基于BP网络的坦克火力性能评价模型

应用神经网络理论与方法建立了坦克火力性能比较的BP网络模型,利用MATLAB中神经网络工具箱对国内外几种代表性坦克的火力性能进行比较.结果表明,BP神经网络模型能很好地解决评价因子与装备性能之间的非线性关系,评价坦克火力性能简便可靠,客观性强.     

基于BP神经网络法的军队服务采购供应商评价

BP神经网络法是一种模拟生物神经学习能力、记忆能力和信息加工能力的计算机方法。基于BP神经网络的军队服务采购供应商评价,其指标体系能较好地体现服务采购的特点和规律,BP神经网络模型则有效地映射了军队服务采购供应商评价指标与结果之间的非线性关系,同时能够实现仿真训练与结果检验。     

基于ARMA-BP组合模型的装备故障率预测方法

为解决单一模型预测装备故障率预测误差大、精度低的问题,提出了一种基于ARMA-BP组合模型的装备故障率预测方法.在建立ARMA模型和BP神经网络模型的基础上,采用加法集成法建立ARMA-BP组合预测模型,并利用方差倒数法确定ARMA模型和BP神经网络模型的权重系数.以某型装甲装备故障率数据为研究对象,对比ARMA模型、...     

基于BP神经网络的集群装备战斗力指数评估

集群装备战斗力是影响装备指挥员乃至作战指挥员科学决策的主要因素之一.针对战时装备维修保障决策需求和特点,通过深入分析集群装备作战实际,研究了集群装备战斗力指数影响因素集并对各因素进行了说明,基于BP神经网络建立了集群装备战斗力指数评估模型,利用专家确定的40组训练样本对该BP神经网络进行训练.研究结果表明,基于BP神经...     

军用飞机采购价格的RBF神经网络预测

分析了现代军用飞机采购价格估算中存在的问题.应用基于k-均值聚类算法的RBF神经网络建立了军用飞机采购价格预测模型,并采用该模型对某型军用飞机采购价格进行了预测.与多元线性回归和BP神经网络的预测结果对比,建立的新型军用飞机采购价格预测模型具有更高的预测精度,为军用飞机采购价格预测提供了一种新的有效方法.     

基于AHP-云模型的装备工程研制风险评价研究

装备工程研制阶段是把装备设计图样转化为物质实体的过程,是装备采购过程中历时最长,风险最密集的时期。通过查阅装备工程项目研制相关资料,构建了综合风险评价指标体系;采用层次分析法计算一级指标与二级指标之间的相对权重;利用云理论,构建装备工程研制阶段各类风险评估云模型,形成了标准云图;并以某型通信设备为例,对该型装备工程研制阶段综合风险水平进行了科学评估。该方法为装备采购部门和承制单位对装备工程研制阶段进行风险评价提供了新思路。     

试验装备采购风险评估研究

针对我国试验装备采购风险管理存在的相关问题,界定了试验装备采购风险管理的相关概念,分析了试验装备采购风险因素,运用改进的风险矩阵法建立了试验装备采购风险评估模型,并进行了案例分析。     

基于BP神经网络的坦克炮火力威力评价模型

从分析不同型号坦克炮的主要性能指标入手,应用BP神经网络理论和方法探索其火力威力评价的问题.建立了坦克炮火力威力评价的BP神经网络模型,对原始评价指标进行了归一化处理,并构造了3组训练样本,利用MATLAB6.5中神经网络工具箱的图形用户界面GUI对评价指标和样本进行训练、仿真,并对结果进行比较.结果表明,BP神经网络模型能很好地解决评价指标与结果之间的非线性关系,评价坦克炮火力威力简便可靠,客观性强;研究结果可为坦克炮的进一步开发和研制提供理论参考.     

模糊一致矩阵的AHP在装备采购风险评价中的应用

针对传统层次分析法的不足,在装备采购风险评价中引入了基于模糊一致矩阵的层次分析法,提出了装备采购风险评价的模糊层次分析方法,不但解决了传统层次分析法中判断矩阵一致性的检验、调整和判断标准等问题,而且充分集成了多个专家的知识和经验,使决策过程更贴近实际,更便于理解。算例分析结果验证了所提出装备采购风险评价方法的可行性和有效性。     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。     

改进BP网络的舰船装备保障资源保障能力评估

针对单独运用BP网络评估舰船装备保障资源保障能力时存在的不足,提出了一种基于改进BP网络的舰船装备保障资源保障能力评估模型。首先构建了保障能力评估的指标体系,在此基础上,采用主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为神经网络输入,一方面减少了输入变量的维数,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,同时也简化了网络的结构。然后将遗传优化算法与BP网络结合,利用GA的全局搜索能力优化BP网络的结构参数。最后进行实例计算,结果表明该方法有效克服了纯BP算法局部收敛、泛化能力弱等问题,新模型采用的算法具有收敛速度快,结果精度高的优点,适用于对保障资源保障能力的分析和评估。     

基于BP神经网络的装备故障诊断专家系统研究

分析了神经网络和专家系统的特点,提出了基于BP神经网络与专家系统结合的某装备的故障诊断方法,构造了BP神经网络的装备故障诊断专家系统的诊断模型,克服了传统专家系统在知识获取和表达的薄弱环节,并用了某型装备的故障实际数据进行了验证,结果表明了神经网络与专家系统结合是一种有效的诊断方法。     

基于改进的BP算法的舰载C4I威胁判断模型

为解决传统舰载C4I威胁判断模型的不足,寻求适应信息化作战要求的舰载C4I威胁判断模型,将神经网络引入舰载C4I系统,提出了基于BP神经网络的威胁判断模型,并对BP算法进行了改进;通过Matlab仿真计算,结果表明该方法计算速度快、精度高.     

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。     

基于BP神经网络的防空保卫目标分类

提出用BP神经网络模型对防空保卫目标进行分类的一种新方法。该方法建立分类评价的指标集,将分类的划分等级作为训练样本集,以指标的各等级标准值作为样本的输入特征值,建立多参数的BP神经网络防空保卫目标分类评价模型,然后用实例训练神经网络,得出了较合理的结论。     

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。     

基于BP神经网络的C4ISR系统人机交互性能评估

针对C4ISR系统中人机交互子系统的特点,运用神经网络方法探索其性能评估问题.建立了C4ISR系统人机交互性能评估的指标体系,阐述了BP神经网络的相关原理及算法,构建了基于此网络的性能评估模型.并利用MATLAB软件进行了仿真分析,证明了理论的正确.采用神经网络理论进行性能评估,可弥补专家的经验和知识,降低评价过程中的人为因素影响,保证其客观性.模型能够比较准确地对C4ISR系统人机交互性能进行评估,为研究指挥自动化系统提供了一种新的思路.     

神经网络在雷达装备故障趋势预测中的应用

为了提高预测精度,在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型。通过普通BP网络预测模型引出基于指数衰减的神经网络预测模型,经验证预测精度较高。并介绍了雷达装备状态监测与故障趋势预测系统构成,此系统对于雷达装备的早期故障预测和预防性维修具有重要意义。     

一种快速评定通信设备战损等级的方法

为解决通信设备战损等级评定中存在的问题,快速且准确地做出评定,提出了利用BP神经网络进行战损等级评定.在总结战损等级影响因素的基础上,建立了通信设备战损等级评定神经网络模型.经检验,该模型用于战时通信设备战损等级评定准确度高,具有很强的军事意义.