基于灰色理论的导弹装备故障间隔时间预测

导弹装备的故障间隔时间是其可靠性参数的重要指标,通过分析导弹装备的特点,建立了故障间隔时间预测模型.考虑到导弹装备的故障数据量有限,用一般方法准确地预测很困难,因此提出用灰色预测模型进行预测的方法,建立了GM(1,1)预测模型并用数据进行验证.验证结果表明该方法具有很好的预测精度,可用于装备故障间隔时间的预测和估算.     

基于改进的灰色RBF模型的初始备件预测研究

针对初始备件故障规律不稳定和历史消耗数据少的特点,将遗传算法、GM（1,1）模型和RBF神经网络有机结合．提出了改进的灰色RBF预测模型。该模型利用遗传算法对GM（1,1）模型参数进行动态寻优,并利用RBF网络对预测值进行残差修正。最后,通过采集新机部队某初始备件上半年的消耗数据,对该模型进行了实例仿真。结果表明：改进...     

基于组合预测模型的某型导弹贮存寿命评估方法

科学确定导弹的贮存寿命对提高部队装备保障能力和战斗力具有重要的现实意义。针对导弹贮存数据具有“少数据”和随机波动性较大特点,建立了灰色GM（1,1）评估模型和马尔可夫模型的组合预测模型,并应川此组合预测模型解决了某型导弹贮存寿命评估的问题。结果表明,该方法对现有数据拟合程度较好,预测精度较高,克服单一预测方法的不足,有效性强,使用价值大。     

基于组合预测模型的飞行器健康预测

针对飞行器健康状况难以准确预测的问题,结合GM(1,1)模型和MGM(1,n)模型的各自优点,提出了基于组合预测模型对飞行器健康信息进行预测的新方法.首先对由声发射传感器募集到的飞行器关键部件原始声发射信号进行五级sym4小波分解,分别提取其第五层小波分解系数的绝对值平均值、标准差和奇异值三种特征向量;然后分别用GM(1,1)模型和MGM(1,n)模型对绝对值平均值进行预测,利用BP神经网络将这两种模型的预测结果作为输入、原始数据作为输出进行组合预测.实验表明,这种组合预测方法可以很好地实现对飞行器关键部件故障信息的准确预测,其预测准确度明显高于单一预测模型,从而证实了该方法的有效性.     

导弹电子设备故障的组合预测方法研究

针对传统GM(1,1)的对纯指数型序列预测的局限性,引出了改进的离散灰色DGM(1,1)模型。应用DGM(1,1)模型与时间序列AR模型的组合模型对导弹电子设备进行故障预测,并通过实例对预测精度进行了检验。     

卫星参数趋势预测EMA熵组合算法

卫星遥测参数的趋势变化状态对卫星故障预测的判断起到重要的指导作用,立足于遥测参数特性,提出等高线预测方法,从特征数据出现的时刻对参数进行趋势预测。为了提高预测精度,引入EMA(增加期望模式)误差分析模式,结合之前提出的新息灰预测模型,根据熵组合基本原理建立基于EMA熵组合预测模型。通过工程数据仿真计算,并利用预测有效度对各种算法进行评估,结果验证了基于EMA的熵组合预测模型的正确性和可靠性。     

基于灰色神经网络的疲劳裂纹预测方法研究

为对构件疲劳损伤进行预测,提出了基于灰色神经网络模型的疲劳裂纹扩展预测方法。将灰色GM（I,1）模型向BP网络映射,建立了一维灰色神经网络GNNM（1,1）模型。基于灰色GM（1,1）模型的发展系数和灰作用量给出了GNNM（1,1）模型初始权值。应用建立的GNNM（1,1）模型预测了某不锈钢构件腐蚀疲劳裂纹的扩展,并与GM（I,1）模型的预测结果进行了对比,表明GNNM（1,1）模型具有更高的预测精度和模型精度。     

海军导弹武器装备使用保障费用灰色研究

分析了导弹装备使用保障费用的影响因素,建立了费用分析模型,并针对海军导弹装备使用保障费用信息特点,引入灰色理论,建立了GM(1,1)模型,用于装备使用保障费用的预测和计算.     

基于灰色理论的自适应多参数预测模型

故障预测对保障武器装备安全可靠工作具有重要意义。但是,用于武器装备故障诊断和预测的数据往往是小样本、多特征参数数据,当前主要的故障预测方法在实际故障预测中虽取得了一定的效果,但均存在不足之处。本文基于灰色预测建模理论,分析了GM(1,1)预测建模中的不足,考虑多个特征参数间的相互关系以及预测序列的实际特点,修正了初始值和背景值,建立了小样本情况下的自适应多特征参数预测模型,并以某型飞机发动机的多特征参数的仿真数据为例进行了预测分析,结果表明该模型具有很好的预测精度,证明了该模型的有效性。     

改进灰色预测模型在对地攻击弹药需求预测中的应用

针对战时航空兵编队对地攻击的弹药需求问题,研究了灰色预测模型在弹药需求预测中的应用问题。首先,分析了影响弹药需求预测的主要因素;其次,分析了基本GM(1,1)模型存在的问题,提出了一种新的改进参数和时间响应序列的GM(1,1)模型;最后,分别用基本GM(1,1)模型和改进的GM(1,1)模型对一组弹药需求数列进行比较分析。结果表明,相对于基本GM(1,1)模型而言,改进的GM(1,1)模型的相对误差较小。     

某型航空活塞发动机进气门烧蚀变形量的灰色预测技术研究

根据灰色GM(1,1)预测模型预测某型航空活塞发动机进气门烧蚀变形量,并利用Mat LAB进行计算分析。结果表明,采用灰色预测理论进行预测分析,可以得到满意的预测精度,可以为该型发动机的维修提供一定的理论支持。     

基于灰色理论的飞机结构疲劳寿命预测

对飞机结构疲劳寿命进行预测研究,具有重要的军事意义与凸显的经济价值,本文以某型军用飞机关键结构部件——水平尾翼为具体研究对象,采用通过飞机结构疲劳寿命试验专用平台得到的水平尾翼疲劳寿命的真实试验数据,运用灰色相关理论建立非等间距GM（1,1）模型,应用此模型预测飞机结构部件的疲劳寿命,并通过试验对所建模型的准确性与有效性进行验证。试验表明,非等间距的GM（1,1）模型能准确地预测飞机结构部件的疲劳寿命,降低TOM（1,1）模型的预测误差,拓宽‘TGM（1,1）模型在飞机结构疲劳寿命预测领域的应用范围,具有很好的工程实用价值。     

住宅需求量预测的灰色马尔柯夫模型及应用

统计数据显示出非平稳的特征时,采用一般的预测方法往往精度不高,考虑到GM(1,1)模型和Markov链预测的特点,用GM(1,1)模型进行趋势预测,用Markov链预测反映数据序列的非平稳特征,将二者有机结合起来,对住宅的需求量作预测.文章应用该模型对1992～2002年间某城市住宅的数据进行了检验,经验证预测精度较高.     

基于深度森林的卫星ACS执行机构与传感器故障识别

针对卫星姿态控制系统（ACS）闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法进行故障信息学习与辨识,建立故障预测模型,实现执行机构故障与传感器故障的识别。半物理仿真结果表明：在存在气浮台干扰力矩、卫星转动惯量未知、飞轮非线性特性、闭环故障传播等多种不利因素情况下,深度森林算法对于执行机构和传感器故障具有高效的识别能力。     

用相关参数实现参数多步预测的神经网络方法

对相关参数预测的非线性时间序列进行分析,提出了用相关参数实现多参数、多步数预测的神经网络方法,建立了神经网络实时预测模型,并对预测参数进行了综合处理,不仅弥补了预测信息的不足,而且能够使故障状态提前得到多次警报,克服了传统预测方法所遇到的困难,提高了预测模型精度     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

基于灰色预测理论的民用航空器使用困难预测研究

简述了灰色预测理论的特点、灰色GM(1,1)预测模型的建模过程及后验差检验的方法,以1996年1月～1997年4月期间全国民航B737型飞机的使用困难千时率为原始统计数据,建立灰色GM(1,1)预测模型,经检验模型的精度达到了1级精度。结果表明,模型的预测结果比较可靠,这对于改进民用航空器产品的设计,提高民用航空器的安全运营可靠性有一定作用。     

军机两级维修费用效益预测

维修费用估算是军用飞机寿命周期费用估算的重要组成部分。将三级维修体制简化为两级维修,可节省维修财力并提高战备完好性。引入灰色系统GM（1,1）模型理论,建立了转换维修体制后的财力节省预测模型,以美空军实际节省的财力数据为例进行预测,经多种精度检验表明,模型的可信性较高。     

基于灰色理论的混凝土碳化深度预测

本文应用灰色系统理论对混凝土碳化进行研究，用建立的灰色预测模型GM（1，1）对混凝土的碳化深度进行了预测。通过与已知试验值的的比较，证明该方法是简单可靠的。     

有控飞行器气动参数辨识研究

研究了利用极大似然理论进行有控飞行器气动参数辨识的问题，首先介绍了牛顿－拉夫逊（ＭＮＲ）简化算法，然后，提出了采用此入外部激励的办法进行气动参数辨识，这种方法可增强参数的可辨识性，最后提出了构造故障弹道辨识气参数的设想，由于特定的故障弹道和外加激励一样，不同程度地激发了导弹的飞行信息，故辨识结果较好。