改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。

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。

基于改进云模型的导弹雷达导引头质量状态定性评估

针对大多数定性评估方法不能兼顾模糊性和随机性的问题,在建立定性评估指标体系的基础上,将改进的云模型应用在导弹雷达导引头的质量状态定性评估中。为了减小专家的人为偏好在指标评价云转化过程中产生的偏差,在德尔菲法的基础上提出了一种剔除人为偏好影响的指标评价云生成方法,逐步寻优直至减小意见分歧、得到统一协调的结果;同时引入一种基于含超熵期望曲线簇的云相似度求解方法,以云模型的几何特征为切入点,从宏观与微观的角度描述整体与局部的特征,在一定程度上克服了传统求解方法的不足。以某导弹雷达导引头为评估实例,验证了改进模型的合理性和优越性。所提出的评估方法为高效决策和精细化保障提供了技术支撑。