基于最小二乘支持向量机的航材备件需求建模

基于最小二乘支持向量机(LS-SVM)的航材备件需求预测模型,根据航材备件需求的保障任务、航材性能、环境及人事等影响因素建立.假设系统为单输入单输出,定义其输入输出时间序列集.采用LS-SVM算法,确定NARMAX函数.最后利用系统在正常输入输出时的数据对LS-SVM进行离线训练,得到系统需求模型.     

基于LS-SVM的飞机部件故障率预测

支持向量机具有完备的统计学习理论基础和学习功能。它用核函数建立预测模型,再用已知数据为学习样本训练学习机,用检验样本进行验证、预测系统未来故障。最小二乘支持向量机(LS-SVM)采用最小二乘线性系统作为损失函数,函数估计精度高、收敛速度快。基于支持向量机的多层参数寻优、等维信息一步预测和不等维信息多步预测,可用于飞机状态评估、故障诊断和参数预测以及故障率分析。     

基于粗糙集和熵权以及改进支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集(RS)、熵权(EW)法、自适应粒子群优化(APSO)算法与加权最小二乘支持向量机(WLS-SVM)的组合预测模型应用于导弹备件消耗预测的构想。阐述了粗糙集、信息熵、自适应粒子群优化算法和WLS-SVM的基本原理,并改进了APSO的搜索方式和最小二乘支持向量机(LS-SVM)的加权方法;建立了基于RS、EW法和自适应粒子群优化WLS-SVM的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

基于IPSO_LS-SVM 的国防科研项目概算价格估算研究

为解决国内在估算方法选择和模型性能优化上存在的问题,利用改进的粒子群算法优化最小二乘支持向量机(least squares support vector machine,LS-SVM)的参数选择方法,对国防科研项目概算价格估算进行研究.依据最小二乘支持向量机原理,通过优化其参数选择方法,建立了IPSO_LS-SVM概算价格估算模型,并对其进行模型训练和结果验证.结果表明:IPSO_LS-SVM方法估算精度更高,参数寻优速度更快,其估算模型具有有效性和优越性.     

基于D-S证据理论的导弹制导控制系统的联合最小二乘支持向量机预测模型

针对导弹制导控制系统电子设备密集、各性能特征参数间相互耦合关联性强、使用传统最小二乘支持向量机（LS-SVM）预测精度不高的问题,通过分析特征参数的时间相关性与空间相关性,对传统LS-SVM进行了改进,并利用D-S证据理论在数据融合中的优势,将传统与改进的LS-SVM进行融合,建立了联合最小二乘支持向量机（ULS-SVM）预测模型。以导弹制导控制系统为例,实现了关键参数预测。结果验证了模型的合理性与有效性。     

基于LS-SVM的装备研制费用建模与分析

应用最小二乘支持向量机原理建立基于最小二乘支持向量机的装备研制费用预测模型，利用LS—SVM方法对装备研制费进行预测步骤包括样本数据准备、模型训练学习、训练结果评估等循环过程，然后应用实例进行预测与分析。结果表明采用最小二乘支持向量机进行装备研制费用预测，所需样本量少、预测精度高、泛化能力强。     

基于LS-SVM的装备需求时间序列预测

支持向量机 (SVM)是一种基于结构风险最小化原理的学习技术,是一种新的具有很好泛化性能的数据挖掘工具.文中在最小二乘支持向量机(LS-SVM)回归算法的基础上,引入了混沌理论时间序列理论的相空间和嵌入维数概念,建立了LS-SVM时间序列预测模型,并应用于武器装备需求预测,预测结果证实了该模型和方法的有效性.     

基于改进的LS-SVM地空导弹生存能力的预测

针对最小二乘支持向量机(LS-SVM)缺失的鲁棒性以及参数难以选择的问题,提出了改进的LS-SVM预测建模方法。该方法首先从样本特征重要程度的角度出发构造特征加权矩阵,然后利用该特征加权矩阵对LS-SVM进行加权,最后采用了人工鱼群优化算法选择模型参数。通过对基准数据集的仿真验证了该方法的有效性和可行性,并将其预测地空导弹生存能力,获得了满意的结果。     

基于多智能体遗传算法优化的航空电子设备状态组合预测

针对传统单一预测方法预测航空电子设备状态的不足,提出了将隐马尔可夫模型（HMM）和最小二乘支持向量机（LS-SVM）相结合的组合预测方法。采用多智能体遗传算法（MAGA）对HMM参数进行训练优化,克服了Baum-Welch算法易陷入局部最优解的缺陷,并在HMM建模过程中引入状态条件概率,以降低不确定性因素造成的影响。采用MAGA估计LS-SVM模型参数,并在参数估计的过程中采用剪枝法实现LS-SVM的稀疏性,从而达到提高LS-SVM泛化性能的目的。在此基础上构建了航空电子设备状态组合预测模型。实例分析结果验证了组合预测模型在预测精度、计算速度和稳定性方面的优势。     

基于直接支持向量机的蒸发波导参数反演研究

针对蒸发波导反演过程中的非线性多值问题,提出了运用改进的最小二乘支持向量机算法——直接支持向量机,对蒸发波导的折射率剖面进行反演,仿真结果表明,该算法训练模型与抛物方程正向模拟结果吻合度高,相比最小二乘支持向量机,对传播损耗和折射率剖面的模型训练速度更快,训练完成后可以实现对蒸发波导参数的快速反演;比较遗传和神经网络算法反演的高度差值,结果显示了该算法具有更高的准确度。     

面向战备完好的飞机群组预防性维护优化和备件预测方法

随着新时期作战环境的复杂化和战备训练任务强度的不断增大,对飞机装备的综合保障能力提出了更高要求。战备完好性（可用性）是保障飞机作战能力和成功遂行作战任务的核心技术指标之一,是飞机维护和备件管理水平的集中体现。本论文通过联立分析飞机组件典型故障规律和相应的寿命模型,以及飞机维修和备件管理水平（如检测时间、备件更换时间等）,以单元级维护计划为基准,形成了基于日历时间的飞机群组预防性维护调度方法。在此基础上,研究了基于延迟时间和马尔科夫过程的系统平均可用度模型,对基础检修周期和检修窗口数开展了联合优化,并基于最优维护计划形成了备件预测方法。案例结果表明,相比传统的事后维护和定期维护,本论文的维护方法能够在精准可控的备件需求范围内,有效提升飞机的战备完好性。     

面向任务携行航材品种确定和消耗预测的特征选择分析

为进一步提高对携行航材品种确定和消耗数量预测的准确性,针对非线性多影响因素的品种分类和消耗预测模型中的特征选择问题进行研究.对影响携行航材需求的因素进行分析,建立三级特征体系,并针对品种确定和消耗预测提取相应的特征集合;采用XGboost、灰色关联度分析(grey relation analysis,GRA)、决策试验和评价实验法(decision making trial and evaluation laboratory,DEMATEL)等方法对各影响特征进行重要性排序和相关性分析;综合运用定性和定量分析方法筛选特征;分别建立可用于品种确定和数量预测的精简版特征集合.该研究可为后续提高携行航材品种确定和预测的准确率和运算效率提供参考.     

航空装备维修器材筹措供应标准体系

为解决我军航空装备维修器材筹措供应缺乏标准依据的问题,对其标准体系进行研究。从我军航空装备 维修器材年度保障计划制订、器材购置经费预测、库存储备控制和保障效能评估4 个方面,分析得出我军航空装备 维修器材保障理论研究与实践中存在的问题,结合我军保障实际,综合运用多学科方法,在标准器材项目的筛选方 法、标准制订的影响因素、器材寿命和需求分布、标准器材数量测算等方面提出了解决思路和方法。研究结果表明, 该思路对我军航空装维修器材筹措供应标准体系的研究和拟制具有参考价值。     

舰载机间断型备件的需求预测方法

针对舰载机随舰出航过程中舰载机间断型备件的需求预测具有一定的特殊性,提出一种基于灰色系统和时间聚合的适用于舰载机间断型备件的需求预测方法.将备件发生需求定为异常值,利用灰色灾变预测对发生需求的航段进行预测,得到需求发生的时间;采用时间聚合法对备件需求量进行聚合处理,结合各影响因素利用GM(1,N)进行预测,解聚合后得到备件需求数量.实际案例分析表明:该方法预测精度较高,优于Croston法和Boostrap法等传统方法.     

舰载机着舰引导装备体系系统级备件保障

针对舰载机着舰引导装备体系中随舰备件存在补给周期长、难度大的问题,对舰载机着舰备品备件保障 进行研究。详细阐述备件保障关键指标及计算方法,引入k/N(G)表决关系把复杂系统等效分解为串并联结构,构建 关键性指标在不同种备件寿命分布类型下的预测模型,分析备件保障概率、使用可用度以及利用率等随着备件数量 的变化规律,利用解析计算方法实现预先评估备件方案,并通过算例对算法进行验证。分析结果表明：该方法优化 了备件方案,提高任务完成度与经济性,同时为预先制定合理的备件方案提供参考,具有较高的应用价值。     

考虑预防性维修的备件需求量计算模型

备件是装备使用与维修的重要物质基础,是影响装备寿命周期费用的重要因素。针对传统备件需求量计算模型未考虑预防性维修需求的问题和不足,以工龄更换维修策略为例,建立考虑预防性维修的备件需求量计算模型,提出基于离散法的模型求解算法。通过具体算例对模型的应用方法和效果进行了验证,并与传统的备件需求量计算模型进行了对比分析。研究结果表明：传统备件需求量计算模型存在很大误差;预防性维修策略下备件需求量计算模型能够显著提高备件需求量计算的准确性,不仅可以对任意周期长度的备件需求量进行计算,而且还可以用于分析装备寿命周期备件保障费用。     

装备维修中备件需求率的预计方法

通过装备维修过程中器件的固有可靠性和维修性分析,影响维修器件需求率的因素有:器件故障率和易损度、工作应力、使用环境和强度、装备管理水平等.利用系统建模和仿真分别对耗损类和可修复类器件建立需求模型,预计装备在标准条件下的备件需求率,并用其它影响因素修正预计值,得到装备在特定条件下的备件需求率.     

基于XGboost 算法的面向任务携行航材品种确定方法

为解决传统选取航材品种方法对人的经验依赖较多、准确率不高、运算效率低等问题,提出一种采用XGboost算法的携行航材品种选择方法.建立分类特征体系,使用XGboost算法对特征进行重要性排序、分析和筛选,构建精简版分类特征体系,使用K折交叉验证法和经验调参对样本数据分组和训练,并与GBDT、RF、Adaboost等分类算法的结果比析.结果表明:XGboost算法可减少人为因素干预,在携行航材品种确定应用中具有高效性、科学性和优越性.