基于灰色模型和ARIMA模型的钟差预测

由于多种因素的影响,原子钟运行情况十分复杂,为了有效地进行钟差预报和更好的反应原子钟的特性,提出一种基于灰色模型和ARIMA模型的组合模型来实现钟差的预报,并给出了灰色模型和ARIMA模型进行原子钟钟差预报的基本思想和预报模型。利用组合模型更精确地把握钟差序列复杂细致的变化规律,从而更好的逼近钟差序列。为了验证该组合模型的可行性和有效性,利用原子钟钟差数据进行钟差预报分析,结果显示该模型具有较好的预报精度。     

基于AHP灰色理论的飞机驾驶舱内环境设计评价

在分析驾驶舱内环境特性的基础上,综合考虑了驾驶舱内环境中的设计因素,运用层次分析法建立了基于灰色理论的飞机驾驶舱内环境设计综合评价模型。该模型通过以定量分析为主、定性分析和定量分析相结合的方法,克服了评价的主观性和随意性,实现了对飞机驾驶舱内环境设计的全面、科学和合理的评价。最后,设计并编制了飞机驾驶舱内环境设计评价软件,解决了评价过程中大量的人工数学计算问题。     

一种构造WDOP中加权矩阵的新方法

加权几何精度因子(WDOP)是影响导航接收机定位精度的一个度量.从wDOP值的研究人手,讨论了其值不仅与卫星/用户几何布局有关,还与加权矩阵相关.提出了一种基于灰色关联分析法和广义延拓逼近法构造加权矩阵的新方法,讲述该方法的原理和具体实现过程,并以GPS导航系统为研究对象,在GPS软件接收机研究平台上进行仿真实验,对实验结果从准确性和稳定性两方面进行了比较分析.仿真结果表明使用这种方法构造的加权矩阵进行定位,定位结果准确度高,稳定性好.     

灰色系统理论在测量不确定度评定中的应用

采用统计方法计算标准不确定度一般需要一定数量的测量数据且知道其统计分布规律,这在实际中很难做到。本文利用灰色系统理论给出求解标准差的新方法,以此来评定测量不确定度,对数据量和分布规律无特殊要求,在实际应用中取得较好效果。     

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.     

基于灰色系统理论的软件可靠性综合评价框架

从系统工程的角度出发,提出一套完整的基于灰色系统理论的软件可靠性综合评价框架.首先,在ISO/IEC 9126软件质量模型的基础上,建立起软件可靠性综合评价体系,并利用灰关联分析方法计算每个度量元与软件可靠性之间的相关程度,由此确定度量元在评价体系中的权重值.在此基础上,提出基于灰色聚类的软件可靠性综合评价方法.初步的实验结果表明,基于灰色系统理论的软件可靠性综合评价框架具有方便实用、全寿命周期评价、数据来源广泛、且可准确反映当前软件可靠性指标水平等优点,适合于软件可靠性工程决策活动.      

基于一种灰色聚类滤波算法的飞机远程故障诊断虚警辨识方法

 在航线排故过程中,常会出现飞机远程实时故障报文信息的“飞机通信与寻址系统(ACARS)虚警”现象,使排故效率降低。对此,本文将灰色聚类和滤波理论结合提出了一种新的辨识算法——灰色聚类滤波算法,将常增益滤波引入灰色聚类算法,在灰色聚类算法中使用ACARS报文故障的当前数据分类故障、判断虚警的基础上,增加报文故障的历史数据,用滤波方法将历史的和当前的数据结合起来,提高辨识虚警的准确性。本算法应用于航空公司的波音777机队,能够有效辨识飞机实时故障报文信息中的虚警。     

基于灰色层次分析法的武器系统综合保障能力评估

针对武器系统综合保障能力的评估问题,建立了武器系统综合保障能力评估指标体系,综合运用层次分析和灰色理论方法建立了解析模型,最后通过一个实例的计算证明了该方法的有效性。     

航空运行风险的灰色神经网络模型

采用灰色神经网络的方法,建立了中国民航运行风险的非线性在线模型.模型以风险监测指标作为输入,以评价民航安全的综合指数作为输出,编写了模型计算软件进行仿真计算.计算结果表明,模型预测值与实际安全综合指数值吻合较好,验证了方法的正确性.利用该模型既可以确定风险监测指标中的主要影响指标,为民航降低运行风险提出合理的建议;又可以对民航安全的综合指数进行分析,为行业的安全运行提供预警.      

基于小波变换和AR-GM(1.1)的发动机状态监控

一般情况下,润滑油对发动机起着非常重要的作用,它直接关系着发动机能否安全可靠工作以及工作性能的优劣。由于润滑油中带有大量的发动机磨损情况的有用信息,需要对润滑油进行油液监控分析,从而可以得到发动机的磨损情况,可提前发现发动机的潜在故障,做到预防性维修。本文提出一种基于小波变换和AR-GM(1.1)方法对滑油金属含量时间序列值的变化情况进行预测。通过与GM(1.1)预测方法相比较,该方法具有很好的预测效果。