导弹贮存可靠性预测模型研究

分析了贮存环境对导弹武器贮存可靠性的影响 .在两种假设条件下 ,建立了定期检测修复条件下导弹武器贮存可靠度的两上数学模型 ,并给出了参数的估计方法 .作为一个实例分析 ,对于某型导弹某分系统的定期检测给出了实用的贮存可靠度预测模型 ,并对两种模型拟合和预测结果进行了比较 ,数据结果表明两种预测模型都具有较好的拟合程度和预测精度     

基于定期检测的导弹贮存可靠性预测模型

基于导弹的定期检测数据, 通过对导弹贮存可靠性的变化机理进行分析, 建立了导弹贮存可靠性预测模型.对模型进行了拟合和检验, 结果表明方法效果符合要求.     

导弹定期维修条件下的贮存可靠性预测方法

导弹在寿命周期大部分时间处于贮存中,且在长贮过程中会进行定期检测维修。考虑到维修可能对导弹贮存可靠性的影响,论文基于导弹贮存寿命服从威布尔分布的假设,考虑存在初始失效的导弹定期维修的背景下,对最常见的修复如新、贮存失效率增大的情况,提出了贮存可靠性预测模型,并用最小二乘估计对维修后的模型参数进行了估计。最后,通过文献中的数据验证了所提的贮存可靠性预测模型,结果表明模型能较好地预测导弹贮存可靠性在定期维修条件下的变化规律。     

基于定期检测的导弹贮存可靠性研究

基于导弹的定期检测数据，通过对导弹贮存可靠性的变化机理进行分析，建立了导弹贮存可靠性预测模型．并对模型进行了拟合和检验，结果表明该方法能较好地预测导弹贮存可靠性的变化规律。     

两种导弹贮存可靠性预测模型的研究

分析了导弹武器贮存可靠性的影响因素．在定期检测修复的条件下，建立了两种导弹贮存可靠性预测模型，并依据导弹定期检测的记录数据对模型进行了拟合和检验．数据结果表明，两种预测模型都具有较好的拟合程度和预测精度．     

灰色神经网络在空舰导弹寿命预测中的应用研究

结合灰色理论与BP神经网络建立了灰色神经网络组合预测模型.该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合.利用三种灰色模型及灰色神经网络模型对某型空舰导弹某电子设备的失效时间进行预测,研究结果表明灰色神经网络预测效果明显优于灰色模型,是一种实用的且精度较高的预测方法.     

基于多参数相关退化的导弹雷达导引头竞争失效状态预测

贮存状态下导弹雷达导引头的失效是退化失效和突发失效竞争的结果,针对多元相关退化量的竞争失效预测问题,在分析导弹雷达导引头失效特性的基础上,建立了多参数相关退化的竞争失效状态预测模型。针对性能退化数据小样本、非线性和不确定性的特点,采用基于量子粒子群优化的相关向量机预测模型对其分布参数进行预测;考虑到突发失效与退化失效之间的相关性,结合改进熵权法描述突发失效发生概率与退化数据间的相关关系;最后借助Copula函数刻画导弹雷达导引头内部失效的相关性,进而建立竞争失效预测模型,实现下一阶段导弹雷达导引头的失效状态的预测。以贮存状态下的某批导弹雷达导引头为例,通过与其他预测方法的对比,验证了本文模型的合理性和优越性。     

导弹推进系统贮存寿命预测技术与仿真系统开发

针对导弹推进系统的贮存环境恶劣严酷,特别是对结构可靠性要求较高的实际,提出导弹推进系统寿命预测原理,采用修正的Arrhenius方法和GM-BP组合方法,分别建立了发动机装药寿命预估和推进系统贮存寿命预测模型。在此基础上,开发了导弹推进系统贮存寿命预测软件,并进行实例仿真,验证了模型的有效性。依据仿真结果,工程技术人员可以发现潜在的故障模式,制定出相应的贮存期维修检测计划与策略,提高贮存可靠性,延长其寿命。     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

导弹贮存可靠性预测建模方法

导弹贮存可靠性研究是有效提高导弹战备完好性的重要途径，其中建立导弹贮存可靠性预测模型是贮存可靠性研究的核心内容之一，也是确定预防性维修时机的依据．在分析导弹贮存可靠性物理模型基础上，讨论了导弹贮存可靠性变化的一般规律．在此基础上，对几种具有较大工程实践价值的导弹贮存可靠性预测模型进行了讨论和总结．