基于LMBP神经网络的声诱饵对抗鱼雷效能评估

根据实际情况,补充调整建立了声诱饵对抗鱼雷效能评估指标体系。结合专家调查法和仿真试验,采用基于LM快速算法的BP神经网络（LMBP）综合评估法对声诱饵对抗鱼雷效能进行评估,并对LM算法和常用的Traingdx算法进行了对比分析,证明LM算法误差更小、训练速度更快。最后,通过实例证明将BP神经网络评估方法应用于水声对抗效能评估切实可行。该方法能综合考虑专家经验和试验数据等主客观因素,最大限度减少单纯主观或客观赋权带来的误差,通过神经网络的“自学习”得出明确的综合评估值,具有较强的实用性和通用性。     

基于数据融合的某型装备品质状态评估

基于品质状态评估的背景,在分析某型装备品质状态影响因素的基础上,从通用性能信息、测试信息、环境信息和装备履历信息出发,分别运用BP神经网络、ER算法、物元理论和灰色聚类法进行分析评估;最终进行各类信息的数据融合,从而掌握装备的品质状态,为装备品质管理与维修决策提供支持.     

基于BP-GA的防空兵作战指挥能力评估

考虑一级评估指标,用逐层分解方法建立多级评估指标体系.通过BP和GA组合算法估算防空兵作战指挥能力.步骤包括:选取影响能力评估的关键因素指标;构建能力评估神经网络,进行能力标准化预处理;计算模式误差,确定GA的适应度函数;用GA对BP的权值分布进行优化;最后用BP算法进行学习训练,直到条件满足.     

基于BP神经网络的地空导弹武器系统作战效能评估

地空武器系统拦截巡航导弹的作战效能评估,运用3层BP神经网络进行.先通过层次分析法或专家打分法获得原始训练样本,再对样本进行归一化处理,最后编辑神经网络应用程序.结果表明:在选定指标的基础上,BP神经网络对武器系统作战效能评估是合理的.     

基于BP—GA的防空兵作战指挥能力评估

考虑一级评估指标，用逐层分解方法建立多级评估指标体系。通过BP和GA组合算法估算防空兵作战指挥能力。步骤包括：选取影响能力评估的关键因素指标；构建能力评估神经网络，进行能力标准化预处理；计算模式误差，确定GA的适应度函数；用GA对BP的权值分布进行优化；最后用BP算法进行学习训练，直到条件满足。     

基于BP神经网络的多源桥梁毁伤信息特征层融合

基于BP神经网络,建立了多源毁伤信息特征层融合系统,对多源桥梁毁伤信息进行BP网络特征层融合,首先对多源图像信息采用轮廓分析的目标毁伤特征提取算法,进行边缘及直线特征提取,其次进行毁伤区域不变矩特征关联,最后利用BP神经网络进行训练并测试,最终融合得到准确而清晰的桥梁毁伤信息,能够为导弹打击效果的毁伤评估提供准确的信息支撑。     

基于改进粒子群优化的BP网络蒸汽发生器典型故障诊断

对BP神经网络在蒸汽发生器故障诊断中的应用进行了研究,针对BP神经网络训练时易于陷入局部最小值的问题,利用粒子群优化算法对BP神经网络的权值和阈值进行了优化,并对粒子群优化算法的惯性权值作了自适应调整,以蒸汽发生器为对象进行了故障诊断实验,实验结果表明:自适应调整粒子群优化算法的惯性权值可以提高该算法的收敛速度和精度,利用改进后的粒子群优化算法对BP神经网络进行优化,可以提高BP神经网络的诊断性能。     

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.     

融合神经网络与证据理论的发射场试验信息处理方案设计

为了提高发射场试验信息处理结果的可靠性,减小冲突信息的影响,通过对发射场试验信息特点的分析及对其中关键技术的研究,提出融合BP神经网络与DS证据理论的信息处理方案。基于神经网络的输出结果建立证据理论的识别框架,通过证据理论相关合成法则对得到的生成融合决策,提高发射场设备状态评估与决策的准确性。     

BP神经网络在空袭目标优选中的应用

空袭目标优选,应用改进的BP神经网络算法.即在空袭目标优选评估指标体系基础上,建立BP神经网络,通过定义学习代价函数、确定函数输出信号、修正函数信号.并通过网络初始化等改进BP算法,以激活函数敏感性,加速网络收敛.算例验证了该算法合理性,稳定性良好.     

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。     

基于改进型BP神经网络的PID控制算法

针对传统的PID控制算法很难获得比较理想的控制效果的问题,提出一种基于BP神经网络的自适应PID控制算法。根据BP神经网络的结构和特点,介绍了改进型BP神经网络算法描述及PID控制器的结构,并通过实例进行仿真分析。结果表明,改进型BP神经网络PID控制器具有良好的控制效果,降低超调量,抗干扰性强和增强系统的鲁棒性,优于常规PID控制器。     

基于人工侧线系统的动载体流场感知

为增强水下航行器的导航和感知能力,通过模拟鱼类侧线在水下航行器中搭建人工侧线系统。介绍鱼类 侧线的功能和人工侧线的国内外研究现状,分析侧线管神经丘的生物模型以及 BP 神经网络算法的原理;将实验和 数值模拟方法相结合,分别收集水下航行器在不同流场环境下的静压数据;通过神经网络算法对流场的流速以及来 流角度进行识别。结果表明：BP 神经网络算法可有效识别流场参数,识别率达到 95%以上。     

遗传算法优化BP神经网络在转速PID控制中的应用

提出一种基于遗传算法优化的BP神经网络PID控制算法,并将其应用于永磁无刷直流电动机的转速控制系统而设计出优化的转速PID控制器。该算法首先利用遗传算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调节,解决网络的初始权值对控制效果的不利影响,仿真证明该算法可行。     

一种基于炮射地面震动传感器的目标识别算法研究

介绍了自适应遗传算法优化的BP神经网络(AGA-BP)算法在炮射地面震动传感器目标识别中的应用。首先针对BP神经网络可能未收敛到全局最小点的缺陷,提出自适应遗传算法与BP神经网络结合的一种优化算法。之后进行仿真实验并对履带和轮式车辆的采样信号进行时频分析,利用小波变换提取特征值。最后利用优化后的算法与传统算法进行了样本训练和识别,对比结果表明该方法能减少识别误差。     

基于混沌神经网络的供配电系统故障诊断

基于混沌神经网络的供配电系统故障诊断,采用引入动量项和混沌映射的改进BP算法.先分析系统典型故障,建立典型网络模型.在BP算法中加入动量项和混沌映射,选择神经网络初值.再进行学习训练,分别给训练后的子网络输入现场采集的装备数据,通过网络直接获得故障诊断结果.     

神经网络技术在雷达电路故障诊断中的应用

简要介绍了雷达电路故障模式和BP神经网络的算法,针对雷达故障诊断的复杂性,提出了采用神经网络技术实现雷达的故障诊断。并以典型故障为例,设计了一个基于BP网络的故障诊断系统,通过实际仿真和应用,取得了较好的效果。     

基于遗传算法和神经网络的企业核心竞争力评价模型研究

结合遗传算法与BP神经网络以航天二部为例,建立了其核心竞争力评价模型,该模型利用遗传算法提高了网络收敛的效率,克服了传统的神经网络训练时间长、易陷入局部极值的缺点,保持算法结果的全局最优.以一个算例从验证的角度说明该模型对于评价航天二部核心竞争力具有可行性以及较高的精度.