紧急采购管理及风险库存控制模型

采购部门在日常事务中经常面临紧急采购的情况,以及随之而来的库存积压问题,这会给企业带来风险及库存成本的增加。在理论分析的基础上,通过是否设置风险库存的假设,建立两种对比模型,最后得出结论,设置风险库存的控制方法可以降低成本,并达到抵御风险的目的。     

基于质量链的PC构件质量管理研究

预制混凝土构件作为装配式建筑的基本元素,其质量的有效控制和管理是保证装配式建筑质量安全的关键。文章基于质量链管理理论,从影响装配式建筑PC构件质量的设计、生产、储运、吊装四个阶段入手,构建了PC构件串联结构的多级制造质量链模型,利用主成分分析法对关键链节点进行识别,并基于分析结果和相关数据提出了健全参与方生产责任制,加强对关键节点的质量管理,提高信息化应用水平的措施。     

基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题，结合目标机动轨迹时间序列的混沌特性，提出一种基于相空间重构理论和Volterra泛函级数的目标机动轨迹预测模型。该模型首先采用0-1检测法验证了目标机动轨迹时间序列具有混沌特性；其次，利用C-C法确定嵌入维数和时间延迟，对目标机动轨迹时间序列进行了相空间重构；然后，引入Volterra泛函级数预测模型，为了克服高阶Volterra核函数求解复杂的难题，提出一种混沌变异自适应粒子群算法，构建一种基于改进粒子群算法辨识的Volterra级数预测模型，并将其应用于目标机动轨迹预测；最后，将所提算法与卡尔曼滤波算法以及机器学习算法进行单步和多步预测对比，同时将改进粒子群算法与其他智能算法进行性能比较。仿真结果表明：所提预测模型具有良好的单步和多步预测性能，改进的粒子群算法具有参数辨识精度高、收敛速度快的优点。     

部分共享下航空企业周转件两级库存配置研究

针对周转件的部分共享两级配置问题,将部分共享与库存配置模型相结合,提出了部分共享下周转件两级库存配置模型。企业组建本地级和共享级进行优先级保障,并构建部分共享转运流程。通过马尔可夫分析两级的需求关系和在库库存的状态转移,建立了基于稳态概率的两级库存转运模型。在此模型基础上,结合备件保障成本构成分析,建立以服务水平为约束的部分共享转运成本模型。运用粒子群算法求解部分共享模型下的两级库存配置和系统总成本。通过算例计算,将得到的结果与相同保障率下的独立保障模型进行对比,表明部分共享的两级配置模型能够使系统总成本和库存量显著减少,为制定合理的备件配置方案提供决策依据。     

基于改进的混合粒子群算法的变循环发动机模型求解

为了降低变循环发动机模型求解时对初始值的依赖性,提升算法的全局收敛性,同时提高模型求解的效率,提出了一种基于改进的混合粒子群算法的变循环发动机模型求解思路。首先建立了变循环发动机的部件级模型,并建立了发动机的共同工作方程组;然后采用Broyden法对牛顿-拉夫森算法中的雅可比矩阵进行更新计算,在经典粒子群算法的基础上引入粒子中心,作为干扰项,并引入限制因子和自适应时变惯性系数;最后,综合了两种改进的算法,提出改进的混合粒子群算法。实验结果表明:该算法不仅继承了牛顿-拉夫森算法的高计算效率,还吸收了改进的粒子群算法的全局收敛优点,可实现模型大范围收敛。     

引入平均最好位置的量子粒子群算法及在航空发动机非线性模型求解中的应用

为改善粒子群算法的全局搜索能力和计算精度,在标准粒子群算法和量子理论的基础上,将平均最好位置引入粒子的状态更新过程,提出了1种基于量子行为改进的粒子群算法及不同的收缩-扩张因子取值策略.采用该量子粒子群算法对建立的典型双轴涡扇发动机部件级非线性模型进行了求解,结果表明:分段线性递减收缩-扩张因子适用于复杂的航空发动机隐式模型,其收敛效率和精度都较高,具有一定的工程应用价值.     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

多目标跟踪中自适应时间资源调度

为了提高雷达的工作效率,在改进交瓦多模型-概率数据关联(IMMPDA)跟踪算法的基础上,提出了基于灰色关联度和粒子群优化理论的自适应多目标跟踪的时间资源凋度(ATRS)算法.首先对每个跟踪目标设置不同的期望跟踪精度;然后以灰色关联度作为资源管理模型中的度冒函数和粒子群算法中的适应度甬数,来衡量各种情况下预测跟踪精度与期...     

浅谈航空公司航材库存管理

航材成本在航空公司的成本支出中占有了接近一半的比例，从而占有大量的资本，因此库存管理受到越来越多的关注，特别是在民航重组以后，几家大的航空公司的航材储备量的增加，已经不仅仅是单一的航空公司的航材管理，而是需要从集团整体上来对航材管理，所以所需要的技术和管理手段必须随之更新。而库存管理的出发点主要是为了尽可能地减少库存数量。库存问题与顾客服务密切相关。航材的内部顾客主要指航空公司内部的航材供应部门或者是独立的航材公司，而外部顾客群主要是航空公司。航空公司总是希望当他们需要的时候，就能获得所需的航材。如果内部顾客面对的是空的库存，那航空公司的利润生产过程就会被阻断；同样，如果外部顾客不能实现其购买行为，他们就会转而同本公司的竞争者进行交易，而库存管理其宗旨就是平衡持有库存的成本和不持有库存的成本。本文正式基于此点考虑提出如何降低库存成本的三种方法。     

面向任务需求的模块化无人机配置方法

为了实现成本约束下面向任务需求的模块化无人机（UAVs）高效配置，基于无人机需求集和模块备选元素集，构建了任务需求与模块备选元素之间的关联矩阵；以无人机总体成本为约束条件，建立了需求满意度评价模型，引入了改进粒子群算法以获得无人机专用模块的最优配置方案，并通过算例与其他2种优化算法对比，验证了本文优化算法的有效性，进而提出了一种面向模块化无人机的配置方法。以某任务场景为例，在预定成本约束下构建了3型无人机的模块配置方案，并与文献中的单兵无人机参数配置进行对比，验证了配置方案的合理性。结合不同配置方案的成本计算结果表明，提出的模块化无人机配置方法能够实现无人机性能、成本与多种任务用途需求的协同匹配。在此基础之上，开展了模块化无人机多个配置方案单体成本、面向任务运用成本的对比分析，探讨了无人机配置参数对其单机及集群运用成本的影响规律，间接验证了本文算法对无人机单机及集群运用成本控制的支撑作用。     

改进的粒子群优化算法在气动设计中的应用

为了提高优化系统的搜索效率,发展出了社会模型这种改进智能优化算法的通用策略,在此基础上,提出了一种基于社会模型的改进粒子群优化(IPSOSM)算法。该算法对社会模型进行了分析并在此指导下,将人工鱼群算法(AFSA)中的聚群行为引入到粒子群优化(PSO)算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得IPSOSM算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将IPSOSM算法应用到翼型和机翼的气动优化设计之中,取得了良好的结果,从而表明提出的算法简洁有效,具有较好的实用性。     

有限维修渠道约束下多级维修供应系统库存控制

多级维修供应管理是提高装备保障效能的有效途径,备件的筹措和规划是影响装备可用度和形成战斗力的关键因素。在可修备件库存控制的多等级(METRIC)理论的基础上,放宽了模型中"无限维修总体"的假设条件,根据M/M/C排队论,对故障件的平均维修周转时间及备件供应渠道进行了修正,建立了备件的初始库存优化模型。在传统边际优化算法的基础上,通过引入分层优化的思想,对算法进行改进,使算法具有更高的运算效率,并在理论上对其进行了证明。算例结果表明:在保证计算结果完全一致的基础上,改进的分层边际优化算法能够大大提高运算效率。     

基于蒙特卡洛-自适应差分进化算法的飞机容差分配多目标优化方法

针对飞机复杂组件装配过程中，由于装配偏差的非线性叠加导致通用容差分配模型优化方法存在精度误差和效率低下的问题，提出一种容差分配模型多目标优化方法。首先，分别面向制造成本、装配性能、质量损失构建基于替代工艺的容差分配模型，并采用最优化理论建立多目标优化模型。然后，提出基于蒙特卡洛-自适应差分进化算法的多目标优化策略，其中基于装配偏差传递的图树模型提取偏差的非线性关系模型，结合提取的非线性关系模型采用蒙特卡洛方法对初始样本进行前处理，以提高初始种群的多样性；自适应差分进化算法中的突变阶段采用Lévy flight概率分布进行改进提高全局搜索效率和鲁棒性。通过飞机登机门组件验证容差分配方法，结果表明所提方法能够更加精确、高效的优化容差分配。相比于初始容差分配，优化容差分配结果使得制造成本降低了21.78%,质量损失降低了11.12%,装配性能提高了12.28%。     

改进Bagging算法在航空发动机故障诊断中的应用

基于选择性理论对传统Bagging算法进行改进,以CFM56-7B发动机指印图为基础进行数据扩充,得到建模的数据集,采用基于改进后的Bagging算法解决发动机气路故障诊断问题。在CFM56-7B发动机上的应用表明,改进后的集成算法模型相对于单一算法模型的诊断效果更为显著。     

航空发动机动态总压探针结构设计与优化

提出一种具有强化散热结构的短测管型总压探针方案，建立了总压探针的多物理场数值模拟模型，提出一种基于数值模拟和改进粒子群算法的总压探针结构联合优化方法，采用混合网格划分技术减少网格数量，以正态分布初始化粒子位置，同时增加种群学习因子和自适应邻域比例，提高算法的优化效率。数值仿真结果表明，数值模拟模型中网格顶点数量减少了47%，改进后优化算法迭代代数减少了37%，优化效率高，获得的总压探针结构满足温度约束，且长度短、质量轻。     

恶劣天气条件下航路网络修复优化

针对恶劣天气条件下可用空域资源不足导致的航班大面积延误问题,基于复杂网络修复理论和交通流分配理论,借鉴交通网络设计思想提出了一种航路网络修复优化策略。首先,建立了航路网络修复场景,基于气象信息生成了恶劣天气飞行受限区。然后,建立了上层模型以修复成本最低为目标函数、下层模型为多约束交通流分配模型的双层规划修复模型,应用改进粒子群算法对模型整体进行求解,结合K最短路径算法对下层模型进行求解。最后,提出局部和全局两类指标对航路网络修复效果进行评估。基于典型航路网络,以两类基础修复策略为对比方法,同时对比了实际运行结果,研究了不同修复策略的修复效果和适用性。仿真结果表明：航路网络修复优化策略既能弥补原有拓扑结构修复策略的结构受限不足,又能解决拓扑结构调整修复策略带来的巨额协调费用问题,能够保证在对正常运行航班干扰最小的同时,以最小的修复成本使所有受影响的航班都恢复正常运行,对于减缓航路拥堵和航班延误有极大的意义。     

基于细菌觅食性的改进粒子群优化算法翼型设计

提出了一种基于细菌觅食性的改进粒子群优化算法。该算法以粒子群优化算法的社会模型为基础,添加了个体之间的交流项,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,同时,引入了细菌觅食算法中的趋化和驱散机制,使得算法能够有效地跳出局部最优。函数测试结果表明,该算法显著地提高了粒子群优化算法的寻优性能,并将该算法应用到了翼型设计之中。     

关于航油库存管理理论的新观点及应用

ThePracticeoftheNewConceptsoftheAirOilSicrageManagementTheory一、油料库存管理的最新理论概念油料库存量的大小直接影响流动资金的占用及费用成本的多少，在有外部油源保证和能够充分保障航班供油正常的条件下，应使库存量保留在最小且又最合理的水平上，这给企业带来的益处是显而易见的。但同时也对库存油料管理的科学性、艺术性和管理者素质提出了更高的要求，管理的风险性加大。因为经常性库存减少，势必使一个供油保障循环周期缩短，给油源计划、采购、流转带来一定困难，加上市场和炼油厂不可测因素的变化，可能会有断供的潜…     

支线飞机零备件的优化采购

随着运营成本的提高和运营条件的变化,支线航空公司面临着巨大的降低成本的压力.在这种不断变化的环境下,初始及后续的采购— 以适当的零备件库存支持现有的机队、新机型或者枢纽的正常运行——均受到财务状况的影响.如果适度地进行采购,使机队性能超出规定的运行指标,就可以从合作伙伴那里获得适当的奖励.如果库存量没有达到预期的指标,就会被要求补充足够的库存以支持网络的正常运营.     

基于社会模型改进粒子群算法的翼型优化设计

为了解决粒子群算法在寻优过程中全局最优和局部最优的矛盾,通过在粒子群算法优化过程中引入鱼类的聚群行为,发展了一种基于社会模型的改进粒子群算法。算法以粒子可视范围的不同用法为基础,提出了两种不同的优化策略,同时探讨了种群规模等参数对算法性能的影响,并通过函数测试结果证明了两种优化策略的有效性和不同的优化特性。将改进的优化算法应用在翼型的气动优化中,显著改善了翼型气动特性,提高了算法的全局搜索能力,取得了良好的优化效果。