基于寿命老化模型的舵板寿命预测

为预测舵板的使用寿命特性,建立舵板寿命老化模型.分析寿命老化模型理论依据,建立寿命老化模型,对舵板寿命进行预测,利用加速因子的不变原则,推导出寿命估计模型的参数在不同应力下的变化规律,并进行仿真分析.仿真结果表明:加速因子不变原则能够预测舵板在不同环境应力下的使用寿命,且相较于一般神经网络,其稳定性更强,为舵板寿命评估提供了有效的参考.     

基于湿热加速老化试验的HTPB固体推进剂寿命预估

借鉴量子力学理论关于电子产品老化反应速率与环境温、湿度的关系,将Eyring和Arrhenius模型相结合,建立了固体推进剂贮存使用寿命的湿热老化模型,并通过试验数据拟合得到具体的经验公式。利用该模型预估出某HTPB固体推剂在室温20℃、相对湿度为50%的贮存寿命,与实际贮存寿命进行了对照。结果表明,采用将温湿因素引入推进剂老化模型的方法,可以使推进剂寿命预测的结果更接近于发动机中推进剂的实际使用寿命。     

高聚物粘结炸药老化模型比较分析

概述并分析了Arrhenius、时间温度叠加原理和神经网络三种高聚物粘结炸药(PBX)老化模型的建立方法,利用上述方法对HMX基PBX在45～75℃下老化后的质量变化数据建模并预测寿命.上述三种方法预测该炸药在20℃下质量损失0.1％的贮存寿命分别为390 a、490 a和15.2 a.三种方法预测该炸药在50℃和60...     

基于BAS-BP 神经网络的多应力加速寿命试验预测方法

为解决多应力条件下加速寿命试验中建立复合加速模型困难、模型参数难以求解以及建模过程中通常忽 略应力间耦合作用的问题,根据天牛须搜索建立改进的BP 神经网络模型。使用多应力加速寿命试验中收集的4 组 应力水平的失效数据对BAS-BP 神经网络模型进行训练,对第5 组应力水平下的可靠度与失效时间进行预测。利用 平均相对误差、拟合优度2 个参数对模型的预测结果进行评价,并与BP 神经网络的预测结果进行对比。结果表明, BAS-BP 神经网络具有更好的准确性及鲁棒性。     

基于极度梯度提升模型的火炮身管寿命预测

为提高火炮身管寿命预测的精度,将身管内径磨损量作为寿命预测指标,提出基于极度梯度提升(XGBoost) 模型的火炮身管寿命预测算法。以火炮弹射数为输入,身管内径磨损量为输出,通过集成多个弱学习器反复训练来 拟合前一个弱学习器预测值与实际值之间的残差,从而生成强学习器,并通过在损失函数后加入正则化项及采用剪 枝技术降低模型过拟合的风险。基于某型火炮实测数据进行验证,结果表明：该模型不仅有效解决了火炮弹射量与 身管内径磨损量之间的映射关系,且相比支持向量机、BP 神经网络、灰色模型等现有算法显著提升了身管寿命预测 精度。     

模糊权马尔可夫模型在产品寿命预测中的应用

产品的寿命是一个随机变量,科学地预测产品的寿命对于维修和保障工作具有重要意义.文中采用模糊有序聚类的方法,建立产品寿命状况的分级标准,并运用加权的马尔可夫模型对产品的寿命状况进行预测.在此基础上,根据模糊集理论中的级别特征值,计算出具体的产品寿命值,从而为预测产品的寿命提供了一条值得探索的途径.     

基于支持向量机和卡尔曼滤波的机械零件剩余寿命预测模型研究

现有机械零件剩余寿命预测模型在建模过程中,无法同时采用已有数据库数据及被预测产品实时退化数据,为了弥补其不足,提出一种支持向量机（SVM）和非线性卡尔曼滤波相结合的机械零件剩余寿命预测模型。根据现有全寿命试验数据训练所得的SVM回归模型,建立非线性卡尔曼滤波状态更新方程,依据机械零件退化特征构造时间更新方程,设定初始剩余寿命值及其方差,通过逐步迭代计算各时刻剩余寿命估计值及一定置信水平的置信区间。该计算模型能够充分利用现有零件与同类零件全寿命试验数据和被预测零件的实时状态退化数据,实现剩余寿命预测。以某型号滚动轴承为例,验证了所提出剩余寿命预测模型的精度、稳定性及工程应用价值。     

基于人工神经网络和混合遗传算法的炸药爆速预测

运用基于最优保存和自适应交叉变异的混合遗传算法训练的BP神经网络,根据三维数据建模和炸药的分子量、氧平衡以及装药密度,构建了一个3-4-1型的炸药爆速预测BP神经网络模型。同时利用训练好的神经网络模型对炸药的爆速进行了预测。预测结果表明:模型预测值与有关文献的实验值接近,绝对误差为±7%;也说明了炸药的分子量,氧平衡和装药密度等相关参数与其爆速具有一定的可类推性。     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

基于神经网络的某鱼雷保障设备故障预测方法

为确保鱼雷保障设备处于良好的工作状态,提出一种基于径向基函数(radial basic function,RBF)神经网络的某鱼雷保障设备故障预测法。利用RBF神经网络的非线性建模能力,在某鱼雷保障设备的关键监测点建立网络诊断模型,通过对该模型的训练学习,确定需要的参数估计,再根据该模型的输出值来判断故障,并在Matlab仿真环境下对该设备故障进行了预测,其预测结果与实际情况基本一致。仿真结果表明:RBF神经网络作为预测网络能较好地解决该保障设备的故障预测问题,具有较准确和快速的诊断能力,可为复杂设备的预防性维修提供科学依据。     

人工神经网络在维修性预计中的应用

维修性预计运用BP神经网络,并以Matlab BP工具箱函数建立产品的维修性预计模型.其建模步骤包括:确定训练样本、建立网络并对其进行初始化、对网络进行训练及对产品维修性参数预计.并对某火炮中主要机构进行维修性分析和仿真,通过对训练样本规范化处理,再应用相应数据预计网络模型,最后检验网络训练效果.     

基于神经网络的薄壁件加工变形预测方法

在薄壁件的切削加工过程中,刀具几何结构是产生工件变形的重要因素之一。刀具单一角度所引起的工件变形规律可以很方便地通过有限元方法获得,但是,若同时考虑刀具多个角度的影响,仅仅利用有限元方法很难揭示多种工况与工件变形之间的关系。为此,针对薄壁件的铣削加工建立了三维有限元分析模型,通过实验数据与仿真值的比较验证有限元分析模型的有效性,以便利用有限元分析模型获取神经网络的训练样本;借助神经网络的非线性映射能力,通过有限的训练样本构建工件变形预测模型;将预测值与相应的有限元仿真值进行比较,结果表明预测误差在3%以内,进一步验证了建立的工件变形预测模型具有合理性。     

基于遗传神经网络的军用油库选址优化模型

影响军用油库选址的因素众多且具有不确定性,传统的凭人主观选址和线性规划等方法选址不能充分体现各影响因素的主次成分及相互关系,为了解决该问题,将遗传算法和神经网络相结合,利用德尔斐法建立选址指标体系并进行指标的量化及归一化,将各底层指标的归一化值作为神经网络的输入,将代表选址等级的布尔变量作为神经网络的输出,利用遗传算法来优化神经网络的连接权值和阈值,然后用足够的样本借助 Matlab 工具训练此模型,通过模型的自适应学习,直到得到能正确表示网络内部特征的那组阈值。实际应用表明,所建模型的操作性和实用性强,为军用油库实际选址提供直接的决策依据。     

基于RBF神经网络的SO2的预测

基于RBF神经网络的SO2的浓度预测,选取一定的历史数据建立径向基函数神经网络训练模型,进行拟合训练.将芜湖市1993年到2001年大气SO2的浓度历史数据用于径向基函数神经网络,建立训练网络模型,通过训练优化提高训练可靠性.再用该模型对芜湖市大气中SO2的浓度进行预测.     

多轴特种车辆的数据建模方法及横向动力学应用

多轴特种车辆的动力学模型具有强非线性,精细化的物理建模需要准确的模型参数和动力学方程以映射车辆动力学的特性。在无精确的车辆先验物理参数信息和动力学函数关系条件下,为提高车辆动力学建模的保真度,针对某型五轴特种车辆的横向动力学行为,提出了一种基于神经网络的数据建模方法。网络框架主体呈闭环结构,网络输出的状态信息同时作为输入用于预测下一时刻的状态,实现了数据建模递归更新;针对闭环网络模型,设计了闭环结构的训练策略,在网络模型中引入中间变量,使得网络在训练阶段仍然保持闭环结构;网络模块采用循环门控单元(Gate Recurrent Unit)和全连接网络(Full Neural Networks)的组合方式;数据集由经过实车验证的Trucksim仿真模型生成,分析结果表明：在无精确车辆先验信息条件下,物理建模难以准确预测出车辆的状态信息,数据模型具有更好的保真度。闭环训练方法可以使得闭环结构的网络具有更好的保真度,对于横向速度和横摆角速度预测的最大绝对值误差仅为0.079 km/h和0.342°/s,相比于开环训练的结果,最大误差降低了58.40%和49.48%。     

基于遗传小波神经网络的GPS/SINS 组合导航系统算法

针对GPS/SINS组合导航系统在实际应用中遇到的问题,将小波神经网络的非线性预测算法与遗传算法结合,提出一种基于遗传小波神经网络预测的SINS误差反馈校正方法。对基于遗传算法的小波神经网络学习方法进行研究,并确定该神经网络的结构模型;当GPS信号有效时,根据GPS/SINS组合导航输入输出信号获取神经网络的训练样本,进行在线神经网络训练,得到最优的神经网络模型参数;当GPS信号中断时,根据已经训练好的神经网络模块预测出GPS信号失锁时SINS的位置误差、速度误差和姿态误差,并对SINS进行误差校正得到较为准确的导航参数。仿真实验结果证明,该算法可有效提高GPS观测数据不可靠时导航参数的精度。     

基于支持向量机的热喷涂层接触疲劳寿命预测

针对热喷涂层接触疲劳寿命的预测问题,利用装备再制造技术国防科技重点实验室研制的新型接触疲劳/磨损多功能试验机(RM-1试验机),基于中心复合设计进行等离子喷涂Al₂O₃-40%TiO₂ 涂层（AT40涂层）受到接触应力、转速、涂层厚度和滑差率共同作用下的接触疲劳寿命试验,并通过扫描电镜观察涂层的失效形貌。采用3σ准则检验接触疲劳寿命试验的可靠性,将黄金分割法与信息熵理论相结合,对训练集和测试集进行划分。基于支持向量机（SVM）原理,建立综合考虑接触应力、转速、涂层厚度和滑差率的寿命预测模型。研究结果表明：在接触应力、转速、涂层厚度和滑差率共同作用下,涂层的损伤失效主要是分层失效和表面磨损;采用中心复合设计方案得到的多因素接触疲劳寿命具有可靠性;基于SVM回归理论训练的预测模型具有较高的显著性,可用于表征AT40涂层接触疲劳寿命与接触应力、转速、涂层厚度和滑差率的函数关系,为喷涂层接触疲劳寿命预测提供理论参考。     

基于神经网络的RE-Ni-Cu合金铸铁腐蚀性能预测

通过动态质量损失法腐蚀试验获取RE-Ni-Cu合金铸铁在高温浓碱液中的实测腐蚀深度,并将其作为样本数据用于BP神经网络的训练和验证;利用MATLAB的工具箱函数分别建立拓扑结构为4×15×1和4×15×8×1的BP神经网络,并对两个网络模型进行比较研究。结果表明,在样本集和训练条件下,4层BP网络的预测精度明显高于3层BP网络,可用于RE-Ni-Cu合金铸铁在高温浓碱液腐蚀系统中的腐蚀性能预测。     

基于镀层界面剪切疲劳损伤的枪管寿命预测研究

为研究枪管内膛损伤机理、提高枪管寿命,提出了基于枪管镀层界面剪切疲劳损伤累积的枪管寿命预测方法。根据身管镀层剪切失效理论和疲劳损伤累积理论,建立了热压耦合应力作用下的枪管镀层界面剪切失效模型。以某5.8 mm小口径步枪枪管为研究对象,计算一个冷却周期150发 弹连续射击过程中的枪管界面剪切应力,结合随温度变化的枪管材料抗拉强度数据对枪管寿命进行了预测。研究结果表明：预测结果与寿命试验结果高度吻合,验证了寿命预测模型的可行性与正确性;以镀层界面剪切疲劳寿命来预测枪管寿命是有效的,镀层界面剪切疲劳失效是导致枪管寿终的重要原因。