基于BP神经网络的身管磨损量监测系统设计

发布时间：2021-11-15 15:08

　　针对火炮身管烧蚀磨损给射击精度带来的重要影响,设计了基于BP神经网络的身管烧蚀磨损量动态监测系统。采用C语言编程,将BP算法模型应用应用到单片机当中,完成了对身管烧蚀磨损量的计算,并设计了相关外围电路,实现了对身管烧蚀磨损量的自动监测、LCD显示以及与上位机的数据通信功能。该系统综合了单片机和BP神经网络的优点,实现了智能算法与硬件设备的有效融合,可对身管的烧蚀磨损量进行实时的动态监测,可为后续对于身管烧蚀磨损造成初速减退量的修正提供参考。 

【文章来源】：兵器装备工程学报. 2020,41(06)北大核心

【文章页数】：6 页

【部分图文】：

监测系统设计框图

研究表明三层BP神经网络能够用相应的输入向量和输出向量逼近任何有理函数[4]，故采用3层BP神经网络模型结构，层与层之间为全互连方式，同一层单元之间不存在相互连接[5]。通过对采集到的身管全寿命周期内的3个不同弹种射弹数目和烧蚀磨损量之间的数据进行训练，建立了预测模型，最终构建的BP神经网络模型拓扑结构如图2所示。网络拓扑结构为3-6-1，即输入层神经元个数为3个，分别为穿甲弹、破甲弹和榴弹的射弹数目，隐含层神经元个数为6个，输出层神经元为1个，代表身管的烧蚀磨损量。该网络模型经检验数据检验，预测精度的平均相对误差为1.358%，符合设计要求，可以用作身管烧蚀磨损量的预测。其中，X1、X2、X3是指坦克炮常用的3个弹种穿甲弹、破甲弹和榴弹的射弹数目。

确定BP神经网络结构后，BP神经网络训练过程曲线如图3所示。网络经过53次训练，收敛到要求精度0.000 1，此时，已获得训练成功的BP神经网络，表明该BP网络已具备预测能力。1.3 工作原理

【参考文献】：
期刊论文
[1]基于小波分析和神经网络的便携式哮喘病监测系统的校准研究[J]. 郭珊山,吴朝晖,汪庆,李斌.  电子设计工程. 2017(21)
[2]基于BP神经网络的原油持水率检测仪[J]. 李锐,熊杰.  仪表技术与传感器. 2017(10)
[3]基于BP神经网络的钢丝绳断丝损伤定量检测系统的设计[J]. 田志勇,谭继文.  工矿自动化. 2010(09)
[4]基于MSP430单片机的高精度压力变送器[J]. 张建军,李颀,丁明东,庞兴.  仪表技术与传感器. 2010(01)
[5]基于MSP430单片机和神经网络的原油三相计量装置[J]. 杨理践,刘金凤,高松巍.  石油工业技术监督. 2008(05)
[6]基于MSP430单片机和神经网络的气体浓度检测仪[J]. 李广义,张伟,李民强,刘锦淮.  仪表技术与传感器. 2006(02)
[7]人工神经网络在ARM平台上的应用[J]. 倪天龙.  单片机与嵌入式系统应用. 2005(05)



本文编号：3497011