基于BP神经网络的导弹阵地选择评估

战时对导弹阵地能否进行快速选择是直接影响导弹的总体作战效能．通过对导弹阵地选择情况的分析,建立了导弹阵地选择评估指标体系,并使用改进型的BP神经网络,建立相应的BP神经网络评价模型,应用MATLAB的神经网络工具箱将各项指标归一化作为网络输入,专家的评价结果作为网络输出,对训练好的模型进行验证,结果令人满意．     

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。     

基于BP神经网络的防空导弹阵地评价模型

建立了防空导弹阵地评价指标体系 ,探讨了应用人工神经网络解决防空导弹阵地评价问题 ,并且给出了神经网络的评价模型及算法 .实例证明 ,该方法是可行的     

基于神经网络的野战给水能力评价模型

在选用野战给水能力指标体系的基础上,建立BP神经网络评价模型,并运用改进遗传算法对网络进行优化．案例说明模型及其算法的有效性．     

人工神经网络在导弹控制系统中的应用

利用神经网络设计了导弹滚动通道控制系统———人工神经网络 (BP网络 )模型参考控制系统 .通过MATLAB进行了仿真 ,得到的结果说明人工神经网络控制器能够跟踪参考模型的输出 ,实现对滚动通道的控制     

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BP神经网络的导弹故障诊断专家系统设计

分析了某型导弹测试系统的故障机理,针对这种故障机理,结合故障诊断需求,设计了故障诊断专家系统,建立了BP神经网络模型,并利用训练样本对网络进行了训练,重点针对导弹模飞测试故障诊断模块进行了应用分析．解决了故障分析、判断不够精确、自学习能力不强等问题,为该型导弹测试系统的故障智能诊断提供了一种新的实现方法．     

基于集对分析的防空导弹阵地伪装方案选择

根据防空导弹阵地伪装的要求,构建了基于集对分析的防空导弹阵地伪装方案选择模型,对影响防空导弹阵地伪装的因素进行了同异反系统分析与不确定性研究。计算结果证明了该模型的可行性和有效性。     

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.     

基于改进型模糊神经网络的导弹武器系统生存能力评估

针对导弹武器系统生存能力评估问题,建立了评估的指标体系,给出了指标的隶属函数.利用BP神经网络的自学习、自适应、强容错性,并通过遗传算法（GA）优化BP神经网络的连接权重和阀值,弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型具有有效性和可行性.     

基于BP神经网络的导弹作战方案评估方法

构建了一般的机动发射式导弹作战方案评估的指标体系,通过BP神经网络模型对拟制的导弹作战方案进行了评估,得到了评估结果,为导弹武器作战时快速优选作战方案创造条件。     

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BP神经网络的内弹道主要诸元预测

为更准确掌握装填条件对内弹道主要诸元影响规律,提高弹道检验的快速性与准确性,引入了BP神经网络模型．以内弹道方程组解析算法部分结果作为神经网络的学习子样本集,对网络进行了训练．实例运用证明了该方法的可行性和优越性,提高了内弹道主要诸元预测的精确度．     

基于BP神经网络的反辐射导弹武器系统作战效能评估

文中针对反辐射导弹（ARM）的攻击特点．建立了反辐射导弹武器系统作战效能评估指标体系．简要分析了指标选取的理由。然后．采用专家打分的方法取得了几组训练样本．并对所构造的BP神经网络进行训练，当训练精度达到要求后．再运用BP神经网络对几种典型的反辐射导弹武器系统作战效能进行了评估。     

基于神经网络与自适应控制的自动驾驶仪设计

针对弹体作为制导系统控制对象的时变非线性特点,应用间接神经网络模型参考自适应控制理论,采用两个BP网络设计了导弹自动驾驶仪,其中一个用来对系统动态特性进行辨识,并利用辨识得到的信息,采用控制网络对系统进行控制.对所设计的自动驾驶仪进行了系统仿真,结果表明,被控弹体很好的跟踪了参考模型的输出.     

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。     

一种改进的BP算法在导弹成本预测中的应用

文中提出了一种更有效的前向BP神经网络．考虑了导弹成本中的一些非确定性的影响因素，建立了导弹成本的估算模型。经过算例结果表明，该方法所得的导弹成本预测精度取得了较满意的结果。具有实际应用价值。     

基于一种新型神经网络的导弹姿控故障诊断

文中从改进网络结构出发,首先介绍了带偏差单元的递归神经网络的结构及算法,并将它和一改进算法的BP(以后称为FBP)网络分别用来对同一导弹姿态控制系统进行故障诊断.结果表明,该网络能很好地克服BP网络收敛速度慢等缺点,故障诊断的正确率优于该FBP神经网络.由于结构特点,它的应用范围比BP网络更加广泛.     

神经网络专家系统在发动机故障诊断中的应用

将神经网络与专家系统相结合形成了神经网络专家系统,其核心部分采用BP神经网络．以发动机为诊断对象,获取故障数据后,采用3层BP神经网络模型对网络进行训练,经过几种不同网络参数的对比后,设定了合理的网络训练参数,训练后获得了期望的误差值0．01,并采用VB6．0软件设计了专家系统的人机交互界面,为专家系统在发动机故障诊断中的应用提供了有益的参考．     

基于一种新型神经网络的姿态控制故障诊断方法

在导弹姿态控制系统的故障检测和诊断中,针对BP神经网络自身存在的收敛速度慢等缺点,介绍了一种新型神经网络——带偏差单元的递归神经网络的结构及算法。将它和一改进算法的BP（称为FBP）网络分别用来对同一导弹姿态控制系统进行故障诊断,结果表明,这种算法提高了故障诊断的快速性,增加了诊断的准确性,故障诊断的正确率优于FBP神经网络。