基于BP网络的导弹研制费用预测

根据导弹武器系统研制的特点，分析并确定了影响导弹武器系统研制费用的主要因素，提出了基于人工神经网络的费用预测模型。该模型不需要确定各因素的定量关系，克服了以往由于专家主观因素而千万的负面影响，最后通过实际应用，说明了该方法简便易行，精确可靠。     

基于BP神经网络的装备失效率预测研究

装备伴随使用时间的增长,失效率会不断升高;因此准确预测装备失效率,对于及时准确评估装备性能,开展视情维修具有重要的指导意义;鉴于BP神经网络的高度非线性映射能力,利用此模型对装备失效率进行预测;分析得到了BP模型的输入层和中间层的最优神经元数;此时实际值与预测值的方差为0.038 7,达到要求。     

基于改进BP网络的装甲装备机动性能评估模型

收敛速度慢、易陷入局部极值是传统的BP神经网络难以避免的问题,最终可能导致网络训练失败．在量化装甲装备机动性能指标的基础上,采用遗传算法对BP神经网络权值进行优化,用自适应梯度下降法对传统BP神经网络进行训练,从而建立装甲装备机动性能评估模型,并通过二次训练得到评估值．仿真结果表明该改进网络收敛速度明显优于传统网络,能有效避免局部板值问题。     

应用改进的BP神经网络预测导弹的研制费用

结合导弹武器系统研制的特点，分析并确定了影响导弹武器系统研制费用的主要因素，并在前人研究的基础上，提出了基于改进的BP神经网络的费用预测模型。该模型不仅克服了以往由于专家主观因素而造成的负面影响，而且提高了算法的运行效率和模型的预测精度。通过具体的实例分析比较，充分证明了利用该方法的科学合理性。最后探讨了利用BP神经网络进行数值预测的方法和应该注意的问题，并给出了一些有益的建议。     

导弹装备采办风险动态变权模糊评估模型研究

运用科学的方法对导弹装备采办风险进行评估能够有效的提高导弹装备采办的效率。构建了导弹装备采办风险评估指标权重的动态定权模型,通过指标间的相互关系对权重进行了修正;建立了导弹装备采办风险评估的变权模糊模型,通过指标值的大小对其权重进行了修正。最后进行了实例验证,结果表明,该模型能够真实的反应导弹装备采办风险的大小。     

基于BP网络的装备预知维修

基于神经网络的装备维修预测专家系统由控制、测量、故障预测、执行和数据处理等模块及数据库组成.依据测量模块的检测与诊断信息,数据处理模块得知被控对象的结构与参数变化并实施相应控制措施.故障预测模块按预先设定发现控制系统故障,分离故障征兆部位,判别故障种类,估计故障大小与时间,进行评价与决策.     

改进BP网络在装备维修费用预测中的应用

提出了一种BP神经网络理论的改进算法,在此基础上建立了时间序列对象的预测模型,根据预测模型,对某型装备使用维修费用进行预测,并与实际使用维修费用进行了对比.结果表明此模型准确,并具有应用泛化能力,该算法为费用预测提供了一条新途径.     

基于组合神经网络的装备研制费用预测研究

利用组合神经网络预测法.对装备研制费用进行预测研究.采用了两层预测系统第一层用灰色模型和神经网络分别对装备研制费用进行预测,第二层用BP网络对第一层的输出进行组合预测.通过对某型装备研制费用的预测分析,证实了本模型的科学性与正确性.     

BP神经网络在装备保障性评估中的应用

通过分析装备保障性的影响因素,建立装备的保障性评估指标体系;由于装备保障性影响因素与保障性评估结果存在非线性关系,而BP神经网络可以逼近任意的非线性映射,因此将BP神经网络引入到装备保障性评估中,并建立BP神经网络评估模型,解决装备保障性这一类非线性评估问题;仿真结果表明:该评估模型可以准确有效地评估装备保障性,为提高装备保障能力提供有益的借鉴。     

基于BP神经网络的装甲装备智能诊断系统

本系统针对装甲装备润滑油样中有关磨粒图象、油藏理化指标等各类数据和特征值信息,利用基于BP神经网络的集成化智能诊断系统实现被监测设备内部磨损趋势的自动状态监测与智能故障诊断,并在不同层次上提供定量化且形式简明的趋势报告与诊断报表,作为决策与判断依据,以协助工业现场或军工单位更高效、准确地完成设备的保养和维修工作。     

基于粗糙集和BP 神经网络的导弹备件消耗预测

针对神经网络预测导弹备件消耗时参数过多会导致事件过长并易陷入局部最优的问题,建立一种基于粗糙集和BP神经网络的导弹备件消耗预测模型。在对采集到的导弹备件消耗信息进行特征提取、形成决策表的基础上,用粗糙集理论对原始信息表进行约简,去除冗余的属性和属性值,并将约简的影响因素值输入到BP神经网络中进行训练预测。实例结果表明：该预测方法大大减少了网络的收敛时间,提高了模型的预测精度,为导弹备件消耗预测提供了一个新的思路。     

基于RBF神经网络的装备使用保障费用预测

使用保障费用的估算是寿命周期费用管理的重要组成部分,通过分析使用保障费用估算存在的问题,利用RBF神经网络构建了时间序列的预测模型,并应用于装备使用保障费用预测研究.通过对某型装备使用保障费用的预测分析,实例表明该模型具有较好的预测精度,可用于装备使用保障费用的预测和估算.     

基于信息论的装备采办模型

针对装备采办全过程中的问题,运用信息论的方法构造装备采办全过程的系统模型。从产品需求出发,明确需求后,通过招标的方式荻取需要的信息,并实现信息的选择和决策过程;确定招标对象后,由作为信息监督者的军代表对中标对象进行产品质量、产品进度的监视和检测,并及时将信息反馈给信息决策者;完成采办过程后需建立相应的数据库,实现信息的备份,便于查找和借鉴。     

基于相关性函数和模糊贴近度的多传感器数据融合

针对多传感器数据融合中,各传感器测量数据的可靠程度难以确定以及如何提高数据融合结果的精度问题.文中提出了利用模糊理论中的相关性函数来计算多传感器的相互支持程度,并基于模糊贴近度,对支持程度高的传感器数据进行融合.仿真结果表明,相比同类融合方法,该方法获得的结果具有更高的精度和可靠性.     

飞航导弹采购费的BP神经网络模型研究

介绍了费用估算的常用方法和人工神经网络的基本概念 ,提出了一种基于 BP神经网络的飞航导弹采购费用估算模型 ,并对典型的反舰导弹采购费进行了估算。结果表明 ,文中所述方法是有效的、可行的     

基于BP神经网络的导弹作战方案评估方法

构建了一般的机动发射式导弹作战方案评估的指标体系,通过BP神经网络模型对拟制的导弹作战方案进行了评估,得到了评估结果,为导弹武器作战时快速优选作战方案创造条件。     

基于BP神经网络的导弹阵地选择评估

战时对导弹阵地能否进行快速选择是直接影响导弹的总体作战效能．通过对导弹阵地选择情况的分析,建立了导弹阵地选择评估指标体系,并使用改进型的BP神经网络,建立相应的BP神经网络评价模型,应用MATLAB的神经网络工具箱将各项指标归一化作为网络输入,专家的评价结果作为网络输出,对训练好的模型进行验证,结果令人满意．     

BP神经网络在装备使用阶段质量评估中的应用

装备使用阶段质量评估对于发挥装备的作战能力具有很强的现实意义。在明确装备使用阶段质量评估内涵的基础上,从影响装备使用阶段质量的主要因素出发,建立了比较全面的某型导弹武器系统使用阶段质量评估指标体系,利用BP神经网络理论分析建立了装备质量评估模型,结合实例利用MATLAB对该模型进行了仿真,分析仿真结果后给出了相应的改进措施。     

防空导弹杀伤区的BP神经网络解算模型研究

采用神经网络对防空导弹杀伤区进行解算是防空导弹杀伤区计算方面的一次尝试，它实现了对防空导弹杀伤区与目标飞行诸元之间非线性关系的逼近，避免了一般解算防空导弹杀伤区的繁锁算法，且解算精度和实时性能够满足武器系统的作战需求，这对于确定防空武器系统杀伤区的计算模型，防空C^3I拦截区计算和防空作战仿真提供了一个新思路。     

一种改进的BP算法在导弹成本预测中的应用

文中提出了一种更有效的前向BP神经网络．考虑了导弹成本中的一些非确定性的影响因素，建立了导弹成本的估算模型。经过算例结果表明，该方法所得的导弹成本预测精度取得了较满意的结果。具有实际应用价值。