基于粒子群—神经网络的自动装填控制系统故障诊断的研究

发布时间：2021-10-22 15:53

　　自动装填控制系统是火炮自动供输弹系统的关键子系统，其性能的好坏将直接影响火炮的威力和自身的生存能力，而自动装填控制系统又是火炮上故障发生率较高的子系统之一，故如何预防其故障的发生对火炮的总体作战效能将起到至关重要的作用。随着军事装备系统结构的复杂化，采用传统的故障诊断方法已经很难满足自动装填控制系统故障诊断的精度需求。为了保证自动装填装置能够在规定的时间内和复杂的工作环境下完成预期的功能，本文采用混沌粒子群优化神经网络的方法对某火炮的自动装填控制系统的故障诊断进行了实验性的研究。首先，介绍了自动装填系统的国内外发展现状以及对其进行故障诊断的重大意义。分析了自动装填系统的组成及其动作顺序，研究了自动装填控制系统的硬件组成和软件设计模块。根据自动装填控制系统的工作原理，统计分析了自动装填系统的主要故障模式。其次，研究了粒子群优化算法和神经网络相结合的可行性及其基本原理，并使用粒子群优化算法对BP神经网络的权值和阈值进行优化。粒子群优化算法具有简单、易于实现、没有太多调整参数等特点，但其在后期的优化过程中种群的多样性逐渐降低，导致停滞早熟等现象的发生。故本文对粒子群优化算法进行了改进，将混沌... 

【文章来源】：中北大学山西省

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题立论依据
        1.1.1 课题背景及科学依据
        1.1.2 课题研究目的与意义
    1.2 自动装填系统诊断技术的国内外研究现状
        1.2.1 自动装填系统的发展动态
        1.2.2 故障诊断技术的研究现状
    1.3 粒子群优化算法的研究现状
    1.4 粒子群优化神经网络算法的可行性分析及研究现状
    1.5 论文的主要研究工作和结构安排
2 自动装填控制系统故障诊断分析
    2.1 自动装填控制系统基本概述
    2.2 自动装填控制系统的硬件组成
    2.3 自动装填控制系统的软件设计
    2.4 自动装填控制系统故障统计分析
    2.5 本章小结
3 粒子群优化算法理论
    3.1 原始粒子群优化算法
        3.1.1 算法原理
        3.1.2 算法的数学描述
        3.1.3 算法的流程
    3.2 标准粒子群优化算法
        3.2.1 带惯性权重的粒子群优化算法
        3.2.2 带收缩因子的粒子群优化算法
    3.3 粒子群优化算法参数选取的分析
    3.4 粒子群优化算法的优点和局限性
    3.5 粒子群优化算法的改进
    3.6 本章小结
4 粒子群优化神经网络模型的建立
    4.1 人工神经网络概述
        4.1.1 人工神经网络的基本模型
        4.1.2 人工神经网络的分类和学习
        4.1.3 人工神经网络的优势及应用
    4.2 BP 神经网络基础
        4.2.1 BP 网络基本模型
        4.2.2 BP 网络隐含层个数的确定
        4.2.3 BP 网络算法的不足及改进
    4.3 粒子群优化 BP 网络算法原理
    4.4 本章小结
5 粒子群优化 BP 网络算法在自动装填控制系统故障诊断中的实现
    5.1 前言
    5.2 BP 网络用于故障诊断中的流程
    5.3 粒子群优化 BP 网络故障诊断算法的实现
        5.3.1 BP 网络故障诊断系统的构建
        5.3.2 BP 网络的训练与测试样本
        5.3.3 BP 学习算法训练结果
        5.3.4 粒子群优化 BP 网络算法训练结果
        5.3.5 混沌粒子群优化 BP 网络算法训练结果
        5.3.6 各种算法及其测试结果的比较
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢


【参考文献】：
期刊论文
[1]基于BP神经网络的风电功率预测[J]. 郭琦,鲍金春,宋继光.  电源技术应用. 2011(06)
[2]基于混沌PSO-BP混合算法的神经网络[J]. 孟非,潘朋朋.  计算机仿真. 2011(02)
[3]BP神经网络在化探数据分类中的应用[J]. 阴江宁,肖克炎,李楠,邹伟.  地质通报. 2010(10)
[4]基于模糊理论的装甲车辆自动装弹机故障树分析[J]. 汪名杰,杨玲.  兵工自动化. 2010(05)
[5]改进PSO-BP神经网络在变压器故障检测中的应用[J]. 熊忠阳,杨青波,张玉芳.  计算机应用. 2010(03)
[6]基于小波神经网络的模拟电路故障诊断研究[J]. 韩宝如,吴恒玉,黄果.  电子质量. 2009(10)
[7]基于模糊故障树理论的旋转输弹机故障诊断研究[J]. 王国辉,孙正民,刘罕杰.  计算机测量与控制. 2009(06)
[8]基于故障树的智能故障诊断方法[J]. 倪绍徐,张裕芳,易宏,梁晓锋.  上海交通大学学报. 2008(08)
[9]粒子群优化的BP网络学习算法研究及应用[J]. 潘昊,韩小雷.  计算机工程与应用. 2008(09)
[10]自动装弹机电控系统故障诊断专家系统[J]. 张振山,丁宝成,赵俊严.  计算机测量与控制. 2008(02)

博士论文
[1]基于粒子群优化的齿轮箱智能故障诊断研究[D]. 魏秀业.中北大学 2009
[2]粒子群优化算法的理论及实践[D]. 张丽平.浙江大学 2005

硕士论文
[1]协同进化PSO算法优化RBF网络在齿轮箱故障诊断中的应用[D]. 孟艳.中北大学 2011
[2]基于粗糙集—神经网络的自动装填控制系统的检测与诊断[D]. 王丹.中北大学 2011
[3]火炮自动供输弹系统故障诊断技术研究[D]. 王红玲.中北大学 2010
[4]某自动装填装置故障诊断专家系统研究[D]. 汪学渊.中北大学 2009
[5]某火炮输弹机定位控制技术的研究[D]. 任丽娟.中北大学 2007



本文编号：3451413