一种多寿命件机会更换策略启发式搜索算法

针对多寿命件机会更换问题缺乏快速有效求解算法的难题,提出了一种启发式搜索算法。以全生命周期寿命件总成本最低为优化目标,建立了多寿命件机会更换问题优化模型,将问题解空间表达为树结构;为了提高搜索算法的效率,提出了子节点生成方法和单层节点数量控制方法;在此基础上,提出了启发式搜索算法;最后,采用数值实验和应用案例对提出算法进行了评估和验证。结果表明:算法的消耗时间、求解效果与子节点生成系数α、单层节点最大数量β存在关系;当选取合适的α和β时,算法能够在较短时间内取得较好的效果;算法能够适用于设备总寿命为200000时间单位、包含100个寿命件的较大规模的多寿命件机会更换问题。      

基于过程神经网络的热平衡温度预测研究

为缩短航天器热平衡试验周期，以降低航天器研制成本，提出了一种基于过程神经网络的热平衡温度预测模型。为简化该模型的学习过程，提出了一种基于正交基函数展开的基本学习算法，利用基函数的正交性不仅可以简化模型中的时间累积运算过程，而且能提高模型对解决实际问题的适应性。同时，为增强模型的外推预测能力，在基本学习算法的基础上给出了一种基于新增样本的学习算法，使模型既能对新增样本进行快速学习又不损失对原有样本的记忆。实际应用表明，该预测模型能够利用某型号卫星热平衡试验中某监测点进入稳定工况后40小时内的试验数据提前42．5—68小时获得该监测点的极限热平衡温度。