基于改进灰色模型和RBF优化模型的导弹贮存寿命预测

doi:10.3969/j.issn.1006-2475.2015.08.008

计算机与现代化

基于改进灰色模型和RBF优化模型的导弹贮存寿命预测

1.中国人民解放军海军航空工程学院兵器科学与技术系，山东烟台264001;
2.中国人民解放军海军航空工程学院研究生管理大队，山东烟台264001

收稿日期:2015-03-09 出版日期:2015-08-08 发布日期:2015-08-19
作者简介:徐廷学(1962-),男,河南驻马店人,中国人民解放军海军航空工程学院兵器科学与技术系教授,博士生导师,研究方向:装备综合保障理论与技术；朱会传(1987-),男,河南商丘人,中国人民解放军海军航空工程学院研究生管理大队硕士研究生,研究方向:导弹综合保障理论与技术。

Storage Life Forecasting for Missiles Based on Improved Gray Model and RBF Optimization Model

1. Dept. of Ordnance Science and Technology, Navy Aviation Engineering College of the CPLA, Yantai 264001, China；
2. Dept. of Graduate Students’ Brigade, Navy Aviation Engineering College of the CPLA, Yantai 264001, China

Received:2015-03-09 Online:2015-08-08 Published:2015-08-19

摘要/Abstract

摘要： 针对导弹在贮存期间存在的故障数据量少、预测难度大的问题，在给出灰色模型和RBF神经网络优化模型的基础上，构建基于灰色模型和RBF神经网络优化模型的组合预测模型，并利用该模型对某型导弹贮存寿命进行预测。结果表明，组合模型对小样本数据具有较高的预测精度，克服了单一预测模型的不足，具有很强的实用性。


关键词: 寿命评估, 灰色理论, 神经网络, 组合方法, 导弹

Abstract: The combined forcasting model based on the gray model and RBF neural network optimization model was proposed, for solving the problem of little failure data in storage period and difficult to forecast, and the combined model was established to forecast the storage life of missiles. The result shows that the combined model is better than the single forecasting model, and is regarded of high practice value.


Key words: life evaluation, gray theory, neural network, combined method, missiles

中图分类号:

TP181

徐廷学1,朱会传2,董琪2. 基于改进灰色模型和RBF优化模型的导弹贮存寿命预测[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2015.08.008.

]XU Ting-xue 1, ZHU Hui-chuan2, DONG Qi2. Storage Life Forecasting for Missiles Based on Improved Gray Model and RBF Optimization Model[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2015.08.008.

参考文献

［1］陈海建,滕克难,李波,等. 神经网络在导弹贮存可靠性预测中的应用［J］. 弹箭与制导学报， 2010,30(6):78-81.
［2］吴进煌,戴邵武,徐胜红. 基于可靠度预测模型的导弹贮存寿命分析方法［J］. 海军航空工程学院学报， 2005,20(4):477-479.
［3］赵艳涛. 电磁阀贮存寿命评估［J］. 质量与可靠性, 2010(5):10-12.
［4］刘思峰,徐忠祥,等. 灰色系统研究新进展［M］. 武汉:华中理工大学出版社, 1996:1-10.
［5］傅立. 灰色系统理论及其应用［M］. 北京:科学技术文献出版社, 1992.
［6］ Wen Kun-li, Huang Yi-fung, You Mei-li, et al. The development of GM(1,1) error toolbox［C］// IEEE International Conference on Intelligent and Advanced Systems, 2007:276-279.
［7］邓聚龙. 灰色系统理论教程［M］. 武汉:华中理工大学出版社, 1990:28-35.
［8］ Liu Sifeng，Lin Yi. An Introduction to Grey Systems Theory：Foundations, Methodology and Application［M］. Grove City: IIGSS Academic Publisher, 1998:1-23.
［9］魏勇，胡大红. 光滑性条件的缺陷及其弥补办法［J］. 系统工程理论与实践, 2009,29(8):165-170.
［10］刘思峰,邓聚龙. GM(1,1)模型的适用范围［J］. 系统工程理论与实践, 2000,20(5):121-124.
［11］谭冠军. GM(1,1)模型的背景值构造方法和应用(Ⅰ)［J］. 系统工程理论与实践, 2000,20(4):98-103.
［12］汪纪锋,蒋玉莲. 基于自适应学习速率法的补偿模糊神经网络［J］. 重庆大学学报(自然科学版), 2005,28(10):82-85.
［13］Zhao Shuanfeng, Xu Guanghua, Tao Tangfei, et al. Real-coded chaotic quantum-inspired genetic algorithm for training of fuzzy neural network［J］. Computers and Mathematics with Applications, 2009,57(11-12):2009-2015.
［14］樊洁,张新元,严广乐. 多模型组合预测技术在渭南地税中的应用［J］. 科技与管理, 2009,11(2):36-41.
［15］翁小杰. 基于灰色理论和神经网络的预测方法研究与应用［D］. 武汉:中南民族大学, 2009.

[1]	宋涛涛, 李艳萍, 李洪港, 韩春雪. 基于改进变结构趋近律的机械臂滑模控制系统[J]. 计算机与现代化, 2023, 0(12): 14-18.
[2]	周成诚, 曾庆军, 杨康, 胡家铭, 韩春伟. 基于高效通道注意力模块的运动想象脑电识别[J]. 计算机与现代化, 2023, 0(12): 19-23.
[3]	王宇航, 董宝良, 公超, 尚真真, 姚康宁. 基于意图识别的空中群目标动态威胁评估[J]. 计算机与现代化, 2023, 0(12): 100-104.
[4]	谷明轩, 范冰冰. 基于多模态特征融合的抑郁症识别[J]. 计算机与现代化, 2023, 0(10): 17-22.
[5]	陈俊义. 基于图节点动静态特征的健康事件预测模型[J]. 计算机与现代化, 2023, 0(10): 39-44.
[6]	黎世达, 项剑文. 一种提高图像识别模型鲁棒性的弱化强化方法[J]. 计算机与现代化, 2023, 0(10): 70-76.
[7]	陈子健, 段春红. 面向在线学习情境的认知情绪面部表情识别[J]. 计算机与现代化, 2023, 0(10): 92-98.
[8]	刘付琪, 张达, 宋建华, 王海东. 基于CNN-BiLSTM的液压系统故障诊断[J]. 计算机与现代化, 2023, 0(09): 10-19.
[9]	吴甜, 刘海华, 童顺延. 基于深度反馈的卷积神经网络的图像分类[J]. 计算机与现代化, 2023, 0(09): 82-86.
[10]	毛明扬, 徐胜超. 面向粒子群优化BP神经网络的粗糙集连续属性离散化算法[J]. 计算机与现代化, 2023, 0(09): 115-119.
[11]	孙子雨, 任燃, 魏曦哲. 基于DTW-TCN的股票分类及预测研究[J]. 计算机与现代化, 2023, 0(08): 31-37.
[12]	曾丽丽, 汤华贝, 牛艺晓, 孟凡月. 基于LSTM堆叠残差网络的岩相识别方法[J]. 计算机与现代化, 2023, 0(08): 38-43.
[13]	江蕾, 唐建, 杨超越, 吕婷婷. 基于CWGAN-GP与CNN的轴承故障诊断方法[J]. 计算机与现代化, 2023, 0(07): 1-6.
[14]	崔少国, 张岗, 王奥迪. 基于感知注意力的深度交叉网络推荐模型[J]. 计算机与现代化, 2023, 0(07): 54-60.
[15]	许叶彤, 耿信哲, 赵伟强, 张月, 宁海龙, 雷涛. 基于CNN-Transformer混合结构的遥感影像变化检测模型[J]. 计算机与现代化, 2023, 0(07): 79-85.

基于改进灰色模型和RBF优化模型的导弹贮存寿命预测

Storage Life Forecasting for Missiles Based on Improved Gray Model and RBF Optimization Model

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价