一种装备器材配置优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115796003A(43)申请公布日2023.03.14(21)申请号202211356285.3(22)申请日2022.11.01(71)申请人航天信息系统工程（北京）有限公司地址100195北京市海淀区杏石口路甲18号1幢2层(72)发明人易凯毛景波赵红霞(74)专利代理机构武汉东喻专利代理事务所(普通合伙)42224专利代理师张英(51)Int.Cl.G06F30/27(2020.01)G06F17/16(2006.01)G06F119/02(2020.01)权利要求书1页说明书5页附图1页(54)发明名称一种装备器材配置优化方法(57)摘要本发明公开了一种装备器材配置优化方法，该方法包括如下步骤：S1：构建因素量化矩阵；S2：将所述量化矩阵输入深度训练模型执行训练获得训练后的量化矩阵；S3:将所述训练后的量化矩阵中的因子值与经验值比较；若与经验值的差距达到设定精度范围，则输出所述训练后的量化矩阵；若与经验值的差距未达到设定精度范围，则增加步骤S2中的深度训练模型中的样本量，继续执行步骤S2～S3以获得最终的训练后的量化矩阵；S4：依据训练后的量化矩阵反推调整。按照本发明实现的装备器材优化方法及系统，能够获得更为精确的预测器材配置方案，从而使得在装备器材配置方案生成中，依据优化的方案来配置装置的器材，更好的指导装备的效能。CN115796003ACN115796003A权利要求书1/1页1.一种装备器材配置优化方法，其特征在于，上述方法包括如下步骤：S1：构建因素量化矩阵；S2：将所述量化矩阵输入深度训练模型执行训练获得训练后的量化矩阵；S3:将所述训练后的量化矩阵中的因子值与经验值比较；若与经验值的差距达到设定精度范围，则输出所述训练后的量化矩阵；若与经验值的差距未达到设定精度范围，则增加步骤S2中的深度训练模型中的样本量，继续执行步骤S2～S3以获得最终的训练后的量化矩阵；S4：依据训练后的量化矩阵配置装备器材。2.根据权利要求1所述的装备器材配置优化方法，其特征在于，所述步骤S1中的量化矩阵中的因子执行归一化模型算法，其中归一化模型为：其中xi为当前生成的器材配置方案中的每个系统或子系统下的配置器材因素的数值，而xmax和xmin对应配置器材因素的经验值的最大值和最小值。3.根据权利要求1或2所述的装备器材配置优化方法，其特征在于，所述量化矩阵中的因子包括：装备信息、任务时间、表面温度、空气湿度、任务恶劣天气、任务强度、维修期标准差、服役信息。4.根据权利要求3所述的装备器材配置优化方法，其特征在于，所述表面温度因子的确定为：xavg、xmax、xmin分别为同一时点，对应装备或子系统上的多个采样点中的所有采样点数值均值、最大值、最小值。5.根据权利要求3所述的装备器材配置优化方法，其特征在于，所述任务恶劣天气因子任务恶劣天气为：xi＝装备/系统类型天气基值×对应任务时间。6.如权利要求3中所述的装备器材配置优化方法，其特征在于，所述任务强度因子为：任务强度类型xi＝装备/系统类型基值×对应强度系数。7.如权利要求3中所述的装备器材配置优化方法，其特征在于，所述维修期标准差因子为：8.如权利要求3中所述的装备器材配置优化方法，其特征在于，所述服役信息为：9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。2CN115796003A说明书1/5页一种装备器材配置优化方法技术领域[0001]本发明属于装备器材配置技术领域，具体是涉及一种装备器材配置优化方法与系统。背景技术[0002]每种装备都会有配套的器材，并且依据一定的配置条件和标准来完成对应装备的配套器材。但在装备的实际使用中出现了问题，现有的装备器材配置方法只能满足装备保障能力的基本需求，尚未考虑保障资源配置方案是否最优、是否匹配装备特点、是否能在保障体系中充分发挥作用等问题。而随着装备大型化、工业自动化、管控智能化的进程逐步推进，对维修保障能力的要求也越来越高，包括对维修资源的需求预测、维修能力评估及资源配置优化，维修保障能力的评估精确度将会直接影响到维修保障任务的执行效率。发明内容[0003]因此，针对现有技术的以上缺陷或改进需求中的至少一点，本发明提出了一种基于人工智能算法的装备器材配置优化方法与系统，实现了保障任务多种因素的量化体系构建，可对装备系统类型、子系统类型、各任务情况进行配置预测优化。在建立量化体系的基础之上，利用BP神经网络对量化体系构建的矩阵进行