民用飞机后勤保障相关使用分析研究

基于民用飞机后勤保障相关使用任务分析(LROA)的意义及分类,重点研究了LROA分析的具体分析方法,并且结合目前民用客机LROA分析的实际工作,给出了民用飞机后勤保障相关使用分析的具体示例和建议。     

基于核近邻非参数回归的航材消耗预测

针对某型直升机服役时间短、机型较新、备件采购周期长等特点,使用核近邻非参数回归对平稳型航材建立消耗预测模型。对比多种回归方法,证明基于非参数回归的航材消耗模型对区间预测具有较好的效果。     

基于可靠性数据的航材备件需求预测方法

航材备件的需求预测已成为装备综合保障领域研究的难点.主要对各部件寿命分布类型进行归纳与总结,建立多数零件服从寿命分布类型的需求预测模型,并对军机执行任务这一特殊情况建立了战损备件预测模型.以可靠性数据为研究基础,对正态分布、指数分布、威布尔分布等备件进行分类分析,根据实际情况逐步精确备件保障概率的取值.计算结果表明,方法能给出合理的备件保障概率和备件需求预测结果.     

基于模糊层次分析的航材仓库保障效能评估

通过分析航材仓库保障工作具体情况,查找相关国军标规定,构建了航材仓库保障效能评估指标体系;通过层次分析法确定指标权重和隶属函数,进而建立了基于模糊层次分析法的评估模型。结合实例分析,验证了该方法的有效性,为进一步提高航材仓库保障效能提供了帮助。     

航材保障经费的优化配置研究

航材保障的主要工作包括航材筹措、储备、供应和管理,这些工作均需要经费支撑,数百万项航材占用大量的资金.如何充分利用和优化配置好航材保障经费,对提高航材保障良好率和飞机完好率至关重要.以航材保障经费为资源,以航材系统整体保障效益的提高和飞机维修器材费用的优化配置为目标,建立了航材保障经费优化配置模型,应用边际分析法推导出模型公式,利用数值计算法获得使航材保障效益最佳的经费优化配置方案,使有限的航材保障经费充分利用,发挥其最大的保障效能.     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

航材送修可视化管理浅析

利用现代网络技术建立航材送修可视化管理系统,有效减少航材送修流程中监控的盲点,暴露航材送修过程中的问题,从而提高航材送修周转率,降低航材送修周期。     

基于支持向量回归机的航材周转件需求预测

将机器学习应用于航材库存管理之中,提出了基于支持向量回归算法的航材周转件需求预测模型。将聚合处理后的周转件月需求数据分为训练集和测试集,以训练集为输入,选取核函数和模型参数,对支持向量回归机进行训练。应用训练完成的支持向量回归机,以测试集对模型进行验证,预测结果证明了模型的有效性。     

飞机舱门失效乘客减载计算方法的探讨

从适航当局、航空器制造商要求出发,从适航角度探寻了飞机舱门失效时需要进行旅客人数减载的原因。根据FAA、EASA、CAAC对各种机型舱门失效的要求,对比分析了各民航体系的要求差异,总结了舱门失效时计算旅客人数减载量的方法。在舱门失效对旅客人数进行减载时,航空公司需要综合考虑航班是否为跨水航班、舱门性能、救生筏性能。根据实际飞机客舱布局,结合航班的销售情况,在满足适航要求的同时,将因客舱门失效带来的经济损失降到最低。通过公式和表格,可以比较迅速地完成旅客人数减载量计算和减载区域指定。最后根据分析和实例计算,发现FAA体系下计算方法简单,但是对减载区域的限制比较严格;EASA计算方法比较繁琐,但在指定减载区域时比较灵活。