基于BP神经网络的装备维修人员保障能力评估

针对装备维修人员保障能力评估的复杂性和随机波动性,并依据装备维修人员保障能力指标体系,采用BP神经网络方法构建了装备维修人员保障能力BP神经网络模型,应用于装备维修人员保障能力的分析研究。通过某修理连维修人员保障能力评估实例,证实了本模型的科学性和正确性。     

基于BP神经网络的防空武器系统保障性评估

通过对防空武器系统的分析,建立了防空武器系统保障性评估指标体系,并应用BP神经网络方法建立了防空武器系统保障性评估的人工神经网络模型,克服了评价中的不确定性、模糊性、复杂性等问题。理论分析与实例计算结果表明,该评价方法可行而且有效,证实了模型的科学性与正确性,可为防空武器系统的研制、改进和采购等提供一定的参考依据。     

基于BP神经网络的导弹武器系统维修质量评估

阐述了导弹武器系统的维修质量是影响导弹武器系统性能发挥的重要因素,因此对导弹武器系统维修质量进行评估有着非常重要的意义.首先建立了导弹武器系统维修质量评估指标体系;其次利用BP神经网络理论建立了导弹武器系统维修质量评估模型;最后利用Matlab软件对该模型进行了仿真.     

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．     

基于BP 神经网络的掌子面前方围岩自稳能力评估

地下工程依托地质体的岩石类型条件（围岩）直接关系到工程的精确口部选址、工程主体建设轮廓、工程施工手段和工程跨度,并且影响对工程的防护性能评估。为了精确评估围岩的稳定性,在BP神经网络的模型的基础上对其进行优化,建立了作业工程掌子面前方围岩稳定性评估模型。主要通过加入动量因子、采用自适应调节率这两种方法对传递函数进行优化,提高神经网络收敛速度;对于一些非线性、多模型、多目标的函数优化问题具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。通过对BP神经网络的的初始权值和阈值进行优化,跟围岩的受力特性进行比较,能精准快速评估围岩的稳定性,节约大量人力资源,提高工作效率。     

基于BP神经网络的无线电导航系统效能评估

针对无线电导航系统的特点,构造了其系统效能评估的指标体系,提出了一种基于BP神经网络的导航系统效能评估新方法,并运用训练好的三层BP神经网络对某型导航雷达系统进行了效能评估.结果表明,这种方法科学合理,能减少评估的工作量和主观因素的影响,使结果更具可信性.     

基于BP神经网络的地空导弹武器系统作战效能评估

地空武器系统拦截巡航导弹的作战效能评估,运用3层BP神经网络进行.先通过层次分析法或专家打分法获得原始训练样本,再对样本进行归一化处理,最后编辑神经网络应用程序.结果表明:在选定指标的基础上,BP神经网络对武器系统作战效能评估是合理的.     

基于BP 神经网络的渡江工程信息控制效能评估

为科学测度渡江工程信息保障中的信息控制效能,提出一种基于BP神经网络的渡江工程信息控制效能评估方法。围绕渡江工程信息保障任务的关键节点和预期目标,构建渡江工程信息控制效能评价的指标体系;利用神经网络非线性拟合精度高以及自调节功能强的特点,设计BP神经网络效能评估模型;利用仿真实验对模型进行验证分析。结果表明：模型应用于渡江工程信息控制能力指标评价样本,验证了BP神经网络在渡江工程信息控制效能评估中的有效性。     

基于BP 神经网络的舰载机对陆打击作战效能评估

为解决复杂战场态势下影响舰载机对陆打击作战效能因素多、情况复杂的问题,提出一种基于BP 神经 网络学习算法的舰载机对陆打击作战效能评估模型。结合舰载机性能及战场环境,运用层次分析法构建舰载机对陆 打击作战效能评估指标体系;通过Matlab 工具进行动态评估仿真。仿真结果表明：该模型准确率能达到98.5%,验 证了模型的有效性和可行性,可为舰载机在战术应用方面提供一定的决策信息。     

基于BP 神经网络的装甲车辆发动机使用状态评价

为综合预测装甲车辆发动机使用寿命,应用相关性分析优化发动机使用影响因素指标体系,定义发动机使用条件修正系数,对发动机使用状态样本数据进行分析与处理,构建BP神经网络评价模型,并利用获得的样本数据对网络进行训练和检验。结果表明：该方法能定量评价装甲车辆发动机使用状态,为预测装甲车辆发动机使用寿命提供一种新方法。     

基于改进型BP神经网络的PID控制算法

针对传统的PID控制算法很难获得比较理想的控制效果的问题,提出一种基于BP神经网络的自适应PID控制算法。根据BP神经网络的结构和特点,介绍了改进型BP神经网络算法描述及PID控制器的结构,并通过实例进行仿真分析。结果表明,改进型BP神经网络PID控制器具有良好的控制效果,降低超调量,抗干扰性强和增强系统的鲁棒性,优于常规PID控制器。     

基于改进BP神经网络的模拟电路故障诊断研究

根据BP神经网络特点,提出对BP神经网络改进的方法,并以某负反馈放大器为例,采用改进后的BP网络进行故障诊断,步骤包括：故障特征向量提取、原始数据归一化处理、BP网络设计与训练。结果表明,在MATLAB7．1中运用神经网络工具箱中函数进行仿真,能有效进行故障识别、改善神经网络结构、提高故障诊断精度和速度。     

基于BP神经网络的数字识别方法

应用BP神经网络对数字进行识别,其图像的预处理采用去除杂点方法去除噪声,使用逐像素特征提取方法进行特征向量的提取.该识别过程还包括数字识别网络的训练,及通过选取初始权值和隐含层节点数、权值学习算法确定相关参数.实践证明,利用BP神经网络能够实现对阿拉伯数字的准确、快速识别.     

基于改进BP神经网络的某导弹姿态控制系统故障诊断

对于常规BP神经网络,其收敛过程存在两个很大的缺陷:收敛速度慢;存在所谓"局部最小值"问题。采用了一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练,建立了智能诊断模型,并应用于某导弹姿态控制系统的故障诊断,测试结果表明该方法相比常规BP算法能够更有效的进行故障诊断,从而为故障诊断及判定的自动化提供了一个新思路。     

基于BP神经网络的模型结构自动选择

模型选择方法对用户的期望过高，要求用户对决策支持系统模型库中的模型和所要解决的问题都要有深刻的理解，这就导致了模型选择的实用性较差，在论述BP神经网络及算法的基础上，将其应用于模型结构的自动选择，并利用Matlab仿真软件进行了验证，试验结果表明此方法是有效的。     

基于神经网络的考核成绩评估

常用的神经网络包括BP、径向基、径向基概率神经网络等.利用Kohonen神经网络实现对学员的体能考核成绩进行综合评估.其采用N维模式矢量,当网络输入矢量后,Kohonen层中的神经元开始竞争,并利用具有最小欧式范数距离的神经元作为获胜神经元.仿真实验验证了基于Kohonen神经网络的考核成绩评估有效可行.     

基于BP网络的PID整定控制

基于三层BP网络的PID的整定控制器,将输出层神经元输出状态对应于PID控制器的比例、积分、微分参数.先确定输入层和隐含层节点数、给出各层权值初值、选定学习速率和动量因子、学习参数等,再计算采样时刻误差、各层神经元的输入输出、PID控制器输出.通过神经网络的自学习、实现PID控制参数的自适应调整.仿真表明该神经PID控制器在三参数自调整、控制量变化、减小误差等方面具有优势.     

基于神经网络的预测控制

基于神经网络的预测控制器由神经单元自适应PID控制器和基于神经网络的Smith预估器组成.预估器对输出进行多步预测,使控制器超前动作以消除时滞对系统的影响.自适应PID控制器通过有监督的Hebb学习算法实现其权值调节,通过权系数的在线调整实现自适应控制.并以仿真试验给予了验证.     

改进BP神经网络在冲压发动机性能预测中的应用

提出了一种应用改进BP人工神经网络进行冲压发动机性能预测的新方法.编制了仿真程序,并对几种算法的学习收敛速度进行了比较.仿真结果表明,模型预测的冲压发动机性能误差低于3%,较好地解决了工程实际问题.