基于粗糙集的RBF神经网络在装备研制费用预测中的应用

运用粗糙集方法和信息熵概念,按照费用特征参数相对于费用的重要度的大小,对费用特征参数集进行约简,以确定RBF神经网络输入层变量.在此基础上通过对典型样本的学习,建立装备研制费用预测模型.实例结果表明该方法具有较高的预测精度,是可行的、有效的.     

基于BP神经网络的装备使用维修费用预测

在对装备使用维修费用分析的基础上,利用神经网络理论,建立了时间序列对象的反向传播(back-propagation,BP)预测模型,并应用于装备使用维修费用的预测研究,并通过对某型装备使用维修费用的预测分析,证实了本模型的科学性与正确性。     

改进GM(1,1)模型在特装修理费用预测中的应用

基于灰色系统GM（1，1）模型理论，用改进后的预测模型预测海军舰船特装修理费用，可充分开发并利用少量数据中的显信息和隐信息，避免复杂的相关关系，克服了原始数据的离散性，得到高精度的预测结果，以某型舰船特装修理费用为例，建立了预测模型，并进行了中短期预测，结果表明，其精度优于传统模型。     

改进BP神经网络在特装修理费用预测中的应用

海军舰船特装修理费用影响因素多，各因素作用机理不明晰，建模预测难度大。BP神经网络对于解决这类“黑箱”问题优势明显，可通过自我学习训练建立模型。以某型舰船特装修理费用为例，充分利用稀缺的历史数据，运用改进的BP神经网络建立费用预测模型，并进行了特装修理费用预测，预测精度优于传统模型，可应用于管理决策活动中。     

融合社会学因素的模糊贝叶斯网技术预测模型

为研究诸如无人机等新兴信息科学的未来发展趋势,更好地把握这些技术发展与应用情况的动态并及时调整发展战略,在专家系统框架下提出一种基于模糊贝叶斯网的技术趋势预测方法,有效预测无人机技术在未来10 a的发展趋势。在构建预测方案的过程中,结合领域专家的知识,设计若干影响技术发展的维度用作预测参数,不仅包括技术型指标,也包括社会型指标,从而融合更加丰富的信息,使预测结果更加专业可信。提出基于模糊贝叶斯网的技术预测模型,分别对两种类型指标的影响程度进行综合计算形成推理机,使预测结果更加直观精细,具备一定的解释性。对预测模型的结果进行详细分析,并结合其他模型进行对比评价,结果与已有的专业预测结果相符合。试验结果表明,对无人机技术未来10 a发展趋势的预测中,基于模糊贝叶斯网的技术预测模型能够获取影响因素之间的关联关系,具有更好的预测效果。     

基于非线性模型预测的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机轨迹跟踪控制器跟踪性能不稳定的问题,提出一种基于非线性模型预测控制(nolinear model predict control, NMPC)的轨迹跟踪算法。首先,建立四旋翼无人机的动力学模型,定义四旋翼无人机的位置和姿态为状态量,螺旋桨转速为控制输入量,建立非线性状态空间方程作为控制算法的预测模型。其次,定义最优化函数和四旋翼无人机控制约束,将轨迹跟踪控制问题转换为非线性最优化求解问题。最后,通过多重打靶法求解得到的最优控制量作为四旋翼无人机的输入信号。为验证NMPC算法的跟踪性能,在Matlab中搭建仿真平台进行对比实验,结果表明,与PID和串级模型预测控制(model predict control, MPC)及改进MPC方法相比,NMPC算法能够在满足约束的情况下完成轨迹跟踪任务,误差小、精度高,并具有抗干扰能力。     

拥有投弹功能的俄罗斯“水鸭”无人机试飞

<正>俄罗斯新型无人机"水鸭"即将试飞,有望成为俄罗斯首款可执行攻击任务的军用无人机。据报道,"水鸭"无人机由莫斯科无线电技术研究所研制。与此前俄罗斯推出的数种仅用于侦察勘测的无人机不同,"水鸭"无人机还拥有投弹功能。依据设计,其将携带航空炸弹、火箭弹或精确制导武器,攻击敌方的无人机等空中及地面目标。其配备的航拍相机、摄像头和雷达装置可提供必要信息,帮助其完成各项军事任务。此外,其还满足勘察灾情、监视交通路况和巡视自然保护区等民用需求。     

基于健康状态退化的设备可靠度预测模型

设备可靠度预测在设备的维修管理中扮演着重要的角色,有效的设备故障预测对降低设备维修费用、停机时间或运行风险都起到至关重要的作用。本文在分析设备状态数据的基础上,通过引入支持向量回归机,建立了基于退化数据的预测模型,并将该模型用于发动机可靠度的预测。     

基于人工智能方法的岩爆预测系统

通过理论分析预测法和现场实测法,建立了一套长期预测和短期预测相结合的岩爆预测系统.长期预测模型是基于神经网络思想,运用国内外相关工程的岩爆资料作为训练样本,建立了小波神经网络预测模型,对工程范围内岩爆发生趋势进行了预测.短期预测模型首先针对监测到的声发射建立小波神经网络模型,对声发射时间序列进行拟合预测;再运用突变理论对预测的声发射建立了岩爆突变预测模型,进而对监测点附近岩爆发生情况进行准确的预测.两种预测模型都运用到了目前人工智能方法中比较新颖的小波神经网络理论,提高了收敛速度,容错能力,保证了预测的效果.通过工程实际运用,建立的岩爆预测系统预测精度高,预测结果与现场情况一致.两套预测模型可以适用于不同的工程阶段,互相验证,具有很好的工程实用性.     

BP神经网络预测管道运行费用研究

针对目前管道运行费用预测需要的参数基较多且包含许多时变参数这一问题,讨论了BP神经网络方法在管道运行费用预测上的应用策略,建立了一个1-7-1结构的3层BP网络预测模型。采用改进的BP算法对25组学习样本进行训练,并用训练好的网络模型对5组样本进行测试,预测值误差在±2%以内,完全满足工程实际需要。从而为能源管理部门制定能源消耗定额和计划财务部门预测成本提供了决策依据。