基于神经网络的战术C3I系统效能分析

阐述了神经元的特性和BP神经网络相关原理,指出了战术C3I系统效能是指战术C3I系统在特定的战斗环境条件下对部队潜在战斗力转化为实际战斗能力的影响程度,并根据BP神经网络模型,着重从系统自身效能和对抗效能2个方面,对战术C3I系统效能进行了分析,建立了战术C3I系统基于ANN的评估模型,从而为系统效能分析与评估探索了一种新的方法.     

船舶电力系统模拟训练评估算法

针对船舶电力模拟训练评估系统的设计与实现问题,分析了构建指标体系的方法。依据设计原则,设计了船舶电力模拟训练的评估指标体系。确定了各评估指标的算法,并根据层次分析法构建权重集,然后运用模糊评判理论建立了综合评估模型。选取某船电力系统模拟训练考核的实例,进行了考核和综合评估,结果表明:该方法科学,可操作性强。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。     

神经网络仿真导弹阵地信息化评估

分析了导弹阵地信息化建设的内容,构建了导弹阵地信息化建设的评估指标体系,建立了基于BP神经网络的导弹阵地信息化建设评估模型,基于Matlab神经网络工具箱是实现网络模型的建立、训练和仿真,利用训练好的网络模型对不同导弹阵地的信息化建设情况进行了评估.计算分析表明,建立的测评体系符合实际,模型便于部队和决策机关操作,对于...     

基于BP神经网络的炮光集成武器系统作战效能评估与预测

为了有效地评估和预测炮光集成武器系统的作战效能,以反舰导弹为例,针对空袭目标低空突袭的特点,建立了炮光集成武器系统的效能评估模型和BP神经网络预测模型。用BP神经网络对炮光集成武器系统的作战效能进行了预测,并与效能评估模型的计算结果进行了对比。结果表明:BP神经网络的预测结果与效能评估模型的计算结果比较近似,说明BP神经网络模型对于炮光集成武器系统作战效能评估与预测是有效的,可以为下一步的炮光集成武器系统的研制提供一定的理论参考。     

无源雷达战斗操作模拟训练考核评估方法

针对无源雷达模拟训练的战斗操作训练效果的考核评估问题,提出了一种定性和定量相结合的评分量化方法。依据战斗操作考核评估准则和要求,构建了包括情报处置、战斗操作等的评估指标体系,基于3类不同机制的考核评估方法,提出了无源雷达战斗操作考核评估实施流程,并设计了基于效用函数的评估指标解算模型,以及人工评判的量化标准和评估综合、统计方法,为战斗操作训练效果的考核评估提供了方法手段。最后给出了一个应用实例,验证了方法的有效性。     

基于BP神经网络的多功能相控阵雷达威力评估

运用动态静态结合的方法以及厂家测试数据、查阅外军资料等手段获得多功能相控阵雷达指标参数,采用BP神经网络建立威力评估模型。研究表明:所建立的BP神经网络多功能相控阵雷达威力评估模型具有很高的评估精度,可以很好地反映雷达二级指标和雷达威力之间复杂的非线性关系,为多功能相控阵雷达威力评估提供了一种准确有效的方法。     

多种方法结合的作战效能评估研究

基于对多种作战效能评估方法优缺点的分析,提出结合多种方法评估效能的思路。采用粗糙集做原始样本预处理,结合专家评估法结果认可度高和BP神经网络评估法高效率的优势,建立了3种方法结合评估作战效能的方法和流程。利用专家评估中的德尔菲法得到多型无人攻击机的评估结论;将专家评估结论作为BP神经网络的训练样本,得到基于专家经验的BP神经网络模型,固化了专家经验,实现了基于专家经验高效评估新机型的目的。最后用算例检验了方法的可用性和合理性。     

改进的萤火虫算法优化BP神经网络及应用

针对传统萤火虫算法存在收敛速度慢和易陷入局部最优解的问题,将传统的固定搜索步长修改为与个体分布密度相关的自适应调整步长,提出了自适应步长萤火虫算法。将自适应步长萤火虫算法和BP神经网络结合,通过自适应步长萤火虫算法寻优,获取BP神经网络最优的权值和阈值,并将其作为BP神经网络的初始参数进行训练,以提高BP神经网络的训练精度和速度。以弹道导弹突防效能评估为例,构建突防效能评估指标体系,建立基于改进BP神经网络的弹道导弹突防效能评估模型。算例分析和仿真试验表明,采用自适应步长萤火虫算法优化的BP神经网络计算结果准确率高、收敛性强,在弹道导弹突防效能评估中具有推广应用价值。     

基于神经网络的装备维修资源保障能力评估

构建了维修资源保障能力评估指标体系。应用人工神经网络及BP网络的理论和方法,建立了维修资源保障能力评估的BP神经网络模型;提出了应用特尔菲法与层次分析法相结合确定各指标权重,并采用变权综合法思想构造神经网络训练样本的方法。最后进行了实例评估,结果表明该模型可较好地克服人为因素和模糊随机性的影响,具有很高的可信度。     

戈壁沙漠地区雷达兵部队作战后勤保障浅探

戈壁沙漠地区雷达兵部队作战,由于其部队自身具有的特殊性和受区域地理环境、气候条件以及政治、经济、社会等因素的影响,战时后勤保障任务艰巨。因此,探讨戈壁沙漠地区雷达兵部队作战后勤保障对策具有十分重要的意义。一、戈壁沙漠地区雷达兵部队作战后勤保障的特点1.点多线长,分队高度分散,后勤保障任务重。雷达兵作战相对独立,分队分散,相互之间距离甚远。后勤部署一线弱、二线     

基于粗糙集和神经网络的无人机侦察效能评估

针对无人机在多条件下的侦察效能评估问题,提出一种基于粗糙集和神经网络的无人机侦察效能评估方法.在该方法中,寻找影响因素构建无人机侦察效能评估指标体系;结合粗糙集理论去除当中的冗余因素;并在处理因素基础上利用遗传优化的BP神经网络构建无人机侦察效能的评估模型,以提高预测精度.仿真结果表明:该模型不仅能够克服传统BP神经网络容错性差,收敛速度慢的缺点,而且可以较好地完成无人机侦察效能评估.     

基于小波神经网络的无人机目标威胁评估

针对空中目标威胁评估问题,提出了利用小波神经网络(WNN)解决这个问题,具有很大的实用性。通过内嵌的方式将小波变换融入神经网络,即为"紧致型融合",它具有较好的自适应分辨性、良好的逼近能力和容错能力,有效避免局部最小值等优点。分析了WNN的结构和影响空中目标威胁评估的主要因素,介绍了WNN的训练算法和流程,验证了仿真模型。结果表明,该方法的评估误差明显小于粒子群优化BP神经网络(PSO-BP)和BP神经网络,具有较好的评估效果。     

国防工程智能信息系统效能评估研究

在简要介绍国防工程智能信息系统组成和功能的基础上,提出了系统效能评估指标体系,分别用BP神经网络和AHP法建立了国防工程智能信息系统效能评估模型,并对系统的设备监控管理能力进行了评估。仿真结果表明,BP神经网络法克服了传统评估方法精度低、模型复杂和计算量大的缺点,可将以往的专家经验知识进行分析学习,能够实现实时方便的在线评估;AHP法对多层次的指标体系具有较强的处理能力,但是存在指标权重确定主观性强,计算量大的问题。     

神经网络和DEA方法的炮兵火力毁伤先验评估模型

提出运用BP神经网络理论和数据包络分析(DEA)方法,对炮兵火力毁伤先验评估问题进行研究。利用以往经验数据建立样本集,通过BP神经网络预测模型,对待评估的炮兵火力毁伤计划进行分析,预测其毁伤效益,再建立带有偏好锥结构的DEA评估模型,分析火力计划的可行性和合理性;最后以某部17组炮兵火力毁伤数据进行实例分析。结果表明,该模型能给出科学、明确、可靠的先验评估结果。     

基于神经网络的大区域防空信息进攻作战效能评估

建立了大区域防空信息进攻作战效能评估的指标体系。由于指标主观性很强,普通的方法难以取得好的效果,而神经网络以其良好的非线性处理能力,为解决此问题提供了一个好的方法。对应用LMBP神经网络解决大区域防空信息进攻作战效能评估的方法问题进行了探讨,给出了神经网络的算法及评估模型。并通过实例证明了方法的可行性,最后与一般的BP神经网络方法进行了对比,体现了该方法的先进性。     

基于L-M算法改进BP网络的信息对抗能力评估

在未来密集和复杂的电磁环境中,快速、客观地评估敌我双方的信息对抗能力具有重要的意义。目前通常采用的人工打分方法具有一定的主观性,且周期较长,难于满足战场瞬息万变的需求。提出了一种基于L evenberg-M arquardt算法改进的BP神经网络信息对抗能力评估方法,以某组信息对抗数据为训练数据,对改进BP神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:改进BP神经网络能客观有效地评估信息对抗能力,较大程度地提高了神经网络的收敛速度、缩短了评估时间。     

基于BP神经网络的防空C3I人机交互性能评估

阐述了BP神经网络的相关原理,建立了防空武器指挥自动化系统人机交互性能评估的指标体系,对应用人工神经网络解决防空武器指挥自动化系统人机交互性能评估的方法问题进行了探讨,并且给出了神经网络的评估模型及算法.通过实例证明该方法是可行的.     

导弹部队整体作战能力考核评估若干问题研究

为科学客观地评估导弹部队作战能力,全面准确地掌握部队战斗力状况,立足导弹部队整体作战能力考核评估,分析了导弹部队演习考核评估基本指标,研究了演习考核评估系统的"硬"指标、"软"环境,提出了应从整体系统和评估模型等方面进行综合建设,从而建立健全导弹部队演习考核评估系统.     

应用神经网络评估舰载武器系统作战效能

为评估水面舰艇舰载武器系统作战效能,最大程度地提高舰艇整体作战能力,采用神经网络评估舰载武器系统的作战效能,按照建立BP网络模型、设计模型结构及确定训练样本的步骤,实现神经网络评估模型创建的全过程。该模型把各个评估指标作为输入,通过历史数据的训练确定神经网络输入、输出的对应关系,从而得出系统的效能值。神经网络评估模型可动态地评估舰载武器系统的作战效能,其评估过程确定的各指标项相互关系能很好地指导舰载武器的战术使用。