0 引 言

为实现远海机动作战目标，加强舰船装备保障能力建设将成为未来海军装备建设发展的重点，其中，合理规划随舰携行备件方案是提高舰船装备海上伴随保障能力的关键[1]。备件配置优化问题可描述为[2]：为保证系统达到使用需求，对相关备件包括储存位置选择、备件数量确定、储备种类选取在内的一系列问题求解。

国内外对备件问题的研究主要基于两个方面：(1) 根据不同的实际需求建立合理的备件模型；(2) 采用合理的优化方法对备件方案进行优化。在库存模型方面，文献[3-7]在供应保障周期和以备件满足率为优化指标的情况下，对备件的最优库存量模型进行了研究。文献[8-9]在备件满足率指标约束下，建立了备件的报废及再订购策略的优化模型，并通过算例给出了优化方案。文献[10]在多级供应保障模式下，将可修备件的多等级可修复备件库存理论应用于军事装备后勤保障领域，以可用度为优化指标,备件库存费用为约束条件建立了装备备件库存量的优化模型。在优化方法方面，边际效应分析[11-12]是求解备件优化问题中最为常见的种优化方法，随着仿真优化技术的发展以及各种进化式算法(启发式算法、遗传算法、粒子群算法等)的提出，这些方法也被应用于备件优化问题中。如文献[13]通过仿真的方法求解备件的多级库存量优化模型；文献[14]采用启发式算法得到系统备件的最优库存控制策略；文献[15]将进化算法与仿真优化技术相结合来求解航空备件的两级库存分配的多目标优化问题。综合上述分析，所列举的国内外文献都是基于特定的任务背景，针对不同的实际需求以及不同的装备对问题展开研究。

合理设置舰船电力系统发电机、配电系统控制组件的备件方案更是提高舰船电力系统安全性和可靠性的有力保障。本文建立了舰船电力系统脆弱性最低和资源消耗规模最小为目标的备件配置优化模型，研究了电机控制及配电系统备件设置对电力网络脆弱性的影响，得到了合理的备件配置方案。

再次，高职院校特色资源建设多由技术部门有限的工作人员负责，没有专门的机构去负责特色资源的规划、构建、完善、更新。而技术部门工作人员平时的工作精力大多投入到馆内工作设备的维护、各种商业数据库的管理、更新。对特色资源的更新维护有心无力，这就导致高职院校的特色资源多为一次性构建，鲜见特色资源后续的完善、更新。

赋Luxemburg范数下Orlicz-Bochner 空间的O-凸性 周呈花,巩万中,张道祥(6-44)

1 备件方案双目标优化模型

若某一舰船电力系统包含m个节点：b1j为第j个节点归一化的度数指标；b2j为第j个节点归一化的介数指标；b3j为第j个节点归一化的最大连通子图规模指标；b4j为第j个节点归一化的可靠度指标。

(1)

式中： b1——舰船电力系统度数指标向量；

进入新世纪以来，我国各个领域不断进行结构性调整，经济发展逐渐进入到改革关键期和发展深水区，各项改革内容稳步有序地推进。在这一背景下，国家连续出台并持续修订了众多会计制度。会计法律法规是会计工作的主要理论依据，国家连续出台一系列政策法规，对会计制度作出适当调整，需要定期对会计人员进行继续教育培训，使会计人员能够快速适应新知识新理论，掌握新的工作要求，更好的适应当前经济改革对会计工作提出的新要求。

b3——舰船电力系统最大连通子图规模指标向量；

b4——舰船电力系统可靠度指标向量。

对于舰船电力系统，采用多尺度综合脆弱度范数描述系统的脆弱程度。舰船电力系统多尺度综合脆弱度范数定义为

(2)

多尺度综合脆弱度范数值越大，舰船电力系统的综合脆弱程度越高，系统越脆弱；多尺度综合脆弱度范数值越小，舰船电力系统的综合脆弱程度越低，系统越不脆弱。

在舰船电力系统多尺度综合脆弱度范数的表达式中，实际上是关于b1,b2,b3,b4的函数，因此，式(2)可写为：

(3)

舰船电力系统综合脆弱性主要考虑网络的拓扑结构脆弱性和元件可靠性两个方面。本文假定网络结构不变化，仅对备件配置进行优化，将备件数量作为导致舰船电力系统多尺度综合脆弱度范数发生改变的唯一变量，此时式(3)可进一步写为：

《史记·殷本世》：“周武王崩，武庚与管叔、蔡叔作乱，成王命周公诛之，而立微子于宋，以续殷后焉。”《史记·宋微子世家》：“武王崩，成王少，周公旦代行政当国。管、蔡疑之，乃与武庚作乱，欲袭成王、周公。周公既承成王命诛武庚，杀管叔，放蔡叔，乃命微子开代殷后，奉其先祀，作微子之命以申之，国于宋。微子故能仁贤，乃代武庚，故殷之馀民甚戴爱之。”依《史记》，宋乃是殷商后裔所立之国，是周公旦立微子开以继殷祚，所以，人们在论及宋之姓时，自然而然地要追溯到殷商之国姓。

(4)

式中： ni(1≤i≤m)——舰船电力系统中第i个节点元件的备件数量。

综上所述，随机变量Y与X的关系式为

当舰船出行时，备件携行能力和经费预算有限，最优的备件方案应当在使整个舰船电力系统多尺度综合脆弱度范数达到最小的同时，还需要降低费用、重量、体积等资源消耗规模。以多尺度综合脆弱度范数最小与资源消耗规模Y最小为目标，约束条件为总费用不超过既定的预算，总重量、总体积不超过舰船提供给备件的承载能力范围，建立如下双目标优化模型：

(5)

式中： M0——单个各类备件的重量总和；

Mik0——第i个节点元件的备件总重量，MiK0=；

C0——各类备件的单价总和；

由式(9)和式(11)，可得

b2——舰船电力系统介数指标向量；

V0——单个各类备件的体积总和；

Mmax——所携带的备件重量上限；

Vik0——第i个节点元件的备件总体积，；

Cmax——备件费用上限；

Vmax——所携带的备件体积上限。

事实上，在对式(5)的求解中，需要将双目标转化为单目标优化模型：

(6)

式中： 的权值，且λ1+λ2=1；

Ymax——在费用、重量、体积均取上限时的资源消耗规模。

2 备件初始配置方案的计算

假设舰船电力系统节点对应的元件随舰配备了n个相同的备件，如果将装备上的元件本身也视为一个随舰备件，则该元件随舰携带的实际备件数量为n+1个。若舰船在海上执行任务期间元件工作时间为T，在元件工作时间T内发生的故障次数X应服从泊松分布，即随机变量X的分布律为

(7)

随舰元件的满足率指在规定的时间内现有备件量能满足需求量的百分比，也称为备件保障概率。也可理解为在任务时间T内随舰元件的满足次数与维修元件实际需要次数之比(记为Y)。Y是一个离散型随机变量，与随机变量X有如下关系：

(1) 当0≤X≤n时，即元件实际发生的故障次数小于随舰备件个数时，则随舰器材的满足率Y为1；

(2) 当X>n时，即元件实际发生的故障次数大于随舰携带的备件个数时，则随舰器材的满足率Y为

可得出结论，北美短叶松在加热1 h时，适当时间的热处理使得其样品表面逐渐变得稳定，碎片量也减少，表面与未处理样品相比也较光滑。而随着热处理时间的增加，其样品表面受到破坏，样品表面逐渐明显的开裂。其样品粗糙度在2 h之后超过了未处理材，4 h时粗糙度则更高，但4 h的样品表面比未处理的要稳定。若将热处理1 h、2 h、4 h进行对比，则发现随热处理时间的增加，其样品表面粗糙度增加。

覆盖范围内的标签大多数都会被重复清点，而对于一次清点任务来说，标签被清点到多次与清点到一次意义相同，因此大量的重复清点不仅效率低，而且增加了清点任务执行的时间。目的就是减少或消除标签被重复清点，提高清点效率，缩短清点任务时间。

我国油田行业是支撑我国经济发展的重要一部分，随着时代的不断改革，当下我国对油田企业的要求逐渐提高，油田项目开展前期的招标、投标、竞标的环节是非常重要的。对于当下最常见的企业招投标竞争的方式就是公开招标，公开招标作为最常见的公平竞标方式，投标企业要想在油田拿到项目，必须要通过公平竞争的方式，所以，油田企业为了能够让自身得到更好的发展，对招投标管理工作的力度是非常关键的，为了能够更好的做好招投标工作的管理，有必要对于招标投标管理中所出现的问题进行改进，并且提供相应的对策。

(8)

式(8)实际上是从统计角度给出了现有随舰元件在一次任务时间内的满足率。

定义随舰元件的满足率为随机变量Y的数学期望，通过计算其数学期望可以得到以下两个结论：

结论2：若元件寿命服从故障率为λ的指数分布,在给定任务时间T内，当配置随舰备件数量为n时，则随舰元件的平均工作时间为

(9)

式中： P(n,t)——配置n个备件时所对应的保障概率。

本实验中，设定K-Means算法的聚类个数为10.由表2可以看出，在聚类评价指标ACC和Purity上，IOCAP算法的各项指标优于其他算法，但在NMI指标上，要差于Spectral算法.K-Means算法和Spectral算法需要事先指定聚类个数，且由于K-Means聚类过程中有较大的波动，导致算法很不稳定，因此存在一定的限制.因此，IOCAP算法在Digits数据集上的聚类效果较好.

(10)

从结论1可以看到，元件满足率与备件保障概率紧密相关，实际上是备件保障概率的平均值，反映了备件的随舰配置数在给定任务时间内满足维修保障需求的程度。

结论1：若元件寿命服从故障率为λ的指数分布，则在给定任务时间T内，当配置随舰备件数量为n时，随舰元件满足率为

ET′=Rs(t)dt

(11)

式中： T′——元件和n个随舰备件在任务期间能够正常工作的实际时间；

近年来对桑椹菌核病的研究集中在病原菌鉴定，田间流行规律调查，农业、化学防治及潜在生防菌株筛选方面［7，11－13］，无菌核形成相关机理的报道。本试验根据已报道与核盘菌菌核形成相关的Smkl氨基酸保守序列设计简并引物，克隆桑椹缩小型菌核病病菌的丝裂原活化蛋白激酶编码基因 （mitogen－activated protein kinases from Scleromitrula shiraiana，Mmk1），初步揭示其菌核形成分子机理，以期为开发高效专一性杀菌剂，切断菌核病的病害循环提供理论依据，为病害防控提供新的思路和线索。

Rs(t)——元件和n个随舰备件组成的冷储备系统的可靠度，Rs(t)=P(n,t)。

(4)氮肥、焦化、甲醇等煤化工生产企业共同关注的节能(节水)减排新技术、新工艺开发应用及产品、原料等的结构调整问题。

阿什河流域内土壤饱和导水率与土壤储水能力的空间数据如图3、图4所示。阿什河流域东部森林分布区土壤饱和保水率大、土壤储水能力相对较强，具有很强的下渗性，加之土壤储水能力较强，对流经河岸植被缓冲带的地表水体的滞留能力也较强；对地下水而言，饱和导水率越大，流经河岸植被缓冲带的地下水流速也相对较大。而阿什河流域西部地区土壤饱和导水率与土壤储水能力较弱，对地表水阻流作用较小，但对地下水的滞留时间相对较长。

Cik0——第i个节点元件的备件总费用，；

(12)

由式(12)可知，满足率实际上表示了在给定任务时间内元件与随舰备件组成的冷储备系统的平均工作时间与给定任务时间的比值，反映的是在给定任务时间内随舰备件的保障能力的大小。比值越大，说明完成预定任务的能力越强，否则，完成预定任务的能力越低。从执行任务的重要程度出发，可以直观地提出随舰备件满足率大小的要求，为随舰备件配置方案的制定奠定基础。

随舰备件配置是指根据装备的满足率要求，按照备件配置时间内使用、更换与维修需要确定随舰备件的品种和数量。根据满足率的要求确定电网各节点元件的初始备件配置方案。

不可维修器材的工作时间为T，当给定元件的保障满足率P0时，元件配备的备件数从零开始逐次增加。当计算得到的满足率Pf(n,T)首次达到给定满足率要求P0时，得到元件配备的备件数n1就是该元件达到满足率要求条件下的随舰备件配置数：

n1=min(n|Pf(n,T)≥P0}

(13)

3 备件方案优化流程

根据式(6)，由初始备件方案运用边际优化方法探求最优方案，作出具体的优化流程图，如图1所示。

求解步骤：

图1 舰船备件方案优化流程示意图

(1) 初始备件方案为(m01,m02,…,m0n)，在该方案下的目标值为Q0。

(2) 计算各个节点元件备件分别增加或减少1个数量，其余节点备件数量保持不变时(简记为s←s±1)对应的备件方案。

(3) 对所有方案进行检验，选取其中满足约束条件的方案进入步骤(4)。

(4) 选取所得方案中Q最小的方案。若Q<Q0，则令Q0=Q进入步骤(2)；若Q≥Q0，则Q0对应的方案为最优方案。

4 实例分析

图2 复杂环形舰船电力系统的结构示意图

以某复杂环形舰船电力系统网络为例进行模型验证。为了建立舰船电力系统等效网络模型，结合其结构及运行特点，按照文献[16]的方法将发电机、主配电板、分配电板等电气设备等效为复杂网络模型中的节点；将电网元件之间的连接关系等效为复杂网络模型中的边，建立舰船电力网络的等效拓扑模型。图2所示为复杂环形舰船电力网络的结构示意图。图3所示为该电网对应的等效拓扑模型，其中，G表示发电机节点；S表示配电板节点；L表示负载节点；D表示发电机电缆节点；J表示跨接电缆节点；F表示馈线电缆节点[16]。

图3 复杂环形舰船电力系统对应等效拓扑图

本文只考虑发电机和配电板控制组件的备件配置情形。表1、表2为发电机和配电板的备件参数。

表1 发电机备件参数

备件宽/mm高/mm深/mm质量/kg价格/万元MTBF/h励磁控制器(备件1)30050030053010000整流二极管(备件2)540750930300605000

表2 配电板备件参数

备件宽/mm高/mm深/mm质量/kg价格/万元MTBF/h断路器(备件1)2408056401141731600000继电器(备件2)9016014010．0051200000

在舰船电力系统性能优化双目标模型式(6)中，主要考虑使整个系统多尺度综合脆弱度范数尽可能大，因此选取λ1=0.8，λ2=0.2。由于p范数的等价性，不妨取p=1。设备件的质量约束指标Mmax=1 500 kg；费用约束指标Cmax=2 000万元；体积约束指标Vmax=50 m3。

表3给出了发电机节点和配电板节点的不同类型备件数量方案。此时优化模型(6)中的目标函数下降了18.74%。这也说明系统的脆弱程度降低了，网络性能得到了优化。

由仿真结果得到网端电流畸变值THDi=0.092 5，P=4 536 W，Q=-86.93 var，则有公式

表3 备件携行方案

节点备件1/个备件2/个节点备件1/个备件2/个G120S2116G231S2203G331S2303G420S2404S108S3115S207S3204S307S3304S408S3403S1115S4116S1203S4203S1304S4303S1403S4402

5 结 语

本文研究了舰船电力系统发电机、配电系统控制组件的备件设置对电力网络脆弱性的影响。为了保证舰船电力系统脆弱程度最低，提出了以舰船电力系统多尺度综合脆弱度范数和资源消耗规模最小为目标的双目标优化模型；并通过边际优化算法从初始备件配置方案中寻找最优求解结果。在网络结构不变的前提下，通过合理配置节点对应设备的备件数量达到提高舰船电力系统安全性的目的。

【参 考 文 献】

[1] 阮旻智,李庆民,张光宇,等.多约束下舰船装备携行备件保障方案优化方法[J].兵工学报,2013,34(9): 1144-1149.

[2] 周伟,王东锋,刘亚杰,等.考虑相关失效的备件优化配置模型[J].系统工程与电子技术,2011,33(10): 2338-2342.

[3] ZHANG J, ZHANG J. Fill rate of single-stage general periodic review inventory systems[J].Operations Research Letters,2007,35(4): 503-509.

[4] HEIJDEN M. Near cost-optimal inventory control policies for divergent networks under fill rate constraints[J].International Journal of Production Economics,2000,63(2): 161-179.

[5] TEUNTER R H. Note on the fill rate of single-stage general periodic review inventory systems[J].Operations Research Letters,2009,37(1): 67-68.

[6] 阮旻智,李庆民,彭英武,等.任意结构系统的备件满足率模型及优化方法[J].系统工程与电子技术,2011,33(8): 1799-1803.

[7] 罗祎,阮旻智,袁志勇.多级维修供应下可修复备件库存建模与优化[J].系统工程理论与实践,2013,33(10): 2623-2630.

[8] PINCE C, GURLER U, BERK E. A continuous review replenishment disposal policy for an inventory system with autonomous supply and fixed disposal costs[J].European Journal of Operational Research,2008,190(2): 421-442.

[9] AXSATER S. A simple procedure for determining order quantities under a fill rate constraint and normally distributed lead-time demand[J].European Journal of Operational Research,2006,174(1): 480-491.

[10] LAU H C, SONG H, SEE C T, et al. Evaluation of time-varying availability in multi-echelon spare parts systems with passivation[J].European Journal of Operational Research,2006,170(1): 91-105.

[11] 孙江生,李苏剑,吕艳梅,等.武器贵重备件三级库存模型仿真研究[J].兵工学报,2008,29(7): 854-858.

[12] 王乃超,康锐.基于备件保障概率的多级库存优化模型[J].航空学报,2009,30(6): 1043-1047.

[13] TEE Y S, ROSSETTI M D. A robustness study of a multi-echelon inventory model via simulation[J].International Journal of Production Economics,2002,80(3): 265-277.

[14] AL-RIFAI M H, ROSSETTI M D. An efficient heuristic optimization algorithm for a two-echelon(R,Q) inventory system[J].International Journal of Production Economics,2007,109(12): 195-213.

[15] LEE L H, CHEW E P, TENG S Y, et al. Multi-objective simulation based evolutionary algorithm for an aircraft spare parts allocation problem[J].European Journal of Operational Research,2008(189): 325-341.

[16] 梅丹,王公宝,叶志浩,等.基于复杂网络理论的舰船电力网络脆弱性分析[J].海军工程大学学报,2015,27(3): 28-32.