火炮身管烧蚀磨损的灰色预测模型

为了准确地获得火炮身管烧蚀磨损量变化情况,根据火炮在发射过程中的膛内特性,分析了火炮身管的烧蚀磨损规律,利用灰色系统理论,结合灰色Verhulst模型特性,提出了一种火炮身管的烧蚀磨损量的预测模型,并在传统的灰色Verhulst模型基础上进行了预测模型的优化。通过对某型火炮身管烧蚀磨损量的数据验证及对比,证明了优化灰色Verhulst模型的准确性,为火炮在实际应用过程中的身管烧蚀磨损的准确预测及火炮身管寿命的判决提供了一种可行的求解方法。     

基于ANGM(1,1)和PSO-BP神经网络组合模型的身管烧蚀磨损量预测

在火炮射击过程中,身管烧蚀磨损会对火炮性能产生不利影响,烧蚀磨损量预测对提高火炮性能及寿命均有较大意义。由于常规数据拟合和预测方法在预测火炮身管烧蚀磨损量时存在较大的误差,在分析传统预测模型优化方法的基础上,针对身管烧蚀磨损量具有单调性和波动性特点,提出了改进的灰色模型ANGM(1,1),并结合基于粒子群算法优化的BP神经网络模型,建立了ANGM-PBP组合模型。对实弹射击测得的16组试样的实例应用分析表明,该组合预测模型的相对误差在±3%以内,平均相对误差低至0.74%,说明该组合模型的精度较高,适应性和可靠性均有所增强。该研究为火炮身管寿命预测提供了解决方案。     

基于遗传算法的BP神经网络火炮 身管烧蚀磨损量预测

火炮身管的烧蚀磨损是由于发射时弹丸与身管之间热、化学和机械综合作用的结果,内部作用机制复杂,目前,还难以通过准确的数学模型计算火炮身管烧蚀磨损量。针对这种情况,以某型坦克炮为例,测量记录了火炮身管磨损量和不同弹种射弹数目,探究了身管烧蚀磨损的一般规律。以不同弹种射弹数目作为输入,身管磨损量作为输出,引入遗传算法,建立了基于遗传算法的BP神经网络火炮身管烧蚀磨损量预测模型,并结合实测数据对模型进行了检验。结果表明:该模型更能反映火炮身管在全寿命周期内烧蚀磨损的实际状况,可为身管寿命估算和装备维护保障提供参考依据和相关支撑。     

基于组合灰色神经网络模型的火炮身管烧蚀磨损量预测

针对火炮身管烧蚀磨损量受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,在采用灰色动态模型对身管烧蚀磨损量进行预测的基础上,构造了组合灰色神经网络预测模型进行预测。结果表明,通过组合灰色神经网络模型可以得出较单一模型预测更加准确的预测值,能更好地反映内膛烧蚀磨损量的发展规律。     

火炮身管烧蚀磨损预测模型的研究

对火炮身管烧蚀磨损量的预测，通常通过靶场试验获得，而应用数学理论建立合理模型的较少。本文采用灰色系统理论，建立了GM（1，1）预测模型，并用残差检验、关联度检验、后验差检验等方法验证了该模型的正确性。运用该模型预测的结果与试验数据吻合较好。     

基于最小二乘法线性回归的火炮身管寿命预测

为直观地判断火炮身管寿命,提出一种基于最小二乘法线性回归的预测方法。根据靶场身管参数试验数 据分析火炮身管内径、药室长、弯曲度随射弹数增加的变化规律;利用最小二乘法线性回归建立火炮身管磨损量与 射弹数的关系式;对某型火炮身管寿命进行预测。结果表明：该方法能够较为准确地预测出火炮身管寿命且算法简 单,便于推广使用,可为火炮射击、退役报废等提供重要参考。     

国内外火炮身管烧蚀磨损问题研究进展

为提高火炮身管抗烧蚀性,延长火炮寿命,提高火炮的使用精度,对火炮身管烧蚀磨损问题进行深入研究。归纳总结国内外火炮身管延寿的各种措施,对目前计算火炮身管烧蚀磨损的分析计算方法(经验公式法、壁温估算烧蚀磨损法、热化学烧蚀模型法)进行对比分析。该研究可为相关人员在了解目前国内外对火炮身管延寿方面的研究情况提供参考。     

身管熔化烧蚀的预测数学模型

熔化烧蚀是火炮身管内膛烧蚀的机理之一。文中由身管寿命判别条件Δdmax建立了身管熔化烧蚀预测计算模型，从原理上对各种延缓烧蚀速度、提高身管寿命的措施，如采用内膛镀铬、使用冷火药和护膛剂等进行了阐述；同时基于该模型指出采用身管主动冷却技术是延长火炮身管寿命最有效的措施之一。     

火炮身管寿命理论预测方法

针对火炮身管寿命预测问题,对火炮身管寿命理论预测方法进行探讨.描述了身管寿命降低过程与表征,分析了疲劳寿命、烧蚀磨损寿命以及温度及燃气 3 大因素对身管寿命造成的影响,重点概括了预测身管寿命的理论方法,并逐一进行分析.分析结果表明:理论预测身管寿命方法的预测结果较为准确,对研究火炮身管寿命理论预测有一定的参考价值.     

火炮身管烧蚀及其防护研究进展

在火炮发射过程中,其身管内膛承受剧烈的烧蚀侵蚀和磨损导致其几何形状和尺寸发生改变,成为直接影响火炮身管射击精度及寿命的关键因素之一。针对该问题,综合论述了钢制火炮身管烧蚀及其防护研究进展,主要包括:火炮身管烧蚀行为、热-化学-机械烧蚀模型、身管内膛耐烧蚀材料、身管内膛耐烧蚀层制备技术、火炮身管结构设计和火药的选择与设计。     

Research on Prediction Model for Erosion and Abrasion of Barrel Based on LSSVM

To predict the erosion and abrasion of high bore pressure tank gun barrel, the least square support vector machine (LSSVM) algorithm was used. Based on the gun firing test data, the prediction model for barrel's erosion and abrasion was established. It was adopted to predict the wear increment of gun barrel. The results show that the prediction values given by the model coincide with the measured data better, and the model can predict the barrel's wear accurately and rapidly.     

基于数据融合和改进新陈代谢不等间距GM(11)模型的导弹装备故障预测

针对导弹装备故障预测中存在数据采样时间间隔不均匀、采样难度大、数据量小等问题,借鉴数据融合技术和灰色预测理论,提出一种基于数据融合和改进新陈代谢不等间距灰色模型（AMUGM(1,1)）的预测方法。建立改进初始值选取和背景值构造的不等间距灰色模型,并通过残差修正和新陈代谢相结合的方式对模型进行优化;基于加权思想提出了隶属度加权法,以确定各模型的隶属度权值;根据隶属度权值和AMUGM(1,1)模型建立特定个体的故障预测模型。实例仿真验证了该方法的有效性。     

基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模与预测

机枪枪管初速衰减预测是一个复杂的非线性问题。广义回归神经网络方法被广泛应用于非线性问题的建模,但其平滑因子取值对神经网络的预测性能有较大影响。采用果蝇算法对广义回归神经网络的参数进行优化选取,提出了基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模方法。基于机枪枪管初速衰减试验数据,建立在不同使用环境下随着累计射弹量的增加,以初速降为特征量的机枪枪管初速衰减预测模型,预测结果与试验结果基本一致,证实了所提方法的可行性。通过与未经优化的广义回归神经网络方法和反向传播神经网络方法建立的预测模型进行比较,其性能明显优于另外两种方法,验证了基于果蝇算法优化的广义回归神经网络方法在建立机枪枪管初速衰减模型中的有效性。     

基于组合模型预测火炮初速的研究与应用

火炮初速决定着在复杂战场环境中能否准确打击敌人,而准确预测出火炮初速关系到在不经试射的情况下能否成功命中目标。预测火炮初速往往采用某种单一模型,虽然建模简单但是只能提取出火炮初速中的某一特征,从而导致预测精度并不理想。针对这种情况,选取了某型火炮3组不同的初速数据进行分析,提出利用ARIMA时间序列模型、GM(1,1)灰色模型及BP神经网络模型进行预测,既能提取出火炮初速中的线性成分又能提取出非线性成分,同时为了最大限度发挥出单一模型的预测优势,利用3个单一模型建立了组合模型,并利用实测数据对各个模型预测精度进行了检验。结果表明,组合模型能更好地发挥出所有模型的预测优势,预测精度更高,更适合作为火炮初速预测的有效模型。     

基于自适应模糊H网的火箭炮故障预测

为提高火箭炮的可靠性,使管理人员能进行故障预测与事前维护,提出一种基于自适应模糊H网的火箭炮故障预测方法.该方法依据火箭炮各系统的工作原理建立各系统都通用的故障预测模型,利用火箭炮故障的历史数据,并通过能自动调整学习速率的BP算法进行自适应学习,对火箭炮中的电气系统故障预测进行仿真分析.实验结果表明:该方法能得到比较精确的故障预测结果,达到火箭炮故障预测的目的.     

一种改进的自适应增强-支持向量回归机的故障预测方法

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025. 实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。     

基于径向基函数神经网络和无迹卡尔曼滤波的弹丸落点预报方法研究

为了能够在飞行数据不尽精确的情况下进行快速、准确的落点预报,提出一种基于径向基函数（RBF）神经网络和无迹卡尔曼滤波技术的弹丸落点预报方法。使用RBF神经网络逼近外弹道方程用以预报弹丸落点,并用改进型量子行为粒子群算法优化网络结构和权阈值,在此基础上对基于神经网络的初步预报数据进行滤波处理。最后进行预报仿真,在输入数据有噪声的情况下依然得到了较高的预报精度,从而证明该方法对预报弹丸落点是有效可行的,为弹丸的落点预报的实际应用提供了参考。     

考虑不确定性的机枪作战效能综合评估方法

针对现有机枪设计方案评估体系不完备以及评估指标存在不确定性的问题,提出一种考虑不确定性的机枪作战效能综合评估方法。从机枪战术技术要求出发,建立基于区间数的机枪作战效能综合评估指标体系,根据评估指标的不确定性表达形式,结合熵权法和层次分析法确定指标组合权重;采用基于区间数的灰色关联分析与逼近理想解排序算法对不同机枪设计方案进行综合评估,提出一种基于欧氏距离的灰色关联度来表征各评估方案与理想方案的相对接近程度,以解决存在不确定性情况下各方案区分度不高的问题。机枪作战效能评估实例表明,该方法的评估结果与专家评估结果一致,且该方法充分考虑了评估方案间的关联程度和差距,得到的评估结果可信度更高,验证了综合评估指标体系的合理性和评估方法的有效性。