典型文献
基于ANGM(1,1)和PSO-BP神经网络组合模型的身管烧蚀磨损量预测
文献摘要：
在火炮射击过程中,身管烧蚀磨损会对火炮性能产生不利影响,烧蚀磨损量预测对提高火炮性能及寿命均有较大意义.由于常规数据拟合和预测方法在预测火炮身管烧蚀磨损量时存在较大的误差,在分析传统预测模型优化方法的基础上,针对身管烧蚀磨损量具有单调性和波动性特点,提出了改进的灰色模型ANGM(1,1),并结合基于粒子群算法优化的BP神经网络模型,建立了 ANGM-PBP组合模型.对实弹射击测得的16组试样的实例应用分析表明,该组合预测模型的相对误差在±3％以内,平均相对误差低至0.74％,说明该组合模型的精度较高,适应性和可靠性均有所增强.该研究为火炮身管寿命预测提供了解决方案.
文献关键词：
火炮身管;烧蚀磨损量;组合模型;粒子群算法;寿命预测
中图分类号：
作者姓名：
蒋俊君;陆欣
作者机构：
南京理工大学能源与动力工程学院,江苏南京 210094
文献出处：
引用格式：
[1]蒋俊君;陆欣-.基于ANGM(1,1)和PSO-BP神经网络组合模型的身管烧蚀磨损量预测)[J].火炮发射与控制学报,2022(06):70-75
A类：
ANGM,烧蚀磨损,烧蚀磨损量
B类：
PSO,组合模型,身管烧蚀,磨损量预测,数据拟合,火炮身管,传统预测模型,预测模型优化,单调性,波动性,改进的灰色模型,粒子群算法,算法优化,PBP,实弹射击,实例应用,该组,组合预测模型,平均相对误差,身管寿命,寿命预测
AB值：
0.189099
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
