基于数据包络分析的民航发动机维修效果评价

对民航发动机维修效果进行评价可以为发动机承修厂的选择提供决策支持,同时有助于发现发动机承修厂的潜在问题。为了实现发动机维修效果的评价,首先提出了评价指标选择的原则,在此基础上给出了发动机维修效果评价指标体系,建立了基于数据包络分析的C2WH模型的发动机维修效果评价模型,并对模型的构建过程进行了描述。针对决策单元输入输出...     

基于DEA的研制阶段装备保障方案评价模型

针对目前研制阶段装备保障方案评价在角度和方法上的不足,提出基于数据包络分析(DEA,Data Envelopment Analysis)的评价模型.分析提炼保障系统的整体特性,建立保障系统的特性评价参数,构建基于数据包络分析的评价模型,通过计算保障方案的相对效率指数进行保障方案的评价,采用基于劣势前沿面的数据包络分析评价模型对多个有效保障方案进行二次评价,实现了保障方案的排序.结合研制阶段某型号军用飞机保障方案给出评价示例,从而验证了该模型的可行性和有效性,可为国防工业部门在研制阶段保障方案的评价上提供有效的决策支持.     

基于聚类分析和DEA的枢纽机场评价研究

针对枢纽机场运行效率低下和盲目追求建设超前性问题,用聚类分析明晰全国枢纽机场等级,通过DEA研究枢纽机场的运行效率,并根据各机场发展需求和功能定位,提出我国枢纽机场协同发展策略.结果表明:民用机场被分成4类,一级、二级、三级枢纽分别为3、15、31个.49个枢纽机场中,北京、广州、昆明、深圳、三亚机场效率为1,为DEA有效.评价方法对改善机场的运行业绩具有参考价值,为机场的顶层设计规划提供科学的管理决策依据.     

基于博弈交叉效率DEA的装备设计方案评审

基于数据包络分析构建了可以处理效益型、成本型和固定型3种类型指标的多属性综合评价方法.通过引入交叉效率以使评价对象自评与互评相结合,解决了数据包络分析用于多属性综合评价时评价标准不一致的问题;在此基础上,通过引入博弈交叉效率,采取在其它评价对象提升自身效率的同时,被评对象也不断改善效率的策略,弥补了数据包络分析用于多属性综合评价时评价结果不唯一的缺陷,并提升了评价结果的区分度和合理性.通过算例对该方法进行了验证,并将该方法应用于装备设计方案评审,结果表明其能够较好的解决方案的评价排序和择优问题.     

一种基于改进后的孤立森林机器学习方法在飞行器控制系统试验电源数据包络分析中的应用

为了弥补当前试验数据包络分析方法存在的缺陷,提出并实现了一套新的数据包络分析方法。针对控制系统设计方式相同的不同飞行器多条数据一致性判断问题,采用改良后的孤立森林方法进行数据包络分析,快速找出异常电源电压数据。这种方法还可以推广到类似其他采样数据的数据包络分析场景。在此基础上开发了数据包络分析软件,并进行了多次验证试验。结果表明,提出的数据包络分析方法能有效判断出飞行器控制系统电源所涉及链路中的隐性或显性问题。     

对技术引进和经济规模有效性的分析

采用数据包络分析法（ＤａｔａＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓ，ＤＥＡ法）对技术引进有效性及经济规模有效进行评价，其参数选择原则为绝对数系列，以轴承行业５０家企业的数据，对同一时间点的现有生产配置条件下的企业经济规模有效性进行横向评价，以某厂８年数据对不同时间点企业技术引进的后期效果进行技术引进有效性纵向评价。     

DEA方法在中国民用机场评价中的应用研究

采用DEA对中国民用机场运行的相对有效性进行了评价。在国际上虽然少数人用DEA对民用机场运行做了评价．但因其采用的机场投入与产出指标不合适。使评价结果的准确性受到限制。本研究采用的机场投入与产出指标能正确反映实际，特别是使用财务指标作为输入。其评价结果对改善机场的运行业绩具有参考价值。     

新型民机维修成本目标有效性评估方法

将数据包络分析(DEA)的两阶段法扩展到了输入输出是模糊数的情况,并应用于新型民机的维修成本目标评估之中。应用时,新机与其类似机型将来的维修任务被视作决策单元,直接人工时费、直接材料费和间接维修费被视作模糊输入,遣派可靠度、可用座公里数和损失成本的倒数被视作模糊输出,经两个阶段的DEA分析之后,不仅能实现对维修成本目标的有效性评价,而且能实现对不合理目标的及时修正。经实际工程验证,该方法实用且有效。     

基于包络函数和二级近似概念的结构优化方法

利用包络函数、二级近似概念和对偶理论,提出了一种结构优化的有效解法.首先,利用包络函数将原多约束结构优化问题转化为单约束优化问题,再利用本文提出的新的两点近似函数构成高精度近似问题,继而用二级近似求解策略和对偶理论求解.理论与算例皆表明本方法的主要优点是其通用性和高的计算效率,这对于工程中的具有复杂函数的大型优化问题特别重要.     

基于机器学习的飞机动力装置运行可靠性

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性,针对运行可靠性影响因素的多维、耦合的特点,采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法;并基于飞机实际运行的快速存取记录器（QAR）数据,梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系,采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析,基于提取的QAR数据特征,采用随机森林、多变量神经网络回归算法,建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例,对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析,对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度;对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律,可为动力装置的运行与特情处理提供参考。