四川兵工学报
四川兵工學報
사천병공학보
SICHUAN ORDNANCE JOURNAL
2014年
2期
70-73
,共4页
BP神经网络%装备失效率%输入层%中间层
BP神經網絡%裝備失效率%輸入層%中間層
BP신경망락%장비실효솔%수입층%중간층
BP neural network%equipment failure ratio%input layer%middle layer
装备伴随使用时间的增长，失效率会不断升高；因此准确预测装备失效率，对于及时准确评估装备性能，开展视情维修具有重要的指导意义；鉴于BP神经网络的高度非线性映射能力，利用此模型对装备失效率进行预测；分析得到了BP模型的输入层和中间层的最优神经元数；此时实际值与预测值的方差为0.0387，达到要求。
裝備伴隨使用時間的增長，失效率會不斷升高；因此準確預測裝備失效率，對于及時準確評估裝備性能，開展視情維脩具有重要的指導意義；鑒于BP神經網絡的高度非線性映射能力，利用此模型對裝備失效率進行預測；分析得到瞭BP模型的輸入層和中間層的最優神經元數；此時實際值與預測值的方差為0.0387，達到要求。
장비반수사용시간적증장，실효솔회불단승고；인차준학예측장비실효솔，대우급시준학평고장비성능，개전시정유수구유중요적지도의의；감우BP신경망락적고도비선성영사능력，이용차모형대장비실효솔진행예측；분석득도료BP모형적수입층화중간층적최우신경원수；차시실제치여예측치적방차위0.0387，체도요구。
As the use time of equipment prolongs,failure ratio ceaselessly elevates. Therefore,predicting equipment failure ratio accurately is important to evaluate equipment performance to carry on condition-based on maintenance. Considering nonlinear maping capability of BP neural network,the equipment fail-ure ratio is predicted by this model. The best neural cell number of input layer and middle layer in BP model is analyzed. The variance of factual and predicting value is 0. 0387,and demand is accomplished.
