針對實裝試驗難以實現(xiàn)某型反裝甲武器系統(tǒng)全樣本條件下的打擊效果預測,提出一種基于梯度搜索技術的改進BP神經(jīng)網(wǎng)絡的反裝甲武器系統(tǒng)打擊效果模型,建立影響預測結果的影響因子量化值和目標靶車打擊效果的量化值之間的對應關系,利用作戰(zhàn)試驗歷史數(shù)據(jù)作為樣本訓練模型,最后以某次真實試驗結果檢驗模型。結果表明,打擊效果預測值與真實值吻合較好,BP神經(jīng)網(wǎng)絡可實現(xiàn)對該武器系統(tǒng)對靶車打擊效果進行有效預測,可為火力打擊方案制訂、作戰(zhàn)試驗方案評估、訓練效果評估等提供決策依據(jù)。 

【文章來源】：兵器裝備工程學報. 2020,41(08)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

打擊效果隨射程變化曲線

步驟1:收集樣本，設計網(wǎng)絡結構。收集和處理試驗樣本案例，將影響因子量化值作為神經(jīng)網(wǎng)絡預測模型的輸入向量X=(X1,X2,X3，…，X1);將打擊效果預測量值作為神經(jīng)網(wǎng)絡的輸出O，將樣本打擊效果的實際值作為期望Y^。確定BP神經(jīng)網(wǎng)絡的基本結構，包括隱含層的層數(shù)和神經(jīng)元的個數(shù)，選取訓練函數(shù)和激勵函數(shù)。步驟2:設置神經(jīng)元間連接權系數(shù)和神經(jīng)元閾值初始值。對神經(jīng)元間連接權系數(shù)和神經(jīng)元閾值進行初始化，隨機取[-1,1]之間的值(其中權重極值1表示正相關，-1表示負相關)，所有節(jié)點參數(shù)的變化量和學習率變化量初始化為0，設置初始學習率初始值和誤差容許值Rallow。

假設相鄰兩層節(jié)點之間一一連接，同層節(jié)點之間無連接。其中，n表示節(jié)點j的輸入節(jié)點數(shù)，xi是第i個輸入節(jié)點的輸出值，神經(jīng)網(wǎng)絡中輸入層的輸入到輸出一般不做運算所以xi等于Xi,wji是輸入層第i個節(jié)點到下一層第j個節(jié)點的連接權系數(shù)值，θj表示閾值。神經(jīng)元節(jié)點連接關系如圖3所示。步驟4:計算下一次迭代的連接權值修正量。在每次迭代運算中，神經(jīng)網(wǎng)絡將已知輸出(即目標打擊效果的真實結果Oj)與計算輸出進行比對，計算輸出誤差:

【參考文獻】：
期刊論文
[1]營配調末端融合的供電綜合風險預警模型[J]. 樊磊,周永超,賀蓉,郭成濤,趙軼.  電網(wǎng)與清潔能源. 2019(09)
[2]基于改進ACO-BP算法的彈藥貯存可靠性評估[J]. 劉芳,王宏偉,宮華,許可.  兵器裝備工程學報. 2019(04)
[3]一種改進的軍事訓練效果定性評估指標量化方法[J]. 王睿,姜寧.  指揮控制與仿真. 2018(04)
[4]基于BN-and-BP神經(jīng)網(wǎng)絡融合的陸空聯(lián)合作戰(zhàn)效能評估[J]. 周興旺,從福仲,龐世春.  火力與指揮控制. 2018(04)
[5]基于數(shù)據(jù)融合的某型裝備品質狀態(tài)評估[J]. 安進,徐廷學,李志強,朱桂芳.  兵器裝備工程學報. 2017(06)
[6]基于動態(tài)BP神經(jīng)網(wǎng)絡的惡意代碼同源性分析[J]. 葛雨瑋,康緋,彭小詳.  小型微型計算機系統(tǒng). 2016(11)
[7]基于BP神經(jīng)網(wǎng)絡的水電工程定額編制模型研究[J]. 郭琦,何湘君.  人民長江. 2016(05)
[8]復合故障診斷技術綜述[J]. 張可,周東華,柴毅.  控制理論與應用. 2015(09)
[9]三層模型的BP網(wǎng)絡在GNSS高程擬合中的應用研究[J]. 譚立萍,馬穎異,陳永生,馬洪濱.  測繪通報. 2015(08)
[10]基于神經(jīng)網(wǎng)絡的長桿彈侵徹能力預測模型[J]. 王海寬,李文生,熊飛.  計算機仿真. 2015(02)

博士論文
[1]基于神經(jīng)網(wǎng)絡的不平衡數(shù)據(jù)分類方法研究[D]. 楊澤平.華東理工大學 2015

碩士論文
[1]水上交通氣象災害風險評估模型的研究[D]. 李玲.湖南師范大學 2019
[2]基于BP神經(jīng)網(wǎng)絡的車載設備故障診斷與預測研究[D]. 吳淵.北京交通大學 2016



本文編號：3530214