当前位置:主页 > 科技论文 > 自动化论文 >

基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模与预测

发布时间:2018-03-13 07:19

  本文选题:兵器科学与技术 切入点:果蝇算法 出处:《兵工学报》2017年01期  论文类型:期刊论文


【摘要】:机枪枪管初速衰减预测是一个复杂的非线性问题。广义回归神经网络方法被广泛应用于非线性问题的建模,但其平滑因子取值对神经网络的预测性能有较大影响。采用果蝇算法对广义回归神经网络的参数进行优化选取,提出了基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模方法。基于机枪枪管初速衰减试验数据,建立在不同使用环境下随着累计射弹量的增加,以初速降为特征量的机枪枪管初速衰减预测模型,预测结果与试验结果基本一致,证实了所提方法的可行性。通过与未经优化的广义回归神经网络方法和反向传播神经网络方法建立的预测模型进行比较,其性能明显优于另外两种方法,验证了基于果蝇算法优化的广义回归神经网络方法在建立机枪枪管初速衰减模型中的有效性。
[Abstract]:The prediction of the initial velocity attenuation of machine gun barrel is a complicated nonlinear problem, and the generalized regression neural network (GRNN) method is widely used to model the nonlinear problem. However, the smoothing factor value has a great influence on the prediction performance of neural network. The parameters of generalized regression neural network are optimized by using Drosophila algorithm. A modeling method for the initial velocity attenuation of machine gun barrel based on generalized regression neural network based on Drosophila algorithm is proposed. Based on the experimental data of the initial velocity attenuation of machine gun barrel, the model is established with the increase of accumulative projectile quantity in different application environments. The prediction model of the first velocity attenuation of machine gun barrel, which is characterized by the initial velocity drop, is in good agreement with the experimental results. The feasibility of the proposed method is confirmed. Compared with the prediction model established by the unoptimized generalized regression neural network method and the backpropagation neural network method, the performance of the proposed method is obviously superior to that of the other two methods. The effectiveness of the generalized regression neural network method based on Drosophila algorithm in establishing the model of the initial velocity attenuation of machine gun barrel is verified.
【作者单位】: 南京理工大学机械工程学院;
【基金】:国家自然科学基金项目(51575279)
【分类号】:TJ203.1;TP18

【参考文献】

相关期刊论文 前7条

1 王英博;聂娜娜;王铭泽;李仲学;;修正型果蝇算法优化GRNN网络的尾矿库安全预测[J];计算机工程;2015年04期

2 王海军;涂凯;闫晓荣;;基于果蝇优化算法的GRNN模型在边坡稳定预测中的应用[J];水电能源科学;2015年01期

3 方峻;吴华晴;;融合理论退化模拟与试验数据的身管寿命预测[J];机械科学与技术;2014年10期

4 单永海;张军;王全正;尹忱;;机枪身管常温综合寿命试验技术研究[J];兵工学报;2013年01期

5 张军;单永海;曹殿广;郑玉新;葛欣鑫;;基于最小二乘支持向量机的机枪加速寿命建模[J];兵工学报;2012年01期

6 潘文超;;应用果蝇优化算法优化广义回归神经网络进行企业经营绩效评估[J];太原理工大学学报(社会科学版);2011年04期

7 陈国利;韩海波;于东鹏;;BP神经网络的身管寿命预测方法[J];火力与指挥控制;2008年09期

【共引文献】

相关期刊论文 前10条

1 王友卫;凤丽洲;朱建明;;基于维度分区的果蝇优化新算法[J];计算机科学;2016年12期

2 郭晓东;王丽芳;张学良;;基于自适应步长的果蝇优化算法[J];中北大学学报(自然科学版);2016年06期

3 易怀军;刘宁;张相炎;丁传俊;;基于优化的非等间隔灰色理论和BP神经网络的身管磨损量预测[J];兵工学报;2016年12期

4 林晓佳;;基于果蝇优化广义回归神经网络的径流预测[J];重庆科技学院学报(自然科学版);2016年06期

5 赵晓军;刘成忠;胡小兵;;基于果蝇优化算法的PID控制器设计与应用[J];中南大学学报(自然科学版);2016年11期

6 齐玉辉;杨明华;单永海;徐诚;;典型使用条件对大口径机枪枪管寿命影响研究[J];兵工学报;2016年11期

7 张晓燕;;基于果蝇算法的广义回归神经网络在财务预警中的应用[J];财会月刊;2016年30期

8 吴成滨;林川;曾树元;朱松松;周驰誉;;基于改进果蝇算法的危岩体弹性模量反演计算[J];水利水电技术;2016年10期

9 徐宁;吴永海;王永娟;徐诚;;基于铬层与基体结合部疲劳损伤的转管机枪身管寿命预测研究[J];兵工学报;2016年10期

10 程子安;童鹰;申丽娟;于帅帅;李明;;一种动态双种群果蝇优化算法求解FJSP[J];计算机工程与科学;2016年09期

【二级参考文献】

相关期刊论文 前10条

1 范良;赵国忱;苏运强;;果蝇算法优化的广义回归神经网络在变形监测预报中的应用[J];测绘通报;2013年11期

2 韩俊英;刘成忠;;反向认知的高效果蝇优化算法[J];计算机工程;2013年11期

3 赵怡晴;唐良勇;李仲学;秦洁璇;林璐瑶;;基于过程——致因网格法的尾矿库事故隐患识别[J];中国安全生产科学技术;2013年04期

4 贾义鹏;吕庆;尚岳全;;基于粒子群算法和广义回归神经网络的岩爆预测[J];岩石力学与工程学报;2013年02期

5 李元松;陈文峰;李新平;田昌贵;夏进;郭运华;;基于模糊神经网络的边坡稳定性评价方法[J];武汉理工大学学报;2013年01期

6 田源;张彼德;刘代伟;汪凤;吴华丰;陈笑;师鹏;;基于果蝇优化算法的GRNN水电机组状态趋势预测[J];水电能源科学;2012年12期

7 王英博;王琳;李仲学;;基于HS-BP算法的尾矿库安全评价[J];系统工程理论与实践;2012年11期

8 刘翠玲;张路路;王进旗;李亮亮;;基于FOA-GRNN油井计量原油含水率的预测[J];计算机仿真;2012年11期

9 盛建龙;熊绵国;;基于灰色—BP神经网络组合模型的边坡稳定性预报方法[J];有色金属(矿山部分);2012年04期

10 潘文超;;应用果蝇优化算法优化广义回归神经网络进行企业经营绩效评估[J];太原理工大学学报(社会科学版);2011年04期

【相似文献】

相关期刊论文 前10条

1 张成;王兴春;;空中机动目标航路预测模型[J];火力与指挥控制;2007年09期

2 李楷;;论汽车整车库存预测模型的构建[J];现代商贸工业;2008年05期

3 赵国清;张少勇;;关于成长曲线预测模型参数识别的一点看法[J];哈尔滨科学技术大学科学报告会论文摘要汇编;1985年S1期

4 左常勇;;随机疲劳寿命分布预测模型[J];机械强度;1988年02期

5 ;《节能管理和预测模型》[J];中国能源;1991年08期

6 刘沐宇,郑泽岱;灰色预测模型及在巷道收敛位移中的应用[J];非金属矿;1992年05期

7 张步涵;郑琢非;;灰色预测模型在农电规划中的应用[J];水电能源科学;1993年02期

8 陈淑敏;王秀英;;指数预测模型及参数识别[J];哈尔滨科学技术大学学报;1993年03期

9 陈传波,刘广宇;实时参量预测模型及其分析[J];湖北工学院学报;2001年04期

10 梅国建;张向波;徐宗昌;温再华;;基于支持向量分类的装备完好性预测模型[J];装甲兵工程学院学报;2009年01期

相关会议论文 前10条

1 鄢小彬;肖新平;;基于灰色马尔可夫模型的煤矿安全预测[A];第九届中国青年信息与管理学者大会论文集[C];2007年

2 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

4 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集(下册)[C];2003年

5 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年

6 马志元;;城市区域经济、人口、能源、环境综合系统预测模型及应用[A];中国城市建设与环境保护实践——城市建设与环境保护学术研讨会论文集[C];1997年

7 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角气象科技论坛论文集[C];2004年

8 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年

9 张晓f^;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

10 肖会敏;樊为刚;;基于神经网络的粮食产量预测模型[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

相关重要报纸文章 前10条

1 刘庆;“预测模型”要缓行[N];网络世界;2006年

2 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年

3 南方日报记者 彭琳 实习生 周鹏程;预测世界杯之外 大数据还能做什么[N];南方日报;2014年

4 本报记者 张超;预测模型:推算SARS起落潮[N];科技日报;2003年

5 本报记者 段佳;机器“品肉师”替您“尝鲜”[N];大众科技报;2010年

6 BMC首席IT技术官 Mahendra Durai IDC顾问 Eric Hatcher Randy Perry;预测智能:管理复杂基础架构的锁钥[N];中国计算机报;2010年

7 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

8 杨宜勇(作者为国家发改委经济研究所副所长);发挥信息化对就业的“增补效应”[N];第一财经日报;2005年

9 本报记者 汤浔芳 实习记者 董文萍;“孵化器”模式:大数据的垂直运营样本[N];21世纪经济报道;2014年

10 本报记者 安丰;深部找矿的探镜[N];中国国土资源报;2006年

相关博士学位论文 前10条

1 师懿;城市交通规划环评中空气污染预测模型研究[D];中国地质大学;2015年

2 张丽;牦牛肉用品质特性及近红外预测模型和产量等级系统的研究[D];中国农业科学院;2015年

3 吴利丰;分数阶灰色预测模型及其应用研究[D];南京航空航天大学;2015年

4 王菲;肉牛饲料有效能值预测模型的建立与评价[D];中国农业大学;2016年

5 文江平;农村地区成人2型糖尿病发生风险相关生物标志物的筛选及预测模型的建立[D];中国人民解放军医学院;2016年

6 白云鹏;华法林稳态剂量预测模型在瓣膜置换术后抗凝治疗中的应用[D];天津医科大学;2016年

7 周闯;原发性肝癌术后转移复发分子预测模型的优化整合与临床转化[D];复旦大学;2012年

8 孙忠林;煤矿安全生产预测模型的研究[D];山东科技大学;2009年

9 王冬光;控制技术在投资预测模型建立中的应用研究[D];哈尔滨工程大学;2005年

10 张丽峰;中国能源供求预测模型及发展对策研究[D];首都经济贸易大学;2006年

相关硕士学位论文 前10条

1 刘冰;基于神经网络的纤维热磨过程能耗预测模型的研究[D];东北林业大学;2015年

2 张念;铁路轨道几何不平顺趋势预测的关键算法研究[D];西南交通大学;2015年

3 田振伟;城市能源预测模型的研究与应用[D];昆明理工大学;2015年

4 吴迪;基于模糊决策树算法的安全库存量预测模型[D];中国地质大学(北京);2015年

5 齐雯;采用灰色预测模型改进的HHT算法在故障诊断中的应用[D];华南理工大学;2015年

6 王萍;膀胱癌遗传分数的计算及发病风险预测模型的构建[D];复旦大学;2013年

7 石大宏;基于序列的蛋白质—核苷酸绑定位点预测研究[D];南京理工大学;2015年

8 熊盛华;基于BP神经网络的混合预测模型的实例研究[D];兰州大学;2015年

9 赵Z,

本文编号:1605347


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1605347.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户db965***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com