基于麻雀搜索算法优化BP神经网络的弹丸射程预测研究

弹丸发射参数、气象条件等会影响弹丸射程,其构成的影响体系复杂并难以准确预测。针对BP预测算法会因初始权值和阈值取值不当导致陷入局部最优的问题,建立了麻雀搜索算法(SSA)优化BP神经网络的弹丸射程预测模型,以弹丸射程作为输出指标,选取弹丸初速、发射角度和风力条件作为影响因素输入,经过数据预处理后进行弹丸射程预测;同时与粒子群算法(PSO)和遗传算法(GA)优化BP神经网络预测模型的预测精度进行对比,验证SSA优化BP神经网络模型的预测效果。结果表明,SSA-BP预测模型的平均绝对误差、均方根误差和平均绝对百分比误差分别为10.456 4 m、11.831 3 m和0.058 13%,低于BP、PSO-BP、GA-BP预测模型的相应评估指标,所以SSA-BP模型的预测精度高于BP、PSO-BP、GA-BP预测模型,其可以为弹丸射程预测和远程火力打击研究提供支持。     

GA-BP网络建模在套料钻性能预测中的应用

将BP神经网络建模技术和遗传算法(GA)应用于套料钻性能预测。利用BP神经网络建立套料钻性能预测模型,通过比较实际误差梯度值与给定误差梯度值,来确定BP网络是否处于局部极小状态;GA仅在BP网络处于局部极小时进行学习,对BP网络的连接权值进行优化。BP神经网络和GA两者的有效结合可以解决BP算法固有的缺陷,如收敛速度慢、易陷入局部极小等。套料钻加工性能试验结果表明预测结果和实际结果吻合程度较好,验证了GA-BP网络模型在套料钻性能预测中的有效性和准确性。     

基于神经网络的传爆药废水COD去除率预测研究

为预测超临界水氧化法处理二硝基重氮酚生产废水的COD(chemicalo xygen demand)去除率,采用HXDK-01-A间歇式超临界水氧化实验装置处理实际工业生产废水,主要考察反应温度、反应压力、停留时间和过氧量对COD去除率的影响.采用实验数据,以反应温度、反应压力、停留时间和过氧量为网络输入,COD去除率为网络输出,以Matlab为平台建立了Elman神经网络预测模型.神经网络模型预测的均方差为0.0418,单个最大误差为-0.3231,最小误差为0.0296;多元回归分析拟合数据的均方差为0.3149,单个最大误差为0.8830,最小误差为0.2200,神经网络预测结果明显优于多元回归分析结果.说明采用神经网络模型预测超临界水氧化法的废水COD去除率是可行的.     

基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测

针对弹丸非线性轨迹预测问题，提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型。通过建立6自由度弹丸运动模型，并使用4阶龙格库塔法外弹道仿真，得到大量轨迹数据样本；提出CNN-LSTM神经网络的混合轨迹预测模型，并利用滑动窗口法和差分法构造输入输出的轨迹数据对，将预测问题转化为有监督的学习问题；将所提模型与LSTM神经网络模型、门控循环单元(GRU)神经网络模型和反向传播(BP)神经网络模型在同一数据集下进行仿真实验。研究结果表明，CNN-LSTM神经网络模型预测3 s后的平均累积预测误差在x轴方向约为14.83 m,y轴方向约为20.77 m,z轴方向约为0.75 m,且轨迹预测精度优于单一模型，为弹丸轨迹预测研究提供了一定的参考。     

基于神经网络的弹道修正弹落点预测方法

为了分析神经网络运用于弹道预测的可行性,构建了实用的弹道预测工具,建立了基于神经网络理论的弹道预测模型。利用二自由度质点弹道模型,选取BP网络和Elman网络进行神经网络弹道预测仿真。基于误差反向传播理论,比较了带动量项算法与自适应学习率算法这2种网络权值训练速度。对2种网络不同隐层节点数的学习误差和预测误差进行了对比分析。数值仿真计算结果表明,神经网络具有较高的预测精度,36.7 km射程仅有不足100m的射程误差,12.3 km射高仅有不足70 m的高度误差,预测结果满足要求,利用神经网络进行弹道预测是合理可行的。     

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。     

利用BP神经网络预测BT20钛合金的流动应力

为建立BT20钛合金(Ti6Al2Zr1MolV)的流动应力预测模型,通过热压缩试验获得其流动应力曲线,并对BP神经网络的算法进行改进,实现BT20钛合金的流动应力的准确预测。研究表明:采用人工神经网络(ANNs)预测流动应力不需要考虑材料特性,有效地避免了传统经验或回归本构模型由于假设和简化带来的误差,并且神经网络具有很强的非线性离散数据处理能力,选取合适的网络模型(主要是隐层数及隐层单元数),输入足够的样本数据对神经网络进行训练即可获得令人满意的预测精度;采用含两个中间层,网络结构为3×16×14×1的改进BP神经网络模型能够较为准确的预测BT20钛合金的流动应力,计算效率较高,该预测模型可作为其塑性成形过程有限元模拟的本构关系。     

300M超高强度钢铣削力模型构建及MOPSO优化

用正交试验法对300M超高强度钢进行铣削加工,用直观分析和方差分析探究铣削力随铣削用量的变化规律,建立铣削力的经验指数模型与GA-BP神经网络预测模型,用多目标粒子群优化算法基于铣削力和材料去除率优化铣削参数.结果表明:300M超高强度钢铣削力随铣削速度增大和每齿进给量降低得到有效改善;经优化后的BP神经网络模型预测误差显著降低,两种预测模型对铣削力均有较高预测精度,但后者误差相对较低;使用经优化后的参数,铣削力有效改善.     

基于神经网络回归分析组合模型的能源消耗预测研究

通过对时间序列数据进行处理,分别建立回归分析预测模型和BP神经网络预测模型,在此基础上建立基于2种预测方法的组合预测模型。采用熵值法确定组合预测模型的权系数。结合某省能源消耗总量数据进行仿真,结果与实际数据的误差较小,和2种单一的预测方法相比,预测结果更接近于实际情况。     

镁合金微弧氧化膜表面层与致密层界面组织的研究

研究镁合金微弧氧化膜的表面层与致密层界面处的组织形态。在磷酸盐碱性电解液(5～20g/LNaH2PO4,1～5g/LNaOH,5～8g/LKF,0.5～2g/LNa3C6H5O7,0.5～2g/LEDTA)中,以AZ91镁合金为基体制备出微弧氧化陶瓷薄膜,制备时采用恒电流控制模式,电流密度为10～30A/dm2。采用透射电镜(TEM)和扫描电镜(SEM)研究氧化薄膜界面及附近区域的微观结构。结果表明:微弧氧化膜的表面层靠近表面层与致密层界面处的组织以微晶和纳米晶为主,含有少量非晶态物质;微弧氧化膜的表面层与致密层界面处的组织以非晶态物质为主;微弧氧化膜的致密层靠近表面层与致密层界面处的组织为混晶组织,主要为MgO晶粒,少量为MgAlO4晶粒,并含有少量非晶态物质。     

镁合金微弧氧化膜/基界面显微组织研究

为研究镁合金微弧氧化膜层的膜/基界面区附近的组织形态,在碱性电解液中,以AZ91镁合金为基体制备出微弧氧化陶瓷薄膜。采用恒电流控制模式,电流密度为10~30 A/dm2;利用透射电镜(TEM)和扫描电镜(SEM)研究了氧化薄膜界面及附近的显微结构。研究表明:微弧氧化膜层的膜/基界面区附近的组织以微晶和纳米晶为主;氧化膜层膜/基界面区附近的显微硬度比基体有大幅度提高,这主要是由于膜/基界面区附近形成了Mg和Mg O的互相渗透区域,同时Mg和Mg O的晶粒都非常细小,具有细晶强化的效果。     

硅酸盐电解液体系下AZ91镁合金表面微弧氧化行为研究

研究AZ91镁合金在硅酸盐碱性电解液中的微弧氧化行为以及硅酸盐对微弧氧化膜层组织性能的影响,利用扫描电镜(SEM),X成膜过程,氧化膜的表面形貌、厚度、相结构和耐腐蚀性能都有重要的影响;随硅酸盐的质量浓度从5 g/L形成的膜层质量、厚度和耐腐蚀性能均先升后降,表面粗糙度先降后升;在本文的工艺条件下,质量浓度为10 g/L的硅酸盐电解液较有利微弧氧化膜层的生成。     

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.     

基于遗传算法优化支持向量机的航空装备维修费用预测

针对传统航空装备维修费用预测方法难以计算得到满意结果的问题,建立遗传算法优化支持向量机的航空装备维修费用预测模型。将遗传算法与支持向量机相结合,利用遗传算法对支持向量机的参数进行优化,通过实例对GA-SVM模型的应用进行分析对比。结果表明：在航空装备维修费用预测中,该模型比SVR、BP神经网络、偏最小二乘回归以及传统普通多元线性回归方法,具有更高预测精度和泛化能力。     

Al-Si合金微弧氧化膜热防护性能研究

利用SEM、EDS、XRD及导热系数测试仪研究不同厚度高硅铝合金微弧氧化膜层的结构特点及其导热性能,用数值分析方法优化最佳隔热性能膜层厚,并用热震试验研究膜层的耐热冲击性能。结果表明:随氧化膜厚度的增加,膜层莫来石相含量增加、致密性提高;膜层导热系数随膜厚的增加而增大,随环境温度的升高而减小;环境温度从298 K上升到623 K,氧化膜导热系数减少约70%,相对于基体合金降低2~3个数量级;膜层分别经60次空冷和水冷热震试验,表面均未出现肉眼可见的裂纹。     

ELM-AdaBoost 模型在光纤陀螺温度误差补偿中的应用

针对光纤陀螺零偏与温度之间复杂的非线性关系,引入极限学习机(extreme learning machines,ELM)模 型补偿光纤陀螺的零偏温度误差;针对单个ELM 在预测准确性和稳定性不足及其对奇异样本敏感的问题,引入自适 应增强算法(adaptive boosting,AdaBoost)建立ELM-AdaBoost 预测模型改善光纤陀螺性能,分析光纤陀螺的温度误 差机理及模型参数对预测精度的影响,给出ELM 算法隐含层神经元个数及AdaBoost 算法迭代次数的确定方法。仿 真结果表明：基于ELM-AdaBoost 预测模型的补偿效果优于多元线性回归模型和单个ELM 神经网络模型,并具有良 好的泛化性能和温度适用性,补偿后陀螺零偏均方根误差降低93%以上,显著改善了光纤陀螺零偏稳定性能。     

遗传-神经网络方法在炸药撞击感度预测中的应用研究

采用炸药的氧平衡为影响因素,以炸药的芳香性、α-CH键等因素为控制符建立炸药撞击感度的人工神经网络预测模型。采用遗传算法进行人工神经网络模型的权值、阈值优化,得到更优化的人工神经网络模型,实现了炸药爆炸性能的预测。预测结果表明:预测值与文献值误差较小,说明可以采用人工神经网络模型进行炸药撞击感度的预测,采用遗传算法优化后的遗传-神经网络模型预测误差更小,效果更佳。     

基于蚁群改进BP算法的组合预测模型

针对非线性预测工作中难以保证精度的问题,提出了基于蚁群改进BP算法的组合预测模型。先利用灰色预测方法和自回归滑动平均模型(ARMA)时序预测利用历史数据进行初步预测,将初步预测结果作为蚁群改进BP网络的输入。通过仿真比较其与单一预测算法以及传统线性组合预测方法之间的优劣。仿真结果表明,基于蚁群改进BP算法的组合预测模型能够明显地提高预测精度。     

基于SVM的航空兵空运转场载机架次预测研究

分析影响载机架次的主要因素,利用支持向量机(SVM)理论建立非线性回归模型,通过反复试验和网格搜索算法确定预测模型的核函数及参数,进而对载机架次进行预测.预测结果表明:同BP神经网络预测模型相比,支持向量机预测模型具有良好的泛化能力及准确的预测结果.     

基于GA-BP 神经网络战储仓库选址决策模型

针对各战略方向战储仓库选址决策问题,提出基于GA-BP 神经网络的战储仓库选址决策模型。通过分析 战储仓库选址的影响因素,构建战储库选址决策指标体系;基于BP 神经网络建立选址决策模型,运用遗传算法 (genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的权值和阈值进行优化,并给出实例证明遗传 算法优化BP 神经网络,可提高选址决策的效率和精准度。结果表明,该研究可为科学开展战储仓库选址工作提供 思路和方法。