基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模与预测

机枪枪管初速衰减预测是一个复杂的非线性问题。广义回归神经网络方法被广泛应用于非线性问题的建模,但其平滑因子取值对神经网络的预测性能有较大影响。采用果蝇算法对广义回归神经网络的参数进行优化选取,提出了基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模方法。基于机枪枪管初速衰减试验数据,建立在不同使用环境下随着累计射弹量的增加,以初速降为特征量的机枪枪管初速衰减预测模型,预测结果与试验结果基本一致,证实了所提方法的可行性。通过与未经优化的广义回归神经网络方法和反向传播神经网络方法建立的预测模型进行比较,其性能明显优于另外两种方法,验证了基于果蝇算法优化的广义回归神经网络方法在建立机枪枪管初速衰减模型中的有效性。

基于贝叶斯推断LSSVM的枪管寿命建模与预测

针对机枪枪管初速衰减的建模及寿命预测问题,运用贝叶斯推断方法对最小二乘支持向量机(LSSVM)的正则化参数、核函数参数进行优化选择,提出一种基于贝叶斯推断LSSVM的机枪枪管初速衰减建模方法,应用机枪枪管初速衰减试验数据,建立了以环境温度、射击间隔时间、累计射弹量为输入,相对初速为输出的贝叶斯LSSVM机枪枪管初速衰减模型,并与交叉验证的LSSVM及BP神经网络模型进行比较。研究结果表明,基于贝叶斯推断的LSSVM建立的预测模型明显优于上述两种方法,验证了基于贝叶斯推断的LSSVM方法对以初速下降量枪管的寿命评价的有效性。