导弹贮存可靠性评定研究

导弹贮存可靠性是一项重要的战术技术指标。通过分析贮存期评定方案,评定的类别,贮存失效的判据及失效评定的方法基础上,分析导弹贮存判定需要的相关途径。     

基于成败型数据的导弹贮存可靠性试验方法研究

导弹贮存期间的可靠性是导弹的一项重要指标,是用来保证导弹在规定的贮存期内能正常使用的能力.论文依据某型导弹的贮存可靠性要求,分析了贮存可靠性试验对于导弹使用的重要性,列举了常用可靠性贮存试验的种类,并在现场贮存试验的基础上给出了一种具体的贮存可靠性试验实施方案用于对贮存可靠性进行验证.     

基于模糊Bayes估计的贮存可靠性分析

导弹在贮存过程中,可用的故障数据量少,无故障贮存时问存在模糊性,具体的故障时间难以准确确定.为此,引入模糊Bayes理论进行导弹贮存可靠性的分析,建立了导弹贮存可靠性预测模型.利用某2型导弹在贮存期间的测试故障数据,对贮存可靠度指标进行了定量计算.结果表明,该模型能够迅速得出其贮存可靠性随时间的变化规律,提高这2型导弹的可靠性量化管理水平.     

基于BP神经网络的水上交通事故预测研究

本文分析了影响宏观水上交通事故的因素,论述了基于BP神经网络的水上交通事故预测模型的建模过程。通过实例分析,该模型作为水上交通事故预测是可行的。     

鱼雷贮存可靠性仿真方法

鱼雷各舱段的贮存可靠性服从多种类型分布,传统的求解方法很难奏效,因此,采用仿真方法对其贮存可靠性进行计算是十分必要的。通过建立鱼雷可靠性模型,并根据鱼雷各舱段失效信息,分别运用Monte Carlo法与Simulink对鱼雷贮存可靠性进行仿真研究,获得鱼雷贮存可靠性各指标的点估计值与变化规律。结果表明,2种仿真方法结果基本一致,符合实际,但各有优缺点。对鱼雷贮存可靠性仿真研究,应该综合运用Mente Carlo法与Simulink仿真方法,以达到扬长避短、互为补充的目的。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

基于BP神经网络的武汉港货物吞吐量预测

港口吞吐量是港口设施和经营管理水平的综合性反映。本文从BP神经网络原理入手,构建影响港口货物吞吐量的因素与货物吞吐量间的预测模型,并对武汉港货物吞吐量进行了预测,得到了较好的预测结果。     

基于小波神经网络的船用动力系统可靠性预测与分析

目前我国不少远洋船舶使用的动力系统,基本以电控柴油机为主,电控柴油机以其性能稳定、操作方便、精确控制等优势成为了当今船用领域研究热点之一,并在全球范围内的船舶上得到了普及。但是由于其起步较晚,电控柴油机还存在着许多问题亟待解决,比如如何预测其动力系统的可靠性,降低电控柴油机常见故障发生几率,如何有效降低各种事故。是本文的研究目。本文以某远洋船舶为例,基于小波神经网络(WNN)对其船用动力系统可靠性进行预测与分析,旨在协助操作人员更好地维护和保养船舶装置,提升船舶的使用寿命。     

基于BP神经网络的船闸基坑变形预测方法

船闸基坑开挖改变了地层中的原始应力状态,造成临近地面及临近建筑物产生变形。对基坑临近地面及建筑物变形进行预测,以选择经济合理的支护措施尤为重要。依托实际船闸基坑工程,考虑粘聚力、内摩擦角、弹性模量、基坑深度、放坡坡率以及地下水因素共同作用,采用有限元软件Midas GTS/NX对各因素通过正交设计后的基坑施工工艺组合开展了数值模拟,得到了不同组合下基坑临近地面不同位置处的变形特征。基于BP神经网络理论,建立了滨海地区船闸基坑无支护情况下开挖时临近地面变形的三层结构(7-7-1)神经网络预测模型。利用得到的179组基坑沉降数据对模型进行训练,21组数据对模型进行验证。结果表明,模型能够很好地对滨海地区基坑临近地面沉降进行预测。该方法可为类似工程支护措施设计提供参考。     

基于BP神经网络技术的区域物流需求量预测

区域物流需求预测是区域物流系统规划、物流资源合理配置过程中的重要环节,而区域经济是产生区域物流需求的内在决定性因素,因此寻求利用区域经济指标来预测区域物流需求具有较强的可行性,同时能够促使区域物流产业与区域经济之间的协调发展。此外,还揭示了区域经济与区域物流需求之间的非线性映射关系,同时也为区域物流需求预测提供了一种新的思路和方法.本文利用BP神经网络对湖北省物流需求进行预测,并取得了较好的预测结果。     

基于神经网络的外贸集装箱生成量预测

分析了影响外贸集装箱生成量的主要因素,利用BP神经网络技术,构建外贸集装箱生成量的预测模型,并应用浙江省数据为实例进行验证.准确预测地区的外贸集装箱生成量,引导该区域港口等集装箱运输设施合理布局.     

基于BP神经网络模型下的桩群阻力预测

在30m长、3m宽、0.26m深的循环水槽中,应用阻力相似理论进行物理模型桩群模拟,以试验中的实测桩群阻力数值作为期望值,建立基于BP神经网络的桩群阻力预测模型。应用该模型进行桩群阻力预测,通过对比实测数据,发现预测值相对误差很小,预测结果合理可信。由此可以认为,以物理模型试验数据为基础,依托神经网络进行桩群阻力预测的方法值得推广和探讨。     

基于BP神经网络的横向受荷桩承载力预测

为研究横向受荷桩的承载性状,基于BP神经网络对其承载力进行预测。选取桩径、桩入土深度、荷载的偏心距、土的不排水抗剪强度作为神经网络的输入,得出黏土中横向受荷桩承载力的BP神经网络预测模型,发现训练BP神经网络时,桩承载力的拟合值与实测值的相对误差平均值为4.54%;检验BP神经网络时,桩承载力的预测值与实测值的相对误差平均值为5.39%。结果表明,建立的基于BP神经网络的黏土中横向受荷桩承载力预测模型是可行的。     

BP神经网络在船舶运动估计中的应用

船舶运动估计在船舶安全、船舶节能等方面有着重要作用。本文给出一种基于BP神经网络的船舶运动估计方法。BP神经网络具有较强的自学习与自适应能力,通过把改进的BP神经网络模型应用到船舶运动估计中,实现了对船舶动态信息的准确预测。     

金属疲劳裂纹扩展速率的贝叶斯正则化BP神经网络预测

人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力。将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能。计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力。同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力。研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的。并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报。     

基于BP神经网络算法及推导的研究

介绍BP神经网络算法原理,就算法推导过程做出重点分析,给出构造BP网络模型的一般步骤以及该算法在曲线曲面函数逼近中的应用实例.实验表明,BP神经网络在曲线曲面函数中具有很好的逼近能力,训练后的模型具有较高的精度.     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

一种基于BP神经网络的潜艇自动舵探讨

针对潜艇自动舵的控制特点和要求,利用BP神经网络的学习和逼近功能,设计了潜艇自动舵的多输入、多输出自动舵控制模型,并对其训练后加入到潜艇运动模型中进行了仿真测试。仿真结果表明,该控制器具有理想的控制效果。     

基于BP神经网络的舰船维修成本估计

舰船维修成本估计直接影响舰船企业的运营效益,针对当前舰船维修成本估计方法存在的一些局限性,以延长舰船寿命,提出基于BP神经网络的舰船维修成本估计方法。首先介绍当前舰船维修成本估计研究现状,找到当前各种舰船维修成本估计方法的不足,然后在此基础上依据舰船维修成本变化特点,引入BP神经网络建立舰船维修成本估计模型,最后通过Matalab2017平台实现了舰船维修成本估计仿真实验。相对当前其他的舰船维修成本估计方法,BP神经网络可以更好地跟踪舰船维修成本变化特点,不仅舰船维修成本估计精度高,而且舰船维修成本估计建模时间短,为解决复杂多变的舰船维修成本估计问题提供了一种新的方法。     

基于BP神经网络的船舶航迹控制技术

航海战舰规模的扩大使船舶航迹的控制变得越来越困难、复杂。为了实现船舶航迹控制,采用新的控制技术,根据神经网络及船舶航迹的相关理论和BP神经网络的船舶航迹控原理,对BP神经网络的船舶航迹控制进行计算和航迹设计实现,通过模拟仿真得出各种海情条件下的船舶航迹控制比较图,对我国航海战舰控制航迹有一定的指导意义。