基于改进最小二乘支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集、熵权法、自适应粒子群优化算法与加权最小二乘支持向量机的组合预测模型应用于导弹备件消耗预测的构想。首先阐述了粗糙集、信息熵、自适应粒子群优化算法和加权最小二乘支持机的基本原理,并改进了自适应粒子群优化算法的搜索方式和最小二乘支持向量机的加权方法;然后建立了基于粗糙集、熵权法和自适应粒子群优化加权最小二乘支持向量机的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

Wiener过程在非线性退化建模中的应用

针对Wiener过程为线性随机过程而产品性能退化为非线性的情况,提出一种时间尺度转换方法,首先通过时间尺度转换把非线性退化数据转换成线性退化数据,采用Wiener过程对其进行建模分析,然后通过时间尺度逆转换实现产品在原有时间尺度下的可靠性评估。给出了Wiener过程参数估计的步骤和方法,并以某型导弹电连接器的加速退化数据为例,阐述了基于时间尺度转换的Wiener过程在非线性退化建模中的应用。结果表明,时间尺度转换方法成功实现了电连接器的可靠性评估,从而拓展了Wiener过程的应用范围,为非线性退化建模提供了一种有效途径,并为退化型产品的可靠性评估提供了可行的思路。     

基于非泊松分布的不可修备件优化配置模型

 针对已有备件配置模型的局限性,研究需求服从非泊松分布的不可修备件优化配置模型.通过分析两级库存系统不可修备件的保障特点,将需求服从泊松分布的假设放宽,建立需求服从非泊松分布的不可修备件满足率通用模型,在此基础上构建以备件配置费用最小为优化目标,以系统备件配置满足率为约束条件的两级库存系统不可修备件配置优化模型,并通过遗传算法给出最优配置方案.结合案例的优化及验证结果显示,该优化配置模型适用于正态分布等需求服从非泊松过程的备件配置问题,其配置方案在保证系统备件配置总费用最低的前提下,使备件满足率达到95.02%,与Opus 10 软件的计算结果一致,表明优化配置模型的可行性和可靠性.     

Wiener过程在非线性退化建模中的应用

 针对Wiener过程为线性随机过程而产品性能退化为非线性的情况,提出一种时间尺度转换方法,首先通过时间尺度转换把非线性退化数据转换成线性退化数据,采用Wiener过程对其进行建模分析,然后通过时间尺度逆转换实现产品在原有时间尺度下的可靠性评估。给出了Wiener 过程参数估计的步骤和方法,并以某型导弹电连接器的加速退化数据为例,阐述了基于时间尺度转换的Wiener过程在非线性退化建模中的应用。结果表明,时间尺度转换方法成功实现了电连接器的可靠性评估,从而拓展了Wiener过程的应用范围,为非线性退化建模提供了一种有效途径,并为退化型产品的可靠性评估提供了可行的思路。     

舰船特装器材多目标优化配置方法

 针对舰船海上执行任务期间随舰特装器材的保障问题,研究了特装器材的多目标优化配置方法。结合舰船特装器材保障的实际特点,以器材的体积、质量、费用为约束条件,以保障概率和利用率为优化目标,建立多目标多约束特装器材优化配置模型,并改进多目标粒子群算法,保证全局范围粒子多样性,避免算法过快收敛,以求得全局最优解。通过实例对比改进粒子群算法与标准算法的计算结果,分析不同指标权重比组合下的最优配置方案、不同约束条件下的多目标变化趋势,证明了改进粒子群算法的稳定性和多目标优化模型的实用性。     

基于LSTM-GAN的无人机飞行数据异常检测算法

飞行数据的异常检测是保障无人机飞行安全的关键。为了提升异常检测的准确率,以更好地构建无人机飞行数据正常样本的数据模式,提出了一种基于长短时记忆网络（LSTM）和生成对抗网络（GAN）的异常检测算法。设计了由生成网络、判别网络和重构网络组成的循环学习网络,同时为了避免网络学习产生梯度爆炸的风险,设计了一种由两个判别损失函数与一个重构损失函数相结合的目标损失函数。实验结果表明,LSTM-GAN异常检测算法均优于K-means、单类支持向量机、LSTM和Auto-Encoder算法的异常检测性能。LSTM-GAN比LSTM异常检测的准确率提高2.2%。     

维修性小子样验证中先验信息的融合方法

研究了在Bayes小子样验证方法中多源先验信息的融合问题。由于维修时间取值具有跳跃性大、范围较宽的特点,采用随机加权法将先验信息表示为先验分布。分别提出了基于均值和基于样本量的先验分布权重因子,在此基础上,建立了基于质量因子计算先验分布权重的模型。通过计算综合先验分布与假设的正态分布的概率密度误差,对其融合后为正态分布的假设进行了检验,同时也提出了准确计算分布模型参数的方法。通过某舰船装备维修性先验信息融合的实例表明了方法的有效性及准确性。     

基于改进证据理论的导弹状态评价方法

 为研究导弹状态评价方法,将导弹的状态分为优、良、中、差和故障5个等级。若一个或多个状态参数测试不合格,可以直接判定导弹处于故障状态;若所有状态参数测试均合格,表明导弹是合格的。对于测试合格的导弹,在评价特征参数状态的基础上,构建了基于改进证据理论的导弹状态评价模型,对所有特征参数的状态合成并决策,确定了测试合格的导弹的状态退化等级。针对利用证据理论在合成状态特征参数过程中的冲突分配问题,在分析现有改进证据理论方法的基础上,采用将全局冲突细分为局部冲突并按照冲突焦元值权重分配的方法,对证据理论进行了改进,通过实例分析,验证了改进方法的有效性。     

基于属性粒化聚类与回声状态网络的末制导雷达故障诊断

为了提高末制导雷达故障诊断的效率和精度,提出一种基于属性粒化聚类与回声状态网络(ESN)的故障诊断方法.定义一种基于属性值影响度的属性区分能力测量指标,并以此作为相似性度量依据,利用近邻传播(AP)聚类算法得到区分能力相当的若干属性粒,通过选取聚类中心属性来完成故障征兆属性的约简;在储备池构建中,采用Bienenstock-Cooper-Munro(BCM)规则进行连接权矩阵的预训练,在目标函数中添加L_(1/2)范数惩罚项,以提高ESN储备池对样本的动态适应性;同时,采用半阈值迭代法对模型进行求解,通过末制导雷达信号处理模块的故障诊断实例,验证了所提方法的有效性和优越性.结果表明:与BP神经网络和传统ESN模型相比,所提方法的稳定性及诊断准确率更高;将其与基于属性重要度和AP聚类的属性粒化约简算法相结合,能够进一步提高故障诊断的效率和精度,其仿真实验的训练时间仅为8.98s,诊断正确率可达95.2%.     

基于物联网的舰炮装备“云保障”模式

 面临信息化战争的挑战,装备保障的信息化程度直接影响着装备的战备完好性与任务成功性.将物联网(IoT)与云计算两种技术结合运用于舰炮装备保障中,通过对舰炮装备保障任务的分析,在应用物联网技术建立的武器装备局域网与云计算基本架构的基础上,提出并构建了舰炮装备“云保障”模式架构,将舰炮各个保障任务对应的数据中心视为私有云,利用传感器网及广域通信网进行云端信息的采集与传递,保证了各保障任务云之间及其与装备保障总数据中心云端快捷、安全地通信,分别从保障过程和保障资源两方面对舰炮装备“云保障”的实施进行探讨.由此,可提高舰炮装备保障的信息化程度及互联互通性,实现保障过程的实时、可视监控及保障资源的动态、高效管理.