大口徑火炮可以用最小的代價對敵人造成最大范圍的行動限制,是戰(zhàn)場上十分關鍵的火力壓制武器,但是由于其工作環(huán)境嚴酷,大口徑火炮在執(zhí)行任務時表現(xiàn)十分不穩(wěn)定。基于大口徑火炮健康管理系統(tǒng)研究項目,在做好對大口徑火炮工作狀態(tài)實時監(jiān)測與記錄的同時,結合專家分析等健康管理手段,提出基于深度學習的大口徑火炮故障預測與分析設計思路,利用深度置信網(wǎng)絡無監(jiān)督的高效特征提取能力和多層感知機有監(jiān)督的數(shù)據(jù)分類能力,建立故障預測深度學習模型,實現(xiàn)對大口徑火炮故障狀態(tài)的預測,為大口徑火炮的預先維護保養(yǎng)提供技術支持,從而提高大口徑火炮的可靠性。 

【文章來源】：計算機工程與科學. 2020,42(11)北大核心CSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 總體設計與數(shù)據(jù)處理實現(xiàn)
    2.1 中央處理功能
    2.2 過程回放功能
    2.3 數(shù)據(jù)導出功能
    2.4 電子履歷功能
3 深度學習方法概述
    3.1 多層感知機(MLP)工作原理
    3.2 深度置信網(wǎng)絡(DBN)工作原理
4 DBN-MLP故障預測模型
    4.1 模型設計
        (1)DBN網(wǎng)絡預訓練。
        (2)DBN網(wǎng)絡全局微調。
        (3)MLP網(wǎng)絡參數(shù)設置。
        (4)MLP網(wǎng)絡訓練。
        (5)深度學習網(wǎng)絡檢驗。
    4.2 數(shù)據(jù)選擇與處理
    4.3 故障預測網(wǎng)絡訓練
    4.4 實驗結果
5 結束語


【參考文獻】：
期刊論文
[1]面向實時應用的深度學習研究綜述[J]. 張政馗,龐為光,謝文靜,呂鳴松,王義.  軟件學報. 2020(09)
[2]人工智能領域關鍵技術的發(fā)展[J]. 靳芳.  電子技術與軟件工程. 2019(22)
[3]深度學習在旋轉機械設備故障診斷中的應用研究綜述[J]. 吳春志,馮輔周,吳守軍,陳湯,王杰.  噪聲與振動控制. 2019(05)
[4]One-Hot編碼在學生選課數(shù)據(jù)分析中的應用研究[J]. 張戈.  網(wǎng)絡安全技術與應用. 2019(10)
[5]基于MLP改進型深度神經(jīng)網(wǎng)絡學習資源推薦算法[J]. 樊�，|,史雙,張博敏,張艷萍,藺琪,孫歡.  計算機應用研究. 2020(09)
[6]減小火炮內膛燒蝕和磨損的有效方法[J]. 徐鴻雷,張健,姜華,柳燕,朱序,徐宇航,趙明波.  國防制造技術. 2018(01)
[7]大口徑火炮發(fā)射過程炮架振動的主動抑制技術[J]. 王瓊林,李強,茍兵旺,張江波,賈永杰.  火炸藥學報. 2017(06)
[8]基于深度學習的緩變故障早期診斷及壽命預測[J]. 周福娜,高育林,王佳瑜,文成林.  山東大學學報(工學版). 2017(05)
[9]基于深度學習特征提取和粒子群支持向量機狀態(tài)識別的齒輪智能故障診斷[J]. 時培明,梁凱,趙娜,安淑君.  中國機械工程. 2017(09)
[10]深度學習在故障診斷中的研究綜述[J]. 劉林凡.  新型工業(yè)化. 2017(04)

碩士論文
[1]火炮狀態(tài)診斷與應急處理方法研究[D]. 曹亭.南京理工大學 2013
[2]自行火炮故障智能診斷與預測系統(tǒng)設計[D]. 鄧志江.南京理工大學 2007



本文編號：3627210