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BAS-BP 神经网络的多应力加速寿命试验预测方法

为解决多应力条件下加速寿命试验中建立复合加速模型困难、模型参数难以求解以及建模过程中通常忽 略应力间耦合作用的问题,根据天牛须搜索建立改进的BP 神经网络模型。使用多应力加速寿命试验中收集的4 组 应力水平的失效数据对BAS-BP 神经网络模型进行训练,对第5 组应力水平下的可靠度与失效时间进行预测。利用 平均相对误差、拟合优度2 个参数对模型的预测结果进行评价,并与BP 神经网络的预测结果进行对比。结果表明, BAS-BP 神经网络具有更好的准确性及鲁棒性。     

基于神经网络的某鱼雷保障设备故障预测方法

为确保鱼雷保障设备处于良好的工作状态,提出一种基于径向基函数(radial basic function,RBF)神经网络的某鱼雷保障设备故障预测法。利用RBF神经网络的非线性建模能力,在某鱼雷保障设备的关键监测点建立网络诊断模型,通过对该模型的训练学习,确定需要的参数估计,再根据该模型的输出值来判断故障,并在Matlab仿真环境下对该设备故障进行了预测,其预测结果与实际情况基本一致。仿真结果表明:RBF神经网络作为预测网络能较好地解决该保障设备的故障预测问题,具有较准确和快速的诊断能力,可为复杂设备的预防性维修提供科学依据。     

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RBF神经网络的导弹成本预测研究

分析了现代导弹成本估算中存在的问题.应用RBF神经网络建立了导弹成本预测模型,并采用该模型对某型导弹成本进行了预测.与多元线性回归和BP神经网络的预测结果对比,建立的新型导弹成本预测模型具有更高的预测精度.     

基于神经网络的自行火炮毁伤距离预测模型

应用BP神经网络理论建立自行火炮毁伤距离的预测模型,过程包括:建立神经网络模型、构造训练样本并进行归一化处理、对网络进行训练、校验与网络应用.实例分析表明,该模型能较准确预测对抗双方自行火炮在不同榴弹威胁下各战斗损伤等级的毁伤距离,为自行火炮战损等级预测提供了有效的理论基础.     

HGA-RBF网络在动力调谐陀螺仪漂移预测中的应用

由于经典RBF神经网络预测DTG漂移存在参数优化困难和预测精度不理想的问题，将具有可同时优化神经网络参数和隐节点数的递阶遗传算法引入到了对RBF神经网络核函数各项参数的优化中，旨在提高RBF神经网络的建模能力，从而提高DTG漂移的预测精度．首先归一化DTG漂移数据，建立HGA—RBF网络预测模型，然后应用DTG实测漂移数据给出预测模型应用结果，最后利用DTG随机漂移率对预测模型的有效性进行验证．实验结果表明，用这种方法建立的模型能较好地描述动调陀螺仪的漂移特性，其补偿后的漂移量较原始漂移量减小4．5倍．     

飞机完好率预测仿真研究

利用飞机完好率时间序列特性,建立了NAR神经网络模型和基于不同核函数的3种支持向量机模型对平时状态下的飞机完好率变化趋势进行建模、训练和预测;运用Matlab仿真软件进行试验验证,结果表明:支持向量机模型具有较好的拟合效果,预测精度优于NAR神经网络模型,基于RBF核函数的支持向量机预测准确率相对较高.两种预测模型相比于部队现行的预测方法均具有更高的准确度和可靠度.     

基于组合神经网络的装备研制费用预测研究

利用组合神经网络预测法.对装备研制费用进行预测研究.采用了两层预测系统第一层用灰色模型和神经网络分别对装备研制费用进行预测,第二层用BP网络对第一层的输出进行组合预测.通过对某型装备研制费用的预测分析,证实了本模型的科学性与正确性.     

金属与非金属部件粘接质量声诊断的神经网络方法

本文基于神经网络对目标的识别与分类能力,用简单的敲击法获取了某压力容器的声响应信号,通过对声信号的频域特征提取,应用前馈多层神经网络对压力容器的金属与非金属部件之间的粘接质量进行了诊断,实验表明所给出的特征提取方法和神经网络模型是解决金属与非金属粘接质量诊断的一条较为有效的途径。     

基于BP神经网络的装备失效率预测研究

装备伴随使用时间的增长,失效率会不断升高;因此准确预测装备失效率,对于及时准确评估装备性能,开展视情维修具有重要的指导意义;鉴于BP神经网络的高度非线性映射能力,利用此模型对装备失效率进行预测;分析得到了BP模型的输入层和中间层的最优神经元数;此时实际值与预测值的方差为0.038 7,达到要求。     

流量可调燃气发生器压强控制仿真

为了提高流量可调燃气发生器的流量控制效果,建立了燃气发生器流量调节系统动态模型。针对燃气发生器流量调节系统时变性的特点,引入了一种基于神经网络PI(比例积分)算法的压强控制系统; 研究了不同自由容积条件下神经网络PI控制系统与PI控制系统控制效果的有效性,得到了控制器的压强工作范围。不同自由容积条件下的2种算法的仿真结果表明:基于神经网络PI算法的压强控制系统响应速度较快,压力超调量较小,压强工作范围大,系统的动态特性较好,能更好地解决燃气发生器流量调节系统时变性带来的控制精度差的问题。     

基于神经网络方法的库存枪弹内弹道性能变化规律研究

对某型单基发射药库存枪弹的理化性能和内弹道性能变化规律进行了研究。分析了弹道性能变化的影响因素,建立了库存枪弹内弹道性能的神经网络模型,并用此模型计算出各因素变化对枪弹内弹道性能的影响规律。     

基于粒子群神经网络的黑索今基混合炸药大隔板试验冲击波感度预测

应用粒子群神经网络模型对黑索今（RDX）基混合炸药冲击波感度的大隔板厚度值进行预测以减少试验量,节约试验成本。选取具有不同密度、空隙率、装药方式、RDX含量等特征的41组 RDX基混合炸药,考察炸药实际密度、空隙率、RDX和附加物含量影响因素,通过分析它们与大隔板厚度值的非线性关系,建立大隔板厚度值与上述4个变量之间的粒子群算法优化神经网络模型,采用100进化次数,40种群规模进行计算。计算与试验结果表明：4个变量与大隔板厚度值之间的映射模型良好;模型预测值与试验值吻合良好,相对误差在10%以内。该粒子群神经网络模型预测值对RDX基混合炸药大隔板试验具有一定参考价值。     

基于人工神经网络和混合遗传算法的炸药爆速预测

运用基于最优保存和自适应交叉变异的混合遗传算法训练的BP神经网络,根据三维数据建模和炸药的分子量、氧平衡以及装药密度,构建了一个3-4-1型的炸药爆速预测BP神经网络模型。同时利用训练好的神经网络模型对炸药的爆速进行了预测。预测结果表明:模型预测值与有关文献的实验值接近,绝对误差为±7%;也说明了炸药的分子量,氧平衡和装药密度等相关参数与其爆速具有一定的可类推性。     

基于神经网络的UHMWPE复合材料防弹性能研究

提出了一种基于神经网络的弹道试验数据处理方法,建立了UHMWPE纤维复合材料防弹性能分析的BP神经网络模型,并基于模型研究靶板的面密度、弹片的入射速度、冲击方式等因素对材料防弹性能的影响。     

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。     

基于粒子群神经网络的含硼富燃料推进剂一次燃烧性能计算

使用粒子群算法(particle swarm optimization,PSO)来优化误差反传(back propagation,BP)神经网络的权重和阈值,建立了粒子群神经网络(PSO-BP)计算模型,利用该模型对含硼富燃料推进剂的一次燃烧性能进行了模拟计算,当端羟基聚丁二烯(HTPB,28％ ～32％)、高氯酸铵(...     

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。