基于改进生成对抗网络的国产民机航材消耗预测方法

为解决航材消耗预测影响因素较多、时间相关性复杂、实际消耗样本少等问题,鉴于现有方法难以捕捉小样本航材消耗数据在时间顺序上的逐步依赖关系,提出了基于改进生成对抗网络生成模型和循环神经网络预测模型的航材消耗预测方法。该方法将自回归学习有监督训练与对抗学习无监督训练相结合,进一步挖掘航材消耗数据的潜在静态分布和时态逐步依赖分布,从而生成更加接近真实数据的样本,达到扩充样本量、提高航材消耗预测精度的目的。以某型国产民机部件消耗数据为案例,利用降维可视化方法和预测分数评价模型的生成性能和预测精度。通过与其他方法对比,所提方法预测值的平均绝对误差减少了3%,验证了所提方法解决航材预测问题的有效性。

检修协力在设备变革中的作用

宝钢股份设备维护体系主要由点检员、检修队伍以及专业维保单位等构成。随着智慧制造的发展和钢铁行业的变革,为促进宝钢股份有限公司的发展,现有的点检员、检修队伍的职责发生了变化。通过探讨设备管理的重要性,需探索出一条由检修队伍为设备检修负责到检修队伍参与设备管理的转变道路。

基于粗糙集和BP神经网络的导弹备件消耗预测

针对神经网络预测导弹备件消耗时参数过多会导致事件过长并易陷入局部最优的问题,建立一种基于粗糙集和BP神经网络的导弹备件消耗预测模型。在对采集到的导弹备件消耗信息进行特征提取、形成决策表的基础上,用粗糙集理论对原始信息表进行约简,去除冗余的属性和属性值,并将约简的影响因素值输入到BP神经网络中进行训练预测。实例结果表明:该预测方法大大减少了网络的收敛时间,提高了模型的预测精度,为导弹备件消耗预测提供了一个新的思路。

基于改进GM(1,1)模型的导弹备件消耗预测

针对导弹备件消耗受多种因素综合影响不易精确表达的问题,提出选用灰色系统理论进行导弹备件消耗预测。备件保障实践证明,导弹备件消耗与装备固有可靠性、战备任务、环境条件等因素密切相关,在GM(1,1)模型基础上,结合导弹备件保障工作实际,建立了加入影响因子的改进GM(1,1)模型。结果表明,该模型考虑了影响备件消耗的主要因素,具有更高的预测精度和重要的实用价值。

基于ARIMA模型的备件消耗预测方法

对基于求和自回归滑动平均模型的备件消耗预测方法进行研究,提出将使用过程中备件消耗的数据看作时间序列,通过建立相应的ARIMA(p,d,q)模型进行预测的方法。依据该方法选用航空兵战场某种航材备件的消耗数据进行预测。结果表明预测的准确度提高近15%,说明该方法适用于备件消耗预测。

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。

用组合模型预测备件消耗量

科学预测备件消耗是有效实施备件保障各项工作的基础。结合指数平滑法及灰色模型的特点,建立组合模型,解决了小样本条件下备件的消耗预测问题。实例分析表明,组合模型比单项模型具有更高的预测精度。

典型装备备件消耗规律研究

目的制订合理的备件保障计划,提高备件保障工作的科学性。方法通过对某典型装备中正态寿命件和伽马寿命件修理方法的分析,依据更新过程理论以及概率论和数理统计方法,建立典型装备正态寿命件和伽马寿命件的消耗规律数学模型,并举例说明。结果通过示例,证明了建立的备件消耗规律数学模型具有较好的适用性。结论依据备件的消耗规律,可以为建制单位实现备件的精确化保障提供理论依据。

基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测

结合BP神经网络对飞航导弹备件进行消耗预测,提出了基于粗糙集和BP神经网络的预测法。该方法充分发挥了粗糙集在处理冗余数据上的优势,提高了预测速度和有效性。

基于时间序列分析的易消耗性备件需求预测研究

针对易消耗性备件需求特点,提出了时间序列分析方法,并针对灰色GM(1,1)在处理损耗器材历史数据存在突变情况的局限性和线性回归短期预测精度较高的特点,提出了一种两者结合的组合预测方法,运用灰色GM(1,1)对跳变点进行预测,对非跳变点运用线性回归预测,并通过实例验证了此方法很好地克服了两种预测方法单独使用的缺陷,在实际中具有简易实用的推广价值。

备件消耗预测方法研究

准确的备件消耗预测是合理有效地进行备件保障各项工作的基础。文章研究了现有备件消耗预测方法,并将其分为三类:基于解析的方法、基于历史数据的方法和基于仿真的方法。对各类预测方法分别进行了详细的介绍,阐述了其适用条件和使用局限性,并对比分析了各方法的优缺点。最后指出了下一步的研究方向。

基于战斗损伤的备件消耗预测仿真建模方法研究

在综合分析战斗损伤对备件消耗影响因素的基础上,提出两类战损条件下预测备件消耗量的方法。针对新装备的战损情况定量数据少,毁伤规则不明确的特点,建立了利用模糊综合评判来预测战损备件消耗量的模型。最后,通过实例计算表明,这种基于毁伤概率的备件消耗预测模型能够真实地反映备件消耗实际情况,并且能够为备件的需求供应提供更大限度的保障。

基于改进最小二乘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、熵权法、自适应粒子群优化算法与加权最小二乘支持向量机的组合预测模型应用于导弹备件消耗预测的构想。首先阐述了粗糙集、信息熵、自适应粒子群优化算法和加权最小二乘支持机的基本原理,并改进了自适应粒子群优化算法的搜索方式和最小二乘支持向量机的加权方法;然后建立了基于粗糙集、熵权法和自适应粒子群优化加权最小二乘支持向量机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。

偏最小二乘回归法在机械备件供应数量预测中的应用

只有掌握了备件的供应规律,才能够制订科学的备件供应方案,提高备件保障工作的科学性。考虑了影响机械备件供应的多种因素,运用偏最小二乘回归方法,解决了小样本条件下机械备件的供应预测问题。应用示例表明,偏最小二乘回归方法比传统的多元线性回归方法具有更高的预测精度。依据备件的供应规律,可以为建制单位实现备件的精确化保障提供理论依据。

基于工程分析法的备件消耗预计模型

备件的消耗规律是备件保障各个环节的基本依据,只有掌握了备件的消耗规律,才能够制订合理备件保障计划,提高备件保障工作的科学通过对影响装备备件消耗的多种因素及装备备件的消耗特点进行分析,运用工程分析法,建立了备件消耗预计模型,解决了小样本条件下备件的消耗预测问题。应用示例表明,工程分析法具有较好的预测精度。依据备件的消耗规律,可以为建制单位实现备件的精确化保障提供理论依据。

基于回归分析的航空器材消耗预测

影响航空器材消耗的因素很多,飞机不同部位的器材受到的影响因素也不同,如何找到影响航空器材消耗的主要因素,从而确定器材的消耗规律,是航空器材保障准确性的关键所在。通过对飞机刹车片消耗的影响因素分析,建立了刹车片器材的消耗预测模型,分析了影响刹车片器材消耗的关键因素,计算了预测误差,结果表明飞机的飞行起落次数与刹车片器材的消耗具有显著的相关性。

视情维修条件下备件消耗规律

通过对某复杂装备中视换件修理方式的分析,将备件故障后维修消耗规律与备件视情维修消耗规律结合起来,研究备件总的消耗规律。并运用装备可靠性理论及概率论方法,建立了备件消耗规律数学模型。在此基础上给出了视换件储备数量的计算方法,解决了当前因视情维修条件下备件消耗规律不易获取,而导致视换件的储备方案难以制订的问题。最后举例说明了模型的适用性,为科学确定装备维修备件储存量提供了理论依据,且具有重要的指导作用。

石化企业备件库存优化的研究

资产密集型的大型石油化工企业要确定合理的备件库存,既要考虑需要达到的生产运行保障效能,又要充分考虑企业可承受的库存资金占用。研究了一种基于石化企业备件实际消耗历史数据和故障大修间隔相结合的分析模型,对大型炼化装置的备件消耗用统计学中正态分布和泊松分布方法进行建模,从而确定备件的储备定额。通过实际的工程案例分析,验证了该方法的有效性。

GM(1,1)模型在航材消耗预测中的应用

传统的预测方法很难对部分消耗数据少、影响因素不明确的航材进行准确预测。运用灰色GM(1,1)模型,可以对"小样本""、贫信息"这类航材进行更为准确的消耗预测。

基于改进灰色预测模型的雷达备件消耗预测

准确预测备件需求对于保持雷达设备可用性及保持合理库存具有重要意义,论文基于灰色预测法,结合装备使用的实际情况,分析影响雷达备件消耗数据波动的主要指标及其变化情况,应用粗糙集理论和层次分析法,计算各指标影响备件消耗数据波动的权重;并结合各指标值的年度波动情况,在GM(1,1)预测模型中添加修正因子,提出一种改进的GM(1,1)预测模型,通过修正因子修正灰预测结果,提高预测精度。最后通过实例验证了改进模型的有效性。