飞机设计
飛機設計
비궤설계
AIRCRAFT DESIGN
2011年
6期
44-46,57
,共4页
黄勇%孙德翔%邢国平%刘玉伟
黃勇%孫德翔%邢國平%劉玉偉
황용%손덕상%형국평%류옥위
初始备件%遗传算法%GM(1,1)模型%RBF神经网络
初始備件%遺傳算法%GM(1,1)模型%RBF神經網絡
초시비건%유전산법%GM(1,1)모형%RBF신경망락
initial spare parts%genetic algorithm%GM（1,1） model%RBF neural network
针对初始备件故障规律不稳定和历史消耗数据少的特点，将遗传算法、GM（1，1）模型和RBF神经网络有机结合．提出了改进的灰色RBF预测模型。该模型利用遗传算法对GM（1，1）模型参数进行动态寻优，并利用RBF网络对预测值进行残差修正。最后，通过采集新机部队某初始备件上半年的消耗数据，对该模型进行了实例仿真。结果表明：改进的灰色RBF模型相比于GM（1，1）模型和优化的GM（1，1）模型，具有较高的预测精度，可有效应用于初始备件的短期或近期预测中。
針對初始備件故障規律不穩定和歷史消耗數據少的特點，將遺傳算法、GM（1，1）模型和RBF神經網絡有機結閤．提齣瞭改進的灰色RBF預測模型。該模型利用遺傳算法對GM（1，1）模型參數進行動態尋優，併利用RBF網絡對預測值進行殘差脩正。最後，通過採集新機部隊某初始備件上半年的消耗數據，對該模型進行瞭實例倣真。結果錶明：改進的灰色RBF模型相比于GM（1，1）模型和優化的GM（1，1）模型，具有較高的預測精度，可有效應用于初始備件的短期或近期預測中。
침대초시비건고장규률불은정화역사소모수거소적특점，장유전산법、GM（1，1）모형화RBF신경망락유궤결합．제출료개진적회색RBF예측모형。해모형이용유전산법대GM（1，1）모형삼수진행동태심우，병이용RBF망락대예측치진행잔차수정。최후，통과채집신궤부대모초시비건상반년적소모수거，대해모형진행료실례방진。결과표명：개진적회색RBF모형상비우GM（1，1）모형화우화적GM（1，1）모형，구유교고적예측정도，가유효응용우초시비건적단기혹근기예측중。
Aiming at initial spare parts＇ characteristics of unstable fault rule and little historical data, a prediction model combining genetic algorithm, GM（1,1） model and RBF neural network was proposed in this paper. The model optimized the parameter of GM（1,1） model through genetic algorithm and gave the predictive values an error adjustment through RBF network. Lastly, half-year dada of an initial spare parts in new-plane troops was collected for the simulation of this model. The results show that the proposed model has high predictive precision comparing with GM（1,1） model and optimized GM（1,1） model, which can be applied in the short-term prediction of initial spare parts.
