电视机验收试验数据的可靠性增长分析

详细地分析了电视机的验收试验信息,结果指出,通过整机电老炼能显著地提高电视机的可靠性,其可靠性增长规律可用AMSAA－BISE模型很好地拟合,并为电视机的老炼时间提供了一种优化设计方法．     

基于BP神经网络的城区基本用电负荷预测与验证

文章以南昌市为实证对象,用BP神经网络对城区未来十几年的基本用电负荷进行了预测,并做了验证性分析.     

基于BP神经网络的起飞限重计算预测研究

针对起飞限重分析计算的流程复杂、迭代多、计算效率低的问题,本文在分析起飞限重计算规律的基础上,研究了使用BP神经网络预测起飞限重结果的可行性.文中以ARJ21-700飞机在场长、爬升等综合限制条件下的最大起飞重量计算为例,使用Matlab进行结果预测.预测结果表明BP神经网络具有较好的适应性,可以满足性能仿真计算的工程...     

人工蜂群优化BP神经网络的太阳电池阵电流预测

通过对卫星太阳电池阵输出电流影响因子进行分析,提出了一种基于人工蜂群（Artificial bee colony,ABC）算法优化BP神经网络的太阳电池阵输出电流预测方法。将太阳入射角、卫星太阳电池阵工作温度、卫星星时等遥测量变换后作为神经网络输入,进行输出电流预测。考虑到神经网络对初始权值及偏置敏感的特点,采用ABC改进算法对神经网络初始参数进行优化。该模型可用于卫星太阳电池阵电流输出能力分析、太阳电池阵预警及异常检测等。实验测试表明,模型能够取得较高预测精度,同星预测均方根误差（Mean squared error, MSE）为0.10 A,跨星预测均方根误差为0.12 A,其精度明显优于传统数据拟合方法。利用该模型及本文提出的预警策略进行预警,对于7年5个月的正常卫星数据没有发生误报,对于某异常卫星数据能够及时进行预警。     

二项分布的可靠性增长预测模型

文[7]中的模型只能用于评定每个研制阶段(或研制周期)中的不可靠性(或可靠性),但不能用于预测将来研制周期中的可靠性。本文给出的模型不仅能用于评定,而且能用于预测。     

神经网络BP算法在滑油系统故障诊断中的应用

通过介绍神经网络反向传播算法(BP)的原理,研究BP算法在航空发动机滑油系统故障诊断方面的应用。BP算法因其高度的非线性、模拟的并行性、高度容错性、系统健壮性、自联想、自学习和自适应等许多特点,在航空发动机滑油系统调试和系统的监测及诊断中发挥较大的作用。     

指数分布可靠性增长分析的Bayesian整体推断方法

本文引入服从广义逆Gamma分布的折合因子,得到一种指数可靠性增长下失效率的Bayes整体推断技术,并采用Laguerre-Gauss积分方法得到了折合因子分布参数的精确数值解,通过典型示例与其它确定分布参数的方法进行比较,可知这种方法更加接近工程实际。     

基于BP神经网络的复合材料性能预测

针对复合材料性能表征十分复杂、困难的情况,利用人工神经网络的BP算法,建立了复合材料性能预测模型。模型由3层神经元组成,分别为输入层、隐含层和输出层。以碳/陶瓷复合材料性能与成分的关系为研究对象,选取了38组实验数据作为学习样本,模型总误差为0.18,用建立的网络预测未知,并给出预报曲线。和试验值相比较表明,所建立的网络能反映碳/陶瓷复合材料组分与其材料性能之间的关系,为实验设计提供了新的思路,节省了时间和劳力。     

负二项分布可靠性增长的经典分析方法

本文用经典分析方法研究了负二项分布的可靠性增长问題。研制规划由m个阶段组成,每个阶段的失败概率(即不可靠性)满足条件:q_1≥q_2≥…≥q_m,在此条件下,我们得到了qi,i=1,…,m的约束极大似然估计以及最末阶段不可靠性q_m的经典置信上限。我们也讨论了在Bayes分析方法中,如何选取参数的验前分布问题并给出了趋势检验方法。几何分布可靠性增长的相应结果可从负二项分布可靠性增长的结果直接给出。最后用数值例说明了这些方法。     

可靠性工程的若干方向

本文对可靠性工程的一些重要方向的研究情况进行了扼要的介绍与评述。这些方向包括复杂系统的可靠性综合，可靠性变动统计学，低可靠元件组成高可靠系统，含增长单元的复杂系统的可靠性综合．加速寿命试验，加速可靠性增长试验，产品寿命预测及发动机可靠性评估。     

基于改进型BP神经网络多关节机器人逆向运动学求解

提出采用一种3层改进型快速BP神经网络(Modified fast BP neural network,MFBPNN)求解一个5自由度多关节机器人逆向运动学问题。使用正向运动学计算获得的样本向量进行离线学习,然后充分利用人工神经网络的泛化特性,实现了机器人末端作用器位姿到各个关节转角变量之间的非线性映射。仿真结果表明,采用MFBPNN算法以后,绝对误差不超过0．005°,计算精度和处理速度能够满足机器人实时控制的要求,并且可以应用于机器人路径规划控制场合。     

基于BP神经网络的内圆磨床主轴动态分析方法研究

通过对神经网络学习样本的选择问题的研究，本文提出了采用“多水平正交表”选取神经网络的训练样本的方法，建立了内圆磨床主轴系统的BP神经网络模型，并在试验的基础上借助于优化方法进行了模型修正和优化计算。该方法不仅计算方便、快捷，而且具有较高的计算精度。     

基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

基于神经网络的大型矿用隔爆型干式变压器动态温升预测研究

分析了大容量隔爆型干式变压器热传递过程和特点,利用人工神经网络的非线性映射能力建立了其动态温升预测模型,并将计算结果和实测结果作了比较,验证了其可行性和优越性.     

一种基于模糊聚类的组合BP神经网络数据挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法，并给出了该方法的模型和启发式BP改进算法Heuristicbp。且将其应用于数学函数值预测中，取得了学习时间短和预测精度高的效果，证明该方法是有效的，具有较高的实际应用性。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。     

浅谈航天产品可靠性增长与增长试验的综合设计与管理

可靠性增长试验是以暴露产品的薄弱环节为出发点,并证明改进的措施有效,以达到可靠性增长的目的,文中谈及的可靠性增长与增长试验综合设计和管理方法是结合航天工程实践的具体经验总结,对今后如何更好的制订可靠性增长综合计划,开展好可靠性增长试验具有现实意义,值得借鉴。     

基于BP神经网络的核事故多核素源项反演方法

核事故发生后,为快速评估事故严重程度,需要对源项释放率进行估算。本文选取I-131,Cs-137,Xe-133和Kr-85四种核素的释放率为目标信号,利用Matlab建立基于BP神经网络的核事故四核素源项反演模型。计算结果表明,在单隐层节点数为5~60范围内,训练均方差 随节点数增加先减小后增大,在节点数为25时达到最小值41.1%。学习速率在0.01~0.2范围内时,增大学习率可减小训练均方差与各核素相对误差。对单隐层节点数为25,学习速率为0.2的训练结果进行测试,4种核素的源项估计相对误差分别为56.7%,49.1%,92.4%和92.0%。