简介：针对装甲装备器材调剂时效性不强的问题,依据装备工作时长与器材需求分布,预测了器材消耗性节点（消耗点）的器材需求量,并结合器材资源点（资源点）的器材储备实况,确定了消耗点的器材调剂需求量;通过引入灰熵来评估不同消耗点器材调剂需求的相对紧迫程度,并考虑器材调剂成本,构建了装甲装备器材主动调剂决策模型;最后,结合算例验证了模型的合理性与有效性。

简介：为优化部队装备保障组织结构，提出了2种装备保障机构编配模式，建立了其组织层次结构，引入信息熵理论，建立了2种装备保障机构编配模式能力评价模型，采用时效性和质量性评估了2种编配模式下装备保障机构的保障能力，并通过实例进行了验证。研究结果表明：采用信息熵进行装备保障机构编配模式能力评估可快速得出量化评估结果，可为数字化部队装备保障机构编配提供量化依据。

简介：以旅级战场通信网络为研究对象,战场通信网络节点的通信量为依据,选取战场通信网络节点的数据发送吞吐量、接收吞吐量和转发吞吐量作为评价指标,利用仿真工具建立了战场通信网络的仿真模型和业务模型,通过仿真运行统计得出各通信网络节点的评价指标数据,采用熵权法计算出各通信网络节点的熵权,实现通信网络节点的重要性排序并进行了验证。计算结果表明:利用战场通信网络节点的通信量和熵权法能有效客观地评价战场通信网络节点的重要性,可为决策部门提供数据参考。

简介：针对发动机性能评估及预测过程中特征参数多,且对其进行评价及优选的标准不统一的问题,从相关性、单调性、离散性等方面考虑,提出了系列特征参数的综合评价指标,采用基于熵权理想点的综合评价方法,从信息量的角度实现了多指标的客观定权,并通过实例分析验证了该方法的有效性,最终实现了基于该方法优选结果的发动机寿命预测。

简介：针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。

简介：针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。