基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后，可以对火炮随机振动误差进行补偿，对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型，通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段，对火炮炮口振动数据进行了预测。结果表明，深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征，相较于传统BP神经网络，可以达到更好的预测精度。