[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

说明书

本发明提出一种火炮发射系统装置MA‑BP神经网络的稳定性评估预测方法，尤其涉及通过MA‑BP神经网络进行火炮发射系统装置稳定性评估及预测，属于军事舰载应用领域，目的是解决现有技术中无法及时确定火炮发射装置的作战稳定性及稳定性预测的问题。该方法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，包括BP神经网络预测和猴群算法MA优化两部分；发明将智能算法和人工智能手段融入至仿真中填补了人工智能在舰载武器上的应用较少；另外在通过本发明火炮发射装置的设计及计算应用，保证了炮口振动量并实现完成机械补偿装置，从自动化角度提高毁伤概率和性能。

技术领域

本发明是一种火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，尤其涉及通过MA-BP神经网络进行火炮发射系统装置稳定性评估及预测，属于军事舰载应用领域。

背景技术

在当代大数据环境下，使用神经网络智能算法，具有实时性好和自学习功能，方便数值仿真和实验拟合，以及对结果进行对比验证分析，可以有效改善系统故障评测和系统工作性能，极大提高火炮发射装置在作战期间的实际效能。在信息传递分析及利用吸收的全链条过程中，智能算法对生活提供了非常多的帮助。比较成功的神经网络例如20世纪发现的bp神经网络和支持向量机等等，均可以对输入参数组进行预测和分类功能。并且基于上述的计算方法，发现了其收敛性较差、迭代速度慢等缺点，国内外的专家们研究了很多的智能算法，以遗传算法、粒子群算法、猴群算法、鱼群算法等仿生算法为代表。

相对于传统的做法，仿生算法解决了传统做法的必须要人工处理数据的自动化不足问题、人为误差产生导致的准确性差等问题。因此在面对高射速火炮发射装置击发稳定性的预测问题及故障监测问题，面对多种类型的数据需要处理并对典型故障和实时稳定性分析等条件，使用仿生智能算法对bp神经网络进行优化并对火炮发射装置的击发稳定性进行预测诊断，以解决射速火炮发射装置击发稳定性预测及故障监测系统的准确性、快速性，以便于实际上舰使用，提高火炮发射装置的性能和稳定性。

发明内容

为了解决无法及时确定火炮发射装置的作战稳定性及稳定性预测的问题，本发明公开了火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，本发明的具体方案如下：

火炮发射系统装置MA-BP神经网络的稳定性评估预测方法，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；

将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。

进一步地，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。

进一步地，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。

进一步地，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：