海洋环境武器效能的改进RBF网络评估模型

文中针对海洋环境影响下单武器装备作战效能的评估问题,建立基于RBF神经网络的评估模型。在实际应用中,为了保证评估结果的客观性和准确性,提出一种基于统计原理的改进RBF神经网络模型。该改进模型采用基于样本相似度的聚类算法,以加权欧氏距离为样本相似性度量方法,通过对样本进行聚类处理得到RBF神经网络模型的参数,进而建立评估模型。最后,为了验证提出模型的可行性,利用样本实例对模型进行训练,并利用训练后的模型对某一环境下单一武器作战效能进行评估,实验结果表明了模型的可行性和可靠性。和传统方法相比,该评估模型基于样本数据的统计信息,不需要专家知识,具有较高的客观性。     

基于反向差分算法的航空发动机装配车间优化调度

航空发动机装配车间的各个生产线的优化调度问题是一个典型的具有可重入特性的生产调度问题,从调度优化难易的角度来看,属于NP难题。针对这个问题,在分析航空发动机的工艺流程与特点以及航空发动机的数学模型之后,以最小化最大完工时间为调度优化问题的目标函数,提出了基于反向差分进化算法的优化调度方案。最后,仿真实验表明,该方案对于解决优化调度问题是行之有效的。     

基于混合ISSA-LSTM的锂离子电池剩余使用寿命预测

准确预测锂离子电池剩余使用寿命(remaining useful life, RUL)对降低电池使用风险和维护设备稳定性方面具有重要意义。为了提高锂离子电池RUL预测的稳定性和结果的准确性，提出一种基于混合改进麻雀搜索算法(improved sparrow search algorithm, ISSA)与长短期记忆(long short-term memory, LSTM)神经网络的锂电池RUL预测模型。首先，用均值化方法对原始数据中的异常值进行处理。然后，结合Tent混沌映射、自适应权重以及反向学习策略和柯西变异扰动策略优化麻雀搜索算法，再利用改进麻雀搜索算法对LSTM模型的参数进行优化。最后，采用改进的混合ISSA-LSTM模型并完成RUL预测。采用NASA公开数据集对本模型进行验证。结果表明，该模型的平均绝对误差、均方根误差和平均相对百分比误差控制在0.016 47、0.022 84和1.2048%以内，能够有效地提高锂离子电池RUL的预测精度。