[发明专利]火炮发射系统装置MA-BP神经网络的稳定性评估预测方法

权利要求书

1.火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，其特征在于：通过使用智能算法与BP人工神经网络和支持向量机的结合方式完成火炮发射装置的故障监测和稳定性预测，该方法包括BP神经网络预测部分和猴群算法MA优化部分；

两部分结合后具体步骤如下：

步骤一，进行击发数据输入和数据预处理；

步骤二，对炮口振动量进行预测确认；

步骤三，确定神经网络模型；

步骤四，初始化神经网络阈值和权值；

步骤五，通过所述的猴群算法MA优化部分进行神经模型的优化；

步骤六，确认并获取神经网络模型中最优权值和阈值；

步骤七，通过神经网络模型完成炮口振动量的预测结果。

2.根据权利要求1所述的火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，其特征在于：在步骤一中，所述的击发数据输入，是将身管初始温度T、击发次数n、击发速度w作为初始参数，形成初始参数组输入神经网络中。

3.根据权利要求2所述的火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，其特征在于：在步骤二和三中，所述的炮口振动量预测及BP神经网络，包含输入层、隐含层和输出层，其中所述的输入层中每一个节点都有着对应的步骤一中的输入参数；所述的隐含层节点用来连接输入层和输出层；输出层中每一个节点都有着对应的经模型处理后的输出参数；从输入层到隐含层以及隐含层到输出层均为传递矩阵。

4.根据权利要求3所述的火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，其特征在于：在步骤五中，所述的猴群算法MA优化部分将步骤四中炮口振动量初始化后的阈值和权值进行优化，具体优化步骤如下：

步骤五一，获取火炮发射装置稳定性相关参数形成的数据组；

步骤五二，使用带有稳定性预测功能的bp神经网络对相关参数进行预测，形成预测结果和误差参数；

步骤五三，将火炮发射装置击发稳定性预测权值和阈值参数作为初始参数，导入至火炮发射装置炮口振动预测猴群算法中作为初始火炮发射装置击发参数猴群；

步骤五四，进行爬山、观望和跳跃的遗传操作，形成新的火炮发射装置击发参数猴群，并计算火炮发射装置击发稳定性预测误差参数；

步骤五五，判断是否达到结束条件，若可以结束，将迭代后的火炮发射装置击发稳定性预测权值和阈值参数作为最优参数，导入带有稳定性预测功能的bp神经网络；若未结束，继续迭代直到达到结束条件；

步骤五六，进行火炮发射装置击发稳定性预测bp神经网络权值和阈值的更新，最终得到火炮发射装置在击发过程中实时稳定性预测的结果。

5.根据权利要求4所述的火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，其特征在于：猴子指构成猴群的一个基本单位，具体指训练或者测试的火炮发射装置击发参数样本，在步骤五四中，所述的遗传操作过程细化为：

步骤五四一，将火炮发射装置击发参数样本对应的猴子的位置标记；

步骤五四二，进行爬山过程，将火炮发射装置击发参数样本在一个特定区域内进行优化；

步骤五四三，进行观望过程，观望其他区域是否还有更优的位置来替代步骤五四一中猴子标记的位置；

步骤五四四，进行跳跃过程，让火炮发射装置击发参数样本对应的火炮发射装置击发参数样本对应的猴子离开当前区域，找到一个新的区域；

步骤五四五，最终当输出层节点几乎没有变化或者达到迭代最大次数时，停止迭代完成炮口振动量优化。

6.根据权利要求5所述的火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，其特征在于：所述的观望过程，具体在于爬山结束后，每一个火炮发射装置击发参数样本对应的火炮发射装置击发参数样本对应的猴子都已经达到各自区域的火炮发射装置炮口振动量预测权值和阈值的最优位置，观望其他区域判断是否还有更优的位置来替代自己的位置，复上述步骤，直到找到满足条件的最优解。