RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.     

装备故障诊断和预测技术综述

结合故障诊断与预测技术的国内外研究现状,综述了故障诊断和预测的完整性认知模型,并以此对蓬勃发展的故障诊断和故障预测技术进行了分类与综合分析。同时针对故障的不确定性特征,对故障诊断和预测技术的性能要求、定量评价与验证方法进行了分析。最后,分别从实际应用及扩展的四个方面提出了故障诊断、预测,以及PHM技术未来发展的几个问题。     

灰色GM(1,1)模型在电子装备寿命预测中的应用

介绍了传统装备可靠性试验数据评估的不足,为此根据灰色预测的基本原理,用GM(1,1)模型并通过精度修正,给出了实际应用中的预测方法.最后通过具体实例,对电子装备未来可能发生故障的范围进行了预测,取得令人满意的结果,从而证明了该预测方法能为装备的维修保养提供重要的数据支持,对研究武器装备的可靠性具有重大现实意义.     

GM(1,1)模型在装备备件订购中的应用

分析了武器装备备件订购决策的目标和常用方法,并运用灰色理论GM(1,1)模型及关联度分析法,提出了在军用备件订购工作中费用目标预测的应用方法,以及提高预测精度的措施。     

基于Kalman滤波对运动目标状态最优预测

给出了运动目标状态空间表达式,Kalman滤波递推公式及算例,实现了目标状态的滤波及预测,对于提高打击运动目标的精度,缩短火力反应时间及简化指挥程序具有较强的实践意义。     

一种用于大闭环火控系统的脱靶量预测模型

本文以一组靶场试验数据为依据,分析了文献[1]——[6]中介绍的闭环校正算法在小样本多步预测时存在的问题,对靶场试验数据进行了统计分析,针对小样本多步预测问题建立了简单实用的脱靶量预测模型,并用不同的模型对靶场数据进行了仿真计算。结果表明,新模型对小样本多步预测问题是适用的。     

谈战争财力消耗的科学预测

战争财力消耗的科学预测,可为战争财力准备、编制作战经费预算以及作战经费支出总结等提供依据。预测战争财力消耗,应充分考虑预测范围的全局性、预测因素的重要性,以及预测方法的简便性。在具体方法上,应合理设计预测模型,建立系统数据库,并开发系统功能模块。     

基于PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...