基于GM-RBF神经网络的导弹武器系统使用可用度评估方法 研究

目的研究导弹武器系统使用可用度评估问题,方法通过基于故障数据的使用可用度评估,提出一种基于灰色模型GM（1,1）的径向基函数（RBF—Radial Basis Function）神经网络组合模型。结果该模型克服了灰色理论的长时间序列预估误差大和神经网络的训练样本需求量大、输入变量选取困难等缺点。结论仿真结果表明,GM—RBF神经网络对导弹武器系统使用可用度评估具有评估误差小、精度高等优点。     

一种战车主减速器温度预测方法研究

目的针对战车主减速器温度预测需求,建立时间序列ARIMA多步预测和BP神经网络预测模型,提出基于BP神经网络修正误差的ARIMA模型温度预测方法。方法结合BP神经网络的非线性能力与ARIMA模型预测能力,分析ARIMA在多步预测时误差产生原因,在神经网络对ARIMA多步误差进行预测基础上计算修正因子,把误差修正因子和BP网络结合,实现对多步预测误差的修正。结果ARIMA模型多步预测时,预测误差随预测步数的逐步增加不断增大,引入了误差修正因子进行修正。通过预测值与实际值进行对比,可有效提高预测准确度。结论 BP神经网络和误差修正因子结合应用可显著提高温度预测效果。     

一种基于测试数据的单枚导弹贮存寿命评估方法

目的研究单枚导弹的贮存寿命评估问题。方法对导弹状态数据中的定期测试数据进行统计分析,确定测试数据的变化规律,并通过移动标准差概念的引入,探讨测试数据的稳定性。应用多项式最小二乘法拟合对测试数据中表征导弹关键部件的特征参数的移动标准差进行预测。建立了单枚导弹的贮存寿命评估模型,并进行实例分析。结果得出了导弹的贮存稳定性水平。结论验证了该评估模型的合理性。