灰色聚类法在航空装备维修保障能力评估中的应用

通过对航空装备维修保障系统的分析,用灰色聚类法给出了航空装备维修保障能力评估指标体系综合评估模型,并进行了实例分析.     

航空维修保障能力的神经网络评估方法与应用

建立了航空维修保障能力评估指标体系,并运用 BP 神经网络建立了评价模型,给出了评价结果。航空维修保障能力,是完成装备维修保障任务所具有的本领,即保持、     

基于RBF网络的航空装备维修保障能力评估

维修保障能力评估工作是航空装备全系统全寿命管理的一项重要内容.科学精确的维修保障能力评估方法是实现航空装备精确化保障的基础,对促进航空装备的信息化建设具有重要的意义.首先建立了航空装备维修保障能力评估指标体系,确定了关键要素指标,然后建立了基于RBF神经网络的航空装备维修保障能力评估模型,仿真结果验证了该方法的有效性.     

基于BP神经网络的雷达装备维修质量评估研究

通过对雷达装备维修质量影响因素和众多参数进行分析权衡,建立了装备修后维修质量评估指标体系,鉴于评价体系包含许多复杂的不确定性因素,为衡量其对维修质量的影响程度,弥补传统评估方法的不足,构建了基于BP神经网络的雷达装备修后维修质量评估模型,并通过实例验证了模型的科学性、合理性和公正性。     

基于OPN和UML的导航装备维修建模方法研究

探讨了一种基于面向对象Petri网与UML模型的系统层次建模方法,结合UML和Petri网分析方法的各自优势,首先利用面向对象Petri网模型描述和分析地面导航装备维修保障系统的动态特性,然后按照一定的映射算法将Petri网模型转化成UML模型的状态图和顺序图,描述地面导航装备维修系统组织结构和系统的静态特征。最后验证了这种方法在地面导航装备维修保障系统建模应用中的实效性、科学性。     

平衡记分卡法在航空装备维修能力评估中的应用研究

在航空装备维修能力的评估中引入了平衡记分卡方法,确保评估方法的研究始终围绕航空维修保障目标的实现.再采用层次分析法确立航空维修能力评估的指标体系和权重,使得航空装备维修能力评估更加科学、有效.     

基于BP神经网络的军机两级维修保障效能评估

介绍了BP神经网络的基本原理和方法,并构建了军机两级维修保障效能评估指标体系,利用MATLAB仿真软件对结果进行了计算和分析。结果表明,BP神经网络适用于对两级维修保障效能进行评估。     

基于BP神经网络的装备备件重要度评估

针对装备备件重要度的评估问题,构建了相应的评估指标体系,建立了用于备件重要度评估的三层BP神经网络.然后,构造样本对BP神经网络进行训练,利用训练好的网络对备件重要度进行评估.结果表明,该方法能够较好地克服人为因素和模糊随机性的影响,取得了较好的评估效果.     

AHP方法和BP神经网络在装备保障性评估中的应用

目的介绍了BP神经网络的基本原理，建立装备保障性评估指标体系。方法在系统分析装备保障性的各种影响因素的基础上，设计用于评估装备保障性的神经网络模型，利用AHP方法确定指标的初始权重，并调用MATLAB神经网络工具箱中的GUI对结果进行计算和分析。结果研究表明神经网络具有很强的解决复杂非线性关系问题的特点，适用于对装备保障性的分析和评估。结论BP神经网络评估方法是一种基于非线性系统的预测方法，对装备保障性进行综合评估能够较为准确地提供决策依据。     

基于模糊理论的军用飞机系统维修保障能力评估

介绍了国内外装备保障性及维修保障能力评估方法研究现状;依据全面性、合理性、科学性原则,建立了军用飞机系统维修保障能力评估指标体系;应用基于层次分析法（AHP）的模糊多级综合评判方法,建立了评判模型,对两型飞机实施其维修保障方案时维修保障系统的能力进行了评估。结果表明,应用该方法解决保障系统维修保障能力评估问题具有较好的准确性和有效性。     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

军用飞机维修保障费用机器学习预测方法

介绍了军用飞机维修保障费用预测方法。确定影响费用值的元素为说明性变量,应用BP人工神经网络和支持向量回归估计（Support Vector Regression,SVR）理论模型,以及收集到的维修保障费用数据进行了训练并对某型飞机的维修保障费用进行了预测,将预测结果与实际费用值进行了对比,并将神经网络预测方法、支持向量机方法和其它预测方法进行了比较。     

用遗传算法改进的BP模型在刹车系统诊断中的应用研究

利用神经网络进行故障诊断是近些年来所兴起的一种重要的智能诊断方法。我们就是根据航空维修的特点及神经网络的优点, 提出了应用BP网络对飞行器的故障进行学习、训练和诊断的想法。同时, 为了克服单独应用BP算法时存在的缺陷, 我们利用遗传算法(GA)对其进行了改进。我们利用面向对象的计算机编程技术, 开发了一个软件程序, 初步试验, 取得良好效果。最后讨论了在航空维修方面智能诊断的未来发展趋势。     

基于BP神经网络的飞机装备维护人员综合素质评估

在分析了影响维护人员素质的因素后提出了基于BP神经网络对维护人员综合素质进行评估的方法.利用BP神经网络建立了维护人员综合素质的评价模型,并通过使用改进算法进行了训练.训练测试的结果表明,该方法具有较高的可行性和有效性,为全面评估维护人员的素质提供了一种方法.     

基于灰色网络分析法的某型飞机机务保障能力评估研究

机务保障能力的评估研究,对于战斗力的形成和保持有着重要的意义。本文构建了机务保障能力评估体系的网络结构模型,在此基础上运用灰色网络综合评估方法,建立某型飞机机务保障能力灰色网络评估模型,并用实例进行验证,为全面系统的评估机务保障能力提供了一种新的途径。     

基于BP神经网络的机场安检旅客流量预测模型

机场安检服务资源智能分配及调度是提高机场旅客服务水平及运营效率的有效途径之一,而准确的机场安检旅客流量预测则是实现机场安检服务资源动态分配及调度的前提。以天津机场安检旅客流量的历史数据为研究对象,利用BP神经网络算法建立机场安检旅客流量预测模型,并将该预测模型通过天津机场实际旅客流量进行验证。结果表明:该基于BP神经网络的机场安检旅客流量预测模型的预测精度可达90%以上,证明其具有较高的预测精度,能很好地应用到机场安检流量预测中,为机场运营者动态调度安检服务资源提供高效的解决方案。     

基于BP神经网络和飞行参数的航段风险评价

飞行运行风险的定量评估对于民航安全保障具有重要意义。设计并实现了一种基于BP神经网络算法的航段风险评价系统。该系统将大量飞行情景参数直接作为飞行风险评估的基础,通过飞行能力评价体系获得飞行运行风险度经验数据,并使用神经网络实现了任意飞行情景的风险度拟合运算。经过真实航班飞行数据的测试和飞行品质监控系统的验证表明,该系统可为进近着陆阶段任意时刻的飞行运行风险评估提供可靠的结果。     

基于BP神经网络的叶片损伤度评估方法

将叶片简化为悬臂梁模型,根据振动力学理论推导出了叶片损伤度与固有频率变化量以及损伤位置两个参数的内在关系,将其抽象为一种从损伤的位置及固有频率的变化量到损伤度的映射.在此基础上,将具有自学习能力和逼近非线性映射能力的人工神经网络引入到损伤度的预测中,构建了一种基于BP(back-propagation)神经网络的叶片损...     

基于BP网络的机载导弹备件需求量预测

针对机载导弹部署后期与备件有关的各项保障数据比较充足的情况,在进行备件需求量影响因素分析和量化的基础上,应用BP神经网络模型对其进行了预测。仿真结果表明,充分利用了各有用数据,能有效提高预测的可靠性和准确性。     

基于MDP-GERT的航空装备维修保障流程优化研究

针对航空装备维修保障中存在的维修保障能力难以满足保障需求的问题,结合马尔科夫决策过程与图示评审技术,提出了一种新的航空装备维修保障流程优化模型。首先在GERT网络中嵌入决策节点,以总维修时间为目标函数,构建了航空装备维修保障流程MDP-GERT网络模型；然后利用策略迭代法和蒙特卡罗仿真技术,给出了模型的求解方法；最后,结合案例得到多机充氮流程的优化工序和预计时间,验证了模型和算法的可行性和有效性。结果表明:利用该模型对保障流程进行优化,能够有效地为缩短维修保障时间提供决策支持,提高维修保障效率。