本文關(guān)鍵詞：基于離散過(guò)程神經(jīng)網(wǎng)絡(luò)的裝備技術(shù)狀態(tài)預(yù)測(cè)方法

  更多相關(guān)文章： 混沌粒子群算法 技術(shù)狀態(tài)預(yù)測(cè) 離散過(guò)程神經(jīng)網(wǎng)絡(luò) 空間聚合

【摘要】：針對(duì)傳統(tǒng)預(yù)測(cè)方法無(wú)法綜合分析多維參數(shù)中存在的空間聚合及時(shí)間累積效應(yīng)的問(wèn)題,該文利用離散過(guò)程神經(jīng)網(wǎng)絡(luò)對(duì)裝備技術(shù)狀態(tài)多維參數(shù)進(jìn)行預(yù)測(cè)。針對(duì)網(wǎng)絡(luò)訓(xùn)練中存在的易獲得局部最優(yōu)解的問(wèn)題,利用混沌粒子群算法對(duì)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程進(jìn)行了優(yōu)化。在此基礎(chǔ)上,以某裝備傳動(dòng)箱油液數(shù)據(jù)預(yù)測(cè)為例對(duì)該預(yù)測(cè)方法的有效性進(jìn)行了驗(yàn)證,優(yōu)于其他同類預(yù)測(cè)方法。
【作者單位】： 裝甲兵工程學(xué)院技術(shù)保障工程系;
【關(guān)鍵詞】： 混沌粒子群算法 技術(shù)狀態(tài)預(yù)測(cè) 離散過(guò)程神經(jīng)網(wǎng)絡(luò) 空間聚合
【基金】：部級(jí)基金
【分類號(hào)】：TP183
【正文快照】： 技術(shù)狀態(tài)是反映裝備實(shí)時(shí)質(zhì)量狀況的重要指標(biāo)。準(zhǔn)確預(yù)測(cè)裝備在未來(lái)時(shí)刻的技術(shù)狀態(tài),不僅有利于評(píng)估裝備任務(wù)成功性,而且能夠?yàn)榫S修決策提供可靠依據(jù)。裝備技術(shù)狀態(tài)劣化規(guī)律與其影響因素之間存在著高度復(fù)雜的非線性時(shí)變關(guān)系,其技術(shù)狀態(tài)參數(shù)既依賴于多因素的空間聚合,又與時(shí)變因素

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 梁英;;生產(chǎn)裝置的現(xiàn)代化與自動(dòng)化儀表裝備技術(shù)的動(dòng)向[J];儀表工業(yè);1983年06期

，

本文編號(hào)：613319