BP神经网络在可靠性预计中的应用

运用BP神经网络．并以MATLAB BP工具箱函数建立产品的可靠性预计模型，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可靠性参数预计，最后结合一实例对其可靠性参数进行了预计，效果较理想。     

应用BP神经网络的武器装备维修性预测模型研究

利用人工神经网络及BP网络理论,在对武器装备维修性预测评估指标体系分析的基础上,应用神经网络的BP算法建立了武器装备系统的维修性预测模型,并结合小口径高炮的实例验证了模型,效果较好.     

军用电子设备的维修性预计方法

为提高军用电子设备的可用性,对其维修性预计方法进行研究.探究维修性物理模型和数学模型,分析维修性预计常用方法的特点和适用范围,在此基础上提出基层级平均修复时间的预计思路,研究总结符合工程实际需求的、可操作性强的基层级平均修复时间预计流程,并通过实例进行应用分析.结果表明:该方法可指导设计师更准确地对设备的维修性指标进行预计,为维修性设计提供支持.     

基于虚拟环境的维修性信息模型的建立

针对维修性设计滞后于结构设计的问题,应用虚拟现实技术在虚拟环境中对结构的维修性进行仿真和分析,进而完成结构的维修性并行设计。通过虚拟现实技术,在虚拟环境中对结构的维修性定性因素展开了可视化的分析和验证,进而实现了将维修性信息集成到结构的模型中,建立了包含维修性信息的集成信息模型。利用相似的设计事例,对结构的维修性定量因素进行了预计。通过虚拟现实技术为结构的维修性并行设计提供了一个可视化的、基于已有设计经验的、动态循环的技术支撑平台。     

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Matlab的导弹营基本任务维修性仿真

任务维修性是在执行具体作战任务时所呈现出的维修性,是影响作战效能的基本因素之一。在实际作战或训练中,往往需要衡量装备作战单元作为一个整体的维修性,也即任务维修性。鉴于此,以某导弹营为研究对象,首先对其所遂行的作战任务以及任务维修性参数进行分析。在此基础上,分析导弹营任务维修性的仿真方法,给出其仿真过程,并在Matlab环境下建立其仿真模型,最终实现对任务维修性参数的仿真计算。最后,通过算例,验证了模型的有效性和实用性。     

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CATIA的维修性信息嵌入技术研究

为提高维修性并行设计时维修性信息的交互效率,建立维修性信息模型。同时基于Automation技术,对三维CAD软件CATIA进行二次开发。通过建立维修性辅助设计工具条,实现将维修性信息嵌入到CATIA设计环境中,方便进行察看和修改,从而为维修性的并行设计提供一个良好的平台。最后以柴油机淡水泵的设计为例进行应用验证。     

基于BP神经网络的炸弹弹道诸元的解算

文中建立了基于BP神经网络的炸弹弹道诸元解算的模型,并通过对BP网络的各种学习算法的解算结果进行比较,选取了贝叶斯规则化算法对网络进行训练,解算结果较为理想.为炸弹弹道诸元的解算提供了一种新的方法.     

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.     

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。     

基于BP神经网络和实验数据的火力打击效能预测

针对火力打击效能预测问题,构建基于作战实验数据和BP 神经网络的预测方法。设计火力打击效能实 验和数据采集处理,构建6-18-1 型BP 神经网络预测模型,并通过作战实验数据样本进行验证。结果表明,火力打 击效能预测仿真值与实验值相近。     

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.     

基于遗传BP神经网络的隐身涂层老化性能评价模型

为了计算涂层在自然环境中老化物理量值与环境因子的关系,设计出一种实数编码、算术交叉、高斯变异、爬山操作的遗传BP神经网络。根据环境因子计算涂层物理量值,采用Visual studio 2008进行编程,开发出程序进行神经网络训练和预测程序。用一个涂层野外老化数据的实例来进行网络训练和预测,结果表明,模型计算出涂层最终的寿命,与实际测量值相近,表明遗传神经网络模型可以很好地用于涂层寿命预测。为了计算涂层在自然环境中老化物理量值与环境因子的关系,设计出一种实数编码、算术交叉、高斯变异、爬山操作的遗传BP神经网络。根据环境因子计算涂层物理量值,采用Visual studio 2008进行编程,开发出程序进行神经网络训练和预测程序。用一个涂层野外老化数据的实例来进行网络训练和预测,结果表明,模型计算出涂层最终的寿命,与实际测量值相近,表明遗传神经网络模型可以很好地用于涂层寿命预测。     

约束满足技术及其在维修性冲突检测中的应用

基于不满足约束的维修性冲突检测技术,从约束满足的角度,结合并行设计和协同设计进行.其维修性约束网络的一致性检测,通过选择区间传播算法与回溯搜索算法相结合的方式处理.其算法选取包括算法的是否可解、求解效率及其简易性等.求解问题含求解规模、是否要求最优解和精确解,及问题所构造的约束网络类型等.以某装备密封口盖的设计为例,其具体检测步骤包括:初始化解函数集合、初始化变量区间集合及传播运算.     

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。