基于深度学习的大口径火炮健康管理系统研究

发布时间：2022-02-15 20:23

　　大口径火炮可以用最小的代价对敌人造成最大范围的行动限制,是战场上十分关键的火力压制武器,但是由于其工作环境严酷,大口径火炮在执行任务时表现十分不稳定。基于大口径火炮健康管理系统研究项目,在做好对大口径火炮工作状态实时监测与记录的同时,结合专家分析等健康管理手段,提出基于深度学习的大口径火炮故障预测与分析设计思路,利用深度置信网络无监督的高效特征提取能力和多层感知机有监督的数据分类能力,建立故障预测深度学习模型,实现对大口径火炮故障状态的预测,为大口径火炮的预先维护保养提供技术支持,从而提高大口径火炮的可靠性。 

【文章来源】：计算机工程与科学. 2020,42(11)北大核心CSCD

【文章页数】：9 页

【文章目录】：
1 引言
2 总体设计与数据处理实现
    2.1 中央处理功能
    2.2 过程回放功能
    2.3 数据导出功能
    2.4 电子履历功能
3 深度学习方法概述
    3.1 多层感知机(MLP)工作原理
    3.2 深度置信网络(DBN)工作原理
4 DBN-MLP故障预测模型
    4.1 模型设计
        (1)DBN网络预训练。
        (2)DBN网络全局微调。
        (3)MLP网络参数设置。
        (4)MLP网络训练。
        (5)深度学习网络检验。
    4.2 数据选择与处理
    4.3 故障预测网络训练
    4.4 实验结果
5 结束语


【参考文献】：
期刊论文
[1]面向实时应用的深度学习研究综述[J]. 张政馗,庞为光,谢文静,吕鸣松,王义.  软件学报. 2020(09)
[2]人工智能领域关键技术的发展[J]. 靳芳.  电子技术与软件工程. 2019(22)
[3]深度学习在旋转机械设备故障诊断中的应用研究综述[J]. 吴春志,冯辅周,吴守军,陈汤,王杰.  噪声与振动控制. 2019(05)
[4]One-Hot编码在学生选课数据分析中的应用研究[J]. 张戈.  网络安全技术与应用. 2019(10)
[5]基于MLP改进型深度神经网络学习资源推荐算法[J]. 樊海玮,史双,张博敏,张艳萍,蔺琪,孙欢.  计算机应用研究. 2020(09)
[6]减小火炮内膛烧蚀和磨损的有效方法[J]. 徐鸿雷,张健,姜华,柳燕,朱序,徐宇航,赵明波.  国防制造技术. 2018(01)
[7]大口径火炮发射过程炮架振动的主动抑制技术[J]. 王琼林,李强,苟兵旺,张江波,贾永杰.  火炸药学报. 2017(06)
[8]基于深度学习的缓变故障早期诊断及寿命预测[J]. 周福娜,高育林,王佳瑜,文成林.  山东大学学报(工学版). 2017(05)
[9]基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断[J]. 时培明,梁凯,赵娜,安淑君.  中国机械工程. 2017(09)
[10]深度学习在故障诊断中的研究综述[J]. 刘林凡.  新型工业化. 2017(04)

硕士论文
[1]火炮状态诊断与应急处理方法研究[D]. 曹亭.南京理工大学 2013
[2]自行火炮故障智能诊断与预测系统设计[D]. 邓志江.南京理工大学 2007



本文编号：3627210