雷達(dá)維修資源對(duì)于保障雷達(dá)裝備的戰(zhàn)斗力具有至關(guān)重要的作用。在實(shí)際工作中,為了保證雷達(dá)裝備具有較高的可靠性,使用部隊(duì)常會(huì)依據(jù)經(jīng)驗(yàn)配備大量的維修保障資源,往往會(huì)導(dǎo)致資源的嚴(yán)重浪費(fèi),增加維修成本。為了避免維修能力過(guò)剩和不足的問(wèn)題,論文針對(duì)某型現(xiàn)役雷達(dá)裝備的維修保障工作展開(kāi)研究,應(yīng)用大數(shù)據(jù)技術(shù)對(duì)雷達(dá)運(yùn)行數(shù)據(jù)、使用數(shù)據(jù)、故障數(shù)據(jù)、環(huán)境數(shù)據(jù)以及維修資源數(shù)據(jù)進(jìn)行分析和挖掘,首先分析雷達(dá)故障特征參數(shù)、故障原因與維修資源的內(nèi)在關(guān)聯(lián),然后根據(jù)雷達(dá)運(yùn)行參數(shù)對(duì)雷達(dá)故障進(jìn)行預(yù)測(cè),進(jìn)而根據(jù)雷達(dá)故障類(lèi)型確定維修資源的種類(lèi)和數(shù)量。研究工作對(duì)于提升雷達(dá)維修資源規(guī)劃能力具有重要的理論和實(shí)踐意義。論文的主要工作和創(chuàng)新點(diǎn)體現(xiàn)在:1、以某型現(xiàn)役雷達(dá)激光測(cè)距機(jī)為研究對(duì)象,通過(guò)采集激光測(cè)距機(jī)運(yùn)行參數(shù),構(gòu)建了故障下維修資源的層次結(jié)構(gòu)模型,實(shí)現(xiàn)了基于分層映射的激光測(cè)距機(jī)運(yùn)行參數(shù)、故障類(lèi)型與維修資源的關(guān)聯(lián)映射。2、應(yīng)用小波模極大值算法對(duì)激光測(cè)距機(jī)故障特征參數(shù)進(jìn)行降噪處理,并采用粗糙遺傳約簡(jiǎn)算法對(duì)其故障數(shù)據(jù)進(jìn)行了降維處理。為后續(xù)的數(shù)據(jù)挖掘工作做出了數(shù)據(jù)上的準(zhǔn)備。3、基于多變量非等間距GM(1,m)模型,對(duì)某型現(xiàn)役雷達(dá)激光測(cè)距機(jī)故障特征參數(shù)進(jìn)行預(yù)測(cè),可以得到給定時(shí)間區(qū)間的測(cè)距機(jī)故障參數(shù)變化值,將其作為雷達(dá)故障預(yù)測(cè)的依據(jù)。4、應(yīng)用基于多變量非等間距GM(1,m)模型和基于遺傳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)模型形成的組合模型,建立了激光測(cè)距機(jī)故障預(yù)測(cè)模型,實(shí)現(xiàn)了未來(lái)時(shí)間區(qū)間雷達(dá)故障發(fā)生概率的預(yù)測(cè),進(jìn)而依據(jù)雷達(dá)故障特征參數(shù)、故障類(lèi)型與維修資源的關(guān)聯(lián)關(guān)系,得出所需維修資源的種類(lèi)和數(shù)量。由于時(shí)間關(guān)系,論文的研究成果僅停留在理論分析階段,未能在工程中進(jìn)行實(shí)際應(yīng)用,其算法的有效性還有待工程測(cè)試結(jié)果的驗(yàn)證。但作為一種解決思路,其方法可以對(duì)裝備維修資源的規(guī)劃起到輔助決策的作用。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TN95
【部分圖文】：

西安電子科技大學(xué)碩士學(xué)位論文通過(guò)調(diào)用函數(shù) ddencmp 采用小波分解技術(shù)對(duì)某型現(xiàn)役雷達(dá)激信號(hào)降噪，其中 IN1 取 den 信號(hào)消噪、IN2 取小波分解、X 為度信號(hào)。函數(shù)處理結(jié)果為函數(shù)選擇的閾值 THR=0.202，SORTAPP 為 1 處理近似分量。小波信號(hào)重構(gòu)值處理得到THR、SORH、KEEPAPP等信息，調(diào)用函數(shù)wdenc得到經(jīng)過(guò)小波閾值降噪后的某型現(xiàn)役雷達(dá)激光測(cè)距機(jī)裝備工作。

m=9 代入公式(5-7)可得隱含層節(jié)點(diǎn)數(shù)為 22 個(gè)。法優(yōu)化的模糊 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)設(shè)定好后，建立某型現(xiàn)役雷達(dá)激光測(cè)距機(jī)故障類(lèi)型 神經(jīng)網(wǎng)絡(luò)，并且按照 5.3.1 節(jié)的算法學(xué)習(xí)訓(xùn)練。 組數(shù)據(jù)樣本輸入訓(xùn)練可以很快建立神經(jīng)網(wǎng)絡(luò)模型，經(jīng)線(xiàn)圖像如圖 5.7 所示。

西安電子科技大學(xué)碩士學(xué)位論文障，需要更換溫度繼電器、調(diào) Q 板故障，需要更換調(diào) Q 板、終換終端視放盒、高壓板故障，需要更換高壓板、低壓板故障，板故障，需要更換主波板。從上述結(jié)果可知，測(cè)試結(jié)果滿(mǎn)足實(shí)真實(shí)驗(yàn)，驗(yàn)證了某型現(xiàn)役雷達(dá)激光測(cè)距機(jī)故障預(yù)測(cè)的有效性，機(jī)維修資源預(yù)測(cè)的有效性。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐飛;楊士英;魏祥生;朱沛;;基于改進(jìn)灰色預(yù)測(cè)模型的雷達(dá)備件消耗預(yù)測(cè)[J];雷達(dá)科學(xué)與技術(shù);2015年06期

2 張永禎;段道聚;賈建領(lǐng);;基于IETM的雷達(dá)維修資源信息化平臺(tái)設(shè)計(jì)與應(yīng)用[J];軍械工程學(xué)院學(xué)報(bào);2015年05期

3 崔艷艷;程亞維;;基于模糊控制的RBF神經(jīng)網(wǎng)絡(luò)電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[J];荊楚理工學(xué)院學(xué)報(bào);2014年02期

4 苗濛;;備件需求預(yù)測(cè)模型研究[J];物流工程與管理;2013年11期

5 楊兆軍;陳傳海;陳菲;李國(guó)發(fā);;數(shù)控機(jī)床可靠性技術(shù)的研究進(jìn)展[J];機(jī)械工程學(xué)報(bào);2013年20期

6 李彥;宋寧哲;王盛超;劉繼斌;;基層級(jí)雷達(dá)裝備維修器材消耗預(yù)測(cè)模型研究[J];艦船電子工程;2013年02期

7 馬潔;徐小力;周東華;;旋轉(zhuǎn)機(jī)械的故障預(yù)測(cè)方法綜述[J];自動(dòng)化儀表;2011年08期

8 李樹(shù)廣;趙彥峻;徐誠(chéng);;裝備維修備件需求預(yù)測(cè)與決策方法研究[J];兵工學(xué)報(bào);2011年07期

9 鄭龍生;花興來(lái);張勇;蔡軼;;基于熵的裝備精確保障系統(tǒng)備件組合預(yù)測(cè)模型[J];裝備指揮技術(shù)學(xué)院學(xué)報(bào);2011年03期

10 柳小桐;;BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J];機(jī)械工程與自動(dòng)化;2010年03期

相關(guān)碩士學(xué)位論文 前2條

1 陳科;基于模糊神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[D];東南大學(xué);2015年

2 趙宇;基于變隸屬函數(shù)的倒立擺模糊控制算法的研究[D];電子科技大學(xué);2007年

本文編號(hào)：2863963