《表1 冲洗包和压缩机的DMC分配值和预估值表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《民机直接维修成本优化模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以冲洗包和压缩机为例，建立DMC协同优化模型，优化部件的DMC分配值[8]，如表1所示。冲洗包的预计值小于分配值，将分配值修正为预计值，压缩机的预计值大于分配值，进行可靠性参数和维修性参数的优化。根据寻优函数的特性确定BP神经网格的结构为3-5-1，将测试后的BP神经网格的预计值作为遗传算法极值寻优的个体适应度值，采用selection、crossover、mutation算子求解对象的整体最优解和相应输入变量。BP网络的预估输出将作为子代的适应度值，所以预估的精度对于寻找最优子代非常重要。优化过程中预测输出和期望输出的对比变化范围为（0.0799，0.1013），如图4所示。预测误差变化范围为（-1.2342e-05，1.3654e-05），如图5所示。将最优子代适应度值变化趋势，如图6所示。由图4可知，BP神经网格可以预估非线性函数的结果，而且其精度可以将预估的输出作为函数的实际结果使用。如图6所示，适应度表征原始值与最优值之间差别。当演化次数不断增多，适应度值逐渐降低。当演化次数超过75之后，原始值和最优值的差别接近于零，得到最优值。由遗传算法得到的最优子代适应度值为0.0842，最优的子代是{38435，42163，6045}。优化后压缩机的成本为0.1683，降低了0.0119，所以将分配值修正为0.1683，并将多余的指标视情况分配给其他部件或系统。