雷達維修資源對于保障雷達裝備的戰(zhàn)斗力具有至關(guān)重要的作用。在實際工作中,為了保證雷達裝備具有較高的可靠性,使用部隊常會依據(jù)經(jīng)驗配備大量的維修保障資源,往往會導致資源的嚴重浪費,增加維修成本。為了避免維修能力過剩和不足的問題,論文針對某型現(xiàn)役雷達裝備的維修保障工作展開研究,應用大數(shù)據(jù)技術(shù)對雷達運行數(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)進行分析和挖掘,首先分析雷達故障特征參數(shù)、故障原因與維修資源的內(nèi)在關(guān)聯(lián),然后根據(jù)雷達運行參數(shù)對雷達故障進行預測,進而根據(jù)雷達故障類型確定維修資源的種類和數(shù)量。研究工作對于提升雷達維修資源規(guī)劃能力具有重要的理論和實踐意義。論文的主要工作和創(chuàng)新點體現(xiàn)在:1、以某型現(xiàn)役雷達激光測距機為研究對象,通過采集激光測距機運行參數(shù),構(gòu)建了故障下維修資源的層次結(jié)構(gòu)模型,實現(xiàn)了基于分層映射的激光測距機運行參數(shù)、故障類型與維修資源的關(guān)聯(lián)映射。2、應用小波模極大值算法對激光測距機故障特征參數(shù)進行降噪處理,并采用粗糙遺傳約簡算法對其故障數(shù)據(jù)進行了降維處理。為后續(xù)的數(shù)據(jù)挖掘工作做出了數(shù)據(jù)上的準備。3、基于多變量非等間距GM(1,m)模型,對某型現(xiàn)役雷達激光測距機故障特征參數(shù)進行預測,可以得到給定時間區(qū)間的測距機故障參數(shù)變化值,將其作為雷達故障預測的依據(jù)。4、應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)絡模型形成的組合模型,建立了激光測距機故障預測模型,實現(xiàn)了未來時間區(qū)間雷達故障發(fā)生概率的預測,進而依據(jù)雷達故障特征參數(shù)、故障類型與維修資源的關(guān)聯(lián)關(guān)系,得出所需維修資源的種類和數(shù)量。由于時間關(guān)系,論文的研究成果僅停留在理論分析階段,未能在工程中進行實際應用,其算法的有效性還有待工程測試結(jié)果的驗證。但作為一種解決思路,其方法可以對裝備維修資源的規(guī)劃起到輔助決策的作用。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TN95
【部分圖文】：

西安電子科技大學碩士學位論文通過調(diào)用函數(shù) ddencmp 采用小波分解技術(shù)對某型現(xiàn)役雷達激信號降噪，其中 IN1 取 den 信號消噪、IN2 取小波分解、X 為度信號。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)過小波閾值降噪后的某型現(xiàn)役雷達激光測距機裝備工作。

m=9 代入公式(5-7)可得隱含層節(jié)點數(shù)為 22 個。法優(yōu)化的模糊 BP 神經(jīng)網(wǎng)絡訓練數(shù)設(shè)定好后，建立某型現(xiàn)役雷達激光測距機故障類型 神經(jīng)網(wǎng)絡，并且按照 5.3.1 節(jié)的算法學習訓練。 組數(shù)據(jù)樣本輸入訓練可以很快建立神經(jīng)網(wǎng)絡模型，經(jīng)線圖像如圖 5.7 所示。

西安電子科技大學碩士學位論文障，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，測試結(jié)果滿足實真實驗，驗證了某型現(xiàn)役雷達激光測距機故障預測的有效性，機維修資源預測的有效性。
【參考文獻】

相關(guān)期刊論文 前10條

1 徐飛;楊士英;魏祥生;朱沛;;基于改進灰色預測模型的雷達備件消耗預測[J];雷達科學與技術(shù);2015年06期

2 張永禎;段道聚;賈建領(lǐng);;基于IETM的雷達維修資源信息化平臺設(shè)計與應用[J];軍械工程學院學報;2015年05期

3 崔艷艷;程亞維;;基于模糊控制的RBF神經(jīng)網(wǎng)絡電力系統(tǒng)短期負荷預測[J];荊楚理工學院學報;2014年02期

4 苗濛;;備件需求預測模型研究[J];物流工程與管理;2013年11期

5 楊兆軍;陳傳海;陳菲;李國發(fā);;數(shù)控機床可靠性技術(shù)的研究進展[J];機械工程學報;2013年20期

6 李彥;宋寧哲;王盛超;劉繼斌;;基層級雷達裝備維修器材消耗預測模型研究[J];艦船電子工程;2013年02期

7 馬潔;徐小力;周東華;;旋轉(zhuǎn)機械的故障預測方法綜述[J];自動化儀表;2011年08期

8 李樹廣;趙彥峻;徐誠;;裝備維修備件需求預測與決策方法研究[J];兵工學報;2011年07期

9 鄭龍生;花興來;張勇;蔡軼;;基于熵的裝備精確保障系統(tǒng)備件組合預測模型[J];裝備指揮技術(shù)學院學報;2011年03期

10 柳小桐;;BP神經(jīng)網(wǎng)絡輸入層數(shù)據(jù)歸一化研究[J];機械工程與自動化;2010年03期

相關(guān)碩士學位論文 前2條

1 陳科;基于模糊神經(jīng)網(wǎng)絡的電力系統(tǒng)短期負荷預測[D];東南大學;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;2007年

本文編號：2863963