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。     

基于专家系统神经网络的武器系统故障诊断

针对专家系统和神经网络具有"互补"的特性,研究改进了一种专家系统与神经网络相互结合的方法,介绍了算法步骤,并利用改进的算法对某武器系统进行故障诊断,通过仿真及实例验证,该算法具有良好的运算精度和预测功能。     

复杂武器系统PHM模型研究

故障预测与健康管理(PHM)系统对提高复杂武器系统战备完好率和可用率以及降低维修成本、提高管理效率具有重要意义;首先介绍了PHM的概念、功能及典型PHM结构模型,分析了PHM存在的不足;通过复杂武器系统寿命剖面,分析了健康状态的实质,提出了广义健康与狭义健康,结合复杂武器系统"长期贮存,一次使用"及数据量有限的特点,设计了广义复杂武器系统健康管理模型。     

基于人工神经网络的红外探测效果评估

红外探测设备是红外系统中的重要组成部分,对其性能评估具有实际意义;分析研究了影响红外探测效果的主要因素,选取环境温度、相对湿度、能见度、辐通量、目标高度和探测距离为评价指标。针对神经网络良好的非线性映射功能及高精度的特点,构建了BP网络评估模型;实验表明:该方法简单有效,评估精度较高,具有很强的实际应用价值。     

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。