爆破片爆破压力可靠性研究

在分析压力容器爆破片特性机理的基础上,通过试验讨论并验证了压力变化对爆破片性能的影响,提出了爆破片随所受压力和施压次数增加的爆破压力锐减系数,为分析爆破片在试验应用中使用可靠性提供了参考.     

基于RBF神经网络的磁探测引信系统研究

通过对比BP神经网络、径向基函数（RBF）神经网络在信号处理中的优缺点，详细分析了RBF神经网络的模型结构并应用于多模磁探测引信系统中，通过计算机仿真和实际测试效果较好。     

基于BP神经网络的智能压力传感器设计

为满足航空发动机分布式控制系统的设计需求,提出了利用BP神经网络设计智能压力传感器的方法。首先,建立了该传感器的BP神经网络模型;然后,利用DS18B20和ATmega128设计出了硬件电路;最后,进行了该传感器的软件设计。实验结果表明,该智能压力传感器结构简单,线性化程度好,测量精度高,适用于航空发动机分布式控制系统。     

火箭发动机复合材料壳体爆破压力的计算

根据火箭发动机复合材料壳体的缠绕特点，假定壳体是由宏观上一组正交异性单元一层接一层缠绕制成，由此建立了壳体内三维应力场的分布公式。根据Ｔｓａｉ－Ｗｕ强度准则，采用单层模量退化的方法，计算获得了火箭发动机复合材料壳体的爆破压力。计算结果与实验结果较一致。     

采用RBF神经网络的状态监测数据趋势预测

采用RBF神经网络的状态监测数据趋势预测,通过选取状态参数、数据预处理、运用Matlab神经网络工具箱建立RBF神经网络模型.先对网络初始化,确定输入、输出和隐含层的节点数.再将网络输出结果与样本比较,根据求得误差值逐步调整隐含层神经元数量,直至误差满足实际需求为止.对网络仿真证明该法具有较高精度.     

RBF神经网络在进出口总额预测中的应用

径向基函数(RBF)神经网络隐含层R由一组径向基函数构成.其执行通过非线性基函数的线性组合,从Rn到Rm的非线性变换.模型设计含数值归一化、样本数据预处理、模拟预测结果及分析.在进出口总额预测的应用证明,RBF网络可在数值上有效逼近时间序列内难以定时描述的相互关系,优于非线形回归和BP网络预测.     

基于RBF神经网络的互联网时延预测仿真

RBF神经网络采用正交最小平方算法(OLS)决定隐层单元数目、基函数的中心和权值.该算法以每个输入样本为聚类中心,随着正交运算次数的增加,网络的输出误差平方将逐步减小到设定误差范围内,得到隐含层节点数和网络的权值.仿真表明RBF神经网络是有效的.     

超高硬度堆焊材料性能的神经网络预测

在试验优化技术的基础上 ,运用BP神经网络建立了C -Cr -Mo -W -V中碳高合金系统的堆敷金属性能与堆焊合金系统主要元素之间的关系模型。经过试验检验 ,该模型能够对堆焊层性能进行准确的预测 ,从而为超高硬度材料的研制与开发提供一条切实可行的新途径     

用BP神经网络估算反舰导弹的价格

将神经网络技术应用于反航导弹的价格预测领域，选择了恰当的参数作了BP网络的输入变量，建立了一种基于BP神经网络的反舰导弹的价格模型，并对典型的反航导弹价格进行了估算，结果表明，该方法是有效的，可行的。     

导弹电源系统故障诊断的神经网络方法

针对地空导弹电源系统的九种主要故障，分别用BP神经网络和SOFM神经网络对其进行了故障诊断，均取得了较好的效果。     

基于RBF神经网络RE-Ni-Cu合金铸铁静态腐蚀性能预测

通过静态腐蚀试验获取35组样本数据,利用MATLAB软件的工具箱函数建立RBF神经网络预测模型,并对RENi-Cu合金铸铁的静态腐蚀深度和耐蚀性进行预测研究。结果表明:RBF神经网络预测RE-Ni-Cu合金铸铁在浓碱液中的静态腐蚀性能可行且有效,能较好地反映主要合金成分、腐蚀时间、碱液温度与静态腐蚀深度之间的非线性映射关系;当RBF网络的扩展系数为0.5,静态腐蚀深度的网络预测值与实测值之间的相对误差最小,且耐蚀等级和耐蚀评价的准确率均达到100%。     

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。     

人工神经网络在合金铸铁腐蚀深度预测中的应用研究

通过动态和静态质量损失法腐蚀试验获取BP神经网络的样本数据,利用MATLAB的工具箱函数建立用于预测动态和静态腐蚀深度的BP神经网络模型,并对两种腐蚀试验方法的预测误差进行比较研究。结果表明,5×8×10×1BP神经网络可用于合金铸铁在烧碱液中的动态和静态腐蚀深度的预测,且腐蚀试验的样本数据越精确,5×8×10×1BP网络对腐蚀深度的预测误差则越小。     

一种改进的灰色BP 神经网络预测模型

为提高灰色GM(1,1)模型的预测精度和BP 神经网络的映射能力,提出一种改进的灰色BP 神经网络预测 模型。通过分别对灰色系统理论和BP 神经网络2 种模型进行改进,再串联组合成新的预测模型,并结合实测数据 进行仿真试验。结果表明：改进后的模型能兼具二者优点,预测精度有较大提高,相对误差减小,运算速率更快。     

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.     

焊接工艺对厚壁核压力容器焊接残余应力的影响

应用热弹塑性有限元理论,采用"生死单元"技术,模拟在多道焊焊接工艺条件下,厚壁核压力容器与接管间马鞍形焊缝处焊接残余应力的分布规律,着重分析坡口型式和计算中所采用的"焊接层数"对残余应力计算结果的影响。结果表明:采用双U型坡口相比于I型坡口有利于降低等效残余应力;计算中采用不同的"焊接层数"对双U型坡口焊缝焊接残余应力的计算结果存在一定影响。     

焊条熔敷金属抗拉强度预报神经网络模型

基于人工神经网络原理,以酸性焊条配方为研究对象,在生产数据支持的基础上,建立了反映焊条配方与熔敷金属抗拉强度之间映射关系的神经网络模型。采用BP算法训练网络。研究结果表明,该模型预测的结果同生产实际值之间有很好的对应关系。根据网络估测的结果可定量地进行焊条性能预报。为焊条的设计提供了一种科学方法。     

野外环境下通信装备故障预测方法

针对目前国内外故障预测研究较少考虑装备自身因素以外影响因素的情况,提出一种新的野外环境下通信装备故障预测方法。利用灰色理论和BP神经网络理论建立驻训阶段通信装备故障预测模型,将外界影响因素考虑引入故障预测中,并通过仿真实验进行验证。仿真结果证明,该方法具有较高的精度。     

M963镍基高温合金疲劳性能的神经网络预测

基于神经网络技术,根据M963铸造镍基高温合金疲劳试验数据,建立了高温合金疲劳性能预测模型,并进行了M963铸造镍基高温合金相关疲劳验证和分析。结果表明：从提高M963高温合金疲劳性能的角度出发,合金元素添加量（质量分数）优选为7%Cr+5%V+0.5%RE;熔体过热温度优选为1030℃;表面超音速火焰喷涂合金粉末配比优选为Cr-20Al-30V-0.5Y。