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。     

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。     

基于新陈代谢GM（1,1）模型的导弹遥测故障预测算法

在人工监视遥测关键参数是否超出阈值范围以判断导弹故障的传统模式基础上,对GM（1,1）预测模型进行了改进,研究了基于新陈代谢的GM（1,1）预测算法对遥测参数实时预测效果.该算法能不断去掉最老的信息,充分利用最新的信息,避免了预测模型老化的现象;由于用于预测的数列维度较少,便于计算,能够保证算法的实时性.用MATLAB编程实现算法,比对实测数据的预测值与实际值,并进行误差分析.结果表明,该算法对遥测参数的预测精度较高,可为及时发现导弹故障提供科学的依据.     

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。     

材料腐蚀预测数学模型的研究

分别用灰色 GM( 1,1 )模型、动态数据双向差分模型对腐蚀试验数据进行了拟合和预测。结果表明 :灰色 GM( 1,1 )模型对腐蚀数据有较好的拟合和预测精度,且对数据有较好的适应性;动态数据双向差分模型对波动不大的腐蚀数据有较好的拟合和预测精度,对波动较大的腐蚀数据其拟合和预测的误差较大。并将两种模型和大气腐蚀研究中常用的幂函数模型进行了比较。     

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.     

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。     

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。     

非等间距GM(1,1)模型研究

非等间距GM(1,1)模型是灰色理论中的重要组成部分。文章分别从数据变换生成方法、建模方法、背景值优化、初始条件优化、模型参数估计方法的优化、其他要素的优化和模型的拓展7个方面对近年来非等间距GM(1,1)模型的研究进展进行比较全面的梳理,明确了有待进一步研究突破的问题,并对非等间距GM(1,1)模型未来的研究方向和重点提出建议。     

基于季节特性的航材备件定量订货模型

为达到降低库存费用、保障飞机持续适航的目的,建立定量订货模型,并通过对部分航材消耗数据的分析,提出利用中心移动平均法求得季节指数的方法,将其作为权系数对该模型进行修正,以提高航材采购数量的精确性。实验证明,该模型能有效地为航材备件的计划采购提供理论指导和决策支持。     

电机控制及配电系统备件优化配置

为了提高舰船电力系统的运行安全性和设计科学性,研究了舰船电力系统电机控制及配电系统的备件设置对电力系统脆弱性的影响。提出了综合考虑降低费用、重量、体积等约束条件,以多尺度综合脆弱度范数最小与资源消耗规模最小为双目标的优化模型;根据满足率的要求确定舰船电力系统电机控制及配电系统的初始备件配置方案,再利用边际优化方法得到最优备件配置方案。实现在网络结构不变的前提下,通过合理配置节点元件备件数量,达到提高舰船电力系统健壮性的目的。最后以复杂环形舰船电力系统为例对模型及算法进行了验证。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

基于遗传算法的航材周转件多周期库存优化

为了应对航材需求和降低成本,针对航材周转件库存优化问题,建立了一个考虑需求预测的多周期优化实例模型。根据模型特点采用遗传算法（GA）进行求解。用某航空公司航材周转件库存实际数据进行了优化计算,计算结果表明,基于遗传算法的多周期优化在基本满足航材需求的同时可降低总库存成本。     

航空活塞发动机大修成本的GM(1,1)优化预测模型

以某台Lycoming型航空活塞发动机2009年-2013年的大修费用为时间序列样本,对其进行准光滑检验和准指数规律检验,表明可以建立GM(1,1)模型。建立常规GM(1,1)模型,求得关联度、方差比、小误差概率等指标均为一级精度,但第7次预测的相对误差较大(5.22%)。为了得到较高预测精度,采用新陈代谢GM(1,1)优化模型,结果表明第7次预测的相对误差减小到0.18%,其余指标均保持一级精度。新陈代谢GM(1,1)模型适用于航空活塞发动机的大修成本预测。     

基于进化神经网络的压气机结垢性能退化评估

采用进化神经网络方法,通过测量参数对压气机结垢性能退化模式进行了定量监控和评估。运用粒子群算法优化径向基函数(Radial Base Function,RBF)神经网络的初始权值,即由神经网络训练样本所得到的实际和期望的输出之间的误差平方和构造适应度函数,对RBF神经网络的隐层中心、半径以及输入输出权值进行全局寻优搜索,设计了进化RBF神经网络,并对模拟得到的压气机结垢的样本进行训练和测试。结果表明:进化RBF神经网络的模式识别能力比普通RBF神经网络的要强,对燃气轮机性能退化评估和健康管理具有重要理论意义和应用价值。     

航空发动机磨损趋势RBF变权重组合预测方法研究

航空发动机滑油中金属元素的含量受许多复杂因素的影响,单一模型预测精度相对较低,本文针对这个问题提出了RBF网络变权重组合预测模型（RBFNN-VWCF）对航空发动机零部件的磨损趋势进行研究。首先引用C-C方法确定时间序列的嵌入维数和时间延时,重构相空间确定模型的输入输出样本,然后对两种模型进行组合预测,利用k均值聚类方法确定RBF网络的中心,利用固定法确定RBF网络的宽度,采用最小二乘法确定网络的权值。结果表明,RBFNN-VWCF模型充分利用了参与组合预测的两种模型的有效信息,更客观地反映发动机零部件的磨损趋势,预测结果更为稳健、相比单一模型精度更高,具有较强的工程实用价值,为发动机下一步的维修决策提供了有力支持。     

考虑多类维修优先权的多级维修供应系统库存控制

备件筹措与保障站点的维修能力和故障件维修机制密切相关。在经典VARI-METRIC模型上,拓宽了模型中"无限维修总体"和"先到先修"的假设条件,基于排队理论,考虑维修优先权对维修过程的影响,对故障件的维修周转时间进行了修正,建立了具有多类维修优先权的备件初始库存优化模型。构造了多站点优先权分配的目标函数,采用智能优化算法对优先权分配方案进行了优化;根据所得方案,采用边际优化算法进行了备件库存优化,提出了采用智能优化算法和边际优化算法对优先权分配方案和备件库存进行分步优化的方法,并开展了算法复杂度分析。算例分析表明,考虑优先权的备件配置方案在满足各项保障效能指标的同时,显著降低了备件购置费用;分步优化的方法在有效降低运算时间提高计算效率的同时保持了一定的计算精度。提出的模型和优化方法能够为装备保障人员制定合理的保障方案提供决策支持。