首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于ISSA-BP神经网络的火控系统故障预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:沈阳顺义科技股份有限公司

摘要:一种基于ISSA‑BP神经网络的火控系统故障预测方法,属于火控系统故障预测技术领域,包括如下步骤:步骤S01、采集陀螺仪组的角度信号和速度信号作为输入数据,采用BP神经网络为基础预测模型,设置BP神经网络的参数;步骤S02、采用circle混沌映射初始化麻雀种群;步骤S03、计算个体适应度以及最优和最差位置;步骤S04、向麻雀算法中发现者位置引入非线性惯性权重控制搜索范围和收敛速度;步骤S05、更新发现者、追随者、警戒者位置等。本发明采用改进的麻雀搜索算法与BP神经网络相结合,构建出ISSA‑BP预测模型,该模型能够减少BP神经网络早期陷入局部最优的风险,提高了模型的预测精度以及收敛速度。

主权项:1.一种基于ISSA-BP神经网络的火控系统故障预测方法,其特征在于,包括如下步骤:步骤S01、采集陀螺仪组的角度信号和速度信号作为输入数据,将获取的数据分为训练集和测试集,使用matlab中的mapminmax函数,把数据归到[-1,1]之间,采用BP神经网络为基础预测模型,根据如下公式求得最佳隐含层数量,设置BP神经网络的参数;隐含层节点的经验公式为: ;其中:S为隐含层节点数,N为输入层节点数,M为输出层节点数,h为调节常数,介于1到10之间;双曲正切函数表达式为: ;线性激活函数表达式为: ;步骤S02、按照如下公式采用circle混沌映射初始化麻雀种群,circle混沌映射公式为: ;其中:为表示当前麻雀个体所在位置,为麻雀个体经过映射之后的位置;步骤S03、计算个体适应度以及最优和最差位置;步骤S04、向麻雀算法中发现者位置引入非线性惯性权重控制搜索范围和收敛速度;惯性权重计算公式为: ;其中:为非惯性权重,t为当前迭代次数,T为最大迭代次数;得到改进后的麻雀算法位置包括发现者位置更新公式: ;其中:t为当前迭代次数,为第i只麻雀在第t次迭代中的第j维位置信息,T为最大迭代次数,是随机数,范围为(0,1],为预警值,ST为安全值,,,为服从正态分布的随机数,L为1×d且元素全为1的矩阵;d是麻雀位置向量中的元素数量;步骤S05、更新发现者、追随者、警戒者位置;步骤S06、计算适应度值并排序;步骤S07、将自适应步长的萤火虫扰动策略对初始化后的麻雀种群中的麻雀进行扰动,为每个个体设置动态步长;萤火虫扰动策略公式如下: ;其中:为更新位置后的萤火虫;为萤火虫所处的空间位置;为萤火虫j所处的空间位置;rand为[0,1]上服从均匀分布的随机数;为步长因子;为萤火虫的吸引度;步长设置公式为: ;其中:为更新之后的步长因子;为步长因子初始值,T为最大迭代次数,C为常数缩减因子;t代表当前迭代次数;萤火虫的相对荧光亮度为: ;其中:为萤火虫的最大萤光亮度,为光强吸收系数,为萤火虫和之间的空间距离;萤火虫的吸引度为: ;其中:为最大吸引度,为光强吸收系数,为萤火虫和之间的空间距离;步骤S08、利用萤火虫扰动和引入惯性权重的麻雀搜索算法对BP神经网络的初始权重和阈值进行优化,获得用于BP神经网络的最优权值和最优阈值;用最优权重和阈值重新训练神经网络;当满足最大迭代次数时,完成模型的训练并终止迭代过程;用训练好的预测模型进行预测并输出预测结果。

全文数据:

权利要求:

百度查询: 沈阳顺义科技股份有限公司 一种基于ISSA-BP神经网络的火控系统故障预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。