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。     

基于BP神经网络的装甲战斗车辆性能指标需求方案评价

针对现行评价方法存在的问题,本文提出了一种基于BP神经网络的装甲战斗车辆性能指标需求方案评价方法。首先给出了装甲战斗车辆性能指标需求方案评价的指标体系,然后阐述了基于BP神经网络的装甲战斗车辆性能指标需求方案评价步骤,最后给出示例证明了方法的可行性。研究表明,该方法能够降低评价过程中人为因素的影响,从而提高了装甲战斗车辆性能指标需求方案评价的准确性。     

在军民融合深度发展中推进民兵预备役工作体制改革

党的十八届三中全会公告（以下简称“公告”）指出“推动军民融合深度发展”,这是我们党站在国家安全和发展的战略高度,总结长期以来军民融合建设的经验,作出的重大战略决策。在军民融合深度发展中推进民兵预备役工作体制改革,就是最大限度地利用经济社会发展的成果,把民兵预备役工作更广泛、更深入、更具体地融入国家政治、经济和社会管理的改革之中,促进国防和经济建设的协调发展。     

基于改进粒子群算法的神经网络及其在核电站故障诊断中的应用

针对传统BP神经网络以及标准PSO算法神经网络在故障诊断过程中易出现收敛速度低及易陷入局部最优点的问题,提出了一种使用改进PSO(IM-PSO)算法进行训练的神经网络。该方法具有收敛速度快、不易陷入局部极小值的优点。使用该方法对核电站二回路凝给水系统的典型故障进行了诊断,诊断结果表明:该方法的性能优于传统BP算法和标准PSO算法,在复杂系统故障诊断领域具有很好的应用前景。     

群策群力共推民参军

推动军民融合深度发展,必须把国防科技工业寓于国家工业体系和国民经济发展之中,引导优势民企进入军品科研生产和维修领域,形成全社会共同参与军工建设的格局。在首届“民营企业高科技成果展览暨军民融合高层论坛”上,与会各界代表就民参军问题进行了深入的交流和思想观念的碰撞     

基于神经网络趋势预测的装甲车辆柴油机寿命预测

针对装甲车辆柴油机现有定期维修方式存在的"维修过剩"和"维修不足"的问题,提出了装甲车辆柴油机神经网络寿命预测步骤,运用主成分分析方法将多个柴油机状态参数简化为2个综合参数,利用插值法得到柴油机各个时刻的综合参数数据,并作为神经网络的训练数据和测试数据,建立了装甲车辆柴油机寿命预测模型。结果表明:该模型预测精度较高,具有一定的应用和推广价值,为实现装甲车辆柴油机状态维修提供了技术支撑。     

面向需求的无人机系统作战效能评估

为了给装备采办提供理论依据,建立了无人机系统效能评估的模型,该模型突出了作战任务需求和无人机系统特点,以综合效能和效费比为最终评估指标,按层次分别使用WESIAC、模糊质量功能部署和BP神经网络等方法计算节点的权重和取值.对典型无人机系统的分析计算,验证了模型的可行性和正确性.     

人工神经网络的装甲兵体系作战协同效果评估

针对基于信息系统的装甲兵体系作战中的协同问题,在综合分析装甲机械化部队体系作战协同过程及信息流程的基础上,构建了基于精确性、有序性、灵活性、时效性等原则的协同效果评估指标体系,采用基于人工神经网络的多指标综合评价方法,建立基于BP神经网络的综合评价模型,并结合实证分析,利用MATLAB软件进行仿真计算,为装甲兵体系作战协同效果评估提供了较好的途径,为装甲兵指挥员更加合理地组织信息化条件下体系作战协同提供决策依据.     

任务驱动下航材需求量的GA-GM-BP预测

机务保障影响着航空装备战斗力的生成,机务保障资源是任务成功率的物质支撑.基于航材需求信息的灰色性,通过采用DEMATEL方法提取影响航空备件需求量的关键影响因素,采用遗传算法优化的灰色神经网络对需求量进行了仿真预测,其预测精度较BP神经网络和灰色神经网络都高.该方法对于其他航空机务保障资源的需求预测有借鉴意义.     

钢质油罐罐底腐蚀预测模型研究与评价

钢质油罐在储存油料时不可避免地会受到严重腐蚀.为能够掌握罐底的腐蚀程度,提出了一种由灰色系统理论和BP人工神经网络相结合的方法建立预测模型,对钢质油罐罐底腐蚀情况进行了预测,并通过实例计算给出了评价.计算结果表明,预测值与实测值相差很小,尤其对油料腐蚀这种涉及较多因素的复杂过程,该方法具有明显的优越性;该模型克服了传统预测模型需建立函数的难题,且预测精度较高,具有较高理论与实际应用价值.