搜索结果: 1-15 共查到“兵器科学与技术 BP 神经网络”相关记录22条 . 查询时间(0.118 秒)
通过经归一化处理后的导弹各项测试数据,建立合理的模糊化隶属函数模型得出相应的测试项目质量状态模糊集合,结合模糊集合与对应项目的权重值采用模糊综合评判法得出导弹系统的质量状态模糊集合。再通过合理的反模糊化过程,得出导弹各个系统的质量评分值,结合专家评分法和BP神经网络模型训练出导弹总体的质量评分网络,用于由导弹各分系统质量评分值向导弹系统质量评分值的传递,对导弹实际质量评定工作具有指导意义。
基于BP神经网络的身管磨损量监测系统设计
身管磨损 BP神经网络 单片机 自动监测
<
2020/8/17
针对火炮身管烧蚀磨损给射击精度带来的重要影响,设计了基于BP神经网络的身管烧蚀磨损量动态监测系统。采用C语言编程,将BP算法模型应用应用到单片机当中,完成了对身管烧蚀磨损量的计算,并设计了相关外围电路,实现了对身管烧蚀磨损量的自动监测、LCD显示以及与上位机的数据通信功能。该系统综合了单片机和BP神经网络的优点,实现了智能算法与硬件设备的有效融合,可对身管的烧蚀磨损量进行实时的动态监测,可为后续对...
基于改进PSO优化BP神经网络的弹药储存可靠度预测
弹药储存 可靠度预测 BP神经网络 粒子群算法
<
2019/12/6
针对弹药储存环境与年限对可靠度的影响,建立基于样本量、温度、湿度、年限的弹药储存可靠度预测模型。结合粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,采用全局粒子群算法优化BP神经网络权值和阈值,进行弹药储存可靠度预测。结果表明,基于改进粒子群算法的BP神经网络能够提高弹药储存可靠度预测的精度,加快收敛速度。
基于BP神经网络的高寒山地弹药消耗需求分析
高寒山地 弹药消耗量 BP神经网络
<
2016/8/15
采用BP神经网络方法,建立了高寒山地弹药消耗量预测模型,对模型的预测流程和步骤进行了描述;结合高寒山地实际,对高寒山地弹药供应保障的消耗量需求进行分析。预测结果表明,所建立的弹药供应保障消耗量需求模型能够很好地预测高寒山地作战中的弹药消耗量。
为获得全局最优点,提出一种改进粒子群算法优化BP神经网络实现核素识别方法。该算法用一种动态改变惯性权重与学习因子的自适应方法,优化BP神经网络的阈值与权值,通过训练BP神经网络识别模型得到粒子群的全局最优解,利用最优权值与阈值实现核素识别。分析结果表明:该方法不仅能更快地收敛于最优解,同时能更好地平衡全局搜索和局部搜索能力,有效地改善算法的收敛速度和识别精度。
为获得全局最优点,提出一种改进粒子群算法优化BP神经网络实现核素识别方法。该算法用一种动态改变惯性权重与学习因子的自适应方法,优化BP神经网络的阈值与权值,通过训练BP神经网络识别模型得到粒子群的全局最优解,利用最优权值与阈值实现核素识别。分析结果表明:该方法不仅能更快地收敛于最优解,同时能更好地平衡全局搜索和局部搜索能力,有效地改善算法的收敛速度和识别精度。
基于BP神经网络的风洞传感器非线性误差修正方法
BP神经网络 风洞传感器 误差修正
<
2016/4/1
针对风洞试验时传感器测值受到非线性误差干扰的问题,提出基于BP神经网络的风洞传感器非线性误差修正方法。利用BP神经网络强大的非线性映射能力,通过神经网络模型融合传感器校准数据对传感器的测量误差进行计算,并根据网络计算误差对传感器测值进行修正。试验结果表明,该方法能有效地减小非线性误差对传感器测值的影响,提高传感器的测量精度。
基于BP神经网络的弹壳表面缺陷分类方法
弹壳 表面缺陷 特征提取 BP 神经网络
<
2016/9/28
为了对弹壳表面缺陷进行分类,提出一种基于BP(back propagation)神经网络的弹壳表面缺陷分类方法。 针对弹壳缺陷的特点,提取了各类缺陷的灰度特征、形状特征、几何特征,建立缺陷特征数据库,并采用改进的BP 神经网络算法设计了缺陷分类器。实验结果表明,该方法在枪弹缺陷识别方面具有很好可行性和有效性。
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BP神经网络的装备失效率预测研究
BP神经网络 装备失效率 输入层 中间层
<
2014/4/4
装备伴随使用时间的增长,失效率会不断升高;因此准确预测装备失效率,对于及时准确评估装备性能,开展视情维修具有重要的指导意义;鉴于BP神经网络的高度非线性映射能力,利用此模型对装备失效率进行预测;分析得到了BP模型的输入层和中间层的最优神经元数;此时实际值与预测值的方差为0.038 7,达到要求。
为了快速精确的预测弹丸落点,文中提出了一种基于改进型BP神经网络的弹丸落点的预测方法。根据落点预测的特殊性,在网络结构上确定了具有并列隐含层的双隐层结构形式,并对训练算法进行了自适应加动量项的改进,然后选取并优化了训练样本。之后进行了仿真训练和落点预测,得到了较高精度的预测结果。说明文中方法进行落点预测是合理有效的,可以作为弹丸落点预测的一种新方案。
基于BP神经网络的数控机床主轴性能评估模型
滤波 特征提取 时域分析 频域分析
<
2012/10/26
通过采集长征7 1 8机床的振动数据, 利用 b u t t e r w o r t h滤波器进行了数据滤波, 将低频干扰滤去; 之后对数据进行了时域分析和频域分析, 提取了5个时域特征和5个频域特征; 再将提取的特征值输入 B P神经网络训练网络, 建立了基于 B P神经网络的数控机床主轴性能评估系统, 对于解决机床主轴的主动维护具有重要的经济及战略意义。
基于BP神经网络的导弹作战方案评估方法
导弹 作战方案 BP神经网络 评估方法
<
2012/3/14
构建了一般的机动发射式导弹作战方案评估的指标体系, 通过BP神经网络模型对拟制的导弹作战方案进行了评估, 得到了评估结果, 为导弹武器作战时快速优选作战方案创造条件。
学习速率连续变化的BP神经网络算法
收敛 VLBP算法 学习速率 均方误差变化率
<
2012/4/1
针对 B P神经网络中的可变学习速率 B P算法收敛慢、 学习速率固定等问题, 提出了一种改进的可变学习速率的 B P算法。以连续2次迭代的均方误差变化量为变量的连续学习速率因子函数, 通过引入调节学习速率参数使得学习速率因子尽可能连续变化, 用于对 B P算法的改进, 从而加快收敛速度。仿真实验表明, 改进的算法提高了网络的学习速度, 且具有良好的收敛性。