徐 达，周 诚，关 矗，王小闯

（陆军装甲兵学院兵器与控制系，北京 100072）

0 引言

装备故障率是装备维修性验证试验中进行故障样本分配的主要依据，故障率预测结果是否准确直接影响维修性验证试验结果的可信度。目前，普遍采用能充分利用装备在服役期间的故障率数据，真实反映出装备故障率水平的时间序列预测方法预测装备故障率。

针对故障率时间序列预测问题，目前常用的方法有人工神经网络、支持向量机、ARMA 预测法、指数平滑法等。如文献［1］将反向传播BP 神经网络模型应用到火炮身管寿命预测上，有效提高了预测结果精度；文献［2］利用支持向量机良好的非线性时间序列预测能力，实现了对装备费用的预测；文献［3］提出了一种基于ARMA 模型的故障率预测方法，并以使用阶段的波音飞机为例进行故障率预测，结果表明该方法有良好的预测能力；文献［4］建立了一种基于指数平滑法的预测模型，实现了对装备维修器材需求量的准确预测。由于每种方法都具有一定的局限性，以上采用单一方法预测装备故障率，难以实现较高精度的预测。研究表明，相对于单一预测模型，组合预测模型预测能力更强［5］。本文基于组合预测的思想，提出了一种基于ARMA-BP 组合模型的装备故障率预测方法，综合ARMA 模型处理线性时间序列数据和BP 模型处理非线性时间序列数据的优点，有效弥补了单一预测模型的不足，从而实现更高精度的装备故障率预测。

1 单一模型的建立

1.1 ARMA 模型

自回归滑动平均模型（简称ARMA）常用于平稳时间序列分析预测问题，建模流程如图1 所示。……