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。     

基于BP神经网络的多传感器系统滤波降噪算法

在对目标检测时,传感器输出信号不可避免地含有白噪声.利用BP神经网络的非线性映射能力,提出一种基于BP网络的多传感器系统降噪方法.多传感器含噪声的输出信号序列和目标真值作为样本,用于网络训练,用检验样本对训练后的网络进行检验,并与最优加权滤波方法比较,MATLAB下的仿真结果表明BP网络用于多传感器系统滤波降噪有明显效果.     

人工神经网络在维修性预计中的应用

维修性预计运用BP神经网络,并以Matlab BP工具箱函数建立产品的维修性预计模型.其建模步骤包括:确定训练样本、建立网络并对其进行初始化、对网络进行训练及对产品维修性参数预计.并对某火炮中主要机构进行维修性分析和仿真,通过对训练样本规范化处理,再应用相应数据预计网络模型,最后检验网络训练效果.     

RBF神经网络在再入体气动参数辨识中的应用研究

基于神经网络逼近理论，利用自动增加隐节点的RBF神经网络对某再入体的气动参数进行辨识，提出了一种新的神经网络参数辨识结构，网络训练时，对初始权值就进行优化处理。仿真结果证明，提出了一种新的神经网络参数辨识结构。网络训练时，对初始权值就进行优化处理。仿真结果证明，严重的非线性状态方程中的气动参数用RBF网络进行辨识。取到了满意的结果，可以得到全局光滑的气动模型。在检验气动参数辨识结果时，不需重构弹道。     

改进型BP神经网络在织物悬垂性能中的预测应用

基于改进型BP神经网络,建立反映织物结构参数与织物悬垂性能之间关系的三层网络模型,对织物的悬垂性能进行预测.其步骤包括通过优选样本、优选参数及网络学习前后的数据变换处理确定训练样本,以及神经网络的结构设计.实验结果表明,改进型BP神经网络能较准确预测织物的悬垂性能指标.     

基于混沌神经网络的供配电系统故障诊断

基于混沌神经网络的供配电系统故障诊断,采用引入动量项和混沌映射的改进BP算法.先分析系统典型故障,建立典型网络模型.在BP算法中加入动量项和混沌映射,选择神经网络初值.再进行学习训练,分别给训练后的子网络输入现场采集的装备数据,通过网络直接获得故障诊断结果.     

基于BP神经网络的武器装备研制项目风险评估模型

应用BP神经网络对武器装备研制项目风险进行评估.先建立评估模型,再求出模型中误差函数调节的连接权值和阈值,并将输出层作为网络结果输出.其训练网络的样本集为可信度高的权威性评价结果,可通过专家对以往类似装备研制过程的数据进行总结得到.将训练的权值和阈值储存,对拟评价的项目进行预测.     

基于Elman神经网络的电机故障诊断

通过Elman神经网络训练采集到的电机特征频率振动信号,建立电机故障的模型.并以转子故障为对象,在电机实验台上分别采集水平和垂直方向上的振动信号,通过放大、滤波和A/D转换后,进行频谱分析.为验证网络对故障判断的效果,对故障电机采集振动信号后,代入网络检验.验证表明该网络模型可有效识别电机常见故障.     

基于集成神经网络的航空维修差错风险评估模型

应用集成神经网络对航空维修差错风险进行评估.首先给出了维修差错风险评估指标体系,然后建立了网络的评估模型,通过训练,该模型具有了风险评估功能,最后输入参数即可得到维修差错的风险值.训练网络的样本集可通过专家对以往类似维修差错风险评估的数据进行总结得到.仿真结果表明:该评估方法减少了人为因素的影响,使评价结果更为客观可信.     

基于RBF神经网络的SO2的预测

基于RBF神经网络的SO2的浓度预测,选取一定的历史数据建立径向基函数神经网络训练模型,进行拟合训练.将芜湖市1993年到2001年大气SO2的浓度历史数据用于径向基函数神经网络,建立训练网络模型,通过训练优化提高训练可靠性.再用该模型对芜湖市大气中SO2的浓度进行预测.     

基于BP神经网络的连续油管焊接热影响区性能预测

通过热模拟实验获得连续油管焊接热影响区最薄弱区的力学特性,采用BP神经网络对该区域在不同工艺下的力学性能进行仿真预测,着重研究不同训练函数对网络性能的影响。通过不同训练函数条件下网络性能的对比分析,最终选取最优的网络模型对连续油管焊接热影响区最薄弱区的力学特性进行预测,获得较好的预测结果。     

基于BP的地空导弹人-机-环系统作战效能评估

针对现代空袭兵器的特点,建立地空导弹人机环系统的作战效能评估指标体系,并采用BP神经网络方法对其作战效能进行分析评估.该神经网络输入层节点分别对应评估指标体系最底层的指标,隐层节点数在训练过程中可视网络的泛化能力调整,输出节点数则分别对应于效能评估等级.神经元输入与输出之间转移函数选取S型函数.评估步骤包括:训练样本的选取、样本的归一化处理、神经网络的训练、示例分析.     

着舰回收引导任务指挥人员能力评估

针对舰载机着舰回收引导任务指挥人员的能力评估问题,选用Delphi 法建立能力评估模型,运用层次分 析法确定各指标权重,设计指挥人员能力评估的BP 神经网络模型,以层次分析法得出的结果为样本对其进行训练 和测试。结果表明,该方法能避免人为失误并提高评估的准确性。     

基于BP神经网络的火炮反后坐装置故障诊断

火炮反后坐装置的故障诊断,采用3层BP神经网络.通过基于标准梯度下降或基于标准数值优化的改进算法,同时考虑算法本身性能,及问题复杂度、样本集大小、网络规模、网络误差目标和所要解决的问题类型.并以解析算法的部分计算结果作为神经网络学习样本集,由相关方程式算出样本库内的故障现象及与故障原因相对应的训练样本,完成故障诊断.     

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.     

粗糙集傅立叶神经网络及在故障诊断中应用

提出了粗糙集和傅立叶神经网络相结合的方法,进行粗糙集布尔逻辑离散化,并在此基础上求取初始隶属函数,以提高隶属函数准确性;再使用傅立叶神经网络进行诊断网络训练。以连续搅拌反应釜故障诊断为实例,研究结果表明,此方法可以减少网络训练时间并提高诊断精度,有效进行故障诊断。     

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.     

战场目标价值评判的神经网络方法

在建立目标价值评判指标体系的基础上,利用BP神经网络构建3层结构多节点模型进行战场目标的价值排序.网络以对数sigmod函数为传递函数,选取典型目标组成学习和测试样本,采用改进后的弹性BP算法完成模型的训练和测试,由此绘制出网络误差变化曲线和权值、阈值Hinton图.经学习、测试和大量泛化目标的检测,模型能成功运用于战场目标价值排序.