融合不确定信息的某型导弹控制系统可靠性分析方法

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster-Shafer(DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。

备件分类算法研究综述

对备件分类的重要性、分类原则进行了简述,对国内外备件分类算法进行了重点分析与总结。以分类准则的维数将现有的分类算法划分为一维、二维和多维准则分类法,并对所采用的技术手段,如ABC分类法、Kraljic、AHP等进行了原理阐述,为相关领域的研究提供参考。

基于马尔科夫的装备状态维修决策模型

为克服传统维修决策的弊端,对基于状态的维修现状进行分析,在剖析传统状态维修决策过程的基础上,提出基于马尔科夫的动态状态维修决策模型,并对决策流程进行规划,分别对装备各主要部件进行分析,通过维修次数和使用时间等要素建立马尔科夫预测模型,预测各部件故障时间,通过判定规则得到维修决策结论。算例显示,该方法具有适用性和有效性,可为装备状态维修决策提供依据。

基于模糊隶属的低消耗航材界定研究

论文对低消耗航材界定的重要性进行了简述,提出了基于模糊隶属的低消耗航材界定的方法,在这一方法应用中结合了统计学原理、专家咨询的方式及曲线拟合方法,通过对低消耗航材的模糊隶属度函数的求解确定低消耗航材的范围,并结合相关实例加以仿真验证,为优化航材的库存管理提供了帮助。

舰船器材物流保障问题研究

现代高科技情况下的信息化战争,具有很强的机动性、联合性、突发性和透明度,舰船部队的器材需求已从"长周期、少批次、大批量、少品种"转变为"短周期、多批次、小批量、多品种"。而目前舰船器材物流保障方面却存在着资源浪费,效率低下的现状,论文从舰船器材物流保障及相关理论的概念着手,具体分析了当前舰船器材物流保障存在的一系列问题,并针对存在的问题提出对舰船物流保障问题的思考。

竞争失效条件下的装备选择性维修优化方法

为了实现集群装备的精确化保障目标,提高任务成功概率,提出了一种竞争失效条件下面向随机不确定任务的装备选择性维修优化方法。当任务间隔时间为随机变量时,同时考虑装备、任务与随机竞争失效等相关参数的模糊特性,基于模糊Markov过程与模糊通用生成函数法,建立了竞争失效条件下的模糊多状态系统任务成功概率评估模型;然后以模糊任务成功概率为目标函数,在维修备件资源约束下,建立了针对集群装备的选择性维修决策模型,同时利用Memetic算法对模型进行求解,得到最优维修方案;最后,以某型捷联惯性导航系统装备为例,计算得到该选择性维修模型下的任务成功概率可达到0.6018。分析与实例验证了模型的有效性和合理性。

冗余系统共因失效动态贝叶斯网络建模

针对传统可靠性分析方法难以描述冗余系统共因失效的问题,从两个角度提出了基于动态贝叶斯网络的共因失效建模方法：将冗余系统单一元件失效过程分解为独立失效过程和共因失效过程,构建了基于失效过程的共因失效分析模型;将冗余系统作为基本事件,根据状态转移关系构建了多元件失效动态贝叶斯网络模型。以某控制单元为例,以元件独立失效率、共因失效率和维修率为输入,引入不完全故障覆盖因素,确定了冗余系统在无维修和有维修条件下可靠度随时间的变化趋势。仿真结果表明,两个模型的可靠度曲线具有相同的变化趋势,模型2可以作为模型1的近似估计。为了降低或者消除共因失效事件的发生,设计了不同的加速寿命试验方案,试验结果表明,增加冗余元件之间的差异性是个可行的办法。

基于LSTM-GAN的无人机飞行数据异常检测算法

飞行数据的异常检测是保障无人机飞行安全的关键。为了提升异常检测的准确率,以更好地构建无人机飞行数据正常样本的数据模式,提出了一种基于长短时记忆网络(LSTM)和生成对抗网络(GAN)的异常检测算法。设计了由生成网络、判别网络和重构网络组成的循环学习网络,同时为了避免网络学习产生梯度爆炸的风险,设计了一种由两个判别损失函数与一个重构损失函数相结合的目标损失函数。实验结果表明,LSTM-GAN异常检测算法均优于K-means、单类支持向量机、LSTM和Auto-Encoder算法的异常检测性能。LSTM-GAN比LSTM异常检测的准确率提高2.2%。

装备视情维修与备件库存联合优化决策

研究周期检测条件下装备视情维修与备件库存的联合优化问题。针对相同多部件系统,根据系统的退化状态和备件库存状态确定维修需求,建立了以系统检测周期、预防维修阈值和备件安全库存阈值为决策变量,以平均费用率最低为目标的联合维修决策模型。在模型求解过程中,利用退化状态空间划分法分析各决策点的维修需求,在系统的联合概率密度求解的基础上,确定维修组合概率和备件库存状态概率。最后,通过末制导雷达某部件系统的实例计算,验证了优化方法的有效性,另外还通过灵敏度分析,探讨了相关参数对模型的影响。

基于证据GO法的复杂多态系统动态可靠性分析

为了准确把握复杂多态系统及其部件可靠性指标的演变规律,需要对其进行动态可靠性分析。针对复杂多态系统退化参数的认知不确定性问题,提出一种用于动态可靠性分析的证据GO算法,以GO法原理为分析基础,结合证据理论构建一种考虑认知不确定性的多态GO法操作符,完成对复杂多态系统的不确定量化,结合马尔可夫模型对复杂多态系统进行可靠性建模,从而有效地分析认知不确定性给系统可靠度的影响,并用算例验证方法的可行性。

基于FDN的装备体系任务能力依赖性分析

为了深入分析装备体系内各装备系统在任务执行过程中自身性能退化对其相互依赖性的影响,并准确把握体系内各装备系统在自身性能退化和相互依赖性的双重影响下其当前效能的演变规律,对传统功能依赖网络分析(functional dependency network analysis,FDNA)方法进行了一定改进。引入自身效能退化系数,给出考虑时间因素的动态FDNA算法;以Markov过程为基础,构建体系内装备系统的性能退化模型,为自身效能退化系数的计算提供相应依据,从而提出一种基于功能依赖网络的装备体系任务能力依赖性分析方法,并用案例验证了方法的可行性。

基于测试数据与扩展TOPSIS-灰色关联的导弹状态评估决策

针对导弹作战任务中任务导弹的选择存在随机性和不确定性的问题,提出一种基于测试数据与扩展TOPSIS-灰色关联的导弹状态评估决策方法。通过导弹测试数据建立以导弹劣化度为指标的状态参数空间,以解决在导弹状态评估中指标体系建立困难的问题。运用扩展TOPSIS和灰色关联组合的方法来评估导弹状态排序,克服了单一方法对导弹状态排序不够细致的问题。在此过程中考虑了指标权重的确定问题,运用模糊层次分析法(FAHP)和熵权法的组合来确定指标权重,克服了指标权重的确定过于主观的问题。给出了本文方法的导弹状态评估决策流程,通过案例验证了方法的实用性和有效性。

基于Markov过程的多状态可修元件可靠性建模

在现有多状态可修元件完全维修建模和非完全维修建模的基础上,应用Markov过程构建了多状态可修元件的视情维修可靠性分析模型。从多状态元件的定义出发,分析了多状态元件在无维修条件下的状态转移关系,拓展构建了元件在完全维修、非完全维修以及视情维修条件下的状态转移微分方程和关系矩阵。以某可修系统的状态3元件和状态4元件为例进行了实例分析,仿真结果表明,视情维修相对于完全维修和非完全维修,可以使元件保持更高的可靠度和可用度。

基于相关向量EMD和GMDH重构的故障率预测方法

针对故障率数据的非线性非平稳特性及现有预测方法精度不足的问题,提出了一种基于相关向量经验模态分解(relevance vector empirical mode decomposition,简称RVEMD)和数据处理组合法(grouped method of data handling,简称GMDH)重构的预测方法。首先,通过RVEMD分离故障率时间序列的波动项和趋势项,分解产生序列的固有模态函数(intrinsic mode function,简称IMF)和残余函数(residual function,简称RF),通过相关向量机(relevance vector machine,简称RVM)预测端点局部极值的方法抑制传统经验模态分解(empirical mode decomposition,简称EMD)存在的端点效应,进一步利用RVM回归生成序列的上下包络,替代了常规三次样条插值法;其次,建立各IMF分量的RVM预测模型和RF分量的灰色预测模型,其中对标准RVM回归模型进行了改进,通过构建一种方差高斯核函数(variance Gauss kernel function,简称VGKF)来提高核函数的全局性能和泛化能力,利用H-Q准则对训练空间预测嵌入维数进行优化,避免了主观选取的盲目性,同时构建了一种基于背景值优化的灰色预测模型;最后,通过GMDH算法产生的最优智能组合模型得到最终的预测结果。仿真实例结果表明,相比常规EMD分解后叠加预测法和其他单一模型预测法,该方法具有更加优异的预测性能,能够对故障率的变化趋势进行准确预测。

基于L_(1/2)范数正则化的塑性回声状态网络故障诊断模型

为了提升储备池的动态适应性能,克服回声状态网络(ESN)输出权值求解的病态不适定问题,平衡其拟合与泛化能力,提出了一种基于L_(1/2)范数正则化的塑性回声状态网络故障诊断模型。在储备池构建中引入BCM规则对连接权矩阵进行预训练,并在目标函数中添加L_(1/2)范数惩罚项以提高稀疏化效率,利用一个光滑化的L_(1/2)正则子克服迭代数值振荡问题,并采用半阈值迭代法对模型进行求解。将模型应用于机载电台的故障诊断问题中,仿真结果证明了模型的有效性和优越性。

基于O-PPN的装备体系任务线程建模与分析

针对当前武器装备体系(weapon system of systems,WSoS)任务建模分析方法难以描述各装备系统多态性的问题,结合Petri网与Markov过程提出了一种基于O-PPN的装备体系任务线程建模与分析方法。在定义武器装备体系的基础上,对装备体系的使命任务进行形式化描述。改进传统Petri网,构建一种行动-性能Petri网(operation-performance Petri net,O-PPN),以满足装备体系一般任务线程的建模需要,同时针对装备系统性能退化及可能存在“提前”状态的问题,构建基于Markov的装备系统性能退化模型,通过输入各装备系统的可靠性参数得到相应的状态概率集合,并根据任务线程中各行动对于各装备系统性能水平的要求,结合作战任务及行动的任务成功与失败准则,计算装备体系整体的任务成功概率,最后通过对案例进行仿真运算,验证了所提方法的可行性。

基于多源信息融合的飞行安全评估模型

为充分利用飞行大数据实现其数据价值,构建基于多源信息融合的飞行安全评估模型。将飞行过程中全时空、全方位、全要素数据进行汇聚整合,设计多源异构飞行大数据云平台的逻辑架构;建立基于多源信息融合的飞行安全评估模型,通过3层信息融合实现对飞行大数据的深度挖掘分析、融合,识别飞行训练的风险源,确定风险等级,并将分析结果可视化。该模型可为飞行训练管理、飞行安全评估和风险预警提供辅助决策支持,确保决策有规律可循,有数据可依,进而提升飞行训练安全管理水平。

基于测试数据的雷达导引头技术状态评估

雷达导引头是导弹的关键部件,决定着导弹的综合作战能力。文章针对雷达导引头技术状态评估进行研究。首先,基于测试数据对雷达导引头的关键参数进行归一化处理,并引入时间修正的方法,依据装备退化规律得到装备的近期技术状态。然后,使用三角模糊数理论计算参数隶属度和可信度水平,在此基础上使用ER算法对雷达导引头特征参数的测试数据进行评估。实验使用某单位所贮存雷达导引头测试数据进行验证,表明该算法能够实现雷达导引头技术状态的实时评估,并得出评估结果的可信度。最后,基于技术状态评估结果进行雷达导引头检测规划,为合理控制雷达导引头的检测次数提供支持。

基于CART决策树算法的飞行动作识别研究

如何借助机器学习算法实现飞行动作的自动化识别是当前飞行训练领域的一个研究热点。首先针对飞行动作识别问题,定义基本飞行动作特征参数,构建飞行动作识别流程;然后设计了基于特征参数CART决策树的飞行动作识别算法;最后给出了该动作识别算法的Python语言实现。实验结果表明,该飞行动作识别模型具有识别精度高,泛化能力好等特点,为飞行质量评估奠定了良好基础。

不确定条件下复杂系统可靠性建模与分析综述

针对复杂系统在状态划分、模式分类、参数设定等各个环节引入了以主观判断为主的不确定性信息这一问题,在阐述不确定性内涵的基础上,归纳总结了不确定条件下复杂系统可靠性建模与分析的常用方法,包括区间分析、模糊数学、贝叶斯理论、证据理论以及组合方法,并预计了今后不确定条件下可靠性建模与分析的研究重点,即考虑人因的可靠性分析和基于多源数据融合的可靠性分析。