简介：在讨论神经网络自适应学习算法的基础上,研究了某自行火炮传动机构中圆锥圆柱轴承故障特征参数的选取及智能故障模式诊断,并在疲劳实验机和设备上进行了实验,取得了满意效果。

简介：针对坦克炮身管精确定位和平衡问题，提出了一种基于干扰观测器（DOB）的RBF神经网络滑模控制策略。由于炮控身管平衡系统模型中存在某些时变的不确定参数，所以利用RBF神经网络的万能逼近特性来辨识该参数。为了更好地提升系统的抗干扰性能，引入了干扰观测器，对系统外部扰动进行实时观测。通过仿真试验可知，该控制策略有效地提高了系统的稳定性，消除了滑模控制过程中固有的抖振现象，并大大提高了电液伺服系统的跟踪性能，使系统具有良好的鲁棒性。

简介：对某航炮加速器运动特性进行了分析，测绘了加速器滚轮运动曲线，并采用BP神经网络进行拟合。给出了各运动件之间的约束关系，运用MATLAB软件对加速器运动特性进行了仿真计算，并对仿真结果进行了分析。为进一步研究加速器运动特性和改进设计提供了理论参考。

简介：提出了一种将小波变换同神经网络相结合的方法,旨在克服由于广为采用的神经网络在对不定信息处理方面存在的不足和容易陷入局部极小值的问题,将小波变换与神经网络相结合,利用混沌轨道的游动性有利于系统跳出局域极值的束缚而寻求全局最优.仿真结果表明,此种算法快速、有效,能很好地解决某些复杂的辨识问题.

简介：针对某大型武器装备系统庞大、故障检测难的特点，提出一种基于无线网络技术的在线监测与故障诊断方案。方案中下位机在ARM920T构架的32位微处理器S3C2410A基础上，进行外围扩展。包括信号采集、信号调理电路、JTAG接口、LED显示、无线网卡接口及RS232接口，从而实现大型武器装备各部位状态信息的数据采集及和上位主机的无线数据交互。上位主机由配置无线网卡微机组成，采用笔记本电脑，通过无线网卡接收各下位机采集的信息并显示，在专家系统的支持下给出检测诊断结论与故障信息。实验表明，该技术方案能实现大型武器装备的快速、准确故障定位与远程监测。

简介：在分析神经网络和灰色关联度诊断方法的基础上,研究并提出了改进的BP神经网络和ABO灰色关联度诊断法.应用小波分析法对齿轮箱振动信号进行小波消噪,提取了信号的时频域特征参数.讨论了特征参数的无量纲化处理方法,并结合ABO灰色关联度诊断法简单易于实现和BP神经网络法诊断精度较高的特点,完成了齿轮箱的故障模式识别和诊断决策.

简介：针对火炮身管烧蚀磨损量受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,在采用灰色动态模型对身管烧蚀磨损量进行预测的基础上,构造了组合灰色神经网络预测模型进行预测.结果表明,通过组合灰色神经网络模型可以得出较单一模型预测更加准确的预测值,能更好地反映内膛烧蚀磨损量的发展规律.

简介：对于结构复杂的自行火炮变速箱,其故障模式具有不可预知性.针对传统的神经网络识别方法明显存在不足这一问题,提出一种基于自适应谐振理论(AdaptiveResonanceTheory)的自行火炮变速箱瞬态过程故障诊断新方法.该方法不仅可以对已知的故障模式进行分类,而且对自行火炮变速箱未知故障模式具有很强的自适应分辨能力.实例证明,ART-2神经网络与传统的神经网络方法相结合为自行火炮变速箱故障诊断提出了新思路.