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.     

灰色神经网络在空舰导弹寿命预测中的应用研究

结合灰色理论与BP神经网络建立了灰色神经网络组合预测模型.该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合.利用三种灰色模型及灰色神经网络模型对某型空舰导弹某电子设备的失效时间进行预测,研究结果表明灰色神经网络预测效果明显优于灰色模型,是一种实用的且精度较高的预测方法.     

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。     

应用RBF网络的导弹研制费用预测

影响导弹武器系统研制费用的因素含最大有效射程、目标容量、导弹最大飞行速度、发射质量及研制周期.建立基于RBF神经网络的费用预测模型,其算法步骤包括:预测算法思想、归一化原始数据、样本集输入数据的选取.该模型不仅克服了因专家主观因素而造成的影响,且提高了算法的运行效率和模型的预测精度.     

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。     

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.     

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.     

基于故障规律的导弹备件消耗预测

针对导弹备件消耗存在波动性而难以准确预测的问题,在分析导弹备件消耗与导弹装备故障关系的基础上,提出了根据导弹装备故障规律来预测导弹备件消耗的思路。首先建立了导弹装备故障次数灰色预测模型;然后重点从导弹故障件流程分析、故障件相关参数的确定和消耗量计算公式的推导着手,建立了导弹备件消耗预测模型。算例结果表明,基于故障规律的导弹备件消耗预测方法具有较高的精度。该方法从备件产生的根源角度分析备件的消耗,具有重要的理论意义和实用价值。     

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LMBP网络的防空导弹武器系统效能评估模型

建立了防空导弹武器系统效能评估的指标体系.对应用LMBP神经网络解决防空导弹武器系统效能评估的方法问题进行了探讨,并且给出了神经网络的评估模型及算法.实例证明:该方法是可行的.