面向装备作战的弹药消耗智能预测方法

针对装备作战仿真环境下,弹药消耗预测计算时间长、实时仿真速度慢的问题,以战役战术火力毁伤弹药需求预测计算方法为主线,以人工神经网络为技术支持,提出了智能化的弹药消耗预测方法。通过遗传算法对网络连接权值的训练及优化,以及误差目标函数的改进与隐含层神经元数目的智能选取,提高弹药消耗预测的实时仿真速度,为下一步的弹药消耗预测研究提供了理论参考与方法支持。     

基于改进GM(1,1)模型的装备故障预测

针对装备故障数据量小、传统灰色预测模型GM(1,1)的精度受背景值影响大的问题,提出了一种基于背景值优化的改进GM(1,1)装备故障预测方法。该方法基于背景值的几何意义,从背景值与发展系数之间数量关系的角度出发,通过最小二乘法对二次参数进行估计,还原得到原始参数估计值,并结合新陈代谢对模型进行改进。导弹装备的故障预测实例表明,改进GM(1,1)模型较传统模型有更高的预测精度。     

空中目标威胁的ABC-RVM评估方法

为改善防空作战中对空中目标威胁的判断决策能力,提出了一种基于蜂群（ABC）算法和相关向量机（RVM）的空中目标威胁评估方法。从防空作战的实际出发,依据数理统计分析构建空中目标威胁指标体系;采用ABC算法优化多核RVM的相关参数,构建空中目标威胁评估模型。仿真分析表明,该方法是一种精度较高的空中目标威胁评估方法,在各项精度指标上均优于单一Gauss核或单一Sigmoid核的RVM方法,从而证实它的有效性和可行性。     

基于支持向量机的装备故障间隔时间预测研究

针对装备故障样本数据量少、非线性强,故障预测困难的问题,提出了一种基于支持向量机回归的故障间隔时间预测模型.在不同核函数条件下,以提高核函数的普遍适应性和拟合精度为目的,通过实例分析选择了相对于装备故障数据的最佳核函数,并根据故障样本数据的特点,设计了与之相适应的核函数参数.实验结果表明,与常用的BP神经网络预测模型相比,该模型有更强的鲁棒性和推广能力,具有一定的实用价值.     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

基于D-S理论的神经网络作战效能预测方法

提出一种基于D-S理论的神经网络预测方法,采用改进的证据理论对作战效能预测指标体系进行优化选取,降低了由于预测指标体系的模糊性和不确定性造成误差;在此基础上,建立基于Elman网络的作战效能预测模型,通过对作战效能的预测仿真及测试,验证了该方法的可行性和优越性。     

基于改进粒子群优化RBF神经网络的算法

针对粒子群算法易陷入局部极小的缺陷,提出了一种改进的粒子群优化算法,并将改进后的算法应用到RBF神经网络核函数参数的选取中。依照文中提出的编码方式、迭代公式和适应度函数,在全局空间中搜索具有最优适应值的参数向量。实例仿真表明,基于改进粒子群算法优化的RBF神经网络不仅收敛速度快,且误差精度高。     

海军装备修理目标价格测算方法研究

海军装备修理目标价格的确定是海军装备价格管理工作的重点。为准确测算装备修理目标价格,根据核方法的特性和应用优势以及装备修理目标价格中的非线性特征,可以采用核主成分回归法,用粒子群优化算法确定模型优化参数,用MSE和MAPE评价优化模型的预测效果。与目前常用的几种方法相比,运用核主成分回归法,模型的测算精度可以得到进一步提高。     

果蝇算法优化的相关向量机在电子装备中的应用

针对电子装备渐变故障预测问题,提出一种基于果蝇算法优化相关向量机的故障预测方法。该方法将原始时间序列数据进行相空间重构处理,并基于折交叉验证和果蝇算法优化相关向量机模型的核函数参数,从而建立故障预测模型,并以某型雷达发射机速调管监测数据对模型性能进行了验证。实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度以及预测可靠性方面都具有一定优势。     

地球静止轨道高能电子通量在线预测模型研究

利用粒子群优化算法和最小二乘支持向量机,建立了地球静止轨道高能电子通量(1.8-3.5MeV)在线预测模型。针对粒子群优化算法,提出了一种新的粒子群多样性测度计算方法,有效改善了其早熟收敛现象;基于改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数;利用滑动时间窗口策略更新模型数据,设计变量选择触发机制以及模型的再学习机制实现模型的在线预测功能。[根据题目的调整,对摘要做了相应改动]通过对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行提前1-3天的预测实验,表明了所建在线预测模型具有较高的预测性能,有一定的实用价值。     

基于改进GM(1,1)模型的导弹贮存可靠性预测方法

针对导弹系统技术复杂、贮存样本量受限、测试数据波动性较大等特点,结合装备的具体情况提出了基于改进GM(1,1)模型的导弹贮存可靠性预测方法。该方法首先利用"对数-幂函数变换"对导弹的历史可靠性数据进行处理,提高数据光滑度,然后依据GM(1,1)模型计算得到可靠性预测值和残差,再利用残差建立残差修正模型,得到残差修正值,减少残差对结果的影响,最后利用残差修正值修正可靠性预测值并还原,求得可靠性最终预测值。实例表明,该改进模型对导弹系统可靠性变化的描述比传统模型更加准确有效,预测结果精度更高,为导弹贮存可靠性预测分析提供了一种有效的改进方法,其算法设计推广性强,可作为其他装备寿命预估的重要工具。     

基于神经网络的螺丝表面缺陷检测

针对螺丝零件通常存在的缺陷检测问题,提出了一种基于神经网络螺丝表面缺陷检测方法。将SimAM注意力机制引入YOLOv7网络模型,用GIoU损失函数替换CIoU损失函数提高模型检测精度,在目标框位置预测过程中,引入Soft-NMS优化候选框选择方法,有效提升候选框位置选择的精度。实验结果表明,改进后的网络模型平均精度均值(mAP)达到98.9%,对小目标缺陷检测精度更高,误检漏检情况更少,可以有效满足螺丝表面缺陷检测要求。     

基于改进的不等时距灰色模型的车辆装备冷却系金属腐蚀预测

车辆装备冷却系金属腐蚀原因错综复杂,是一个多因子综合作用的灰色系统。针对传统UGM(1,1)模型所存在的缺陷,将背景值构造优化、新陈代谢思想应用2个方面相结合,提出了一种改进的不等时距灰色GM(1,1)模型(简称MUGM(1,1,λ)模型),并用于冷却系金属腐蚀预测。结果表明:所建立的MUGM(1,1,λ)模型的预测精度高,优于传统UGM(1,1)模型,并可用于中长期预测,具有良好的实用价值。     

基于遗传算法的无人机航迹规划代价函数

针对当前使用的无人机航迹规划代价函数的不足之处,提出一种利用遗传算法对无人机航迹规划代价函数进行优化的方法。对基本遗传算法进行了局部改进,设计了航迹极坐标编码方式及航迹适应度函数,在采用基本遗传操作算子的基础上采取精英保存策略,提高了算法的效率;采用代价归一化并进行优化的思想,得到优化之后的代价函数权重值。优化结果表明,该方法可以获得代价更低的航迹。     

改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。     

一种基于混沌粒子群改进的果蝇优化算法

针对基本果蝇算法在优化过程中收敛速度慢,无法解决复杂的优化问题,引入混沌搜索和粒子群算法(PSO)来修正基本果蝇算法(FOA)。利用混沌搜索初始化果蝇群位置,提高了初始解的随机性和遍历性,从而提高FOA初始种群的多样性;引入PSO算法以减少最优解更新过程中的盲目搜索;选取5种不同的非线性函数作为测试函数,并将改进后的果蝇算法(IFOA)与其他算法相比较,实验结果表明,IFOA的鲁棒性较强,且收敛速度与收敛精度有了明显的提高。     

混沌蝙蝠算法UAV网络控制系统故障诊断策略

针对总线条件下具有双通道多包传输的短时变时延无人机(Unmanned Aerial Vehicle,UAV)发动机控制系统,提出一种基于改进蝙蝠优化算法(Bat Algorithm,BA)的发动机故障检测算法,快速变化的延迟被认为是系统不确定性的一种。残差信号的传递函数与噪声和故障信号的传递函数之比用作目标函数。通过改进的Bat算法对其进行优化,以获得最佳的观察增益矩阵,使得该故障观测器系统不仅能够抑制噪声,而且对提升对故障敏感程度。最后将该方法在网络控制系统半物理平台上进行仿真,仿真结果说明所提出的方法能够同时抑制噪声信号和放大故障信号,从而提高了故障诊断的正确率,降低了虚警率。     

装备模拟电路UKF-WRNN软故障诊断

为提高装备模拟电路的软故障诊断能力,在构建多分辨率变换样本基础上,提出一种应用改进UKF算法训练小波RBF神经网络(WRNN)软故障诊断方法。它引入基于方差膨胀原理的自适应因子,改善UKF算法性能;并利用改进UKF算法优化估计WRNN参数,建立多分辨率变换样本集的故障诊断模型;再由所建模型对各种故障模式进行诊断判定。Sallen-Key带通滤波器的仿真测试表明,该方法收敛速度快,诊断准确率高,进而验证了其可行性和有效性。     

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。