下载文档原格式
基于B P 神经网络的爆破参数优选①赵 彬1,王新民1,史良贵2,张钦礼1,南世卿3,苏 明3,宋爱东3(1.中南大学资源与安全工程学院,湖南长沙410083;2.新桥矿业公司,安徽铜陵244131;3.唐钢矿业有限公司石人沟铁矿,河北遵化064200)摘 要:为了得到最优的矿岩爆破参数,提出以矿岩的容重、弹性模量、抗拉强度、抗压强度、摩擦角及粘结力为输入因子,炮孔排距、孔底距及一次炸药单耗为输出因子,并以国内爆破工艺类似、效果良好的矿山为样本来建立BP 神经网络模型进行优选的思路。
以石人沟铁矿上向扇形中深孔爆破参数选择为例,优选出的参数适用于矿岩条件,爆破效果良好。
这种思路也可用于使用其它爆破工艺的矿山,具有广阔的应用前景。
关键词:爆破参数;影响因素;优化选择;非线性关系;BP 神经网络中图分类号:T D235;T B41文献标识码:A文章编号:0253-6099(2009)04-0024-04Opti m i zati on of Bl asti n g Parameters Based onBack 2Propagati on Neural NetworkZHAO B in 1,WANG Xin 2m in 1,SH IL iang 2gui 2,ZHANG Q in 2li 1,NAN Shi 2qing 3,S U M ing 3,S ONG A i 2dong3(1.School of R esources and Safety Engineering,Central South U niversity,Changsha 410083,Hunan,China;2.X in 2qiao M ining Corporation,Tongling 244131,A nhui,China;3.Shirengou Iron M ine,Tanggang M ining Co L td Co m pany,Zunhua 064200,Hebei,China )Abstract:I n order t o get op ti m al blasting para meters,it is p r oposed that taking a domestic m ine with the si m ilar blasting technol ogy and good p ractice as a sa mp le,a BP neural net w ork model is established with the volu me weight,modulus of elasticity,comp ressive strength,tensile strength,fricti on angle and bond strength as input fact ors,with the r ows s pace,dep th of holes and once consu mp ti on of dyna m ite as out put fact ors .And taking the selecti on of blasting para meters f or upward sect or mediu m 2length hole in the Shirengou Ir on M ine as an exa mp le,the op ti m al para meters can be app lied f or the r ock conditi on with a good blasting effect .This method has a wide app licati on since it can als o be app lied in other m ines with different blasting technol ogy .Key words:blasting para meters;influence fact or ;op ti m al choice;nonlinear relati onshi p;Back 2Pr opagati on neural net w ork 矿岩的爆破工艺是矿山生产过程中最重要的环节之一,合理的爆破参数是保证安全、高效回采的必备前提[1]。
第39卷第1期2017年2月指輝控制与仿真Command Control &SimulationYol. 39 No. 1Feb.2017文章编号：1673-3819( 2017) 01-0025-05基于改进模糊神经网络算法的炮兵火力运用方案评估$刘铜、李小全、王永良、王键2(1.南京炮兵学院，江苏南京211132;2.解放军65565部队，辽宁丹东118105)摘要:针对炮兵火力运用方案评估中的主观性和不确定性等问题，将模糊理论融入到B P神经网络对其进行评估，并通过多种群自适应遗传算法对神经网络进行优化以提高评估的效率。
构建了炮兵火力运用方案评估指标体系、评估流程和评估模型。
最后，结合实例进行了仿真验证分析，得出了较为可靠的结论，为炮兵火力运用方案评估提 供了有效方法。
关键词：炮兵火力运用方案；评估；神经网络；模糊理论中图分类号:T J810. 3 +7;E917 文献标志码：A D0I:10.3969/j.issn.1673-3819.2017.01.006Assessment of Artillery Fire Application Plan Based onImproved Fuzzy BP Neural NetworkLIU Tong1, LI Xiao-quan1, WANG Yong-liang1, WANG Jian2(1.Nanjing Artillery College，Nanjing 211132;2.Unit 65565 of P L A，Dandong 118105，China)Abstract ：To solve the subjection and uncertainty problems in the assessment of artiller^^fire application plan，the fuzzy the-or^^is used in the BP neural network to assess them.The multiple population self-adaptive genetic algorithm is used to optimize the neural network to improve the efficiency of assessment.The index system，process and the model of the artiller^^fire application plan assessment are structured.In the final，an example is given to set up an analysis of simulation and validation，which proves an liable result and provides an effective way to assess the artiller^^fire application plan.Key words：artillery fire application plan;assessment；neural network;fuzzy theory联合作战下，炮兵作为对地火力突击的主体力量，火力运用的正确与否直接影响到指挥员的战斗决心。
基于神经网络的火力控制系统设计与实现火力控制是指通过控制武器系统的开火动作，实现对目标的消灭或摧毁。
在现代战争中，火力控制是军事力量的重要元素之一，尤其是在海上作战中，舰艇的火力控制更是至关重要。
为了实现精确的火力打击效果，需要经过精密的计算与分析，这个过程中很多任务可以由计算机完成。
同时，利用人工智能的方法，可以更加准确地完成实时的火力控制。
本文主要介绍基于神经网络的火力控制系统设计与实现。
文章分为两部分，首先是理论基础部分，其中包括神经网络的基础知识和火力控制系统的基本原理，然后是系统设计与实现部分，介绍了神经网络的建模、数据预处理、训练和测试等过程。
一、理论基础1.神经网络的基础知识神经网络是一种模拟人类神经系统的计算模型，它可以通过实现多个层次的神经元之间的信息传递，实现对输入信息的预测和分类。
神经元被组织成层次结构，每一层与前一层和后一层的神经元相连。
输入层接受输入信号，输出层为最终的分类结果，中间层用来处理和转换输入数据。
在训练过程中，神经网络通过调整权值和偏置值来优化模型，以提高预测准确率。
2.火力控制系统的基本原理火力控制系统是通过计算机控制武器系统的开火动作，实现对目标的消灭或摧毁。
在舰艇战斗中，火控系统主要由火控雷达、计算机和武器系统等组成。
首先通过雷达获取目标信息，然后通过计算机计算武器的瞄准点和发射时间，最后控制武器系统完成打击任务。
二、系统设计与实现1.神经网络模型设计为了实现精确的火力控制，需要选取适当的神经网络模型。
我们选用了具有两个隐层的多层感知器模型（Multilayer Perceptron, MLP），它具有较好的泛化能力，可以快速地学习和处理大量的数据。
2.数据预处理在进行数据预处理时，我们使用了多种方法，包括数据标准化、缺失值填充和特征选择等。
数据标准化是将数据转换为均值为0，方差为1的标准正态分布，以消除不同特征之间的量纲差异。
缺失值填充是为缺失数据赋予合适的数值，以避免对模型影响。
基于神经网络的国防军事智能化技术研究随着现代战争的发展，国防军事技术的重要性日益突显。
为了更好地维护国家安全，军事智能化技术在国防军事领域中的应用逐渐增多。
其中，基于神经网络的国防军事智能化技术是一种十分重要的技术手段。
神经网络技术是一种模仿人脑神经元之间连接方式的某些计算机算法，其模式识别和分类特性深受军事情报分析者的青睐，已被广泛应用于军事情报、武器指导和战争态势分析等方面。
基于神经网络的国防军事智能化技术具有多方面的优势。
首先，在情报分析领域中，神经网络技术能够处理复杂的多维和多源数据，从中提取有用的情报信息。
在现代战争中，信息化程度极高，敌情不明也是常有之事。
通过基于神经网络的情报分析，可以更好地捕捉和识别来自不同领域的信息，并将其转化为武器、装备研制和作战指导的实用性建议。
其次，在导弹控制和战斗机飞行控制等武器系统的研制中，神经网络技术也起到了至关重要的作用。
例如，在导弹控制中，神经网络可以“学习”目标飞机的各种特征，如速度、高度和飞行轨迹等，从而实现更加精准的控制。
在战斗机飞行控制中，神经网络可以根据大量的实时数据分析，预测飞行器的动态特性，对飞行员的操作进行实时优化或校正，从而最大限度地提高作战效果。
另外，基于神经网络的国防军事智能化技术还可以应用于战争态势分析和战场指挥决策等方面。
通过对数据的分析和处理，可以预测敌方军队的行动目标和策略，从而为我方的作战指导提供有力的依据。
但与此同时，基于神经网络的国防军事智能化技术也存在一些亟待解决的问题。
首先是数据安全问题。
军事情报和作战指挥等信息极其敏感，存在泄露甚至被敌方窃取的风险。
因此，在利用神经网络技术进行数据分析的过程中，必须严格保密，确保不会泄露军事机密。
其次是可靠性和稳定性问题。
一旦神经网络系统的某个部分出现了故障，整个系统将受到影响，这将对军事作战产生严重的影响。
因此，优化神经网络系统的可靠性和稳定性也是必不可少的。
总之，基于神经网络的国防军事智能化技术是当代军事发展的趋势。
基于神经网络和遗传算法的火炮结构动力学优化梁传建;杨国来;王晓锋【摘要】为研究炮口扰动优化问题,提出采用非线性有限元、试验设计、神经网络和遗传算法相结合的方法进行火炮结构动力学优化.建立了某大口径火炮上装部分非线性有限元动力学模型,结合试验设计进行了火炮结构动力学分析.以试验数据为训练样本,建立了基于贝叶斯正则化算法的反向传播(BP)神经网络来模拟火炮总体结构参数与炮口扰动之间的非线性映射关系.构造了炮口扰动优化目标函数,利用遗传算法对目标函数进行求解,实现了火炮总体结构参数的动力学优化.研究表明所建立的火炮总体结构参数与炮口扰动之间的非线性映射关系具有很高的可信度,运用该方法进行火炮结构动力学优化行之有效.【期刊名称】《兵工学报》【年(卷),期】2015(036)005【总页数】6页(P789-794)【关键词】兵器科学与技术;非线性有限元;试验设计;神经网络;结构动力学优化【作者】梁传建;杨国来;王晓锋【作者单位】南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094【正文语种】中文【中图分类】TJ302射击精度是考核火炮性能的主要技术指标，而炮口扰动对射击精度具有重要的影响。
研究表明，炮口扰动与后坐质量偏心、炮口制退器质量、制退机布置、部件间的间隙等火炮总体结构参数是紧密相关的［1-4］。
为了减小炮口扰动，科研人员做了大量的工作。
贾长治等［5］建立了火炮多体系统动力学模型，对影响炮口扰动的参数进行了灵敏度分析，并结合序列二次规划算法与虚拟样机对火炮进行了动力学优化，优化后火炮的动态特性得到了显著的改善；文献［4，6］则结合多体动力学及遗传算法对火炮总体参数进行了动力学优化，优化后炮口扰动明显减小。
崔凯波等［7］利用多体系统动力学计算炮口扰动，通过均匀试验设计和神经网络建立炮口扰动和结构参数之间的非线性映射关系，建立了优化目标函数，但未开展优化研究。
·48·兵工自动化Ordnance Industry Automation2018-0837(8)doi: 10.7690/bgzdh.2018.08.011基于BP神经网络和实验数据的火力打击效能预测郭忠伟1，李赵建伟2，周兆才2，王皓䶮2(1. 陆军炮兵防空兵学院军政基础系，合肥 230031；2. 陆军炮兵防空兵学院研究生管理大队，合肥 230031)摘要：针对火力打击效能预测问题，构建基于作战实验数据和BP神经网络的预测方法。
设计火力打击效能实验和数据采集处理，构建6-18-1型BP神经网络预测模型，并通过作战实验数据样本进行验证。
结果表明，火力打击效能预测仿真值与实验值相近。
关键词：作战实验数据；BP神经网络；火力打击；效能预测中图分类号：TP311.56 文献标志码：AEffectiveness Prediction of Firepower Fighting Based onBP Neural Network and Experimental DataGuo Zhongwei1, Li Zhaojianwei2, Zhou Zhaocai2, Wang Haoyan2(1. Department of Military & Political Basis, Army Artillery Air Defense Academy, Hefei 230031, China;2. Administrant Brigade of Postgraduate, Army Artillery Air Defense Academy, Hefei 230031, China)Abstract: Aiming at the problem of fire fighting effectiveness prediction, a prediction method based on operational experiment data and BP neural network is built. We designed the fire fighting effectiveness experiment and data acquisition and processing, built the 6-18-1 BP neural network prediction model, and verified it through the operational experimental data samples. The results show that the simulation results of fire fighting effectiveness prediction are similar to the experimental ones.Keywords: operational experimental data; BP neural network; fire fighting; effectiveness prediction0 引言为能在复杂战场环境中更有效地打击目标，需对火力打击效能进行预测。
