对预测模型进行检验。在前50个个体的相应时刻,预测值比实际值平均减小1.24%,标准差为1.27%; 在最后5个个体的相应时刻,预测值比实际值平均减小1.42%,标准差为0.16%。结果表明,采用基于自适应回归算法的导弹表面温度预测模型对导弹的表面温度进行预测具有较高的精度,达到了预测导弹表面温度的目的。     

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。     

基于小波支撑矢量机非线性组合预测的导弹惯性器件故障预报

组合预测是预测领域的一个重要的研究方向．结合支撑矢量机和小波理论的优点，提出了一种基于小波支撑矢量机的非线性组合预测模型，其预测精度比各种单一预测方法大大提高．将该组合预测模型用于导弹惯性器件故障预报中，仿真结果验证了算法的可行性和有效性。     

通用预测支持系统的设计

基于COM组件的通用预测支持系统包括数据预处理及预测分析.前者为数据库类、电子表格类及文档类等数据设计不同接口.后者含选择模式,组合预测,选择预测指标、时间,模型数量及种类,确定模型比重参数、返回预测结果等步骤.系统在经典预测模型基础上提供单纯预测、组合预测、神经网络预测结果修正3种预测模式.     

基于最小自由能法的烟火药燃烧产物预测模型

燃烧产物的预测对烟火药的设计非常重要。文中采用最小自由能法原理，建立了烟火药燃烧产物预测模型，使用傅立叶变换红外光谱仪对实际燃烧产物进行了分析。在预测产物与实际燃烧产物对比的基础上，修正了理化参数数据库后，预测结果同实际产物完全相同，验证了模型的合理性。     

基于检测结果的数据质量排序模型

基于信息检测结果数据质量排序方法,建立4种排序模型.包括多错误类别直接对比模型、等权错误类别的排序模型、加权错误类别的排序模型及相对错误率排序模型.4种模型均有较强的可操作性,能够较好的处理2个单位的数据质量比较排序问题,从而实现对各单位数据质量较客观的比较排序.     

Research on Prediction Model for Erosion and Abrasion of Barrel Based on LSSVM

To predict the erosion and abrasion of high bore pressure tank gun barrel, the least square support vector machine (LSSVM) algorithm was used. Based on the gun firing test data, the prediction model for barrel's erosion and abrasion was established. It was adopted to predict the wear increment of gun barrel. The results show that the prediction values given by the model coincide with the measured data better, and the model can predict the barrel's wear accurately and rapidly.     

电磁炮发射原理数值建模与分析

为探寻电磁炮运动参数的变化规律,对等离子电枢运动过程进行了理论分析,建立了电枢速度和电流之间的数学模型。模型中考虑了电枢运动中所受的主要阻力,包括等离子体的粘滞阻力和惰性阻力。另外,通过多次的仿真数据与实验结果比较,选取了能够较好地符合实际电枢运动过程的弧压数据。建立的仿真模型应用于实际系统进行预测,预测结果与试验结果相吻合。     

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。     

一种可伸缩的指挥显示数据处理模式

为满足航天测控试验任务指挥信息的多样性和指挥控制需求的多变性需求,提出一种可伸缩的指挥显示数据处理模式。通过分析影响处理的伸缩性要素,将指挥显示信息处理的可伸缩性分解为处理能力的水平伸缩和垂直伸缩2个维度。构建数据模型、数据处理模型和数据处理过程树模型,并选用XML文件对处理过程树模型进行记录,设计实现了定制态、就绪态和运行态的数据处理生态模式。分析结果表明：该方法使应用软件具备了数据处理可伸缩能力,可以满足测控信息变化带来的可伸缩性需求。     

一种可伸缩的指挥显示数据处理模式

为满足航天测控试验任务指挥信息的多样性和指挥控制需求的多变性需求,提出一种可伸缩的指挥显示数据处理模式。通过分析影响处理的伸缩性要素,将指挥显示信息处理的可伸缩性分解为处理能力的水平伸缩和垂直伸缩2个维度。构建数据模型、数据处理模型和数据处理过程树模型,并选用XML文件对处理过程树模型进行记录,设计实现了定制态、就绪态和运行态的数据处理生态模式。分析结果表明：该方法使应用软件具备了数据处理可伸缩能力,可以满足测控信息变化带来的可伸缩性需求。     

基于ADAMS和Matlab的陀螺稳定平台机电联合仿真

建立了导引头陀螺稳定平台的机械系统和控制系统模型,并利用ADAMS和Matlab等软件对该机电系统模型在不同的外部载荷与扰动下进行了机电联合仿真;仿真结果证明了机电联合仿真能够很好地反映系统的特性,为机电系统的研制、改进提供了重要的参考依据和试验数据。     

液体导弹发动机马尔可夫链和RBF网络辨识方法研究

分析了液体导弹发动机辨识方法,对基于马尔可夫链和RBF神经网络的液体导弹发动机的辨识原理和方法进行了较详细的叙述,依据某型液体导弹发动机实际测试数据,对其进行了仿真研究,并对仿真结果进行了比较分析.结果表明,基于动态系统马尔可夫链的液体导弹发动机的辨识方法优于基于RBF神经网络的辨识方法.     

神经网络及回归型支持向量融合健康评估模型

健康评估是IVHM研究中的关键技术之一,基于关键特征参数监测无法解决复杂组件或系统的健康评估建模问题,而基于解析法的健康评估方法对构造特征参数的数学模型要求极高,工程价值不大。本文提出了一种基于仿真的健康评估建模新方法,该方法通过组件或系统在各种健康状态条件下仿真,生成样本数据,利用BP神经网络和支持向量机的非线性映射特性,以测量信息为基础分别构造了两种健康评估模型,考虑到单一模型缺陷,再将神经网络和支持向量机训练模型进行决策融合处理,提出了一种新的健康评估模型,并以石英挠性加速度计为例进行了建模研究与验证。结果表明：测量信息完备情况下,两种单一模型均能满足健康状态评估要求;测量信息不充分时,通过对两种模型进行决策融合处理,也可取得较好的健康状态评估效果。