基于PCA-GA-BP 神经网络的状态评估算法

针对传统评估方法主观性强的缺点及BP神经网络自身缺陷,提出基于数据知识的PCA-GA-BP状态评估组合算法。采用主成分分析对样本数据进行降维处理,利用遗传算法对BP神经网络的初始权值阈值进行优化,将历史数据作为学习样本训练神经网络,处理实时信息得到评估结果,并通过实例进行算法验证分析。结果表明,该算法是可行的,适用于复杂武器装备的状态评估。     

基于遗传神经网络的伺服机构健康状态预测

为了及时把握伺服机构的健康状态,为装备的管理维护与任务执行提供必要的决策支持,从装备的自然退化趋势出发,提出了一种基于遗传算法优化BP神经网络的预测模型;用BP神经网络优秀的非线性映射能力构造预测模型,将神经网络初始权值阈值编码,利用改进的自适应遗传算法确定最优解;该模型应用到伺服机构的健康状态预测上,并与标准BP神经网络及径向基神经网络做比较;结果表明该模型有更好的预测精度及收敛速度,从而验证了模型的有效性.     

基于PHM的伺服机构健康管理研究

PHM（故障预测与健康管理）技术对于推动装备视情维修能力的实现具有重大意义。本文在介绍PHM内涵及功能的基础上,立足伺服机构特点,设计了伺服机构PHM分层体系结构,构建了伺服机构PHM系统模型。重点分析其所需要的关键技术,提出局部模型辅助基于数据知识的思想。最后就开展伺服机构健康管理研究的意义进行了论述。