基于RBF 网络的武器装备贮存可靠性预估

摘要：为减少武器状态在贮存期间的检测次数,提高战备完好率,基于RBF 神经网络对武器装备贮存可靠性预 估方法进行研究。针对武器装备贮存可靠性预估的问题,借助于神经网络可实现非线性映射的特点,基于RBF 网络 对某型装备贮存可靠性变化规律进行预测,并给出了预估步骤。预测结果表明,RBF 网络适用于武器装备贮存可靠 性的预估,预测误差满足要求。     

几种基于神经网络的导弹惯性器件故障预报方法及其性能比较

研究了标准BP网络、改进的BP网络(带动量的自适应BP网络)、 L-M网络和RBF网络及其学习算法, 探讨了基于这四种神经网络的导弹惯性器件故障预报方法, 并通过仿真实验对四种网络的预测预报性能进行了分析比较.结果表明, L-M网络和RBF网络对惯性器件的故障预报比两种BP网络更准确, 收敛速度更快.     

基于定期检测的导弹贮存可靠性研究

基于导弹的定期检测数据，通过对导弹贮存可靠性的变化机理进行分析，建立了导弹贮存可靠性预测模型．并对模型进行了拟合和检验，结果表明该方法能较好地预测导弹贮存可靠性的变化规律。     

基于BP神经网络的空空导弹贮存可靠性预测模型研究

针对空空导弹在长期的贮存过程中环境因素对其可靠性的影响,提出了一种基于BP神经网络的建模方法。该方法首先对空空导弹进行分析,确定神经网络的结构;然后对环境信息进行加权融合,形成输入样本,再将检测时刻可靠度的点估计作为输出样本,训练神经网络;当误差达到要求后,根据在导弹贮存期间所采集的环境信息预测导弹当前的可靠度。     

导弹定期维修条件下的贮存可靠性预测方法

导弹在寿命周期大部分时间处于贮存中,且在长贮过程中会进行定期检测维修。考虑到维修可能对导弹贮存可靠性的影响,论文基于导弹贮存寿命服从威布尔分布的假设,考虑存在初始失效的导弹定期维修的背景下,对最常见的修复如新、贮存失效率增大的情况,提出了贮存可靠性预测模型,并用最小二乘估计对维修后的模型参数进行了估计。最后,通过文献中的数据验证了所提的贮存可靠性预测模型,结果表明模型能较好地预测导弹贮存可靠性在定期维修条件下的变化规律。     

基于定期检测的导弹贮存可靠性预测模型

基于导弹的定期检测数据, 通过对导弹贮存可靠性的变化机理进行分析, 建立了导弹贮存可靠性预测模型.对模型进行了拟合和检验, 结果表明方法效果符合要求.     

导弹贮存可靠性预测模型研究

分析了贮存环境对导弹武器贮存可靠性的影响 .在两种假设条件下 ,建立了定期检测修复条件下导弹武器贮存可靠度的两上数学模型 ,并给出了参数的估计方法 .作为一个实例分析 ,对于某型导弹某分系统的定期检测给出了实用的贮存可靠度预测模型 ,并对两种模型拟合和预测结果进行了比较 ,数据结果表明两种预测模型都具有较好的拟合程度和预测精度     

基于遗传算法的BP网络在导弹武器系统元器件贮存可靠性预测中的应用

针对目前BP神经网络在应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.建立了基于改进遗传算法的BP网络贮存可靠性预测模型,并以某型导弹武器系统的元器件进行实例分析,计算结果表明,该方法预测的准确性高,且预测结果稳定.     

一种基于贮存可靠性数据的导弹寿命预测方法

研究基于贮存可靠性数据的导弹寿命预测方法,给出科学和切合实际的导弹贮存寿命.根据导弹贮存状态下的定期批检结果,采用"残差平方和(R2)"最小原则,给出一定服役期内导弹故障率,故障率上、下置信区间计算方法,以及最优拟合函数模型,给出导弹在有空调库房、无空调库房和露天场地条件下的贮存可靠度及其置信区间.按照无故障概率不小于0.7的判断标准,以某型导弹定期检测数据信息进行寿命预测分析,结果符合实际.该方法实用可行,可以为导弹延寿可靠性分析提供借鉴.     

导弹推进系统贮存寿命预测技术与仿真系统开发

针对导弹推进系统的贮存环境恶劣严酷,特别是对结构可靠性要求较高的实际,提出导弹推进系统寿命预测原理,采用修正的Arrhenius方法和GM-BP组合方法,分别建立了发动机装药寿命预估和推进系统贮存寿命预测模型。在此基础上,开发了导弹推进系统贮存寿命预测软件,并进行实例仿真,验证了模型的有效性。依据仿真结果,工程技术人员可以发现潜在的故障模式,制定出相应的贮存期维修检测计划与策略,提高贮存可靠性,延长其寿命。     

基于RBF 神经网络的导弹备件需求量预测仿真

针对导弹部署后期与备件有关的各项保障数据相对较多的情况,提出采用径向基函数（Radial Basis Function,RBF）网络方法。以某型导弹的某备件为预测对象,对导弹维修备件需求影响因素进行分析,介绍RBF网络的结构、工作原理及预测步骤和流程图,并进行仿真结果分析。分析结果表明,该方法比普通前向网络训练省时,能解决备件需求量的预测问题。     

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。     

基于神经网络的导弹惯性器件故障预报系统研究

在导弹武器系统当中,及时准确地故障预报对提高导弹的安全性具有极其重要的意义.针对导弹惯性器件故障预报系统的设计要求,考虑到神经网络用于故障预报的优点,在神经网络技术应用于导弹惯性器件的故障预报过程中提出了神经网络的训练算法,把神经网络、预测理论和故障诊断系统有机结合起来建立了一个故障预报系统,利用该系统选取神经网络预测模型对某导弹陀螺随机漂移进行建模和分析,实现了故障预报.实例预测结果证明,给出的神经网络预测模型和训练算法是可行的.     

中远程舰空导弹武器系统作战效能评估研究

构建了中远程舰空导弹武器系统作战效能评估的指标体系,提出了运用BP网络进行效能评估的方法,并合理地给出了构造训练样本的方法,提高了训练样本的充分性和可信性.最后通过与模糊综合评判法得出的评估结果相比较,验证了方法的有效性.     

基于复合基神经网络的声目标分类识别

根据径向基函数(RBF)神经网络和前馈(BP)神经网络的特点，将BRF网络和BP网络结合起来构成复合基网络，并使用此网络进行声信号的分类识别。试验表明，该网络具有较好的综合分类识别性能，其分类能力优于RBF网络和BP网络。     

导弹起竖过程的非线性预测控制

为解决导弹起竖过程中的快速性和稳定性问题，提出了采用基于神经网络的非线性预测控制方案，构造了基于BP神经网络的起竖过程单值非线性广义预测控制模型，推导了模型的最优输出控制量的求解算法，并给出了单值非线性广义预测控制的具体实现步骤，最后以典型非线性模型和导弹模型进行了仿真，结果显示控制方案取得了满意的效果。     

基于模糊理论的导弹系统贮存可靠性仿真方法研究

针对新型、复杂导弹系统的贮存可靠性分析困难的问题,研究了模糊故障树分析法和模糊系统贮存可靠性仿真方法,探讨了将导弹系统视为模糊系统,基于模糊理论对其贮存可靠性进行研究的思路,为新型、复杂导弹系统贮存可靠性的研究提供了技术途径。以某型号导弹自动驾驶仪为例,在功能分析的基础上建立了自动驾驶仪模糊故障树,然后利用模糊系统贮存可靠性仿真方法对其贮存可靠性指标进行了分析。