无更换条件下双寿命装备梯次使用问题建模及I-NSGA-Ⅲ求解

在无更换条件下,针对由两种寿命指标衡量且其中一种无法被控制的装备梯次使用问题进行了研究。构建装备梯次使用问题决策模型,提出以梯次均匀度、寿命匹配度和寿命利用率最大化为目标,使用改进的基于参考点的快速非支配排序遗传算法进行求解。根据问题特性,采用改进的分段编码方式和对应算子,引入重复个体控制机制以提高种群多样性。实验结果显示,当问题规模较大时,提出方法可以在短时间内搜索更大范围,验证了提出方法的可行性。

不确定情况下双寿命装备梯次使用问题建模及I-NSGA-Ⅲ求解

在任务数量和消耗量不确定的情况下,针对由两种寿命指标衡量且其中一种无法被控制的装备梯次使用问题建模和求解方法进行了研究。构建不确定情况下双寿命装备梯次使用问题决策模型,提出以梯次均匀度、寿命匹配度和寿命利用率最大化为目标,使用I-NSGA-Ⅲ进行求解。采用改进的分段编码方式和算子,引入重复个体控制机制以提高种群多样性。当问题规模较大时,可以在较短的时间内搜索更大范围,验证了所提方法的可行性。

双通道深度卷积神经网络的航空发动机剩余使用寿命预测方法

提出了一种基于双通道的深度卷积神经网络方法,用来预测航空发动机剩余使用寿命。该方法在传统卷积神经网络上,应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪;通过数据切片,将数据片标签设置为最后一个循环的剩余使用寿命,实现数据重构;引入分段和线性剩余使用寿命衰减模型,并给出了寿命衰减起始点判断方法;将寿命衰减前、寿命衰减中2种特征作为双通道网络模型的输入。在NASA涡轮风扇发动机仿真数据集(C-MAPSS)上测试结果显示,在测试数据范围较大时,该方法相关指标明显优于其他方法,在航空发动机剩余寿命预测上具有显著优势。

考虑误差不确定的航空制导弹药使用消耗预测方法

针对航空制导弹药的使用消耗预测问题,分别建立了航空制导弹药使用消耗点预测和区间预测模型。根据航空制导弹药使用消耗数据小样本、非线性和随机性强等特点,采用支持向量回归模型来对航空制导弹药使用消耗数据进行点预测,并通过粒子群优化算法寻找最优参数;结合点预测误差数据,通过核密度估计法开展误差不确定性分析,确定误差概率密度曲线,并在核密度估计的基础上采用最高密度域确定给定置信度下的最佳置信区间。结果表明,该方法对于航空制导弹药使用消耗数据而言能提供更为精确的预测结果和不确定性置信区间,为航空制导弹药的后续使用安排提供参考依据。